商业银行大数据征信应用策略分析

　国内征信业发展迅速、特点鲜明。国家专项法律和政策规划促进了征信机构及服务的多样性，立信、供信、征信、用信各方共同组成了征信市场，推动形成了全社会共同参与的“大数据征信资源”和“大征信市场格局”。为积极拓展、充分融合、创新应用内外部大数据资源信息，商业银行应制定适合自己的大数据资源采集策略、集成供给策略、信息产品策略和创新应用策略，建立完善大数据应用体系，为提升自身市场核心竞争力、提高经营发展潜力，安装动能更加强大的大数据引擎。

大数据征信范畴

在法律方面，征信专项法律对大数据征信涉及的范围，持一种宽泛、开放的态度。《征信业管理条例》仅将“个人宗教信仰、基因、指纹、血型、疾病和病史信息”作为禁止征信机构采集的内容；在政策方面，从《社会信用体系建设规划纲要（2014——2020年）》规划的“政务、商务、司法、社会”体系看，大数据征信涉及的更是一种全类别、全领域的信息范畴；在技术和理念方面，互联网＋、云计算、移动互联等大数据资源与技术的兴起，为信用经济和征信业提供了强大动力。互联网“一切信息皆信用”正在成为现代征信业的新教义。故大数据征信的范畴可概括为“以企事业单位和个人为对象，以了解掌握对象需求和风险为目的，以传统金融征信信息为基础，以新兴公共征信信息、商务征信信息、消费征信信息、社交征信信息为补充的数据采集、整合、加工、应用工作”。

商业银行大数据基础、局限与需求

基础：商业银行在国民经济中作用突出，其连通货币供给、货币需求、货币收支等职能，使其积累了大量的与企业及个人经济活动相关数据。这些数据可大致分为客户描述信息、申请签约信息、账户交易信息、业务状态信息、分类评价信息、分析估测信息六大类的客户数据，以及与这些客户数据相关联的行业、机构、时间、地域、渠道、介质、事件、数量等描述数据。由于商业银行的客户及其经济活动涉及到社会的方方面面，企业及个人与商业银行的互动往来也非常频繁，同时商业银行普遍注重开展信息化经营，故商业银行不断积累、持续更新的企业及个人信息，符合大数据“大量、高速、多样、价值”等基础特征。

局限：虽然商业银行具有较好的大数据基础，但其局限性也很突出。其局限主要表现为三个“分”：一是从行业间角度，公共资源信息分散在各公共管理部门、行业管理部门和公共服务机构，商业银行难以全面、高效地获得企业及个人公共信息，特别是随着互联网经济生活模式的兴起，对商业银行有价值的企业及个人商务信息、经营消费信息、关联社交信息逐渐向互联网服务商汇集，其形成的新兴大数据资源，分离于商业银行自有媒介形成的大数据资源之外；二是从行业内角度，银行业大数据资源非常庞大，但企业及个人相关信息分散在各家商业银行内部，彼此未能互联互通；三是从商业银行内部角度，客户数据来自各个业务条线，存储或应用大多处于分散状态，大数据应用效率较低。

需求：客户的需求挖掘和风险控制是商业银行需要大数据、应用大数据的主要动力。在客户需求挖掘方面，对潜在客户，商业银行需要大数据为其提供更全面、更多维度、更有时效性的企业及个人信息，以便准确把握客户的金融需求，进而从摆摊营销、扫街营销、陌生拜访营销和短信群发营销等传统的营销工作模式，有效升级到群体定位营销、事件名单营销、活动定制营销和需求精准营销等先进的营销模式；对存量客户，商业银行同样需要大数据，深入分析挖掘其价值潜力和发展潜力，进而做好业务推介营销、专业联动营销、客户培育营销和产品定制营销等客户维护工作。在客户风险控制方面，对潜在客户，商业银行需要大数据为其提供更有参照性、更多样化、更高效率的企业及个人风险识别信息，以便在营销准备工作环节中筛选好客户、准确定位目标客户，在客户准入工作环节过滤“坏客户”；对存量客户，商业银行需要大数据为其提供稳定持续、动态更新、真实可靠的企业及个人风险识别信息，在客户跟踪、业务监测、风险处置、不良追索等工作环节进行风险预警和控制，避免“客户劣变”给商业银行带来声誉、法律、资产等方面的损失。

商业银行大数据征信应用策略

1.大数据征信资源采集策略

首先是大数据征信资源定位，即确定大数据征信的采集范围。一般来说，商业银行在识别客户需求、估算客户营销价值、判断客户优劣、预测客户违约可能的过程中，既需要借助银行内部已掌握的客户描述信息、申请签约信息、账户交易信息、业务状态信息、分类评价信息、分析估测信息，也需要借助外部机构掌握的客户公共评价信息、商务经营信息、收支消费信息、社会关联信息。即因提供金融服务而产生内部客户信息和需要专门引入的外部客户信息应共同组成商业银行大数据征信资源。

