还款计划表和还款明细表（通过还款计划表监控还款异常）
还款计划表和还款明细表（通过还款计划表监控还款异常）编辑切换为居中还款时间点是通过还款计划表来拉取相关还款行为的时间维度的数据 拉取后再跟计划还款时间点进行比对。比如在某产品中通过计划还款时间跟实际还款时间分析得到的数据如下：这里提到的相关的场景业务具体如手机等3C业务，医美场景贷款业务等。这样的诈骗场景也是场景贷业务中最重要的风险防范。那如何做好商户端的风险防范？通过还款计划表可以来做一些风险端倪的窥探。二.相关案例：还款时间异常监控在之前的公众号的发文中，我们有跟各位读者介绍过。目前很多自融商户会跟客户串通，代替客户来还款（相关的案例在之前已经发布，可以去看看）。但由于商户帮客户直接代还款的行为很容易被发现，很多些心思比较缜密的商户就会换个方式作弊，直接打款给客户，让客户自己还款。因此通过商户代还款行为且能发现异常的属于比较少数能监控到的情况了。在这样的场景下，更多的是通过还款计划表中的还款时间点来判断异常。
还款计划的相关监控是整个信贷中非常核心的关键指标，通过还款计划的观测我们不单单能了解客户的还款情况，还能通过还款计划表来做一些反欺诈的监控，这个具体是怎么落地的呢？
今天来看看由番茄风控—《全线条全训练营》带来的内容——通过还款计划表来监控还款异常。
一.案例背景为：场景贷业务
在某场景贷款业务中，通常存在三方机构，这里有金融公司、商户和客户。客户在商户那里消费并且发生贷款，贷款的资金则由金融公司进行前期垫付，然后金融公司再与商户结算。于是在这样的场景中，就非常容易发生商户跟客户互相勾结，一起诈骗金融公司的案例。这样互相勾结的案件，在之前许多的新闻中屡次见诸报端。
这里提到的相关的场景业务具体如手机等3C业务，医美场景贷款业务等。这样的诈骗场景也是场景贷业务中最重要的风险防范。那如何做好商户端的风险防范？通过还款计划表可以来做一些风险端倪的窥探。
二.相关案例：还款时间异常监控
在之前的公众号的发文中，我们有跟各位读者介绍过。目前很多自融商户会跟客户串通，代替客户来还款（相关的案例在之前已经发布，可以去看看）。但由于商户帮客户直接代还款的行为很容易被发现，很多些心思比较缜密的商户就会换个方式作弊，直接打款给客户，让客户自己还款。因此通过商户代还款行为且能发现异常的属于比较少数能监控到的情况了。在这样的场景下，更多的是通过还款计划表中的还款时间点来判断异常。
还款时间点是通过还款计划表来拉取相关还款行为的时间维度的数据 拉取后再跟计划还款时间点进行比对。比如在某产品中通过计划还款时间跟实际还款时间分析得到的数据如下：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
进一步统计计划还款的时间节点为：
编辑
添加图片注释，不超过 140 字（可选）
【表1：计划还款时间】
在以上【表1】相关的计划还款时间中，相关用户的还款时间都较为分散，而在实际还款的时间中，会发现时间集中度都集中在某一天：
编辑
添加图片注释，不超过 140 字（可选）
【表2：实际还款时间】
由上面【表2】实际的还款记录中，可以发现60%的实还客户还款日集中在14号这一天，但是应还日在14号这一天的客户却只占比10%。通过实际还款时间跟计划还款时间的对比分析，某天的实际还款大大超过了计划还款的时间阈值线，在相关的监控中触发了相关的预警规则。
后面通过具体的电话回访，我们也进一步了解，某些用户发生了商户代还的行为。
三.小结
还款时间点异常监控通常是通过还款计划表来拉取数据，并且对此类商户在实际的还款动作中拉取时间数据。如果发现实际情况相悖论情况，如相关案例中14号还款日数据较为异常，则会触发相关的规则预警，进一步进行相关的风险干预。
以上内容参考自：
①番茄风控《星球课堂内容》
②番茄风控《全流程风控训练营——贷中模块内容》
关于商户监控和贷中模块更系统性的内容欢迎了解，详细可关注《第五期的全线条训练营》：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
关于二代征信的内容仍有，基于toad的评分模型的开发，有兴趣的童鞋可关注：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
~原创文章
....
end
