大数据如何帮助银行评估借贷信用

如果把国民经济比作人类肌体，货币即是血液。如何让“血液”适量、适时、适度地流到需要的领域，时刻考验着金融机构的资本管理能力，尤其是对金融业总资产占比合计80%以上的国有商业银行、股份制商业银行、城商行、农商行而言，自身健康发展对国民经济的重要性不言而喻。

然而，银行是经营风险的行业，与生俱来的行业属性决定了银行业始终要与风险为伍。银监会主席尚福林曾坦言，信用风险始终是银行业面临的主要风险。值得警惕的是，借贷信用判断不当，会直接将银行引向流动性风险。

——一改传统信用评估模式

为什么信用风险在银行业内难以做到可控？传统上，银行对借贷客户信用能力的判断，依赖其资产负债情况、以往的信用记录、抵押担保等信息，搜集的有效信息来源不全面；同时，由于采集的信息存在滞后性，并不是实时动态信息，所以难以及时捕捉风险；过于依赖信贷审批人员的主观判断，易造成风险评估的失准；贷后风险管控存在难度，难以避免逾期催收。如果能够有每一个企业动态、完整的画像，将可以解决这一难题。

大数据可以为企业进行完整画像，极好地帮助银行完成贷前调查和贷后风险管控。大数据系统实时、动态地获知贷款企业的行政处罚、工商处罚、税务处罚、环保处罚、海关处罚、法院诉讼等信息，一旦发现负面潜在风险，系统即自动预警。

——控制征信风险高发区

一直以来，小微企业是征信风险的高发地，使小微企业贷款风险可控，将解决银行业的一大痛点问题。小微企业融资难问题主要在于银行对于小微企业的信息把控不准确，或者说信息不对称。大数据的参与帮助商业银行更好地评估小微企业的还款能力，推动良性信贷增长，改善了商业银行的信贷结构，进而引导货币流向更有生命力的产业。

在“大众创业，万众创新”的浪潮下，势必会诞生更多的小微企业。通过数据采集、数据分析、数据建模，为每一个小微企业作出精准画像，进行有效评估。

无论是大型企业还是小微企业，其征信都将通过大数据来整体衡量。大数据通过挖掘企业运营、财务数据等信息实现了对企业的信用评级，在此基础上，对多头贷款、关联担保等进行分析，针对有经营异象的企业进行信用预警。

可以说，银行业正在经历一场前所未有的数据化、信息化革命转型，正在将数据作为判断市场、精准营销、发现价格、评估风险、配置资源的重要依据，从而将形成新的金融生态。

——银行如何有效利用大数据

尽管当前大数据的大量涌现，但就当前银行形势而言，如何在大数据时代利用好大数据是银行业需要认真研究的课题：

（一）如何获取大数据。虽然银行业本身拥有大量的客户数据和交易数据，但是随着人们生活日益网络化、移动化以及金融非中介化现象日益突出，银行业所拥有的数据越来越有限，银行业需打破现有界限，收集广泛游离于银行之外的数据。

（二）如何挖掘、分析大数据。在原有数据时代，银行业已经在数据分析应用方面积累了大量的实战经验，但是这些数据大多是结构化的，而广泛存在于社交网络、物联网、电商平台等媒介的数据更多的是非结构化和半结构化数据，银行需要采用复杂的方法从这些海量碎片化的数据进行取舍获得有价值的数据信息。获取、利用大数据的能力将成为决定银行竞争力的关键因素。 

——银行业应对大数据时代的策略建议 

尽管当前的大数据时代，银行业相对处于落后态势，但银行业仍需应充分认识大数据的颠覆性影响，积极发力，尽早布局。 

（一）拓宽客户数据来源渠道 

银行业要打破现有客户数据源的边界，应更加注重电商平台、社交网络等新型数据来源，拓宽渠道获取尽可能多的客户信息，并从这些数据中挖掘出更多的价值。首先需积极建立自已的社交平台如微博、微信、博客等，并将其努力打造成与电话客服并行的重要服务渠道。拓宽与客户互动渠道，充分利用社交网络的作用，既有助于宣传业务、树立良好的品牌形象，又可以从同客户的互动中，了解对客户的真正需求，获得完善和创新产品、服务的新方法、新思路。二是建立与第三方大数据平台合作模式，将银行内部数据和第三方数据互联，获得更加完整的客户视图，从而进行更为高效的客户关系管理和业务精准营销。大数据时代，复杂的大数据注定难以被某一家企业、机构独自掌控，任何想独自霸占大数据的想法和行为都不太可能实现，企业之间的合作共赢是时代的潮流。银行可与电信、电商等第三方大数据平台开展合作，进行数据和信息的共享和利用，全面整合客户信息。当然，在合作过程中如何保护客户信息安全是是值得深入研究的课题。三是积极搭建自己的大数据平台，逐步积累客户数据，将核心话语权牢牢掌握在自己的手中。 

（二）不断提高数据挖掘、分析能力 

构建银行强大的“大数据”处理能力，应该是两条腿走路：一方面，要与数据分析的专业厂商加强合作，利用专业厂商的先进技术，对银行已经存在的“大数据”进行综合处理与分析。另一方面，要加大建立和培养银行自己的大数据分析人才队伍。对大数据进行处理，需要分析人员具有更高的素质，不仅要有较高的业务理解力，而且要有很强的数据建模、数据挖掘的技术能力。因此要下大力气推进大数据人才的梯队建设，逐步打造培养专业、高效、灵活的大数据分析团队，不断提升银行处理、分析数据的能力，挖掘海量数据的商业价值，从而在数据的浪潮中逐步建立有利地位。