其次是大数据征信资源获取渠道选择，即确定大数据征信的工作路径。商业银行获取客户信息可以分为“接洽获取”和“背对获取”两种方式。“接洽获取”即银行“面向”客户，从客户线下申办业务时提交的各类资料中、从客户申办线上业务时填报的各类登记信息中、从客户变更维护的其本人更新信息中、从客户使用银行工具的行为活动中提取客户信息；获取渠道通常是商业银行专用媒介，包括线下的银行网点、柜面、自助机具和线上的银行服务热线、网上银行、电话银行、手机银行、短信微信银行、银行门户网、银行电商平台等。“背对获取”即银行“背对”客户，从电话及走访调查活动中、从行政公示和媒体披露中、从征信机构专项服务中获取客户信息，获取渠道包括银行调查登记系统、行政公共媒体门户网站、征信专项查询系统等。

再次是大数据资源采集模式，即确定大数据征信的工作布局。可分为内部大数据资源采集模式和外部大数据资源采集模式，后者因采集内容对象的不同，又可分为公共大数据资源采集模式和商业大数据资源采集模式两类。对内部大数据资源采集模式，商业银行之间是趋同的，即“前台系统记录-后台数据存储-跨系统信息集中-数据仓库整合-形成内部大数据资源”；但对外部大数据资源采集，商业银行会面对很多选择。比如“法院判决信息”，就是一种典型的银行外部大数据资源信息，它对银行“客户准入”“客户风险监测”“客户评价”等工作可发挥有益作用。为获取该信息，银行可选择直接从法院对接获取、定期从法院网站获取，也可选择从有该项数据资源的征信服务机构间接获取。

2.大数据征信集成供给策略

内部大数据资源集成方面，商业银行应打破相关信息时间、地域、机构、业务、产品、渠道、系统、部门之间的归属“藩篱”，将信息集成汇聚在具体客户名下，实现商业银行“业务籍数据”向“客户籍数据”的转变。尤其是大型商业银行，应将“数据资源”放在与财务资源、人力资源同等重要的地位，实现银行本部与其分支机构之间，银行母公司及其独资子公司、控股子公司和参股子公司的数据集成与共享。外部大数据资源集成方面，商业银行应尽量选择与具有社会影响力、行业代表性、数据资源多样化、服务类型多元化的征信服务机构进行合作，以保障相关数据的来源正当、数据可靠、服务稳定和信息时效。

内外部大数据资源整合方面，商业银行应参考行业、监管、统计等信息标准，建立本行统一的客户信息分类、信息内容定义、时序多源同质数据的优先级排序等业务应用标准，建立相对应的原始数据入库、多源数据整合、残差数据清洗、失真数据出库、历史数据老化等技术处理标准，以及业务技术相结合的数据质量管控标准。通过相关标准，使内部大数据资源信息与外部大数据资源信息充分融合，促进商业银行利用相关信息，了解客户整体情况、分析客户偏好、定位客户需求、把握客户风险状态，进而做好客户营销和风险控制工作。

内外部大数据集中供给方面，商业银行应考虑三个方面的措施。一是以客户级大数据为基础，为存量客户建立视图画像，使商业银行向各管辖机构、各业务条线、各产品条线进行内容全面、形式友好的客户级大数据集中供给；二是建立专项集中的企业及个人风险名单库，统一“风险客户”等级标准，集中支持各专业条线、各金融产品对高风险客户的新产品新业务营销的过滤工作；三是统筹各专业条线、各业务环节对大数据增量信息的需求优先序列，对新客户、高等级客户、高时效业务、高风险业务实现大数据实时采集式更新；对存量、一般、普通时效业务、低风险业务实现大数据集中、批量、排序、滚动更新。

3.大数据征信信息产品策略

大数据征信为商业银行提供了丰富的资源信息，商业银行只有组织好这些资源信息，才能使其为营销拓展、客户准入、调查审批、评级授信、额度调控、产品定价、风险监控、不良处置等工作服务。资源信息的组织形态，最形象的表达就是大数据信息产品，现将三种征信产品形成机制及应用方式抽样示例如下。

营销类大数据征信信息产品：如通过外部征信机构合作，引入政府招标采购的中标企业名单、新兴优质纳税企业名单、新获专利或产品认证的企业名单信息，结合内外部大数据中的地域地址类信息、企业潜在金融需求分析信息，形成专项营销类信息产品，推送商业银行营销机构、部门及客户经理，增加商业银行拓展客户、营销金融产品的机会。

验证类大数据征信信息产品：如通过外部征信机构合作，获取业务申办人在第三方机构记录的身份资质、财务状况、资金流向等信息，形成验证类信息产品，用大数据信息与客户自行提交的资料信息进行比对验证，提升商业银行对业务申请人“资质掺水”“财务美容”“规模夸大”“交易作假”“身份冒名”等虚假情形的识别和防范能力。

预警类大数据征信信息产品：如通过外部征信机构合作，获取客户违法犯罪、公示处罚、商业违约、民事追偿、公共欠费、经营波动、恶性舆情等信息，整合为综合预警类信息产品，推送商业银行风控机构、部门及风险经理，从客户准入起到客户退出止，发挥事前、事中、事后全流程立体预警的作用。