现金贷运营考核指标

A. 现金贷系统的业务模式是什么

随着后续现金贷行业在中国的发展，并结合中国互联网金融市场的变化，可能会延生出多种运行模式。像迪蒙现金小贷系统基于大数据分析，结合反欺诈系统及风控模型对借款人资信进行评估，并通过一定周期来验证或是建立模型，使得风控难度降低。
1、电商场景与现金贷系统相结合。市面上存在大量的以电商模式为主要运行模式的企业，当以电商模式形成一定的企业规模并积累一定的用户群后，为开发用户二次价值，也为公司再当下获得新的盈利风口，扩大需求覆盖范围，于是就开始布局现金贷系统，开拓现金贷业务。
而在这种情况下，平台首先具有解决电商供应链的难题，所面临的挑战主要是获客，前期通过原有用户转化可以获取一部分的客户量，但囿于转化程度有限，如果想持续做大规模，还是要将重点放在解决如何获取更多新用户的问题。
2、线下实体场景与现金贷系统相结合。这种模式主要是早期专注于场景消费分期的企业，其在线下形成一定规模化后，当线下场景竞争变得白热化后，开始涉足拓展线上现金贷，这就体系了现金贷的消费分期的主要作用，而这些企业在线下占据较大优势后，开始拓展现金贷就显得顺理成章。

B. 现金贷款业务风险指标中的p2m2是什么意思为什么要看这个指标

好的话，当然可以通过那个主要的空气指标的一种方式，排放量的排放尾气的一种方式才会有这样的结果的

C. 现金贷信审专员具体的绩效考核办法

定性指标有，责任心、积极进取、忠诚敬业、改善创新能力、服从与执行、服务态度、团队协作、发现问题解决问题能力、专业知识和技能

定量指标

指标计算公式

销售收入

实际销售额 *100%
计划销售额

货款回收额

货款实际回收额 *100%
计划货款回收额

销售费用

实际销售费用 *100%
计划销售费用

新增客户数

增加新客户数 *100%
计划新增客户数

D. 向银行贷款要考虑财务指标主要有哪些及指标范围

你说的应该是企业向银行贷款吧
对报表要求主要有如下几个指标资产负债率\速动比\流动比\利润率存货周转率,现金流量要求为正销售同期比要增长资产负债表要与去年同期比,要求存货,应收,应付,预收.预付,借款,存款各科目变动不要太大,一般保持在10%内没关系,如果变动大要问你原因哦利润为正,销售增长,利润也增长,同期比利润率一般不低于同业水平应该差不多了,其他的我暂时也记不太清

E. 现金贷目前的发展模式有哪些

一、反欺诈系统嵌入

反欺诈系统一直以来都被业内认为是互金领域的重要安全举措之一，通过反欺诈的作用，能够避免一些个体的贷款风险性。很多人不理解，为什么需要把反欺诈放在第一位呢?首先，对比传统的借贷模式，现金贷的资金借贷不高，可以说风控更多体现在大数据上。并且重视的是借款人的还款意愿而非还款能力。适度的逾期不仅不会影响平台的正常运营，反而可以通过逾期费用提高其营收。因此，反欺诈是现金贷风控的首要课题。目前，线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为，常用的反欺诈规则包括勾稽比对、交叉检验、强特征筛选、风险关系以及用户行为数据分析，目前市面上的平台大致都能够按照这样的流程走，所以现金贷系统需要接入反欺诈的原因就在这。

F. 现金贷系统有哪些风控环节。

政策风控

相信对于现金贷有了解的人，可能都知道在4月份的时候，P2P网络借贷风险专项整治工作领导小组办公室印发了《关于开展“现金贷”业务活动清理整顿工作的通知》（下称《通知》），要求全国各省市开展“现金贷”业务清理整顿工作，重点是摸清“现金贷”风险底数。即此前媒体持续曝光的利率极高、风控缺失而坏账率极高、高额罚金和暴力催收三大问题。

市场风控

近两年来，针对普通借款人群的纯信用、无抵押、极速放款的现金贷业务发展迅速，据不完全统计，目前小额现金贷平台已上千家。有多家平台获得融资，有些平台已经融到C轮及以上。行业利润非常高。但我们从市场中了解到，一些现金贷平台，现金贷的高利息更是成为众矢之的。目前的现金贷平台大多年利息高于100%，有些平台甚至高达500%。常有因高利息而使应偿还金额翻几倍的新闻见诸报端。对此小编觉得市场风控依旧重要

