信用卡欠款1000被起诉会有什么后果(征信黑名单越来越多，该清退了)

编辑导语:随着近几年大数据的发展，三方数据平台太多了，几乎每一家都会被列入黑名单。征信黑名单越来越多，是时候开始清退了。本文分析了什么是偿还、为什么偿还、如何偿还以及偿还背后的首要原则。让我们来看看。

目前，我国的债务人数量、逾期和失信人数及其构成结构都没有详细的权威统计数据。

包括央行给出的数据和各种官方版本，都是保守的，有一定的滞后性。而且，有些数据是有争议的。

比如失信人数是690w，但实际上老赖的人数绝对不止这个。因为很多人没有去法院，没有被举报。

根据不同官方平台的统计和媒体的报道，我做了反复比较，结合个人经历，做了一些推论，总结了几个数据。

有多少债务人？央行的统计数据不充分。按照征信和共同基金的比例，目前有7亿人，也就是说有征信记录的人数，包括拥有信用卡、房贷、车贷、消费贷、现金贷等的人。

其中大概有75%的人，也就是5亿人，有过逾期记录，包括还款晚了几天的可能，这也算。

大概有7%的人，也就是5kw的人，有严重的逾期记录。贷款行业的传统说法是“连续3次，连续6次”。连3累6是指最近两年连续3个月逾期，累计逾期6次以上。这个连3累6往往影响一个人的房贷和车贷的短期抵押。

其中严重超期的，即超期6个月及以上的，超过3kw人次。

这些逾期的物品，有一部分会被举报到法院，成为失信被执行人，按照上面官方的统计是690w。

这些人不仅会被作为拒绝贷款的黑名单，还会受到航班限制、乘坐限制等等。

毫不夸张地说，各行各业涉及的黑名单数以亿计。

只说现象，不谈问题和解决方法，就是耍流氓。在信贷业务中，使用的黑名单容易积累，容易导致其失效。

我们需要让那些低风险的人退休，就像那些失信的人在演出结束后也会退休一样。

记得差不多两年前，部门开会的时候，我们谈到了清黑名单的问题，然后老板就问大家为什么要清黑名单而不是封杀。也就是说黑名单越来越大。是应该把好人从里面放出来，还是把坏人放出来之后，其他人都放出来？

想起来就有故事。毕竟我太爱说话了。然后我等待暗示。可惜有几个人没有提示我。我懒得说话。

今天突然想起来了，就又拉了一下。基本上就是当时的想法。我总是很困惑。为什么我没有新的想法？

众所周知，风控就是把高风险的人或行为拦下来，让低风险的人或行为通过。

你如何判断高危人群和行为？用数据。

这里要说的是一种数据，黑名单。

做过风控的都知道，我们实际工作中会用到黑名单。这个黑名单库可以是外部数据，也可以是内部业务积累的数据，实际上是各种风险列表的集合。

这个列表很有用，因为已知是不良用户，直接拒绝就好，不用费心做这个做那个。

但是这个列表有一个问题。经常被做成只能进不能出的东西。因为入黑容易出黑难，什么时候想着让别人出来看看是不是不开心，黑人家？

这会导致名单上的人越来越多。这显然不合理。

一方面是时效性，比如一个目前逾期的人不一定一直逾期；另一方面，加入黑名单就是过失杀人。这些人会被用来杀杀用户，然后进一步黑掉更多的用户。

所以黑名单应该是一个准入和退出的系统，可以自动也可以手动。

黑客攻击的逻辑决定了其限制的长度。

就像被拒绝的用户可以放入黑名单，但这是为了防止用户再次申请时重复查询数据，产生数据成本。这个有效期可能是一个月，比较合适，但是长一点就不合理了。因为用户状态发生了变化，重新评估可能会得到不同的结果。

