商业银行信贷管理的大数据应用分析
一、引言
随着现代科技的不断进步，信息技术呈现出跨越式大发展的特点，以移动互联网、物联网、大数据和云计算等为代表的新技术应用大幅提高了社会的生产生活效率。而近年来，传统商业银行和互联网金融之间的博弈也已被各界炒至白热化。互联网金融生态的蓬勃发展、信息技术的快速变革与商业模式的不断创新，给传统银行业带来机遇的同时，也对银行自身的经营理念和模式、信息处理能力提出了前所未有的挑战。对于传统商业银行而言，如何有效利用既存的大数据，在互联网金融时代突破重围，以促进自身的转型与发展成为其需首要思考的问题。
另一方面，随着利率市场化的不断推进，利差缩小，市场竞争激烈，业绩增长乏力将成为商业银行发展所面临的主要问题。除此之外，产能过剩行业贷款是2015年面临的最主要信用风险事件，钢铁、水泥、建材、船舶、光伏等行业遭遇经济周期下行和结构调整的双重压力，经营环境更趋艰难，整体行业信用风险持续攀升，导致不良贷款率逐步攀升。严峻的经营态势促使银行通过开展大数据分析等方式内部挖潜，以实现“盘活存量、用好增量”，有效提升业绩、管控风险，以实现自身的可持续性发展。
（一）银行大数据特点
从大数据特点角度来看，银行业是一个数据驱动的产业，在互联网金融时代或者大数据金融时代，银行信息化进入了一个新的发展阶段，即大数据应用阶段。大数据应用作为创新的催化剂，正改变着金融业态，并将引起银行业务模式深刻的变革。由于银行业大数据应用同时具备体量大、种类多、访问速度快和准确性要求高等特点，大数据应用将拓宽商业银行业务发展空间，加速产品创新，通过数据的不断积累与整合，具体分析客户需求以推出银行差异化产品，改变当下银行产品同质化趋势。其次，大数据应用将提升银行的核心竞争力，通过大数据能够更加有效地评价银行的经营业绩，评估其存在的经营风险，尤其是信贷风险。再者，大数据应用将开拓银行的经营渠道，使得网络银行，电子银行得以不断推广和完善。最后，大数据应用将提高商业银行的经营管理水平。随着商业银行数据分析能力提升，通过对数据进行统计、分析、评估，为银行业务发展、市场营销、资产负债管理、客户关系管理等方面提供有效的决策支持。
（二）银行不良贷款率现状
中国银监会2月15日发布的2015年第四季度主要监管指标数据显示，商业银行不良贷款余额12744亿元，较上季末增加881亿元；商业银行不良贷款率1.67%，较上季末上升0.08个百分点。我国商业银行不良贷款率已连续10个季度上升，由于关注类贷款和逾期类贷款增长较快，不良贷款后续仍面临较大压力，信用风险管控压力加大。此外，受不良贷款侵蚀、净息差收窄等多因素影响，我国商业银行利润增长持续放缓，商业银行2015年当年累计实现净利润15926亿元，同比增长2.43%。①
近日，中国银行业协会、普华永道会计师事务所联合发布的《中国银行家调查报告（2015）》显示，82.1%的银行负责人认为产能过剩行业贷款是2015年面临的最主要信用风险事件，钢铁、水泥、建材、船舶、光伏等行业遭遇经济周期下行和结构调整的双重压力，经营环境更趋艰难，整体行业信用风险持续攀升。[1]短期内，利率市场化仍将挤压银行的存贷利差空间，这对于长期以存贷利差为主要利润来源的盈利模式，以及依赖基于此种盈利模式而形成的风险管理模式将产生一定冲击。在此形势下，银行需要不断寻求安全高效的信贷资产，优化调整信贷结构，利用大数据进行商业银行信贷资产的管理应运而生。
（三）大数据信贷管理作用
首先，大数据将会改变信贷管理的分析方法，由于个人诚信数据库的建立，避免了以往到第三方处开具证明，利用抵押，质押等担保手段的繁琐与复杂。银行可以通过大量搜取客户的诚信信息，并运用特定的运算程序进行信用评级，综合分析判断最后决定是否放款。
其次，大数据将影响信贷管理的效率，随着大数据的普及与广泛运用，银行可以采用云计算等先进的技术手段进行分析，效率得以极大提高。
