張恒慶

摘 要：目前銀行小微風(fēng)險(xiǎn)管理面臨信息不對稱和風(fēng)險(xiǎn)管理被動(dòng)、滯后兩大難題，主要原因在于小微風(fēng)險(xiǎn)管理技術(shù)手段較落后，手工操作模式對人工依賴度高，識別風(fēng)險(xiǎn)的數(shù)據(jù)維度尚待豐富，對已有數(shù)據(jù)的挖掘、利用不足，風(fēng)險(xiǎn)管理效率低下，效果不明顯，成本高。文章從國內(nèi)外銀行應(yīng)用大數(shù)據(jù)手段開展經(jīng)營及風(fēng)險(xiǎn)管理的實(shí)踐出發(fā)，提出大數(shù)據(jù)對提升銀行小微風(fēng)險(xiǎn)管理的啟示，梳理了小微數(shù)據(jù)管理及應(yīng)用現(xiàn)狀，并從文化理念與管理機(jī)制、內(nèi)外部數(shù)據(jù)管理、模型建設(shè)與應(yīng)用等方面提出系列優(yōu)化建議，旨在促進(jìn)小微風(fēng)險(xiǎn)管理從傳統(tǒng)手工低效率模式向以數(shù)據(jù)模型為主的批量化、自動(dòng)化、智能化高效率模式轉(zhuǎn)變。

關(guān)鍵詞：大數(shù)據(jù) 小微業(yè)務(wù) 風(fēng)險(xiǎn)管理 數(shù)據(jù)管理

中圖分類號：F830.4 文獻(xiàn)標(biāo)識碼：A

文章編號：1004-4914（2016）08-182-02

引言

大數(shù)據(jù)在國內(nèi)外商業(yè)銀行已廣泛應(yīng)用于授信欺詐識別、準(zhǔn)入篩選、授信額度審定、貸款定價(jià)等各種風(fēng)險(xiǎn)決策管理領(lǐng)域，并有許多成功運(yùn)用案例。如：美國富國銀行利用大數(shù)據(jù)攔截客戶欺詐和評估貸后風(fēng)險(xiǎn)，VISA組織利用大數(shù)據(jù)巧妙化解信用卡詐騙、盜刷等事件侵?jǐn)_；建設(shè)銀行利用大數(shù)據(jù)技術(shù)挖掘客戶融資需求并建立風(fēng)險(xiǎn)決策模型；中信銀行利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)授信額度審批和貸款定價(jià)的自動(dòng)化；工商銀行通過與沃爾瑪建立供應(yīng)鏈互聯(lián)網(wǎng)金融，對物流、信息流、資金流封閉管理，有效降低信息不對稱風(fēng)險(xiǎn)，提升風(fēng)險(xiǎn)管理的效率和效果。

大數(shù)據(jù)對商業(yè)銀行風(fēng)險(xiǎn)管理的借鑒價(jià)值在于，通過數(shù)據(jù)信息分析、挖掘、聚類、建模，可應(yīng)用于風(fēng)險(xiǎn)管理的防欺詐、授信額度核定、違約預(yù)警等各方面，簡化流程，提高效率，有效提升風(fēng)險(xiǎn)決策智能化水平，強(qiáng)化風(fēng)險(xiǎn)管理效果，大量節(jié)省人工成本。

一、大數(shù)據(jù)對提升銀行小微風(fēng)險(xiǎn)管理的意義

銀行小微風(fēng)險(xiǎn)管理手段仍較落后，技術(shù)提升迫在眉睫。主要體現(xiàn)在對已有各種系統(tǒng)利用不充分，對現(xiàn)有各類數(shù)據(jù)挖掘利用不足，風(fēng)險(xiǎn)管理自動(dòng)化、智能化程度不高，手工操作占比大、環(huán)節(jié)多，嚴(yán)重依賴人工，使風(fēng)險(xiǎn)管理與人員不足的矛盾較為突出。本文認(rèn)為，大數(shù)據(jù)對銀行小微風(fēng)險(xiǎn)管理的意義主要有以下幾點(diǎn)：

（一）完整繪制客戶數(shù)據(jù)圖譜

全方位解讀與識別客戶風(fēng)險(xiǎn)基于大數(shù)據(jù)可將碎片化信息關(guān)聯(lián)、整合、還原，構(gòu)建以客戶為中心的基本信息、資產(chǎn)負(fù)債信息、行為信息整體視圖，做到360度全方位了解和識別小微客戶，有利于洞察每個(gè)客戶的需求偏好，提前察覺潛在風(fēng)險(xiǎn)并做好防范。

