银行信贷业务中的大数据研究

银行信贷业务中的大数据研究

陈冠羽

当前社会数据化的发展速度快，覆盖范围广，导致大数据很快成为了当前各个企业讨论的热门问题。银行作为商业的重心，自然成为了最早对大数据进行积累、应用的主体。并且，已经在大数据中探索出了一些成熟的、有价值的应用手段。

银行信贷；大数据；建议

一、前言

大数据时代是当前信息化发展的一个新的时代，银行信贷方面可以说是非常难得一种机遇，可以更好的发展银行的信贷业务，借助大数据的优势，促进银行方面的全面发展，让银行信贷业务突飞猛进，从而带动银行的整体业务。但也要注意其中出现的种种问题，并找到相应的解决方案进行研究解决，使银行信贷业务更好更快的发展。

二、银行信贷业务在大数据中的实践应用

银行信贷业务中，大数据的应用可以渗透到信贷业务的各个层面。本文主要探讨的是银行信贷业务方面的客户营销、准入、预警等问题的实践应用。

(一)客户营销方面

近年来，由于出现了各种技术手段的广泛应用，使银行在大数据下，对客户的营销手段也是层出不穷，但主要可分为两类。

1.银行信贷业务在大数据下的交叉销售模式

这就包括了银行内部的交叉营销和银行外部的交叉营销模式。其中，在银行内部的营销模式中，已经出现了很多成熟的金融产品，而银行方面的基本思路是利用POS商务的交易数据，银行根据这些数据的显示，找出信誉相对较好、交易量高、具有稳定交易额的客户，借助预授信的方式，先客户实行无抵押的小额贷款业务。这样的营销模式与互联网上的许多贷款方式类似，这样的信贷方式还有很多，这也是在大数据下信贷方面一个便捷的发展。在银行外部也可以进行信贷业务，进本做法是让银行与税务部门相互合作，根据缴纳税务方面的清单，来选出缴税高、缴税稳定的企业，在对这些企业进行中和性的评价，来为这些企业进行信贷业务的发放。但是就当前来说，银行在当前的大数据环境下进行的信贷业务也仅仅只是一个开始，根据当前银行线上业务还有很多数据方面的沉淀，根据当前的分析，也很容易让大数据在银行发展的基础上，发展到其他的领域。同时，银行信贷业务不仅仅可以和税务部门合作，其合作部门还可以是海关、工商、专利等部门，根据这些部门提供的相关数据，也可以开展信贷业务。

2.银行在大数据下个性化的销售模式

这种模式根据记录客户在网上银行入口和消费习惯入手，对客户的风格和在消费偏好入手，将一些适合客户的产品或者服务放在客户最容以接收的地方，给客户推送具有针对性和精准性的产品或服务。然而，除了这个方面，银行还能根据客户平时在办理业务时所选择的风险和产品偏好关联性方面，将银行为客户定制的信贷业务对其推送，这样在银行的推送和信贷业务方面也有很大的发展空间。

这样的方式，只是根据银行的发展情况结合大数据进行的一方面做法，在将来，随着大数据下银行业务方面的慢慢适应，相信还出衍生出更多的新做法。银行在开展较差营销分析中，加入大数据的模式，就能够实现以低成本的方式让客户的产品覆盖率以及客户粘稠性得到较高的提升，从而加长客户与银行方面的合作。

(二)客户准入环节的应用

对于信贷方面的客户，在客户准入环节的授信和审批工作，也是大数据环境下，银行信贷业务的核心应用。在国际社会，上世纪五十年代中期，欧美国家内部一些银行就开始针对信贷业务，进行了对客户方面的星级评定和信用评估，同时还加上了专家的经验、自动评分和自动决策的方式，实现了人工与自动化相结合的授信审批工作。例如，一部分的欧美银行的自动化审批和决策已经达到了85%以上，这样不仅提高了授信审批工作的效率，对授信审批人员的资源也进行了节约，还有效的控制了银行的风险问题。

当前，银行对于数据方面采集范围以及建模方法的更新，银行的业务已经和大数据紧紧相连，这样不仅可以对传统的授信审批工作进行完善，还能对自动化的审批策略进行优化。与传统的评分和评级方法相比，大数据的评分评级模式有很多的优势。

1.数据更广更丰富

传统的评分与评级系统一般有8～15个变量，一般都是一些客户的基本信息、固定资产、固定收入、证信等方面的信息，这些信息都是密度较高的信息。但是对于大数据来说，除了这些密度较高的一些信息之外，还可以加入密度较低而体量较大的信息，比如客户的网上消费数据、用户偏好等。可以将变量成百倍千倍的增加，把这些变量加入大数据的模式，银行也可以利用大数据将这些变量更好更稳定的分析出来。

2.根据嵌套模型的技术构架

银行可以根据刚刚从大数据中刚刚采集到的稀疏的数据，先通过子模具加工成密集的信息，同时在把这些信息进行加工处理，形成模型嵌套型的模式。

3.加入候选型的模具嵌套

当某一个数据的应用性开始下降并且下降到一定的程度时，自模具就会自动的将这一信息进行剔除，候选型的模具就会将这一信息进行重新处理，再加入到其他可以利用的模具中，这样可以让银行在数据利用方面达到最大化。

