银行业大数据环境下的个人消费金融研究_数据分析师考试

随着经济形势向“新常态”的转轨和产业结构的深化调整，经济增长三驾马车的推动力有所转变，开始逐步由投资、出口拉动过渡为消费拉动。个人消费金融将成为银行业务增长的下一个蓝海，个人贷款在银行信贷业务的占比逐步提升，客户需求挖掘和风险管控能力成为业务健康发展的关键和核心，实现这一要求的路径将是依托于大数据环境下的先进技术。

　一、研究大数据环境下新型个人消费贷款业务的意义

随着数据信息的爆炸式增长和现代化信息技术的快速渗透，传统的信贷管理模式已不相适应，个人贷款的业务发展应立足于内外部信息高度整合和大数据技术之上，建立个人客户360度全面的信息画像，实现高效的、事前的、定量化的风险跟踪评估，构建更为深化的个人信用全景视图。

一方面，我国的个人征信体系建设处于起步阶段，个人信用评级的客户基本资料、银行资金流信息、社会活动特征等记录分散、条块分割、统计片面，银行很难对借款人的信用状况有较为全面的了解。个人客户信用风险管控能力完全依托于客户大数据信息资源的整合能力，银行需要努力推进行内客户交易、行为信息的充分挖掘，同时积极搜集整合行外各平台客户的社会行为信息，实现大数据信息的充分利用，构建信用风险管控新思路。

另一方面，国内外经济金融环境、监管政策都发生了深刻变化，尤其是互联网企业的跨界经营，凭借其庞大的活跃年轻客户群体、众多的应用场景和良好的服务体验，在支付结算、投资理财、小额信贷等领域创新不断，对长尾客户形成更强的场景应用粘性，并对中高端客户逐步形成影响力，对银行零售客户基础拓展形成强大冲击。

　二、个人客户大数据整合方向

商业银行有其自身利用大数据技术的先天优势。首先银行拥有客户的历史违约信息，金融资产信息、代发工资、贷款记录等金融核心信息，这些信息对于客户信用风险的判断具有重要意义；其次银行的信用风险管理经历了十几年的发展历程，积累了较长的数据信息和业务经验，就互联网金融企业来说，目前所积累的时间长度甚至连进行验证的长度都达不到要求，特别是在经济环境发生显著改变的情况下，没有完整周期性的数据支撑识别风险的能力。因此对于商业银行而言，多年积累的业务数据的价值还远未完全发挥，尚待深钻、分析和应用，应尽快加强将基于内部数据的分析应用能力，与此同时，合规合理地引入外部数据，提升自身数据的多样性、细化数据粒度，为“内外兼修”的大数据平台建设做好准备。个人客户行外数据搜集整合未来的整合方向可从以下这些方面展开：

三、大数据在个人消费贷款业务的应用

（一）推动个人客户数据整合，拓展大数据信息基础

积极推动银行前中后台、线上线下各系统以及公私客户管理平台的个人客户融资、结算、交易等信息资源整合，通过建立个人客户行内数据资源库，贯通个人客户信贷与结算信息，实现行内个人客户信息的共享。同时，建议总行相关部室能够协助拓展外部信息数据来源与维度，实现对个人客户征信信息、公安信息、社保信息等重要社会属性与线上、线下海量消费信息的购买与整合，尝试构建在大数据背景下的全口径个人客户风险统一监控视图，实现对个人客户全方位风险的主动预警、联动防控，确保我行个人客户融资资产质量稳定。

　（二）设计互联网思维的个人消费贷款产品

为落实发展普惠金融的政策导向，满足互联网时代个人客户多元化消费融资需求，银行应立足于内外部信息高度整合和大数据技术之上，从银行风险可控、客户需求挖掘双维度出发，设计网络渠道的便捷个人消费贷款产品。运用大数据思想，通过整合个人客户基本信息、银行业务往来信息、行外行为信息建立客户统一信息视图，识别目标客户特征，根据模型测算个人消费贷款产品准入门槛、贷款额度和营销方案。围绕“风险可控”、“需求导向”两个维度设计产品。产品实现可分为三个环节：第一，利用反映客户还款能力和信用情况的信息建立模型，测算客户潜在风险；第二，利用反映客户资金需求的信息建立模型，测算客户的潜在需求；第三，根据模型建立中未考虑的风险因素制定黑名单。

（三）基于大数据挖掘技术，建立分产品风险预警模型

以个人客户融资活动为主线，积极利用行内数据资源与行外信息，围绕个人客户的融资区域、融资产品、贷后（投后）管理、融资风险传导等内容，分层、分类、分级对个人客户风险展开专项分析与预警。针对不同的个人贷款产品，挖掘和揭示对应的风险因素和风险特征，基于大数据挖掘技术，根据不同产品风险特征分别建立多因子风险预警模型，对正常状态贷款未来出现不良的可能进行预测，并根据预测结果建立针对性的、分层次的信用风险防控措施。

　四、总结

第一，电商企业大举挺进商业银行的传统业务领域，深刻改变了个人的金融行为和习惯。银行业应基于自身的信用数据优势和存量客户积累，针对不同客户群的需求特点，开发具有针对性、面向特定客户、运用互联网思维和技术的存贷款创新产品，构建更加合理的零售金融资产布局，满足客户的融资需求，有力的践行普惠金融政策要求。

第二，在大数据来源渠道方面，非常有必要做好自身既有数据的价值深钻和分析架构的大数据改造，将内部数据的深钻、分析和应用作为当前提升大数据应用能力的首要，同时积极引入具有应用价值的外部数据。在大数据平台上运用人工智能技术、计量建模工具，建立事前风险防范堤坝，定时对模型更新优化，提高信用风险预警效率。

第三，基于大数据的深度信息挖掘建立风险控制与精准营销相互优化的业务闭环。通过大数据的运用能够细致的利用消费者消费前、中、后信息，建立用户立体画像，跟踪用户在整个生命周期内的行为动态，从而提高信用风险的精细化管理水平。将风控、偏好分析、精准营销同时植入到管理环节，达到实时、在线完成相关业务决策。