（二）有效解決信息不對稱問題，實(shí)現(xiàn)風(fēng)險(xiǎn)精準(zhǔn)定位

小微授信業(yè)務(wù)的風(fēng)險(xiǎn)很大程度上來源于信息不對稱。通過數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)在風(fēng)險(xiǎn)管理領(lǐng)域的大量應(yīng)用，整合內(nèi)、外部豐富的數(shù)據(jù)資源，進(jìn)行勾稽關(guān)系邏輯印證，可以有效判定信息的真實(shí)性、可靠性，精準(zhǔn)定位、識別和量化風(fēng)險(xiǎn)。

（三）變事后的被動(dòng)管理為事前的主動(dòng)管理

小微風(fēng)險(xiǎn)管理滯后的結(jié)果是，事后發(fā)現(xiàn)風(fēng)險(xiǎn)，效率低下、損失率高，成本難以控制?；诖髷?shù)據(jù)的風(fēng)險(xiǎn)管理，將各種風(fēng)險(xiǎn)規(guī)則嵌入生產(chǎn)流程，可實(shí)現(xiàn)批量化、自動(dòng)化，實(shí)時(shí)、主動(dòng)識別風(fēng)險(xiǎn)，及時(shí)預(yù)警，有效解決小微風(fēng)險(xiǎn)管理的被動(dòng)局面。

（四）實(shí)現(xiàn)全覆蓋、全自動(dòng)的批量化風(fēng)險(xiǎn)管理

不同于傳統(tǒng)的單一抽檢，基于大數(shù)據(jù)可將各種風(fēng)險(xiǎn)管理規(guī)則、數(shù)據(jù)模型與業(yè)務(wù)流程緊密結(jié)合，建立覆蓋全業(yè)務(wù)流程、閉環(huán)式風(fēng)險(xiǎn)管理體系，將全量數(shù)據(jù)進(jìn)行跑批，有效識別業(yè)務(wù)模塊風(fēng)險(xiǎn)點(diǎn)，克服以往對全量數(shù)據(jù)進(jìn)行抽檢而遺漏部分風(fēng)險(xiǎn)的可能。

因此，全行上下須積極擁抱大數(shù)據(jù)，改變風(fēng)險(xiǎn)管理決策依據(jù)，形成數(shù)據(jù)決策的習(xí)慣，建設(shè)小微數(shù)據(jù)化、模型化、批量化、自動(dòng)化、智能化的主動(dòng)風(fēng)險(xiǎn)管理體系。

二、小微風(fēng)險(xiǎn)管理中系統(tǒng)開發(fā)、數(shù)據(jù)管理及應(yīng)用現(xiàn)狀

（一）系統(tǒng)開發(fā)的規(guī)劃和前瞻性不足

目前某銀行與零售業(yè)務(wù)有關(guān)并已上線的應(yīng)用系統(tǒng)共計(jì)63個(gè)，其中與小微業(yè)務(wù)密切相關(guān)的有28個(gè)，主要分為授信、渠道、產(chǎn)品、客戶服務(wù)、賬戶流水和結(jié)算六大類。但總體呈現(xiàn)多、散、亂、雜等特征，系統(tǒng)性規(guī)劃和前瞻性深入思考不足，系統(tǒng)間關(guān)聯(lián)性不足，自動(dòng)化、智能化不足，需要人工逐筆處理的環(huán)節(jié)較多，解決問題的效果不理想。

另外，部分業(yè)務(wù)流程尚未納入科技系統(tǒng)支持，全流程的電子化、痕跡化管理尚未實(shí)現(xiàn)。如項(xiàng)目下資金流向批量監(jiān)測和預(yù)警，不良資產(chǎn)打包轉(zhuǎn)讓等處置和核銷流程，后督管理、合作社管理尚未納入系統(tǒng)管理，銷售系統(tǒng)尚無法自動(dòng)進(jìn)行客戶結(jié)構(gòu)分析、客戶行為分析等。

（二）數(shù)據(jù)歸口管理與團(tuán)隊(duì)建設(shè)有待加強(qiáng)