系统平台本身

现金贷是指一般为无抵押、无担保、借款用途不明确的小额现金贷款，具有方便灵活的借款与还款方式，实时审批、快速到账等特征。在互联网消费金融这个领域中无论是平台还是用户，其操作都是依靠系统，因此在新创易看来平台系统的风控是首要的。一般我们的系统风控主要是分为了服务器风控和平台自身的系统架构风控。大家都知道在互联网金融这个黑客畅行的行业中，服务器是最容易受到攻击的，因此大家在选择服务器运营商的时候对于数据信息安全这方面不得不着重考虑。

G. 向银行贷款，银行考核哪些财务指标

银行贷款需要审核的14个财务指标：
（1）财务结构：
1、净资产与年末贷款余额比率必须大于100%（房地产企业可大于80%）；净资产与年末贷款余额比率=年末贷款余额/净资产*100%，净资产与年末贷款余额比率也称净资产负债率。
2、资产负债率必须小于70%，最好低于55%；资产负债率=负债总额/资产总额X100%。
（2）偿债能力：
3、流动比率在150%~200%较好；流动比率=流动资产额/流动负债*100%。
4、速动比率在100%左右较好，对中小企业适当放宽，也应大于80%；速动比率=速动资产额/流动负债*100%；速动资产=货币资金+交易性金融资产+应收账款+应收票据=流动资产—存货—预付账款—一年内到期的非流动资产—其它流动资产。
5、担保比例小于0.5为好。
6、现金比率大于30%。现金比率=（现金+现金等价物）/流动负债。
（3）现金流量：
7、企业经营活动产生的净现金流应为正值，其销售收入现金回笼应在85~95%以上。
8、企业在经营活动中支付采购商品，劳务的现金支付率应在85~95%以上。
（4）经营能力：
9、主营业务收入增长率不小于8%，说明该企业的主业正处于成长期，如果该比率低于5%，说明该产品将进入生命末期了。主营业务收入增长率=（本期主营业务收入-上期主营业务收入）/上期主营业务收入*100%
10、应收账款周转速度应大于六次。一般讲企业应收账款周转速度越高，企业应收账款平均收款期越短，资金回笼的速度也就越快。应收账款周转速度（应收账款周转次数）=营业收入/平均应收账款余额=营业收入/（应收账款年初余额+应收账款年末初余额）/2=营业收入*2/（应收账款年初余额+应收账款年末初余额）。
11、存货周转速度中小企业应大于五次。存货周转速度越快，存货占用水平越低，流动性越强。存货周转速度（次数）=营业成本/平均存货余额，其中存货平均余额=（期初存货+期末存货）÷2。
（5）经营效益：
12、营业利润率应大于8%，当然指标值越大，表明企业综合获利能力越强。营业利润率=营业利润/营业收入(商品销售额)×100% =(销售收入-销货成本-管理费-销售费)/销售收入×100%。
13、净资产收益率中小企业应大于 5%。一般情况下，该指标值越高说明投资带来的回报越高，股东们收益水平也就越高。净资产收益率=总资产净利率×权益乘数=营业净利率×总资产周转率×权益乘数；其中营业净利率=净利润÷营业收入；总资产周转率（次）=营业收入÷平均资产总额；权益乘数=资产总额÷所有者权益总额=1÷（1-资产负债率）。
14、利息保障倍数应大于400%
利息保障倍数=息税前利润 / 利息费用=（利润总额+财务费用）/（财务费用中的利息支出+资本化利息）
请加精啊，谢谢！做任务不易。

H. 如何进行互联网金融运营数据的分析，都有哪些方法

来源于：知乎
大部分的互联网金融公司最为纠结的一点是，流量这么大，获客成本这么高，为什么最后的的转化率和成单量却这么低？怎样才能提高用户运营效率？用户行为数据分析怎样把处在不同购买决策阶段的用户挑选出来，帮助互联网金融公司做到精益化运营？
我们的客户中很大一部分来自互联网金融，比如人人贷等行业前 10 的互联网金融公司。在服务客户的过程中，我们也积累了大量的数据驱动业务的实践案例，来帮助客户创造价值。
一 、互联网金融用户四大行为特征
互联网金融平台用户有四大行为特征：
第一流量转化率低，下图是某互联网金融公司网站上，新客户过去 30 天整体购买转化漏斗，其转化率只有 0.38%：
而这并非个例，实际上，绝大多数互联网金融公司，在 web 端购买的转化率基本都在 1% 以下，APP购买率在 5% 左右，远远低于电商或者其他在线交易的购买率。
第二，虽然转化率低，但是客单价却很高。一般来说，电商行业客单价在几十到几百，而互联网金融客户，客单价从几千到几万，某些特殊领域甚至高达几十万。而客单价高，就意味着用户购买决策会更复杂，购买周期也会更长。
第三，用户购买行为有很强周期性。电商的客户下次购买时间是不确定的，但是互联网金融平台上，真正购买的用户，是有理财需求的用户，在资金到期赎回产品后，一定还会进行下一次购买，只不过未必发生在你的平台上。
可以看到，每隔一段时间，这个用户就会有一段集中的、大量的交互行为。当用户购买完成后，用户的交互行为又变得很少，可能偶尔来看看产品的收益率，但整体的交互指标不会太高，直到他下一次购买。这个用户理财需求的周期是一个月左右。

