熱門標簽：MAPINFO地圖標注app 外呼系統顯示的號碼是外地的么 電銷外呼系統濟南 地圖標注員一直招人嗎 高i德地圖標注 農行信用卡外呼系統 黑龍江外呼線路 安徽房產智能外呼系統怎么樣 無錫ai智能語音電銷機器人功能

　　交通銀行金融服務中心（武漢）是交通銀行流程銀行建設的重要一環，她承擔著交通銀行太平洋信用卡近半數客服電話接聽以及信用卡催收工作。電話催收作為回收信用卡逾期欠款的主要方式，主要負責電話提醒信用卡逾期客戶及時歸還賬款，其業務功能主要是通過電話與客戶進行聯系、溝通，采用行業內領先的Aspecte自撥系統進行外呼工作。隨著太平洋信用卡業務的蓬勃發展，信用卡持卡規模越來越大，隨之而來的則是拖欠賬戶數量越來越多。為了更好的保障銀行資產，安排合理的催收人力是確保欠款回收的重要保證。
　　
　　1、分析思路
　　
　　信用卡業務的分析多采用Vintage分析法（1），這種方法主要針對信用卡不同時期開戶的資產進行分別跟蹤，按賬齡長短進行同步對比，從而了解不同時期發行信用卡的資產質量情況。根據賬戶的逾期時間，賬戶被劃分為M0、M1、M2、M3等多個串聯的業務單元（如下圖所示）：

　　
　　每個業務單元都處理由上一個業務單元遷移”來的賬戶，即M1階段賬戶經過一個周期（1個月）的電話催繳后如仍未還款（賬齡1個月），將自動落入到M2（賬齡2個月）階段。如此類推，M2賬戶將落入M3階段……

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

　　
　　舉例來說（如上表）：09年3月在M0階段產生了1000000個賬戶，在4月份從M0落入到M1階段（賬齡1個月）的賬戶數為500000，再過一個月，從M1（賬齡1個月）落入到M2（賬齡2個月）的賬戶數為40000個，如此類推……因此對于M1階段，4月份的入催數為500000；5月份M2（賬齡2個月）的入催數為40000個……
　　
　　對于下一階段來說，從上一階段落入的賬戶數將直接成為本階段的賬戶數（稱為入催數”）。由于電話催收員從業務新人到基本熟練一般需要2～3個月時間，如果能提前預判上一階段（如M0）電話催收入催數，則對后續人力的安排會有比較明確的指導意義。由于M0階段入催量在若干階段中是最大的，因此探索入催量在M0與M1之間的關系非常有必要。本文將通過相關性分析，探索這個規律。
　　
　　2、分析過程
　　
　　下面以2009年01月～2010年02月的M0～M1階段各月的入催戶數和入催金額數為例進行相關分析。
　　
　　表1：M0、M1階段入催戶數及入催金額

月份	M0入催戶數 （單位：萬戶）	M1入催戶數 （單位：萬戶）	M0入催金額 （單位：億元）	M1入催金額 （單位：億元）
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

　　
　　將上述數據用Excel的數據分析”工具進行相關性分析，結果如下：
　　
　　表2：M0、M1入催戶數和金額相關系數

	相關系數
M0-M1入催戶數	0.50
M0-M1入催金額	0.75

　　
　　下圖為對M0-M1入催戶數和金額的關系圖，其擬合曲線單調上升，顯現出較明顯的相關關系，即上一賬齡階段的賬戶數如果出現增加的趨勢，那么相鄰下一賬齡的入催賬戶數也會出現比較明顯的上漲。這也就為我們預測電話催收業務業務量奠定了基礎。從以上相關分析”結果可以看出來，M0、M1入催戶數之間確有比較明顯的相關關系，即M0階段賬戶數越多，則M1入催戶數越多。

　　
　　通過上述金額與賬戶數的相關關系分析，我們可以明顯觀察到M0與M1之間的關系非常顯著，這意味著M0的細小波動將直接導致M1業務量（賬戶金額與賬戶數）出現明顯變化。由于交通銀行對于M1采用人工電話進行催收，M1在電話催收諸排業務中業務量最大，因此合理預知M1業務量將對整體人力資源的配備非常有必要。
　　
　　為了更好的描述這種規律，以下將從波動率入手進行相關性分析。
　　
　　波動率 = （當月戶數/上月戶數-1）×100%

月份	M0戶數 波動率	M1入催戶數 波動率	M0金額 波動率	M1入催金額 波動率
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入催戶數和金額波動率
　　
　　由于對賬戶的劃分是根據逾期時間進行的（即M0為當月入催，M1為逾期1個月……），基于這種劃分，可以認為賬戶之間的存在一種傳遞關系”，如下圖所示：

　　應用Excel使用相關性分析，分別計算傳遞0個月、1個月、2個月和3個月的M0-M1戶數和金額波動率的相關系數如下表所示：
　　
　　表4：M0-M1戶數和金額波動率相關系數

傳遞關系	M0-M1戶數波動率 相關系數	M0-M1金額波動率 相關系數
傳遞0個月	-0.75	-0.54
傳遞1個月	0.16	0.15
傳遞2個月	0.48	0.55
傳遞3個月	0.09	-0.02

　　
　　很明顯，隨著傳遞月數”的逐步增加，M0與M1戶數和金額體現了比較明顯的相關關系，并且在傳遞2個月”時出現了比較明顯的正相關關系（圖中標記★處），這也意味著當M0的戶數或金額出現比較明顯的波動后，在隨后的2個月里，M1的入催戶數或金額也會出現相應的波動趨勢！以下是1～7月的實際入催數量。從數值上可以看出，5月份的M0較4月份有明顯上升后，隨后的2個月里M1業務量也出現了明顯的上升。

戶數 （萬戶）	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、結論
　　
　　由于電話催收業務M0、M1……各業務相互間為串行結構，即賬戶在業務間按M0àM1àM2……流動，因此上游業務的業務量將會直接導致下游業務的業務量波動。
　　
　　根據對2010年3月份以前的歷史數據分析，通過相關性分析找到了M0與M1業務量的波動關系，在一定程度上預測了4～7月份M1的業務量變化，為業務部門提前進行合理的人力儲備找到了數據依據。
　　
　　參考文獻：
　　
　　（1）Vintage分析和遷移率模型在信用卡業務中的應用，交通銀行太平洋信用卡中心，鄭潔，中國信用卡，2007年第7期，P39～42