跨公司不良资产项目数据接收处置流程设计

在当前的经济环境下，不良资产的追回率下降，而对不良资产的处置方式越来越多，这对数据工作而言将会面临不小的挑战。那么，作为一名设计该如何设计不良资产接收处置流程？本篇文章将会为你解答。

随着经济环境下行，信贷行业的不良资产比率持续上升，加上国家对不良资产回收手段的监管，对不良资产的追回手段在逐步减少。

处置手段的减少，信贷行业放款行为因为国家刺激内需消费而放松。放款量增多，失业率增加；还款能力下降，造成了不良资产的追回率下降。

且因为追偿手段受监管影响力度减少，合规要求增高，不良资产的搁置时间增加，处置的即时性相对来说也远没有之前那么高。且大部分的追偿渠道因为合规要求，不会一次性承接大量不良债权的追偿案件。

且因为不同机构的不良资产案件的特征不尽相同（例如车贷、房贷、消费贷在贷款的种类中就有明确的区别，消费贷中还有更多的细分类型），这些类型的不同会让需要处置不良资产的机构花费更多的时间去确定处置方式和合规沟通。

一来一回，不良资产的处置周期变长，处置难度变高；随着周期拉长难度变高，在不良资产的处置机构接受不良资产的时候就更应该尽快完成数据、材料文件的接受，数据在完成接受之后才能委派到自己的合作方手上尽快处置。

而对于有处置不良资产能力的处置公司来说，因为不良资产的首个持有方一定是迫切希望加快不良资产包的出售，一定会有道德风险的存在（在信息不对称条件下，不确定或不完全合同使得负有责任的经济行为主体不承担其行动的全部后果，在最大化自身效用的同时,做出不利于他人行动的现象）。

且因为处置方本身在购入不良资产包到实际处置不良资产包之间就会产生大量的成本，在购入成本和不良资产回收收益之间需要做到有收益且收益速度相对较快，就需要在不良资产包收购之前，确立资产包质量，进展到资产包收购阶段后，严格完成尽调、数据接入、数据清洗、数据改造。

在资产包收购之后，根据历史处置资产类型和特征进行资产分层、确定处置方式，最终确定案件分配，顺畅完成案件跟进，最终实现资产回收、盈利。

但以上流程的顺畅进行，需要数据在其中承担不小的作用，需要完成尽调数据、确定定价。

如果是首次合作的不良资产转让方还需要定义资产数据字段，确定各个字段的计算同步方式。

如果不良资产结构涉及融担、助贷，还需要了解资产转让方和引流方的合作方式，确定还款模式和数据流，对数据工作来说是个不小的挑战。

本文会站在一个不良资产处置公司数据岗位的角度上，以诉讼/保全做不良资产追偿为例，来拆解整个不良资产包尽调到实际委派回收需要进行的数据工作

一、资产尽调

在消费信贷的不良资产项目尽调中，尽调项目和大宗不良资产案件的尽调项目不尽相同，在大宗不良资产的尽调项目中。

通常会考虑几个方面：

不良资产来源渠道（投资方是否具有优势资源的来源渠道以及是否具有较强的议价能力）。
标的额（包括整个资产包所涉债权总标的额以及每户债权标的额分配比例）。
抵押物初步评估（主要包括土地使用权、房屋及其他地上定着物、机器、设备、交通运输工具、股权以及知识产权等无形资产，对上述抵押物价值给予客观、恰当的评估）。
司法环境（包括资产包所在地法院处理此类案件的数量，对此类案件的整体态度以及主流裁判观点，处置团队在当地是否具备一定的经验等）。

以上项目在不良资产的项目中通常都会出现，但在小额消费贷的不良资产场景下，没有太多的个体化的实质的证据信息，多数是以数据、材料（合同）的形式存在。

同样的，因为都是无形资产，判断资产质量也仅能通过数据的形式做判断，在这种情况下，就需要关注以下几类特征数据：

黑名单情况
共债情况（三方数据库）
与己方已持有各类资产重叠情况
逾期标的分布
逾期时间分布
已诉讼/保全/执行情况

因为不良资产的标的额和借贷方式的不同，通常小额信贷的不良资产是不良资产处置中相对不那么受关注的一类，逾期金额少，借款流程更依赖于大数据风控，实际落到个体之后的反欺诈调查更多依赖历史数据的积累。

风控数据并不能完全作为判断资产质量的依据（尤其是两个不同的公司下，会有两套不尽相同的风控审核规则，甚至同一公司不同时间的风控策略和评分的调整都会导致风控数据会有一定的偏差）。

