信貸圈：漲知識 | 用大數據來看銀行信貸風控！

無信任不金融，互聯網降低了金融准入門檻，但信任門檻永遠在那裡。金融的發展，是建立在「信任」之上的， 對於銀行這類金融機構更是如此，銀行只有先贏得用戶信任，才有機會開展業務。至於如何獲取信任，在自身的風險管理和服務上絕對要做好。

銀行風險管理大體上包括信用風險，市場風險，操作風險三大塊。發達國家的銀行，至少要用一半的資本抵禦信用風險損失，15%-30%抵禦操作風險，5%-10%抵禦市場風險。

先說市場風險，是指因未預料或未對利率、匯率、主營客戶所在行業商品價格波動採取應對措施而導致的潛在風險。目前銀行利率工具和信用工具，例如互換、信用衍生品、利率衍生品應用還比較少。操作風險，銀行這一塊剛剛起步，比較專業的模型少，也未廣泛應用，僅僅停留在諸如「銀行從業幾十個嚴禁」這種稽核檢查，這種都是基層基礎工作，也說不上技術。

一、如何進行風險管理？

1. 銀行的主要風險是信用風險，其中貸款風險是主要內容

銀行要給一個客戶做貸款，一般前提是該客戶在銀行有較長時間的結算關係，有賬戶流水，更重要的是日常企業財務到銀行對公櫃檯儲蓄櫃檯辦理各種業務透漏出來的一些信息，客戶經理會和企業財務聊，從而獲知企業的運作情況以及資金需求，傳統上一般不和陌生客戶打交道。

當企業符合一定條件了，銀行才開始介入授信放款，包括主動向客戶營銷信貸產品或客戶主動申請貸款。借款人通過貸款銀行進行日常結算，銀行通過檢查賬戶往來，可以發現一些信息。

例如：近期借款人貸款1000萬購買100 台汽車，那麼1000萬支付出去以後，正常情況下後面陸陸續續會有汽車銷售收入進賬，比如一周進展幾十萬，那麼這就是汽車在銷售。如果一個月內沒有任何進賬，那麼銀行就會很緊張。 還有借款人繳稅、水電費支付都是通過銀行代扣代繳、工資通過銀行代發。銀行通過觀察其支付是否中斷、是否明顯減少等，來判斷企業經營是否發生重大變故。

如何做好銀行信貸風控，不少互聯網公司提供了辦法，通過一些互聯網信息，運用大數據，數據挖掘，機器學習，反欺詐等計算，批量化操作。這是一個有意義的嘗試，大數據固然重要，同時我們也不應忽視小數據，將那些與手裡的客戶有關的小數據，與大數據模型結合。結算數據類似於抽樣，從客戶成千上萬的變數中抽取最能代表客戶風險狀況的東西——現金流信息。有時候做好了現金流分析，已經能夠判斷風險80%,當然客戶的一些社交網路信息，如微博、qq信息，微信信息，也可以發揮一定作用，作為一種預警信息。

2. 管人是風控管理最本質的一點

現在有各種風險防範方法，人防物防技防，例如用大數據建模篩選信貸客戶，用行為模型做貸後管理，但歸根結底，風險管理本質上還是管人，這是最基礎的一塊。

一方面，要管好手下的人。你明明知道事情該如何做，但是具體的事情要別人去做，手下的人品質出了問題，再強大的風險控制體系，都無濟於事。例如P2P公司業務員造假資料、騙貸款這樣的事情，就是金融機構最擔心的事情之一。如果員工對公司缺乏歸屬感，只為高薪，那流動性就大，人品風險也比較大。如何管理人員，如何樹立價值觀，人員、業務管理不好，本身就是巨大風險，有時候，一個機構的風險往往不來自於外部，而是內外勾結。

另一方面，如何管理好客戶，既要防範客戶可能帶來的風險，又不能失了人情味。現在技術發達了，銀行用上了信貸管理系統，加上互聯網，用大數據建模型管理貸款，反欺詐手段高明了，但欺詐手段也升級了，在這方面，要對客戶進行技術風險防控。但同時，信用還是要靠人與人之間的感情建立的。因此也不能只用冷冰冰的數據與模型，需要人與人之間人情味的交流。