最后一个特点是「很强的特征性」，主要包括两个特征：
A：用户的购买偏好比较容易识别，理财产品数量和品类都很少，所以用户购买的需求或者偏好，很容易从其行为数据上识别出来。
B：用户购买过程中的三个阶段特别容易识别：
用户在购买决策阶段，有大量的交互事件产生，他会看产品，比对不同产品的收益率和风险，比对不同产品的投资期限等等；
但是一旦他完成了产品的购买，就不会有大量的交互行为产生，他可能仅是回来看一看产品的收益率。
当用户的产品资金赎回之后，又有大量的交互事件产生，实际上他处在下一款产品购买的决策期。
二、互联网金融用户运营的三大步骤
针对互联网金融用户行为的四个特征，在用户运营上有三个比较重要的阶段性工作：
1.首先，获取可能购买的目标用户，合理配置在渠道上的投放预算，以提高高质量用户获取的比例：
渠道工作的核心，主要是做好两方面的工作：宏观层面，优化整个渠道的配置；微观层面，单一渠道角度来说，根据渠道配置的策略，有针对性地实施和调整。
具体渠道的实施，大家都比较熟悉，但是对于整个渠道组合配置的优化，很多人接触的其实并不多。
这张图是整体转化漏斗，从不同维度可以做对比，比如我们先选出流量前 10 的渠道：
以渠道一为例，总体的转化率是 0.02%；在过去 30 天站内总体的流量是 18.9K，漏斗第一级到第二级的转化率是 3.36%，这样一共是五级，我们看到最终渠道一带来总体的成交用户一共是 4 人。
类似的，前 10 的渠道数据都很清晰。不同渠道带来的流量，不同渠道总体的转化率，以及不同渠道在整个转化路径上每步的转化率都可以看到。
这里面有几个渠道很有特点：
渠道一的特点，渠道一带来的流量是所有 10 个渠道里最大的，但是它的总体转化率却是低的；
渠道二和渠道七，渠道二的量很大，但是转化率是零。渠道七量比较一般，转化率也是零；
渠道九和渠道十，这两个渠道是所有渠道里转化率最高的。但是这两个渠道特点，是带来流量不是特别大……
第一象限（右上角）渠道质量又高，带来流量又大的，这里面渠道三四五是符合这个特征的，渠道策略应该是继续保持和提高渠道的投入。
第二象限（左上角）渠道的质量比较高，但带来的流量比较小，这里面包含的主要渠道就是八九十。对应的主要策略是，加大渠道的投放，并且在加大投放的过程中，要持续关注渠道质量的变化。
我们先看第四象限（右下角），渠道质量比较差，但是带来流量比较大，这里面主要有渠道一和渠道二。相对应的渠道策略，应该在渠道做更加精准的投放，来提高整个渠道的质量。
第三象限（左下角）这个象限里渠道质量又差，带来流量又小，比如渠道六跟渠道七。我们是否要直接砍掉？这里建议是，策略上要比较谨慎一些。所以在具体渠道的策略上，业绩保持监测，然后小步调整。
根据上面数据分析得出的结果，做过渠道优化后，就会为我们带来更多高质量的用户。
2.接下来就要把高价值的用户——真正有购买需求，愿意付费、购买的用户找出来。
将资源与精力投入到真正可能购买的用户上的前提是，我们要能够识别出，哪些是真正有价值的用户？哪些是价值偏低的用户？
其实对于互联网金融平台来说，甚至所有包含在线交易的平台，用户的购买意愿，是可以从用户的行为数据上识别出来的。由于互联网金融平台的特殊性，相比于电商平台来说，商品品类更少，平台功能也更为简单，所以用户的行为数据，也更能反应出互联网金融平台上用户的购买意愿。
把用户在平台上的所有行为总结一下，核心的行为其实并不多，具体包括：
用户查看产品列表页，说明有一些购买意愿，点击某个产品，说明用户希望有进一步的了解。用户最终确认了支付，完成了购买，购买流程就走完了，他的理财需求已经得到了满足。每一种行为都表示出用户不同程度的购买意愿，所以获得用户在产品里的行为数据就十分重要。
既然用户行为数据这么重要，那么怎样获取呢？GrowingIO 以无埋点的方式，全量采集用户所有的行为数据，根据我们对业务的需求，配比成不同的权重系数，并按照每个用户购买意愿的强弱，进一步分群。
这是我们一个客户制作的用户购买意愿指标的范例，刚才的前 5 个行为，都是用户在购买前典型的行为：
每种典型事件的权重系数不一样，用户购买意愿是越来越强的：用户点了投资按纽，甚至点了提交的按钮，显然要比他单单看产品列表页，或者单单看产品页、详情页的意愿强。越能反应用户购买意愿的事件，你给它分类的权重应该是最大的，这是大的原则，0.05 还是 0.06 影响并不大，所以不必纠结。