因为这些原因，数据尽调会相比实地尽调更为重要。

对数据的尽调结果来说，在购买资产包之前要确定一个大致的不良资产处置回收效果，回收效果，或者说回收率，直接确定了这个不良资产包的盈利情况。

如果在收购不良资产包处置的时候就定下了一个较高的收购价，且处置不良资产还要付出一定成本的情况下，要达成不良资产盈利的难度就会提升。

这就需要资产尽调的时候尽量推动资产的折价收购，避免错误估计己方不良资产处置能力导致付出无法实现回收甚至盈余

二、数据交割

在确定对资产包的收购之后，就需要对资产包的可交割数据进行确定，需要确定的项目包括但不限于：用户相关数据、借款相关数据、逾期相关数据、还款相关数据、债权相关数据等。

需要对交割的数据进行详细的审核，确定交割数据的准确性和合理性，避免数据一次性交割后留下一些遗留问题。

此外，债权的交割可能会需要明确一些数据的传递规则。

例如：如果是在平台上进行的借款，那回款是否也是回款到平台？回款数据是否会同步到债权方？回款平台的回款/逾期展现方式是什么样的？入账方式是通过罚息远期入账、还是优先本金结清近期入账？不同的入账方式意味着数据的同步形态不一样。

同样的，因为债权转让的短信用户并不一定能收到，对消金类借款用户的逾期资产来说，用户有较大的可能在借款的平台方、助贷方进行还款。而前端引流平台方和后端接受债权的处置方的回款入账方式不尽相同。

对数据交割来说，要确定回款的不同的入账方式，并按照债权收购方的要求进行改造，确保数据在同步的时候就能正常使用。

同样的，也需要确定数据的同步节点，避免处置的时候因为数据同步导致出现时间差，没法正常跟进数据或者引起比较严重的客诉

在数据交割的时间，要确定实际的留档数据，即封包时间点的数据，确定封包时间点的数据，只有双方确定数据一致的情况下，才能做好数据的切分。尽量避免在交割上没有确定就开始下一步的债权处置

三、数据清洗、数据改造

完成了数据交割之后，所有的欠款用户的债权就纳入到了债权收购者的处置流程中。

但因为数据质量，数据类型本身就不太一样，甚至不同的公司逾期账龄的计算规则都不尽相同，包括罚息的计算规则，都需要按实际情况统一。

同时，需要将数据改造成债权购买方未来能处置的形态，同时数据要根据实际能做委外处置的模型进行调整更改

在改造清洗的同时，需要确定当前数据在处置委外系统内的接入体现方式。

如果出现和当前已经在债权追偿中的案件身份信息相同的情况，应当先以当前系统中存有的身份信息做映射生成案件，而不是生成一个新的案件。

如果有正在处置中的案件就更需要确定是否和最近回收得债权有重复的部分。如果出现重复的部分需要确定能否在处置中期合并同批处置，这样能够尽量以客户的维度去进行追偿，避免多次追偿造成处置成本变高。

因为不同债权出让方的数据更新模式也不太一样，需要配置的清洗规则也不一样，就需要单独开设清洗到写入系统的流程，在实际完成该流程之后才能将债权相关数据写入系统，进行委派的追偿处置。

处置流程

在数据完成改造录入系统之后，就需要进行委派的工作了，在当前的处置方式中，委派作业会包括以下几个方面：

案件筛选
案件分配
案件跟进
案件回收

这部分基本和催收委外作业系统有一定的相似度，基本可以沿用委外催收的案件处置流程进行小规模的改造。

这部分委外作业和自有逾期资产的区别主要是因为资产进件时间差异导致的资产盘点方式不同。

在明确资产的最终处置手段和处置渠道之前，通常会确定资产的特征标签。如合同的签署地，逾期账龄，放款资方的类型（银行系、消金、小贷等），通常在自有资产的实际处置中，并没有全面的时间去做案件类型标签的盘点。

但案件更多的是来了就被推送出去，很少对自有全量逾期资产做细化的，流程化的处置策略。

大部分是在案件进入不同的账龄段的时候，在不同的账龄段做委外渠道分组，将一个账龄段的案件委派给一批渠道，在超出这个账龄组之后再更换之其他的账龄段委派该账龄段的不同渠道。

但是对新购入的资产包来说，却不是按照这种形态屈进行的回收。
对购买的资产包来说，新资产包更倾向于做一个债权回收的时间预期，毕竟购买的债权本身已经逾期了挺长一段时间。
对逾期时间较长的资产来说，更需要在首次进入我方处置的时间点采用更高效的，符合我方案件筛选策略的分案方式。这就需要对收购资产进行拆分，确定不同的资产类型对应什么样的处置方式（诉讼、调解、仲裁），确定不同的资产类型应该先进行什么处置方式（例如高账龄直接进入诉讼，低账龄可调解）。

在确定了资产分组之后，除了处置方式外，还要确定渠道在最短的时间内能确定处置量级。尽量在资产没有完全坏账之前尽快处置。