一是目前全行數(shù)據(jù)處于多渠道共管狀態(tài)，全行數(shù)據(jù)統(tǒng)籌管理部門不明確。

二是銀行已初步意識到數(shù)據(jù)對商業(yè)銀行經(jīng)營管理的重要性，在小微風(fēng)險(xiǎn)管理中也開始嘗試，但自動(dòng)化程度不高，未覆蓋小微業(yè)務(wù)全流程，尚未搭建全行統(tǒng)一、高度共享、方便獲取的小微大數(shù)據(jù)平臺。

三是數(shù)據(jù)分析、數(shù)據(jù)挖掘人才缺乏，目前團(tuán)隊(duì)建設(shè)仍嚴(yán)重滯后，整體速度有待加快，效果有待提升。

（三）數(shù)據(jù)質(zhì)量和共享程度亟待提高

內(nèi)部數(shù)據(jù)管理尚待提高。

一是銀行內(nèi)部數(shù)據(jù)信息維度已較豐富，但系統(tǒng)間、條線間整合、共享不足。如小微客戶在銀行公司、零售、小微、私銀、信用卡等各條線信息尚未完全共享；小微系統(tǒng)貸前、貸中和貸后信息無法全面、自動(dòng)共享，有的模塊需人工逐筆查詢，對人工耗用較大。此外，部分?jǐn)?shù)據(jù)如部分信用卡數(shù)據(jù)尚未納入數(shù)據(jù)倉庫統(tǒng)一管理，數(shù)據(jù)維度完整性不足。

二是數(shù)據(jù)缺乏管控，數(shù)據(jù)質(zhì)量較差，行業(yè)等維度數(shù)據(jù)真實(shí)性、有效性不足。部分?jǐn)?shù)據(jù)內(nèi)容不完整，如小微企業(yè)名稱等關(guān)鍵維度數(shù)據(jù)缺失嚴(yán)重，導(dǎo)致數(shù)據(jù)分析難以有效進(jìn)行。三是部分?jǐn)?shù)據(jù)規(guī)則標(biāo)準(zhǔn)不統(tǒng)一，給跨系統(tǒng)整合帶來困難。四是數(shù)據(jù)結(jié)構(gòu)化程度低，對現(xiàn)有非結(jié)構(gòu)化數(shù)據(jù)利用不足，數(shù)據(jù)價(jià)值未充分被挖掘。

外部數(shù)據(jù)管理也待規(guī)范。

一是銀行已引進(jìn)“人行征信”、“工商登記”、“法院執(zhí)行”等第三方數(shù)據(jù)，但尚未與銀聯(lián)、生活繳費(fèi)事業(yè)單位、移動(dòng)、電信、交通運(yùn)輸部門、第三方核心企業(yè)ERP、互聯(lián)網(wǎng)電商平臺和社交網(wǎng)絡(luò)等數(shù)據(jù)實(shí)現(xiàn)對接和共享，數(shù)據(jù)維度有待于進(jìn)一步豐富。

二是未建立外部數(shù)據(jù)獲取、共享的管理機(jī)制和操作流程，個(gè)別條線已引進(jìn)的、對小微有用的第三方信息查詢平臺未與小微共享，造成該類數(shù)據(jù)缺失或與其他條線重復(fù)購置形成浪費(fèi)。

（四）模型管理方面有較大提升空間

一是目前銀行已開發(fā)上線并用于小微風(fēng)險(xiǎn)管理的數(shù)據(jù)模型只有“授信申請?jiān)u分模型”和“授信行為評分模型”兩類，模型數(shù)量較少，體系性不足。先進(jìn)同業(yè)基本都已開始應(yīng)用的授信定價(jià)、反欺詐、違約預(yù)測、催收評分等模型在銀行仍處于需求分析或開發(fā)設(shè)計(jì)階段，一直未能上線應(yīng)用。

二是模型設(shè)計(jì)技術(shù)有待提升，未加入行業(yè)、區(qū)域等個(gè)性化因素，模型依賴的基礎(chǔ)數(shù)據(jù)質(zhì)量較差，嚴(yán)重影響了模型精準(zhǔn)性，加之分行業(yè)績驅(qū)動(dòng)等因素，導(dǎo)致模型總體應(yīng)用程度不高，模型中的絕大部分功能基本處于閑置狀態(tài)。

三是銀行審批階段的客戶準(zhǔn)入、額度計(jì)算及定價(jià)均非系統(tǒng)自動(dòng)給出而是由人工逐筆審批，貸后管理階段的風(fēng)險(xiǎn)監(jiān)測、預(yù)警、催清收、處置等風(fēng)險(xiǎn)管理策略也均未實(shí)現(xiàn)數(shù)據(jù)模型批量自動(dòng)化處理，存在大量人工行為，模型智能化成分也有待提高。