3. 跟進相關政策法規

做風險的很多時候要和法律打交道，一方面要熟悉法律上對信貸的風險監管，防止誤入「雷區」；另一方面法律法規經常變化，有時候一個不經意的變化，就會導致很多業務翻新。

例如：2015年8月6日，最高人民法院發布了《最高人民法院關於審理民間借貸案件適用法律若干問題的規定》，核心是企業間直接融資渠道的逐步合法化、廢除四倍利率上限標準、網路借貸平台擔保的合法。看似平常，卻極大地影響徵信模式。這個司法解釋，明確了企業借貸的合法性。而在目前企業之間的借貸未納入銀行徵信的情況下， 依靠徵信系統的銀行將無法掌握企業的實際負債情況，會增加銀行授信調查工作的難度。

二、大數據時代下銀行信貸的未來趨勢：大數據+機器智能徵信

隨著移動互聯網、雲計算、物聯網和社交網路的廣泛應用，人類社會已經邁入一個全新的「大數據」信息化時代。而銀行信貸的未來，也離不開大數據。

國內不少銀行已經開始嘗試通過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，光大銀行建立了社交網路信息資料庫，招商銀行則利用大數據發展小微貸款。從發展趨勢來看，銀行大數據應用總的可以分為四大方面：

1. 第一方面：客戶畫像應用

客戶畫像應用主要分為個人客戶畫像和企業客戶畫像。

個人客戶畫像包括人口統計學特徵、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據。值得注意的是，銀行擁有的客戶信息並不全面，基於自身擁有的數據有時難以得出理想的結果甚至可能得出錯誤的結論。

比如，如果某位信用卡客戶月均刷卡8次，平均每年打4次客服電話，從未有過投訴，按照傳統的數據分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。所以銀行不僅僅要考慮銀行自身業務所採集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的了解。包括：

（1）客戶在社交媒體上的行為數據（如光大銀行建立了社交網路信息資料庫）。通過打通銀行內部數據和外部社會化的數據可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理；

（2）客戶在電商網站的交易數據，如建設銀行則將自己的電子商務平台和信貸業務結合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑藉過去的信用即可；

（3）企業客戶的產業鏈上下游數據。如果銀行掌握了企業所在的產業鏈上下游的數據，可以更好掌握企業的外部環境發展情況，從而可以預測企業未來的狀況；

（4）其他有利於擴展銀行對客戶興趣愛好的數據，如網路廣告界目前正在興起的DMP數據平台的互聯網用戶行為數據。

2. 第二方面：精準營銷

在客戶畫像的基礎上銀行可以有效的開展精準營銷，包括：

（1）實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶採用信用卡採購孕婦用品，可以通過建模推測懷孕的概率並推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；

（2）交叉營銷。即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然後用遠程銀行來實施交叉銷售；

（3）個性化推薦。銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；

（4）客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。

3. 第三方面：風險管控

包括中小企業貸款風險評估和欺詐交易識別等手段。

（1）中小企業貸款風險評估。銀行可通過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。

（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶賬號或侵入自動櫃員機(ATM)系統的罪犯。

4. 第四方面：運營優化

（1）市場和渠道分析優化。通過大數據，銀行可以監控不同市場推廣渠道尤其是網路渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。

（2）產品和服務優化：銀行可以將客戶行為轉化為信息流，並從中分析客戶的個性特徵和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大數據進行初步分析，通過對還款數據挖掘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。

（3）輿情分析：銀行可以通過爬蟲技術，抓取社區、論壇和微博上關於銀行以及銀行產品和服務的相關信息，並通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發現和處理問題；對於正面信息，可以加以總結並繼續強化。同時，銀行也可以抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為自身業務優化的借鑒。

銀行是經營信用的企業，數據的力量尤為關鍵和重要。在「大數據」時代，以互聯網為代表的現代信息科技，特別是門戶網站、社區論壇、微博、微信等新型傳播方式的蓬勃發展，移動支付、搜索引擎和雲計算的廣泛應用，構建起了全新的虛擬客戶信息體系，並將改變現代金融運營模式。

大數據海量化、多樣化、傳輸快速化和價值化等特徵，將給商業銀行市場競爭帶來全新的挑戰和機遇。數據時代，智者生存，未來的銀行信貸，是從數據中贏得未來，是從風控中獲得安穩。

40萬信貸精英之選，就在好貸網·信貸圈（微信：xindaiquan2013）

推薦閱讀：