在规模快速膨胀的个贷不良市场，找人难，是一个巨大痛点。行业呼唤高效且合规的“新解法”。

　　作者：董云峰

　　编辑：叶冬

　　作为一门经营风险的生意，金融业的发展史也是一部贷后管理的进化史，不良资产的化解则贯穿始终。

　　随着中国金融业的不断壮大，不良资产的管理与处置，早已形成万亿级别的市场。最新数据显示，截至二季度末，商业银行不良贷款余额3.3万亿元；上半年，银行处置不良资产总额达到1.4万亿元。

　　硬币的另一面在于，贷后管理也是金融机构合规压力最集中的领域。而且在当前，监管层对金融合规的要求持续提升。

　　近期，国家金融监督管理总局公布《金融机构合规管理办法（征求意见稿）》，要求金融机构形成以上率下、全员参与的合规文化，构建横向到边、纵向到底的合规机制。

　　再加上《网络安全法》、《数据安全法》、《个人信息保护法》等法律法规的出台和实施，金融业的大合规时代已经来临。

　　在此背景下，要想以合规、可持续的方式，在万亿不良市场”掘金“，从业者面临的压力与挑战也是空前的。尤其在规模快速膨胀的个贷不良领域，一个关键痛点在于难以联系债务人——如果连人都找不到，贷后管理就成了“无本之木”。

　　科技变革加速催生了业务模式创新与服务升级。近年来，以武汉智品堂科技（简称“智品堂”）为代表的新兴科技公司，正试图运用人工智能和大数据破解找人难题，替代之前贷后管理中常用的“人海战术”，并已得到一批重量级金融机构的认可。

　　不良资产市场的“最后一公里”，有望迎来高效且合规的“新解法”。

　　01不良重压

　　“中国的银行业已经技术性破产。”上世纪90年代末，外媒时不时爆出这句话。彼时，亚洲金融危机爆发，将我国商业银行推到了悬崖边上。

　　当时的中国人民银行行长戴相龙曾公开表示，1994年末不良贷款占贷款总额比为20%。外资机构美林公司估计，1998年四大行平均坏账比率为29％，JP摩根估算数字为36％。

　　为解决国有银行巨额的不良资产，中央于1999年成立华融、长城、东方和信达等四大AMC，这也成为我国不良资产行业的开端。此后数年里，四大AMC承接了超过两万亿的不良资产。

　　时过境迁。从官方数据来看，当前银行业的资产质量早已今非昔比。今年二季度末，我国商业银行不良贷款余额3.3万亿元，较上季末减少272亿元；商业银行不良贷款率1.56%，较上季末下降0.03个百分点。

　　这组光鲜的数据背后，是居高不下的处置规模。在2017年至2022年间，中国商业银行累计处置不良资产高达14.97万亿元，其中核销资金达到6.14万亿元。2023年，全行业处置不良贷款总额达到3万亿元，核销资金超过1.1万亿元，占到商业银行利润总额的45.8%。

　　今年初，国家金融监督管理总局召开2024年工作会议，“积极稳妥防控重点领域风险，强化信用风险管理，加大不良资产处置力度”就被列为八项重点任务目标之一。

　　其中，近些年突飞猛进的个人贷款，所面临的挑战尤为严峻。从上市银行2023年报到2024年中报披露的情况来看，经营贷、消费贷、信用卡不良暴露均有所增加。究其原因，受经济复苏挑战犹存，居民收入、就业承压等因素影响，叠加延期还本付息政策推出，个贷风险暴露持续增加。

　　以资产质量相对扎实的国有大行为例，截至今年6月末，工商银行个人不良贷款规模794.19亿元，较年初增加186.62亿元，个贷不良率0.90%，较年初上升0.20个百分点；同期建设银行、农业银行、中国银行、邮储银行披露的个贷不良规模分别为737.14亿元、682.92亿元、522.98亿元、532.11亿元。

　　这意味着愈加沉重的不良处置压力。对此，可以从银行业信贷资产登记流转中心（简称“银登中心”）披露的数据中窥见端倪。今年二季度，个人不良贷款批量转让业务明显提速，批量个人业务公告挂牌项目单数107单、业务规模278.5亿元，较一季度分别上涨547.67%、282.14%。

　　这亦是中国不良市场快速崛起的缩影。但受制于日渐上升的贷后管理难度，不良处置业务并非像看上去那么诱人。

　　02贷后之难

　　放得出去，也要收得回来。金融信贷的风险管理，不外如是，但在实际中，放款往往是容易的，要账却难得多。

　　在银行对公板块，有抵押、有保证的贷款占据绝对大头，但在个贷领域，无抵押的信用贷款早已成为主流，其贷后难度也就不可同日而语。根据银登中心统计，从2023年不良贷款转让试点来看，个人业务本金回收率仅在6.1%至12.7%之间。

　　正因为如此，信用贷的个人不良资产包出售价往往不到1折。诸如，去年底，华润深国投以0.6折的价格买到了广发银行20.83亿元的信用卡不良资产；今年以来，捷信消金转让本息高达260亿的资产包，最终价格为0.7折，招联金融同样以不到0.7折的价格集中处置16亿资产包。