最后，大数据对于商业银行的信贷管理有利于优化其信贷结构，大数据的计算方法将改变固有的仅依靠企业财务报表及信用报告的信用评级方法，实现评级的多元化趋势。打破信贷结构中由大中型企业信贷垄断的局面，解决中小企业融资难的问题。
三、大数据在银行业务应用现状
目前，已有多家银行利用大数据的技术来增强自己的竞争力。中信银行信用卡中心通过大数据完成了实时营销；交通银行通过大数据实现了数据营销；建设银行通过此项技术实现了电子商务平台和信贷业务的结合；光大银行则以此建立了社交网络信息数据库；招商银行通过大数据来发展小微贷市场。由此，我们可以看出，从大数据概念的引入到在银行业的广泛实践，大数据实际上为中国银行业的发展带来了很大的帮助。
在客户营销方面，银行通过大数据的营销模式可分为交叉销售模式和个性化推荐营销模式。中信银行的信用卡中心实现了实时、历史数据进行全局分析，风险管理部门现在可以每天评估客户的行为，并决定对客户信用额度在同一天进行调整；原有的内部系统、模型整体性能显著提高。Greenplum数据仓库提供了统一的客户视图，更有针对地进行营销。2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，每个营销活动配置平均时间从2周缩短到2～3天。再以阿里信贷为例，其主要面向阿里巴巴的普通会员全面开放，无须提交担保和抵押，仅凭企业的信用资源就可以“微贷”。“微贷”通过网络低成本广泛采集客户的各类数据信息，分析挖掘的数据，判断客户资质，用户可以24小时随用随借，商务平台上的每一笔交易，建行都有记录并且能够鉴别真伪，可作为客户授信评级的重要依据。 在授信审批阶段，随着银行数据采集范围的扩大和建模技术方法的更新，银行已经开始探索采用大数据方式，完善传统的客户评级评分模型，优化自动审批策略。其特点在于变量丰富，模型稳定，可将稀疏的数据逐步加工为密集信息。在信用额度及利率制定上，根据大数据产生的客户风险参数，各项成本参数，市场敏感性参数来设定授信的额度。在交行信用卡中心，最丰富的数据是与客户电话沟通过程中的录音数据。录音数据是典型的非结构化数据，也是典型的“大数据”。一方面，数据不断累积，而且随着业务的繁忙，还在不断加速增长，存储和管理都较为麻烦，除了存储备用和少量的人工的质检调听外，几乎没有其他用途，海量数据大都成了“沉没数据”；另一方面，语音数据里蕴含了丰富的客户信息，如客户身份信息、客户偏好信息、服务质量信息、市场动态信息、竞争对手信息等，但由于技术的限制，一直没有有效的分析处理手段，数据的价值无法体现，具有丰富价值的数据却成了“死数据”。交通银行信用卡中心的破局之道，是采用智能语音云（Smart Voice Cloud）产品对海量语音数据进行分析处理。智能语音云是新型数据服务平台，它采用了大规模异构数据的高效存管和流式数据处理机制，实现了海量语音数据的归集、处理、存储、调用和分析。
四、大数据在信贷管理中对策建议
（一）大数据自身构建
为加强大数据在信贷管理中的作用，必须首先确保大数据自身构建的完善。大数据具有数据量巨大的特点，这一特点通常会造成与数据分析处理能力的不匹配，这需要加快技术创新，尤其是对基础设施的创新。大数据的基础设施通常包括硬件设施和软件设施，硬件设施主要提高云计算的灵活、动态的IT能力，以实现简化IT结构、降低管理成本、减少能耗的目的。而软件设施则主要通过培养一部分能够熟练掌握大数据应用技术的金融人才，其可以对数据进行实时深度分析，并对未来的走势进行准确的预测，为决策提供智力支持。
