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。

一、大數(shù)據(jù)概念和特點介紹

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。

二、數(shù)據(jù)分析對于農(nóng)村金融機構(gòu)的重要性

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]。

三、大數(shù)據(jù)在農(nóng)村金融機構(gòu)信用風險的分析和應用

（一）數(shù)據(jù)的挖掘

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。

（二）決策樹分析

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。

（三）數(shù)據(jù)分析

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。

四、農(nóng)村金融機構(gòu)大數(shù)據(jù)應用存在問題和解決措施

（一）存在問題

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。

（二）解決措施

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。