這些既影響了小微風(fēng)險(xiǎn)管理的效果與效率，也是風(fēng)險(xiǎn)管理成本長期居高不下的原因所在。

三、利用大數(shù)據(jù)優(yōu)化銀行小微風(fēng)險(xiǎn)管理模式的建議

（一）文化理念與管理機(jī)制方面

一是銀行應(yīng)進(jìn)一步強(qiáng)化“數(shù)據(jù)就是資產(chǎn)”和“數(shù)據(jù)治行”的理念，科技信息管理委員會(huì)應(yīng)進(jìn)一步強(qiáng)化對全行數(shù)據(jù)信息的管理職能，全行努力實(shí)現(xiàn)小微業(yè)務(wù)全流程電子化，實(shí)現(xiàn)跨部門通力合作與數(shù)據(jù)共享機(jī)制。

二是數(shù)據(jù)管理機(jī)制必須與小微業(yè)務(wù)流程再造緊密結(jié)合。

三是必須明確權(quán)責(zé)清晰的數(shù)據(jù)管控機(jī)構(gòu)，負(fù)責(zé)全行大數(shù)據(jù)頂層設(shè)計(jì)與統(tǒng)籌規(guī)劃，出臺數(shù)據(jù)標(biāo)準(zhǔn)化指導(dǎo)手冊，建立數(shù)據(jù)質(zhì)量管理與考評體系。

四是引進(jìn)人才，建立專業(yè)高效的數(shù)據(jù)分析與挖掘團(tuán)隊(duì)，并進(jìn)行持續(xù)培訓(xùn)和提升。

五是強(qiáng)化大數(shù)據(jù)時(shí)代的信息安全管理，嚴(yán)防數(shù)據(jù)泄密風(fēng)險(xiǎn)和聲譽(yù)風(fēng)險(xiǎn)。

（二）數(shù)據(jù)管理方面

在內(nèi)部數(shù)據(jù)管理方面：一是要盡快搭建全行統(tǒng)一、高度共享、包含多維度數(shù)據(jù)的內(nèi)部管理平臺。二是應(yīng)對全行各生產(chǎn)作業(yè)系統(tǒng)和數(shù)據(jù)庫進(jìn)行全面梳理，豐富并完善數(shù)據(jù)倉庫信息。三是搭建并完善全行小微數(shù)據(jù)分析平臺，強(qiáng)化培訓(xùn)，提升全員數(shù)據(jù)分析應(yīng)用能力。四是深化已有數(shù)據(jù)的挖掘利用，尤其要注重非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用。五是推出適當(dāng)激勵(lì)措施，提高客戶準(zhǔn)確、完整提供數(shù)據(jù)的積極性。

在外部數(shù)據(jù)管理方面：一是積極加強(qiáng)與第三方平臺、銀聯(lián)、公共繳費(fèi)事業(yè)單位、交通運(yùn)輸管理部門、移動(dòng)電信、電商平臺、微信、微博等社交網(wǎng)絡(luò)等“大數(shù)據(jù)平臺”的合作和共享，引入在逃、吸毒人員信息庫、國證通系統(tǒng)（可查閱客戶學(xué)歷、房產(chǎn)、車產(chǎn)狀況）、社保系統(tǒng)、企業(yè)ERP系統(tǒng)等外部數(shù)據(jù)，進(jìn)一步豐富小微客戶數(shù)據(jù)維度，豐富風(fēng)險(xiǎn)視角，全方位了解小微客戶行為特征。二是在全行范圍內(nèi)搭建外部數(shù)據(jù)采購和行內(nèi)共享平臺，減少風(fēng)險(xiǎn)盲區(qū)。三是結(jié)合銀行客戶現(xiàn)狀、關(guān)鍵風(fēng)險(xiǎn)控制環(huán)節(jié)、落地難易程度、迫切程度和成本效益等因素，實(shí)施分步規(guī)劃、逐步落地的策略，不斷豐富外部數(shù)據(jù)獲取渠道和數(shù)據(jù)類型。