这样一来，使得单一变量和模具上面对出现的问题和波动，就不会对整体有什么危害，来保证模具方面的稳定性，对模具方面的预测结果也会提升。银行在大数据的基础上，对客户进行信用方面的评级和评分，让评级与评分跟专家设计的业务规则相比较，从而加入到信贷业务的流程方面，这样一来，就形成了银行信贷业务的自动化审批，对客户也可以进行更准确的识别工作，提升工作效率。

对于新客户来说，也同样可以运用大数据，来准确的将新客户进行定位工作，在当前的发展中，可以针对性的给新客户提供精准的产品和服务。还能根据新客户的资产、信誉等方面的问题，制定出合理的信贷政策，来决定新客户在当前所用的额度上限、所还期限等问题进行分析和定位。

(三)贷款后对客户的监控和预警作用

银行的信贷方面，在贷款后的管理上，一直是我国银行信贷管理的薄弱环节，越是薄弱的环节，越能体现大数据的关键作用。在传统方式下，国内方面，银行大部门都是银行客户经理或者其他支行对客户进行分散式的贷后信息管理，这样就会出现管理效率低下。银行贷后管理工作实际进行中，往往会出现信贷的客户或者企业已经出现了巨大的变化，导致没有办法挽回之后，银行总部方面才能得到信息，让银行在信贷解决的问题上一直处于被动局面。

1.大数据下的客户的监控和预警

针对传统的方式，已经有银行将大数据模式引入到当前的信贷售后管理方面，并且取得了很好的收益。利用大数据的方式可以根据企业的资金流向、业务进程、收益管理等方面进在大数据的帮助下，进行信息的汲取工作，根据企业资产的方向、流向以及资金的稳定性来了解企业的稳定性，从而完成预警工作，减少损失。不仅如此，还应当建立完善的企业预警系统，将预警中对信息触发的规定告知总银行和各个支行，从而对后续的管理方式进行完善。

2.大数据下关于企业的风险监测

银行可以根据各个企业和客户在信贷业务中担保人入手，对担保人作出相应的整理，做出一个担保人的担保圈，并且对这个担保圈进行一个严密的监视行动。找出关键的风险人，一旦在担保中出现崩塌式违约行为，还能及时的将切断担保链，阻止风险在担保链上继续传播；还要在担保圈中找出高危圈和良性圈，对这些风险担保机构进行一个分类、监控和处置。当然，除了企业之外，还可以根据这种方式对个体进行监督预警。对于个体来说，流动性大，运动方向不规律，这就需要银行能与旅行社、4S店、楼盘等机构进行合作，利用大数据来进行获取借贷个人的资金动向，对其进行风险预警。

三、大数据在银行信贷业务应用中的相关建议

银行根据大数据对传统的信贷业务进行分析和管理，可以让银行用较低的成本，来保证银行有一个高收益，也是快速提升银行经营业绩的重要手段，同时还是银行未来发展的一种必要趋势。经过几年的发展，大数据影响到了各个企业，在商业银行方面，对大数据的重视程度也明显有了提升。但是也出现了一些问题。比如在大数据的分析方面，有些银行不知道怎么去具体的操作。其实，银行实施大数据的分析，可以根据有明显效果的产品或者服务入手，对新产品进行设计、营销，对新产品和服务可以先向一些老客户进行推荐等，来获取银行内部管理层的支持和老客户的信任，从而可以获取支持银行自身发展的资源投入。与其他企业一样，银行也可以在大数据的基础上，向社会发布公用产品，比如征信评分、商业风险指数等，对一些投资者进行免费的风险评估宣传，增强企业在社会的影响力。

同时，银行还可以根据出集中的、在数据库方面的挖掘和分析基础平台的建立，将大数据下客户的详细信息和资金流向做出明确的分析工作。对客户的资金流动方面做出预警，从而减少银行自身不必要的损失。我国和欧美国家不同，我国的法律还没有针对信贷客户隐私方面的保护，但从银行发展到现在的业绩中来看，也没有出现过应为客户隐私而产生的纠纷问题，但是这种问题会潜在的存在与银行信贷业务的应用当中。因此，出去对银行信贷客户隐私权的保护，在使用客户的明细数据用来对外部进行管理之前，需要经过客户本人的同意和明确的许可。银行在经营方面，也要对客户进行一个隐私权的保护体系，确保在当前大数据环境下银行的信贷业务看展不会将客户的隐私进行泄露。

(中信银行广州分行，广东 广州 510120)

[1] 石汉章.大数据在银行信贷业务中的应用实践及建议

[J].经济，2016，(9)：278-279.

[2] 胡高霞，吕东.大数据技术在银行业务中的应用[J].武汉金融，2016，(1)：54-55.

[3] 宋婷汀.大数据在银行业务管理中的应用研究[J].港澳经济，2016，(23)：60-60.

[4] 王彦博，高潜，杨璇.大数据时代下智能人脸识别技术在商业银行中的应用[J].银行家，2016，(2).

[5] 李虹含.大数据技术在商业银行中的应用：场景、优势与对策[J].广西大学学报(哲学社会科学版)，2016，(1).

[6] 杨瑾.大数据助推商业银行信贷业务与风险管理创新[J].全国商情·理论研究，2016，(31).