　　金融机构当然不傻，这些不良资产为什么卖不上钱？说到底在于催收难度一天比一天难。经历了前几年的强监管风暴，催收从业者普遍“噤若寒蝉”，而在一些黑灰势力的渗透下，越来越多借款人开始掌握“反催收”技巧，更让金融机构有苦难言。

　　尤其在今年5月，中国互联网金融协会发布《互联网金融贷后催收业务指引》，对催收全流程作出了细致规定。比如，同一金融机构和其合作的第三方催收机构对单一债务人拨通电话频次每日合计不应超过3次，每天晚上10点以后不能催收等。催收合规性要求被进一步提升。

　　长期以来占据重要地位的电话催收由此难上加难，效率不断走低。而实际上，电催的局限性原本就比较突出，一旦逾期时间变长，其有效性会大幅降低，甚至可以忽略不计。

　　深耕贷后管理多年的智品堂创始人余红波提到，早在2018年，他在与业内某头部消金公司合作的过程中就发现，采用传统电催，超过半年的坏账失联率在80％以上，超过一年的坏账，失联率更是高达95％以上。

　　要想完成贷后处置工作，失联复联至关重要。电话不行，只能上门找人，或者发送律师函。鉴于个贷金额大多在数千元的量级，上门找人不仅成本高且操作风险大，看上去最传统的发函，反倒成为更具可行性与操作性的选项。

　　问题来了。有效的发函建立在准确的地址信息之上。然而，本世纪以来，中国城市化快速推进，城乡面貌大步焕新，带来了大量地址信息的更新，同时户籍制度等多方面的阻碍催生了高达数亿的流动人口，他们往往频繁搬家或是更换常住地，导致地址信息的质量更容易存在不足。

　　据多位消金从业者反馈，消金业务之所以风险成本高，一个重要原因是出了问题很难找到人，越是相对高风险的用户，地址信息错误概率越高，有些甚至是恶意提供无效地址信息。这样一来，催收流程很容易陷入停滞，贷后管理则成了“空炮”。

　　诚然，在今天的技术条件下，只要掌握足够的数据，找到一个人的地址并不难。不过，随着金融监管力度不断趋严，以及《网络安全法》、《数据安全法》、《个人信息保护法》等法律法规的出台和实施，非法获取或者过度使用债务人信息，已然成为监管红线。

　　概言之，要想联系上债务人，还要全流程合规，是一件知易行难之事。

　　03新的解法

　　如何以合规方式破解“找人难”，打通贷后管理的“最后一公里”？

　　技术创新是唯一的解。在深度了解金融机构的找人难痛点之后，余红波开始思考：有没有可能，通过发掘沉睡在开放数据中的有效信息，以数据为导向优化发函，更高效地将函件送到借款人面前？

　　带着上述想法，余红波成立了武汉智品堂地址科技研究院，基于大数据处理、人工智能和深度学习算法，专注于探索“地址找人”——从茫茫的数据海中筛选有效信息，再用“地址标准化技术”整理成标准化的、符合要求的数据，让数据带着函件去找人。

　　据余红波回忆，2019年1月，智品堂与某金融机构合作小试牛刀，先期以8000件作为测试，发现“地址找人”效果较传统方式好很多，于是在当年7月追加到30万件，并且在2019年全年通过使用“地址找人”，收回了6000多万元的回款。

　　以此为起点，智品堂推出“函必达HC智能专递”系统（简称“函必达），利用数据科技，让沉睡在数据中的有效信息动起来，通过机器学习模型评估风险并生成评分，帮助发函管理进行决策和管理。

　　截至目前，智品堂已为包括全国性银行、大型保险集团、头部互联网银行等重量级机构提供相关服务，单日最高可发送5万封纸质律师函，律师函签收率超75%，独有地址生态模型体系（含地址标准化模型、地址选择模型、第二联系人选择模型等）实现地址有效性高达85%，有效解决了债务人失联和找人难的问题，助力金融机构高效追偿。

　　过去6年里，函必达在中国邮政的发函规模稳居第一，快递客服团队对在途的异常函件处置率高达95%；累计发送执行裁定书、民事裁定书、律师函等特种疑难函件819万件，合作客户100多家。

　　值得一提的是，作为一家大数据科技公司，合规可信是智品堂的立身之本。自成立以来，智品堂就在开放平台中提取公共数据，通过实践逐步优化数据模型，强化自身在地址数据方面的数据模型建设能力。

　　今年7月，智品堂正式在深圳数据交易所完成数据商备案资质审核，成为深圳数据交易所数据商，开启了数据交易与服务的新篇章。截至目前，智品堂的“函件自动化处理发送系统”与“函件地址精准识别服务”已经在深圳数交所完成数据资产登记，并完成交易所数据商品上市流程，可正式公开流通交易，合规能力持续提升。

　　对于下一步，余红波指出，地址科技的应用场景并非只有贷后，智品堂计划将产品扩展到金融机构的贷前风控应用上，最快在2025年落地。他并强调，地址科技本身，不会仅仅局限在物理地址，未来虚拟地址的加入会是一个新的发展方向。

　　可以期待的是，随着技术进步与数据交易环境的不断成熟，智品堂所打造的地址数据治理系统有望日臻完善，服务领域和应用场景的边界将不断拓展，从金融领域延伸到公共服务、电商与零售、法律与司法、数字营销、市场研究与数据分析等多个领域。

　　这何尝不是一种“新质生产力”呢。