作为在汽车金融行业浪荡多年的风控老炮儿，对这个市场，也许既是失望透顶，同时又满怀憧憬的…（此处省略12863字）真实的交易场景、可控的获客通道、可知的车辆来源、严谨的资产管理。其中前两点在于控人，后两点在于控车，既然是以汽车为标的物的汽车金融行业，对于车辆的管理，其重要性不言而喻，如果车控不好，或只是流于形式，很容易为广大欺诈爱好者提供致富良机。今天我想扯一扯的就是与控车相关的话题，范围不大，简单谈谈车辆评估。
先来看一看车辆价值管理在汽车金融领域的一些需求点：
|
资金方
|
市场方
|
|
新车
|
1. 合理估值，避免同品牌同型不同款的价格差异造成超额授信；
2. 贬值预估，合理设计金融产品，避免业务存续期内车辆残值与剩余本金倒挂；
……
|
为客户获得合理授信，提升成交率。
|
|
二手车
|
1. 前两点与新车相同
2. 合理估值，避免因品牌、年份、车况等差异及市场因素导致的车辆价值认知偏差；
3. 查询维保及出险记录，避免因大事故车、水淹车等问题，在资产处置环节资不抵债。
……
|
1. 收车、售车环节把握车况，避免损失；
2. 为客户获得合理授信，提升成交率。
……
|
基于这些或有的需求，在今天的市场上，我们能够得到怎样的支持呢？首先，绝大多数机构，自己做估值这件事基本就不用想了，最fashion的做法必然是采购第三方数据机构提供的信息，我们看看都可以采集到的哪些主流相关数据：
|
项目
|
描述
|
效果
|
|
车型库
|
——
|
——
|
|
车价评估
|
基础评估
|
基于品牌、型号、年份、简要车况、应用场景等因素，给出9款价格参考（例如车商收购价-高位、终端销售价-中位等）；
|
时效性高，秒回结果
|
|
线上验车
|
在上述评估的基础上，由需求方上传指定数量制定位置、角度的影像信息，由后台专业人员进行图片或视频验车
|
时效较低，10-30分钟左右返回结果。但准确度更高，可一定程度上把握车况，避免大事故车等问题车辆流入。
|
|
线下验车
|
专业验车员实地验车
|
时效差，出结果通常需要两小时以上或更高，如在集中性强的二手车市场内，或可有一定提升。但效果最好，对车况的把握最大。
|
|
维修保养记录
|
整合4S店、维修厂等机构的维保订单，查询车辆是否存在大修行为
|
覆盖范围广，查得率较高
|
|
出险记录
|
通过车险出险记录，查询车辆是否发生过重大事故
|
数据权威性强，参考价值大
|
|
行驶证核验
|
核验二手车持有人真实性
|
|
上述这些信息，目前市场上提供者众多，在此就不做赘述了，有老牌儿玩家，也有互联网大鳄，也有市场新贵，更有神秘的国家队，各领风骚一两年。在此只想讲一点，众多评估机构中该如何选择？该遵循怎样的逻辑？1. 海量交易样本，数据量足以支撑评估结果的可靠性；2. 数据获取渠道权威，交易价格真实，评估准确客观；3. 科技实力强大，算法精妙，确保各类因素都能够量化体现；诚然，这些点都很吸眼球，但日常工作中，我真正在意的从不是这些 ，在这个环节只有两个因素最值得关注：1. 评估机构背景：要关注该机构除了评估之外，是否参与本行业其他相关产业，例如其自身或背后股东方是否在汽车金融或从事相关金融业务，仅这一点，就足以令人质疑其评估效果是否客观，这与信任与否无关，背后的东西我们在外面永远看不到；2. 市场占有率：一家机构评估再准确，价格再合理，只要市场占有率达不到，实际上仍然是没有价值的，。因为合理估值的目的是对抗风险，一旦走到资产处置环节，从来不是看谁车价评估的准，而是看市场上大家都用谁的产品在评估。换言之，谁占有市场，谁就是标准。下面我们再来看看更实际些的，五花八门的信息中，其优劣高低，价值几何？我们从其数据来源、实际效果、应用体验几个角度再做一次描述：
|
项目
|
优
|
劣
|
|
车型库
|
价格普遍较低，实用性强
|
1. 各家机构提供的车型库记录逻辑存在差异，以致于后期更换，或与其他相关数据源对接时存在部分品牌型号不一致的问题；
2. 在更新时效性上存在一定的滞后性。
|
|
车价评估
|
基础评估
|
基于市场价格行为，以大数法则为依据，结合品牌车型特征，通过信息化算法进行快速评估，数据相对客观，结果相对客观。
|
1. 不同机构获取价格信息的渠道和评估逻辑、算法不同，各家评估结果存在一定差异；
2. 实测同车不同区域估值无差异，对于不同市场或跨区域售情况无法准确估值。
|
|
线上验车
|
精准度高，可一定程度上把握车况，避免大事故车等问题车辆流入。