（三）模型管理方面

在模型建設(shè)方面，一是盡快建立貫穿小微業(yè)務(wù)全流程、覆蓋關(guān)鍵控制節(jié)點(diǎn)、體系化的公共風(fēng)險(xiǎn)管理數(shù)據(jù)模型，供全行使用，模型構(gòu)建思路應(yīng)緊密與小微業(yè)務(wù)相結(jié)合。具體而言，貸前可建立目標(biāo)客戶敏感度、客戶準(zhǔn)入反欺詐模型；貸中可建立客戶評分、授信額度核定、貸款定價(jià)、違約預(yù)測模型；貸后可建立資金交易特征預(yù)警、貸款催收、損失預(yù)測、資產(chǎn)轉(zhuǎn)讓定價(jià)模型；售后綜合提升方面可建立續(xù)授信、售后維護(hù)與提升、客戶流失預(yù)警模型。二是以各種方式鼓勵(lì)小微條線數(shù)據(jù)專業(yè)團(tuán)隊(duì)發(fā)揮創(chuàng)造性思維，研究、創(chuàng)新、構(gòu)建各類對區(qū)域性、行業(yè)性風(fēng)險(xiǎn)控制有益的個(gè)性化模型供經(jīng)營機(jī)構(gòu)使用。三是進(jìn)一步豐富模型應(yīng)用技術(shù)與工具，充實(shí)模型指標(biāo)維度。四是根據(jù)緊迫程度優(yōu)先推出反欺詐/防騙貸模型及違約預(yù)測模型。五是將模型與業(yè)務(wù)邏輯按照一定規(guī)則嵌入生產(chǎn)系統(tǒng)決策引擎，作為業(yè)務(wù)操作必經(jīng)環(huán)節(jié)，減少人工干預(yù)成分，提高系統(tǒng)批量化、自動(dòng)化決策成分，提高決策效率。

根據(jù)銀行小微風(fēng)險(xiǎn)管理實(shí)際，建議優(yōu)先開發(fā)反欺詐模型和違約預(yù)測模型。反欺詐模型設(shè)計(jì)時(shí)，可運(yùn)用公安部聯(lián)網(wǎng)核查系統(tǒng)數(shù)據(jù)驗(yàn)證借款人及關(guān)聯(lián)人身份真實(shí)性，利用工商登記查詢系統(tǒng)驗(yàn)證小微主名下小微企業(yè)注冊信息及經(jīng)營簡況，核查企業(yè)經(jīng)營真實(shí)情況及關(guān)聯(lián)人信息，利用人行征信系統(tǒng)核查借款人及其關(guān)聯(lián)人和小微企業(yè)的信用記錄，利用社保信息、稅務(wù)信息、行內(nèi)賬戶交易流水、客戶提供的他行賬戶信息、車輛和房產(chǎn)信息核查借款人資產(chǎn)實(shí)力，判斷其還款能力。

設(shè)計(jì)違約預(yù)測模型時(shí)，可利用現(xiàn)場貸后檢查、工商登記信息變化和行政處罰信息、人行征信違約信息、在逃吸毒人員庫等公安、司法法院執(zhí)行數(shù)據(jù)、黑名單庫等核查重大負(fù)面輿情與其他負(fù)面信息。還可利用小貸公司共享數(shù)據(jù)、網(wǎng)絡(luò)爬蟲技術(shù)獲取非結(jié)構(gòu)數(shù)據(jù)核查客戶重大負(fù)面輿情和其他負(fù)面信息，提前預(yù)判客戶違約信號，及早采取補(bǔ)救措施。

在模型應(yīng)用方面，建議一是數(shù)據(jù)模型要隨著小微業(yè)務(wù)發(fā)展及風(fēng)險(xiǎn)形勢變化與時(shí)俱進(jìn)，及時(shí)更新，融入最新元素。二是盡快建立系統(tǒng)內(nèi)數(shù)據(jù)模型的應(yīng)用、驗(yàn)證、反饋、優(yōu)化的良性互動(dòng)循環(huán)機(jī)制，總、分行合力確保模型運(yùn)行效果在實(shí)踐中不斷得到檢驗(yàn)、優(yōu)化和提升。

參考文獻(xiàn)：

[1] 蘇玉峰.大數(shù)據(jù)時(shí)代商業(yè)銀行應(yīng)對策略[J].當(dāng)代經(jīng)濟(jì)，2014（20）

[2] 繆志平，李芳.大數(shù)據(jù)時(shí)代商業(yè)銀行應(yīng)對策略[J].現(xiàn)代金融，2013（11）

（作者單位：中國平煤神馬集團(tuán) 河南平頂山 467000）

（責(zé)編：玉山）