用户的内部风险很容易评估，所以很容易被黑。这些人的信息也可以及时跟踪。

这种黑客规则适合自动设置一个黑客逻辑。

至于外部的黑名单数据，不是让你用的。充不充都无所谓。最重要的是要保证准确。

近年来，随着大数据的发展，出现了太多的三方数据平台，几乎每一个都有黑名单、短信、支付、法院公安、设备、互金等的输出。，都很有钱。

结果就是单子来自各种来源，各种风险，你不知道这个输出的输入是什么。所以在接入的时候要评估它的覆盖面和准确率。

准确性是被击中者的风险。显然，越高越好。其实达到3倍或者5倍的市场风险是合理的。至于覆盖率，不能太高。3%和5%可能更合适。如果达到10%以上，而且能做到这个水平的高精度，那就太夸张了。那么这个数据的可靠性就值得怀疑了。

所以，不怕你停不下来，就怕你停得太多。

不可避免的是，即使有合理的自动盗号机制，也很容易屏蔽越来越多的黑名单。

然后呢？也许我们得想办法手动破解。

也就是一些低风险用户退休。但是这些用户都是拒绝，没有风险表现。

手动撤退相当困难。

有困难也要做。怎么做？

这就是开头提到的问题，是把好人从里面放出来，还是把坏人放出来之后把其他人都放出来？

这本质上是一个风险偏好的问题。

如果我们认为整个样本，也就是要处理的整个黑名单比正常用户差，那么从中得到好人更安全；相反，如果我们认为样本人群和正常用户相似，就应该采取排除坏人的形式，相信我们的模型，因为模型就是这么做的。

风险评估伴随着信心的同时存在。我们使用该模型进行风险评分。分数好的用户中有一群信心高的好人，分数差的用户中有一群信心高的坏人。其余大部分处于中间状态。

因为黑名单差，清除中间用户风险太大。为了安全起见，我们应该抓好人。

这就相当于默认了这些人有问题，找回了那些你可以证明是好人的人。

这就是内疚假说。

陪审团审判，首先假设一个人是无罪的，然后收集证据证明他有罪，如果有足够的证据证明他有罪，就否定他无罪的假设。

我们在做风控黑名单清仓的时候，其实是在采用有罪假设。

具体怎么做？

我们需要一个模型来筛选高置信度的优秀人才。其实无人监管是不合适的，因为这是在找极端的坏人。我们需要定义合适的标签。第一，这些黑名单用户中应该还是有低比例的风险表现的用户，贷款被黑的时候会出现这种情况。第二，图网技术在这里比较适用，因为信用风险可以分散，尽量给一些黑名单用户贴上这个标签。

显然这种退只能退一小部分用户。如果你期望黑名单减半，那就从黑客攻击的有效性入手。

因为难退，作为用户尽量不要黑。

你可能会说，这个自助餐厅不让你进，你就去别家吧。

这些自助餐厅共用一个黑名单怎么办？

黑名单很容易传递，但同时也很难击退。入黑容易，出黑难。这个事件的背后，一个坏用户的恶劣影响需要很多好用户来弥补，甚至是毁灭性的。

即使我这样写文章，也难免有人回避。

我想强调一下这种做法的合理性。否则，你可能会发现很多事情很难理解。

其实都是风险控制。

众所周知，无论是多么高风险的地区，都只有少数人经历过聚集性风险。绝大多数直接领导都是正常人，只有极少数有过侮辱师德的行为。但因为这些影响足够大，所以“误杀一个，不放过一千个”也是合理的。

当你有选择的时候，排除方法应该更严格。不要想着把他们从黑名单里放出来，这样后续的风控就能解决了。

《孙子兵法》最重要的思想，永远不是战胜敌人，而是保存和壮大自己。

风险控制的重要性怎么强调都不为过，因为打不赢还可以再打，输了命就什么都没了。

不要轻视敌人。

清黑名单的逻辑就是这六个字的思想。

[email protected]��许可，禁止转载。

图片来自Unsplash，基于CC0协议。