張勝 安徽涇縣銅源村鎮(zhèn)銀行股份有限公司
引言:互聯(lián)網(wǎng)的快速發(fā)展,社會進入大數(shù)據(jù)時代,農(nóng)村金融機構(gòu)面臨的風險和挑戰(zhàn)逐漸增加,信用風險主要體現(xiàn)在業(yè)務風險和資金風險等方面,對于信貸資金未能展開有效監(jiān)管,同時,對于客戶風險的把關存在問題,沒有將授信統(tǒng)一,導致貸款發(fā)放不合理,對此,需要利用大數(shù)據(jù),建立風險評估體系,及時掌握客戶信息,做好信用風險管理,保證金融機構(gòu)的信貸資金安全。
大數(shù)據(jù)主要指在特定時間內(nèi)產(chǎn)生的各類數(shù)據(jù),這些數(shù)據(jù)難以使用傳統(tǒng)方法進行收集,而且大數(shù)據(jù)平臺具有實效性,能夠動態(tài)化發(fā)展。大數(shù)據(jù)的數(shù)量以TB、ZB等標準為主,并且不斷上漲,難以在規(guī)定的范圍之內(nèi)進行儲存和計算,數(shù)據(jù)流轉(zhuǎn)階段,以快速、動態(tài)化狀態(tài)進行,包括結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù),大數(shù)據(jù)價值密度相對較低,但是商業(yè)價值相對較高。
當前,市場利率化形勢明顯,金融機構(gòu)利差收入的優(yōu)勢受到影響,特別是農(nóng)村地區(qū)的金融機構(gòu),營業(yè)收入出現(xiàn)下滑狀態(tài)。隨著大數(shù)據(jù)時代的到來,為農(nóng)村金融機構(gòu)的發(fā)展提供全新機遇,利用大數(shù)據(jù)分析方法對于農(nóng)村金融機構(gòu)重要性主要體現(xiàn)在如下幾方面:
第一,為農(nóng)村的金融機構(gòu)帶來更廣闊的業(yè)務空間,互聯(lián)網(wǎng)的快速發(fā)展,電商平臺應運而生,金融機構(gòu)網(wǎng)點也出現(xiàn)變化,產(chǎn)生各類結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù),通過大數(shù)據(jù)技術,能夠?qū)蛻粜畔⑸钊胪诰?,找出潛在客戶,為銀行產(chǎn)品創(chuàng)新提供全新途徑,拓寬農(nóng)村金融機構(gòu)業(yè)務空間。
第二,大數(shù)據(jù)的應用,能夠提高農(nóng)村金融機構(gòu)決策與判斷能力。信息時代,銀行業(yè)務的開展需要依托數(shù)據(jù)信息制定運營決策,應用大數(shù)據(jù),通過海量數(shù)據(jù)信息當中尋找利于銀行經(jīng)營的數(shù)據(jù)信息,對于業(yè)務風險合理評估,并對資源展開優(yōu)化配置。
第三,大數(shù)據(jù)的應用能夠提高信用風險的管理能力,運用大數(shù)據(jù)技術展開精細化管理,為農(nóng)村金融機構(gòu)產(chǎn)品創(chuàng)新以及風險控制提供全新途徑,轉(zhuǎn)變傳統(tǒng)經(jīng)營模式,和電商之間進行聯(lián)合,控制信用風險,提高風險管理工作水平[1]。
農(nóng)村金融機構(gòu)的大數(shù)據(jù)平臺包括如下信息源系統(tǒng):一是核心系統(tǒng),二是信貸系統(tǒng),三是外圍系統(tǒng),通過上述系統(tǒng)對于文本文件進行采集,并對元數(shù)據(jù)進行清洗,通過轉(zhuǎn)換變?yōu)闃藴驶瘮?shù)據(jù),并按照法人機構(gòu)進行區(qū)分,拆分數(shù)據(jù)信息,利用固定模型將數(shù)據(jù)整合,最終形成數(shù)據(jù)視圖。這樣后臺可以按照賬戶、客戶以及機構(gòu)各層次展開匯總,便于前臺對于數(shù)據(jù)的利用。數(shù)據(jù)挖掘過程包括數(shù)據(jù)信息采集、清洗、轉(zhuǎn)換、整合、處理等內(nèi)容。
數(shù)據(jù)挖掘方法種類多樣化,將挖掘目標、數(shù)據(jù)模型等作為基礎,建立多個模型形式,其中包括聚類分析、偏差檢測以及關聯(lián)規(guī)則等模型,金融機構(gòu)可借助上述模型獲取更高商業(yè)價值,提高金融機構(gòu)核心競爭力。
決策樹主要是樹形結(jié)構(gòu),能夠?qū)Ψ诸愵A測起決定性作用,分析過程,不同節(jié)點都代表樹形測試,各分支則代表測試輸出,使用決策樹算法具有分類精度高、生成模式相對簡單、噪聲數(shù)據(jù)優(yōu)越等特點,所以取得廣泛應用。
本研究所用的數(shù)據(jù)源為某農(nóng)村金融機構(gòu)中個人貸款的客戶數(shù)據(jù),選擇個人工商戶、小額信用貸以及企事業(yè)貸款,通過分析上述客戶類型貸款情況,客戶信息和貸款不良率信息如表1所示:
表1 客戶信息和貸款不良率信息
可知小額貸款的人數(shù)相對較多,超過99%,由此可以看出,該金融機構(gòu)面向的客戶主要為農(nóng)戶。
表2 客戶年齡層次信用貸款信息表