这样通过这种方式，我们就可以按照每个用户的所有行为，给用户做购买意愿打分的指标，最终形成用户购买意愿的指标。
这是我们从高到低截取部分用户购买意愿打分的情况，第一列是每个用户的 ID，第二列是按照购买意愿给每个用户打分的情况。得分高的，就是购买意愿最强烈的用户。
拿到所有用户购买意愿之后，我们就可以按照用户购买意愿的强烈与否，把所有的用户分成不同的群体，来做针对性的运营。
这是在把用户在过去 14 天内，由其产生的所有行为数据，按照购买意愿打分的权重，把打分大于 5 的用户找出来，在总体用户里，这部分用户购买意愿排名前 20% ，我们给它起个名字，叫购买意愿强烈的用户。
类似我们还做了购买意愿中等的用户分群，这是购买意愿排名在 20-60% 之间的用户；购买意愿排名在最后 40% 的用户，是购买意愿最弱的用户分群。
分群之后，点击任意一个分群，都会以用户 ID 的形式列出来。因为你要有用户的 ID ，才能对这些用户施加运营策略。每个用户最近 30 天的访问次数，最近的访问地点，最后一次访问时间都可以看到。
接下来针对这些购买意愿强烈的用户，怎样推动用户的转化呢？
3.采取针对性的运营策略，提高高价值用户的转化率。
首先我们来看一下购买偏好，互联网金融平台商品品类是比较少的，用户购买的目的性也比较清晰，一般商品的品类有这么几种：
第一种：债券型理财产品
第二种：股票型理财产品
第三种：货币型理财产品
第四种：指数型理财产品
第五种：混合型理财产品…
我们把用户在不同品类商品上的访问时长占比算出来，就能比较好地了解用户的购买偏好。比如下图，我们用用户访问债券型产品详情页的访问时长，除以用户在站内总体的访问时长，就能够得到用户在债券产品上访问时长占比的指标。
我们还是使用用户分群的工具，把在债券型产品上的访问时长占比大于40%的用户分出来，这是有非常强烈表征的客户，他购买的偏好就是债券型的产品。
同时我们再设定另外一个指标，比如用户购买意愿指标，之前我们做过大于5，也就是购买意愿排名在前 20% 的。
通过这两个条件，我们就可以把购买偏好是债券型产品，同时有强烈购买意愿的用户找出来，这两个指标的关系是并（and）的关系。同样我们可以按照用户的购买偏好，把关注其他品类的用户，都做成不同的用户分群，然后形成不同购买偏好的用户群体。
针对这些用户，其实在运营策略上，我们可以从三个层面来展开来进行做：
从购买阶段的角度，首先我们把所有用户可以分成新客和老客。对于这两个群体来说，运营策略和运营重点是非常不一样的。
新客群体，是从来没有在平台上发生过购买的用户，我们要根据用户的购买意愿，做进一步的运营。
老客群体，也就是在平台上已经发生过产品购买的用户，除了关注用户的购买意愿之外，用户的资金状态（资金是否赎回）也是非常重要的参数。
用户是否购买过产品？购买产品的用户是否已经赎回资金？这两个内容，其实是一个用户当前的属性。在我们分群的工作里，这有个维度的菜单，通过这个维度菜单，我们就可以把具有某种属性的用户找出来：
这里我做了一个分群，我们可以看一下。在维度的菜单里，我们把是否购买过产品的维度值设置成了 1 。把资金是否已经赎回这个维度的值，也设置成了 1 。实际上是把那些资金已经赎回的老用户找出来；同样在指标这个菜单里，我们同时也把有强烈购买意愿的用户找出来，时间是过去 14 天，指标大于 5 。
这样我们就制作了一个用户分群，而这个用户分群里所有用户，要满足下面的三个特征：
特征一：购买过产品的老客。
特征二：他们的资金，目前已经赎回了。
特征三：过去 14 天内的行为数据，表明这个用户有着强烈的购买意愿。
同理我们把所有用户，整理为下面几个不同类别，对应不同的运营策略：
比如新客里，当前有购买意愿的，其实他属于购买决策期的新用户。应该根据用户的购买偏好，推荐这种比较优质的理财产品。并给予一定的购买激励，来促进这些新客在平台上的第一次购买，这个对于新客来说是非常重要的，以此类推。
相比于电商或者其他行业，互联网金融平台结合行业和用户的特点，从用户行为数据分析的角度，驱动产品业务以及提高用户的转化率，有更加重要的意义。