|
1. 受时效影响较大，自动化效率降低；
2. 受实操拍照角度、光线等影响，易产生判断偏差；
3. 局部照片无法确定源自标的车辆，无法规避前端偷换车辆拍照等道德风险；
4. 受评估人员经验、认知上的主观因素较多，对验车结果影响大。
|
|
线下验车
|
专业验车员实地验车，一定程度上规避前端道德风险。
|
1. 时效性太差，通常需等待两小时以上，甚至更久，客户感受度低；
2. 价格高昂，性价比过低；
3. 受评估人员经验、认知上的主观因素影响依然存在，易产生标准一致性的问题。
|
|
维修保养记录
|
数据来源于整合机构收集的4S店、维修厂等机构，覆盖范围广，查得率较高。
|
1. 因各家机构的覆盖范围不同，且统计存在差异，后期数据清洗效果差；
2. 实际应用中发现查得大量无效信息，影响审核效率；
3. 数据获取的规范性较差，受维修人员记录的影响，存在一定程度的错记、漏记、恶意记录或主观篡改实际故障等情况；
4. 更新效率无法掌握。
|
|
出险记录
|
数据权威性强，参考价值大
|
1. 绝大部分机构仅依靠部分渠道获得部分出险信息，覆盖度过低；
2. 目前除中银保信对合规机构输出的数据外，其他机构出售此类数据时都存在严重的合规合法隐患，对应用企业易造成法律及声誉上的影响。
|
从上述的表内可以看到，虽然此类数据已经发展并沉淀多年，但在实际应用中，仍然存在不少弊端，如何有效利用自身风控特点去规避或减少相关问题所带来的影响，也是前端风控人员需要关注的要点。所谓知己知彼，百战不殆，仅仅了解到这些产品的优劣是无法做到更进一步的风险防范的，除了这些，还要看一看背后见不得人的勾当，才能了解到我们面对的到底是什么，接下来，我们再讲讲这个领域里的一些负面问题。1. 部分评估机构配合需求方篡改评估逻辑，压低或提高评估结果展示；2. 线下部分评估人员收受贿赂，隐瞒真实车况，或配合高评；3. 维修记录多为线下收集后拼库，部分机构为体现数据规模价值，虚构维修保养信息，数据注水严重；4. 部分大机构主观营造数据壁垒，对同业合作方提供的数据设置限制，例如主流品牌限制查询量等等，而与其合作的机构或是不知，或是刻意隐瞒，并继续向需求方提供相关服务，其价值和效果严重打折。
讲到这里，也许会有种不寒而栗的感觉，甚至是不敢相信。我只能说，人家不想让你看到的东西，你如果没机会去深挖，那就永远看不到。面对如此复杂的环境，我们很难拥有一双慧眼去雾里看花，又该如何取舍呢？这个困惑曾经一直困扰过我，直到长城金融的黄山总点醒我……一次闲谈中我向他抛出这个困惑，他告诉我，你去查一查，你们有多少笔业务，是因为未查出大事故车或水淹车，且客户逾期或引发纠纷，且收车后处置中资不抵债，且无法继续追偿，最终造成损失的情况，然后再看一看这类数据在你风控成本中所占的比例，就很容易选择了。听了黄总的建议，我回去进行了测算，在历史的数万笔业务中，符合这类条件的情况为零，而与车相关的各类外部数据，在风控成本中占比超过了75%。随后我们调取了一定量的样本，对比基础评估、线上精评与维保、出险记录之间的关系，并尝试性的取消了大量的车类数据查询，仅保留了必须的车型库和基础估值服务，在连续三个季度的表现期后发现，整体通过率略有提升，而风险指标并无明显变化，涉及到因车况产生的损失或纠纷也依然不存在。有了这样一次尝试，也让我在后来的工作中对于所谓的精评、线下验车、维保出险查得大事故这类噱头唬人，贵得离谱的服务不再迷信，而是把精力放到其他更需要关注的环节中。相信不少从事此项服务的朋友看到这里肯定会不忿，通常劝导资金方的一套说辞是，如果一旦损失了一台车，你付出的成本太大了，我们的价格虽然贵，但是你们终究是划算的呀。起初我也被这样的言论所左右，可实际考量下来，难道我们付出的只是查询数据的成本么？技术人员对接口的开发维护不是成本么？大家在看那些99%的无效维保信息时消耗的时间不是成本么？因数据不够精准或错误而被错误拒绝的客户不是成本么？服务类机构总想揣摩需求方的需求。但需求也分真假，有些需求，看上去合理，大家也确实用得到，但实际上价值有限，这类需求，就属于假需求。就好比吃一顿饭要200元，你问我要不要再来盘水果，我想我会有需要，但你要为这个水果再多收我1000元，我可能就觉得没必要了。金融科技盛行其道的今天，大数据的应用早已深入人心，而到底什么是大数据，大数据又该如何去应用，并没有个准确的界定，但不论如何，都不该只是盲目的采买数据服务来支撑自己的风控体系，下次如有机会，再与大家继续分享。