分析客戶年齡層次,處于(18,25]歲年齡段的客戶,貸款不良率為2.75%;處于(25,30]歲年齡段的客戶,貸款不良率為2.52%;處于(30,35]歲年齡段的客戶,貸款不良率為3.44%;處于(35,40]歲年齡段的客戶,貸款不良率為2.73%;處于(40,45]歲年齡段的客戶,貸款不良率為3.38%;處于(45,50]歲年齡段的客戶,貸款不良率為4.53%;處于(50,55]歲年齡段的客戶,貸款不良率為4.2%;處于(55,60]歲年齡段的客戶,貸款不良率為4.15%;超過60歲年齡段的客戶,貸款不良率為6%。發(fā)現(xiàn)不同年齡段之間貸款不良差距相對較小,超過60歲的客戶在貸款不良率方面相對較高。
表3 為客戶年收入信息表
對于客戶收入進行分析,理論上來講,客戶擁有高收入,代表其還款能力相對較強,在貸款不良率方面應該低于低收入的客戶。但是結(jié)果顯示,收入≥20萬的群體,貸款不良率3%;收入處于(10,20]萬客戶,貸款不良率1.36%;收入處于(5,10]萬客戶,貸款不良率1.29%;收入處于(2,5]萬客戶,貸款不良率0.88%;收入≤2萬的客戶,貸款不良率1.39%;高收入人群貸款不良率相對較高,和理論存在差異,因此,需要對其中原因展開深入探索。
表4 為客戶學歷和貸款不良率信息關系表
分析客戶學歷以及貸款不良率二者之間關系,無學歷客戶貸款不良率1.72%;小學學歷客戶貸款不良率1.60%;初中學歷客戶貸款不良率1.62%;高中學歷客戶貸款不良率10.76%;技校學歷客戶貸款不良率5.91%;中專學歷客戶貸款不良率1.69%;大專學歷客戶貸款不良率3.39%;本科學歷客戶貸款不良率0.98%;研究生學歷客戶貸款不良率0.00%;呈現(xiàn)出“中間高,兩頭低”這一問題,小學學歷人貸款人數(shù)相對較高,和農(nóng)村地區(qū)實際情況相符[2]。
通過上述案例分析,可以看出大數(shù)據(jù)在農(nóng)村金融機構(gòu)的客戶信息和客戶篩選方面不但高效,而且準確度高,可對農(nóng)村金融的信用風險分析過程起到指導性作用。
大部分農(nóng)村地區(qū)已經(jīng)設立了金融機構(gòu)網(wǎng)點,面向農(nóng)民提供信貸業(yè)務。利用大數(shù)據(jù)平臺,可對客戶職業(yè)、年齡相關信息進行挖掘,尋找客戶信息和信用風險存在的關聯(lián),結(jié)合風險信息對于客戶進行管理,實現(xiàn)精準營銷。然而,農(nóng)村的金融機構(gòu)信用風險的管理還存在不同程度問題,主要表現(xiàn)在如下幾方面:
第一,數(shù)據(jù)標準尚未完全建立,還存在大量冗余數(shù)據(jù),難以共享,雖然收集到大量數(shù)據(jù),但是,由于數(shù)據(jù)形式?jīng)]有統(tǒng)一,導致數(shù)據(jù)質(zhì)量參差不齊,數(shù)據(jù)處理以及標準化體系的建設還不深入,難以以獲得理想的分析結(jié)果[1]。
第二,數(shù)據(jù)種類不豐富,對比商業(yè)銀行互聯(lián)網(wǎng)金融,農(nóng)村金融機構(gòu)在數(shù)據(jù)采集方面略顯不足,對此,可與電商平臺或者政府機構(gòu)展開合作,將數(shù)據(jù)結(jié)構(gòu)加以豐富。
第三,專業(yè)人員素質(zhì)有待提升,部分農(nóng)村金融機構(gòu)尚未設置數(shù)據(jù)分析相關部門,都是將數(shù)據(jù)分析過程外包給專業(yè)公司,由于金融機構(gòu)缺乏專業(yè)數(shù)據(jù)分析人才,對于信用風險的分析相對不足,數(shù)據(jù)覆蓋面窄,難以將業(yè)務有效聯(lián)系。
第一,建立數(shù)據(jù)標準,將冗余數(shù)據(jù)刪除,統(tǒng)一數(shù)據(jù)格式,保證數(shù)據(jù)分析過程信息獲取質(zhì)量,對于農(nóng)村金融機構(gòu)客戶基本信息展開深入分析,制定營銷策略,展現(xiàn)數(shù)據(jù)分析價值。
第二,豐富數(shù)據(jù)類型,可借鑒商業(yè)銀行的運作模式,利用“互聯(lián)網(wǎng)+金融”的形式,采集信用信息數(shù)據(jù),或者和政府部門、電商平臺等展開合作,豐富數(shù)據(jù)結(jié)構(gòu),提高信用信息數(shù)據(jù)獲取的真實性。
第三,培養(yǎng)專業(yè)人才,農(nóng)村金融機構(gòu)可設立數(shù)據(jù)分析部門,培養(yǎng)大數(shù)據(jù)技術人才,聯(lián)系自身業(yè)務,對于信用風險數(shù)據(jù)展開全面挖掘和分析,通過人才培養(yǎng),不斷拓寬數(shù)據(jù)信息覆蓋面積,對于信用風險原因展開全面分析,展現(xiàn)大數(shù)據(jù)在信用風險防范方面的應用價值。
結(jié)束語:總之,結(jié)合農(nóng)村金融機構(gòu)面臨的信用風險問題,依托大數(shù)據(jù)技術建立管理平臺,并利用決策樹模型,建立完善的信用風險體系,為相關人員制定決策提供依據(jù)。大數(shù)據(jù)管理平臺的應用,能夠減輕機構(gòu)管理信用風險期間各項成本,并提供精準數(shù)據(jù)支持,保證銀行數(shù)據(jù)和客戶信息的對稱性,對于信用風險全面管理。