搭建开发式数据平台，客户信息和数据是银行的共有资源，在开发和分享的同时，要注意防范操作风险，保证合规政策的执行与落实。在建立企业级数据仓库的同时，要建立营销、风险等数据仓库，包括分析提供有力的信息与分析支持。为此，银行与电商平台可形成战略合作，银行业共享小微企业在电商平台上的经营数据和经营者的个人信息，由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。银行也可自建电商平台，获得数据资源的独立话语权。在为客户提供增值服务的同时，获得客户的动态商业信息，为发展小微信贷奠定基础，是银行搭建电商平台的驱动力。此外，银行通过建立第三方数据分析中介专门挖掘金融数据，在银行与电商之间，加入第三方公司来负责数据的对接，为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析，准确预测客户短时间内的消费和交易需求，从而精准掌握客户的信贷需求和其他金融服务需求。
（二）客户准入定价应用
在此环节中，应重点开发智能人脸识别技术在商业银行的应用。由于人脸信息有着不可复制、不可盗取、简便直观的特点，是大数据时代下商业银行重要的战略资源。在技术变革，人脸数据库识别系统成本降低，识别精度不断提高的情况下，此项技术在商业银行领域的潜在价值不断被挖掘提升，保障安全，节约时间，整合并挖掘数据资源方面具有广泛的应用前景。在贷款过程中，为避免欺诈现象的发生，可以利用已有的人脸信息进行身份验证，实现贷款客户身份认证信息化、智能化、网络化管理。由于银行数据是核心的金融数据，应充分考虑在监管要求下的用户数据安全，在具体应用的功能设计方面，应遵循相关监管政策与行业的规范。
此外，征信是现代金融体系的基础设施，是传统行业转型的内在要求，其本质在于对金融主体的数据刻画。现行征信体系以央行征信系统为主，具有非营利性，收费仅用于日常运营，是银行等金融机构主要征信信息来源。通过创新征信模式，如专门针对P2P行业而建的网络金融征信系统（NFCS）和小额信贷征信服务平台（MSP）可以更好地发挥征信作用。完善的法律体系是征信市场良性发展的前提，庞大而优质的数据库则是征信机构的核心竞争力。互联网征信机构有望凭借海量的互联网数据、强大的IT技术以及开放创新的思维，建立互联网平台征信模式；而非互联网征信机构则可能依靠多年的风险评估经验、特色征信数据，深耕区域性、专业性等细分领域市场。
（三）贷后监控环节应用
尽职的贷后管理可以发挥三个方面的作用：一是风险预警。通过有效的贷后管理及时发现风险隐患并快速化解，可以起到降低风险化解成本、减少经营损失的作用；二是存量客户深度挖潜。应该认识到贷后管理的过程是巩固客户关系和业务需求挖掘的契机；三是以管理创造价值。通过抓好贷后管理中的基础管理工作，可以有效杜绝客户信用评级中断、贷款临时性逾期等增加经济资本占用的事项发生，直接创造价值。
在“互联网+”、大数据不断深化发展的背景下，银行业需要在激发内生资源的同时，积极借助外力，提升贷后精细化管理水平，补足这块风险管理的短板。大数据在银行客户贷后风险预警体系中可包括单客户风险预警、客户群风险预警、风险传染预警等领域。依托运营商、互联网等外部数据资源，利用大数据位置定位、情绪分析、实时分析等技术，从偿付能力异动和偿付意愿异动两大维度出发，对个人客户、企业客户进行多维信息的深度洞察、行为精确跟踪，实现信用风险多维监控与实时评估。严格监控资金流向，把握资金流动规律，对于偿付出现的异常情况进行预警。建立适当的大数据贷后风险评估模型，将外部信息与银行内部信息如资金往来异常信息相结合，建立完整的企业预警信息系统。结合各个风险因素影响等级的不同对风险划分等级，实行分级管理。
五、总结
信息时代下，数据深刻影响着银行的未来发展。在中国庞大的人群和应用市场下，探索以大数据为基础的解决方案，深入洞察复杂且充满变化的市场成了银行提高自身竞争力的重要手段。在大数据时代下，传统银行需不断适应其自身的新角色，促进自身的转型。银行需要不断扩大触角，全面收集、分析、辨别复杂的信息，改变运营思路，审视市场和自身。
在经历过刺激政策下的信贷大投放、增速换挡中的信贷需求起落、结构调整阵痛期的信贷质量下降之后，细化对银行的信贷管理成为当下银行工作中的重中之重。而加快银行的信息化建设，完善银行数据结构，顺应数据化时代的浪潮，是推动银行经营转型的必由之路。
注释：①以上数据来自于中国银监会网站。
（作者单位为吉林大学经济学院）