I. 现金贷风控模式，你看的懂么

近段时间，对于现金贷的监管已经箭在弦上。一方面，许多中小型现金贷平台的实际借款利率过高；另一方面，部分平台对于现金贷业务的风控更像是“皇帝的新衣”，以至于整个行业的坏账率居高不下。

从监管层面看，现金贷业务为了继续经营，将不得不大幅削减贷款利率，减少各类手续费。因此，通过提高风控水平，减少坏账损失，成了保证现金贷业务经营利润的唯一出路。

一、浅析现金贷风控体系：点——面——点的过程

第一个“点”是指起点。现金贷风控体系的设计需要以产品本身作为起点。现金贷产品无外乎四个要素：利率（包括各种费率）、期限、额度、目标人群。对于每一类目标人群而言，他们在流动性需求、未来可预期现金流、消费观念、收入水平以及信用状况等维度上都具有一定的规律和共性，进而影响其申请额度、贷款利息的接受水平、还款能力和还款意愿等。因此，合理地设计产品，能在有效降低风控难度的同时，将收入最大化。例如，对于白领人群，其按月发薪的特点更适合一个月及以内的借款期限。

另外，除了现金贷产品本身的特性之外，其推广渠道也颇为重要。如果通过某一推广渠道引入了大量非目标人群，那么这不仅仅降低了推广成本的使用效率和后期风控流程的判断精度，还会产生大量有偏数据，不利于风控模型的迭代升级和产品的再设计。

“面”是指具体的风控流程。从时间段区分：风控流程包括贷前、贷中、贷后三个阶段。其中贷前阶段是整个风控流程的核心阶段。这一阶段包括申请、审核和授信三个步骤。形象地说，贷前阶段是一个过滤杂质的阶段。而第三方的征信数据、黑名单、反欺诈规则、风控模型则是一层层孔径不一的滤网。贷中阶段主要是对借款人个人信息的跟踪和监控。一旦有异常信息的产生，风控人员可以及时地发现、联系该借款人，尽可能保证这笔借款的安全。贷后阶段的工作集中在催收上。此外，如果借款人申请展期或者续贷，则需要在这一阶段结合历史数据，使用行为评分卡等重新进行审核，并作相应的额度调整和风险分池管理。而在整个风控流程中，需要对借款的集中度作妥善管理，防止因为集中借款和集中逾期带来的资金流动性不足的问题。

2.差异化定价

差异化定价，也可以理解为精确定价。现金贷的差异化定价的实质是对各个贷款申请人的信用及欺诈风险作精确定价。目前各个现金贷平台的定价标准都过于单一，基本采用利率加杂费的方式。部分平台对于续贷用户会做费率调整。也有少数平台会参考贷款人申请时提供的个人信息维度。不过总体而言，当前的定价标准并不适合未来现金贷行业“低费率”的特征。平台之间所谓的价格优势将微乎其微。而精确定价下的定制化小额贷款需求可能会成为平台的亮点。

而大数据风控模型的构建为差异化定价的实现提供了技术保证。以大量的网络行为数据、用户交易数据、第三方数据、合作方数据等为基础，通过自然语言处理、机器学习、聚类算法等，模型能够为每一位贷款申请者创建包括个人基本信息、行为特征、心理特征、经济状况、兴趣爱好等在内的多维度数据画像。凭借着这些维度特征和大量历史贷款记录，针对不同贷款人、不同额度、不同期限的差异化定价策略将成为现实。

总结

在行业洗牌的背后，是现金贷平台为了生存下去的努力。如何保证合规性，如何获取低成本的资金，如何以技术替代人力，如何在风控成本和坏账率之间找到平衡点，是平台未来需要思考和解决的问题。网贷交流借款无忧相信在行业政策的探照灯之下，是金子最后总是会发光的。