信用卡电话催收业务量波动浅析

热门标签：MAPINFO地图标注app 外呼系统显示的号码是外地的么 电销外呼系统济南 地图标注员一直招人吗 高i德地图标注 农行信用卡外呼系统 黑龙江外呼线路 安徽房产智能外呼系统怎么样 无锡ai智能语音电销机器人功能

　　交通银行金融服务中心（武汉）是交通银行流程银行建设的重要一环，她承担着交通银行太平洋信用卡近半数客服电话接听以及信用卡催收工作。电话催收作为回收信用卡逾期欠款的主要方式，主要负责电话提醒信用卡逾期客户及时归还账款，其业务功能主要是通过电话与客户进行联系、沟通，采用行业内领先的Aspecte自拨系统进行外呼工作。随着太平洋信用卡业务的蓬勃发展，信用卡持卡规模越来越大，随之而来的则是拖欠账户数量越来越多。为了更好的保障银行资产，安排合理的催收人力是确保欠款回收的重要保证。
　　
　　1、分析思路
　　
　　信用卡业务的分析多采用Vintage分析法（1），这种方法主要针对信用卡不同时期开户的资产进行分别跟踪，按账龄长短进行同步对比，从而了解不同时期发行信用卡的资产质量情况。根据账户的逾期时间，账户被划分为M0、M1、M2、M3等多个串联的业务单元（如下图所示）：

　　
　　每个业务单元都处理由上一个业务单元迁移”来的账户，即M1阶段账户经过一个周期（1个月）的电话催缴后如仍未还款（账龄1个月），将自动落入到M2（账龄2个月）阶段。如此类推，M2账户将落入M3阶段……

月份	M0	M1	M2	M3	……
09'03	1000000
09'04		500000
09'05			40000
09'06				20000

　　
　　举例来说（如上表）：09年3月在M0阶段产生了1000000个账户，在4月份从M0落入到M1阶段（账龄1个月）的账户数为500000，再过一个月，从M1（账龄1个月）落入到M2（账龄2个月）的账户数为40000个，如此类推……因此对于M1阶段，4月份的入催数为500000；5月份M2（账龄2个月）的入催数为40000个……
　　
　　对于下一阶段来说，从上一阶段落入的账户数将直接成为本阶段的账户数（称为入催数”）。由于电话催收员从业务新人到基本熟练一般需要2～3个月时间，如果能提前预判上一阶段（如M0）电话催收入催数，则对后续人力的安排会有比较明确的指导意义。由于M0阶段入催量在若干阶段中是最大的，因此探索入催量在M0与M1之间的关系非常有必要。本文将通过相关性分析，探索这个规律。
　　
　　2、分析过程
　　
　　下面以2009年01月～2010年02月的M0～M1阶段各月的入催户数和入催金额数为例进行相关分析。
　　
　　表1：M0、M1阶段入催户数及入催金额

月份	M0入催户数 （单位：万户）	M1入催户数 （单位：万户）	M0入催金额 （单位：亿元）	M1入催金额 （单位：亿元）
200901	336	63	149	30
200902	329	68	135	31
200903	334	68	137	31
200904	347	64	150	28
200905	364	63	162	29
200906	372	66	164	30
200907	377	66	173	30
200908	383	72	182	33
200909	396	70	192	33
200910	398	74	201	36
200911	407	69	203	34
200912	401	72	201	35
201001	430	69	223	34
201002	438	68	231	33

　　
　　将上述数据用Excel的数据分析”工具进行相关性分析，结果如下：
　　
　　表2：M0、M1入催户数和金额相关系数

	相关系数
M0-M1入催户数	0.50
M0-M1入催金额	0.75

　　
　　下图为对M0-M1入催户数和金额的关系图，其拟合曲线单调上升，显现出较明显的相关关系，即上一账龄阶段的账户数如果出现增加的趋势，那么相邻下一账龄的入催账户数也会出现比较明显的上涨。这也就为我们预测电话催收业务业务量奠定了基础。从以上相关分析”结果可以看出来，M0、M1入催户数之间确有比较明显的相关关系，即M0阶段账户数越多，则M1入催户数越多。

　　
　　通过上述金额与账户数的相关关系分析，我们可以明显观察到M0与M1之间的关系非常显著，这意味着M0的细小波动将直接导致M1业务量（账户金额与账户数）出现明显变化。由于交通银行对于M1采用人工电话进行催收，M1在电话催收诸排业务中业务量最大，因此合理预知M1业务量将对整体人力资源的配备非常有必要。
　　
　　为了更好的描述这种规律，以下将从波动率入手进行相关性分析。
　　
　　波动率 = （当月户数/上月户数-1）×100%

月份	M0户数 波动率	M1入催户数 波动率	M0金额 波动率	M1入催金额 波动率
200902	-2.11%	8.15%	-8.81%	3.88%
200903	1.82%	-0.10%	1.14%	0.62%
200904	3.71%	-4.85%	9.74%	-8.82%
200905	4.82%	-2.12%	8.10%	1.97%
200906	2.23%	4.33%	1.18%	5.37%
200907	1.32%	1.14%	5.08%	-1.87%
200908	1.82%	8.86%	5.22%	11.00%
200909	3.38%	-3.38%	5.79%	-0.59%
200910	0.42%	6.46%	4.33%	7.93%
200911	2.11%	-7.48%	1.00%	-5.43%
200912	-1.40%	4.64%	-0.60%	5.27%
201001	7.28%	-3.79%	10.71%	-3.52%
201002	1.79%	-1.64%	3.50%	-3.48%
201003	-6.66%	11.35%	-15.67%	11.21%

　　
　　表3：M0、M1入催户数和金额波动率
　　
　　由于对账户的划分是根据逾期时间进行的（即M0为当月入催，M1为逾期1个月……），基于这种划分，可以认为账户之间的存在一种传递关系”，如下图所示：

　　应用Excel使用相关性分析，分别计算传递0个月、1个月、2个月和3个月的M0-M1户数和金额波动率的相关系数如下表所示：
　　
　　表4：M0-M1户数和金额波动率相关系数

传递关系	M0-M1户数波动率 相关系数	M0-M1金额波动率 相关系数
传递0个月	-0.75	-0.54
传递1个月	0.16	0.15
传递2个月	0.48	0.55
传递3个月	0.09	-0.02

　　
　　很明显，随着传递月数”的逐步增加，M0与M1户数和金额体现了比较明显的相关关系，并且在传递2个月”时出现了比较明显的正相关关系（图中标记★处），这也意味着当M0的户数或金额出现比较明显的波动后，在随后的2个月里，M1的入催户数或金额也会出现相应的波动趋势！以下是1～7月的实际入催数量。从数值上可以看出，5月份的M0较4月份有明显上升后，随后的2个月里M1业务量也出现了明显的上升。

户数 （万户）	1月	2月	3月	4月	5月	6月	7月
M0	430	438	410	437	449	464	468
M1	69	68	76	67	70	69	74

　　
　　3、结论
　　
　　由于电话催收业务M0、M1……各业务相互间为串行结构，即账户在业务间按M0àM1àM2……流动，因此上游业务的业务量将会直接导致下游业务的业务量波动。
　　
　　根据对2010年3月份以前的历史数据分析，通过相关性分析找到了M0与M1业务量的波动关系，在一定程度上预测了4～7月份M1的业务量变化，为业务部门提前进行合理的人力储备找到了数据依据。
　　
　　参考文献：
　　
　　（1）Vintage分析和迁移率模型在信用卡业务中的应用，交通银行太平洋信用卡中心，郑洁，中国信用卡，2007年第7期，P39～42