淺析大數(shù)據(jù)征信下企業(yè)風險控制的優(yōu)勢與挑戰(zhàn)

胡樂樂

摘 要：大數(shù)據(jù)征信模式的數(shù)據(jù)信息來源廣泛，客戶信息價值相對豐富，可以更加全方位的了解企業(yè)真實面貌。而且針對那些在金融機構沒有信用記錄的客戶，大數(shù)據(jù)征信技術也能為其提供金融服務，可以有效防止的客戶流失。大數(shù)據(jù)征信技術運用先進技術手段進行過濾與整合，打破信息壁壘，實現(xiàn)信息互聯(lián)互通，進而分析預測借款企業(yè)的信用風險。大數(shù)據(jù)和云計算技術對收集來的碎片化信息進行關聯(lián)分析、交叉檢驗以及信息核實，可以有效地甄別小微企業(yè)虛假財務信息和借款人刻意隱瞞的負面信息，對企業(yè)的真實面貌進行全面刻畫。

關鍵詞：大數(shù)據(jù);征信;風險

1.大數(shù)據(jù)征信下企業(yè)風險控制的優(yōu)勢

1.1基于大數(shù)據(jù)平臺，強化風險計量水平

大數(shù)據(jù)征信不僅利用網(wǎng)絡爬蟲技術，為基于大數(shù)據(jù)征信的商業(yè)銀行小微企業(yè)信貸風險控制提供可靠的數(shù)據(jù)保證。而且利用圖像處理，自然語義處理等相關技術，提高非結構化數(shù)據(jù)的處理能力。同時，在傳統(tǒng)建模技術的基礎上采用機器學習建模技術，提高模型運作的自動化程度，實現(xiàn)流程的全自動化。此外，機器學習建模法可以實現(xiàn)各類風險管理參數(shù)和模型的動態(tài)調(diào)整，從而不斷提高模型的精準度，準確地計量出每位客戶可接受的最大風險敞口，提高銀行的風險計量水平。

1.2全流程化數(shù)據(jù)管理，提高風險控制效率

大數(shù)據(jù)網(wǎng)絡放貸平臺充分利用大數(shù)據(jù)以及機器學習算法，實現(xiàn)“線上操作+數(shù)據(jù)決策+模型管理”小微企業(yè)信貸服務模式，最快只需要幾秒鐘就可以審批完成一筆申請，無需任何擔保，通過信用評分即可獲得貸款。通過大數(shù)據(jù)征信，不僅實現(xiàn)了在線自動化、數(shù)據(jù)化、模型化審批，提高商業(yè)銀行的信貸服務效率，方便小微企業(yè)快速、便捷地申請到貸款;還優(yōu)化商業(yè)銀行的信貸流程、打破傳統(tǒng)經(jīng)營模式，實現(xiàn)可持續(xù)發(fā)展。

1.3實時動態(tài)跟蹤管理，提高風險控制能力

大數(shù)據(jù)征信模式可以利用數(shù)據(jù)挖掘技術在線7x24小時對客戶的行為數(shù)據(jù)進行采集，對借款人進行全面持續(xù)的風險監(jiān)測，形成全天候、全方位、全流程的監(jiān)測體系。實時評估結果，一旦發(fā)現(xiàn)任何風險跡象，及時通知相關業(yè)務部門，提示風險預警，推動業(yè)務部門及時全面深入的了解風險狀況，提前采取風險防范應對措施，盡可能降低銀行的損失。

2.大數(shù)據(jù)征信風險控制面臨的挑戰(zhàn)

2.1大數(shù)據(jù)專業(yè)人才缺乏

基于大數(shù)據(jù)征信的小微信貸業(yè)務不僅要求商業(yè)銀行業(yè)務人員既要熟悉信貸業(yè)務，又要具備較強的數(shù)據(jù)挖掘技術與建模能力。目前，商業(yè)銀行尚未建立專業(yè)的數(shù)據(jù)分析團隊，缺乏信貸數(shù)據(jù)的分析能力與有經(jīng)驗的人才。不少商業(yè)銀行由于自身能力不足，委托第三方對其系統(tǒng)、信貸模型進行開發(fā)與維護。

2.2系統(tǒng)駕馭能力不足

在數(shù)據(jù)收集方面，結構化數(shù)據(jù)處理較為合理，但面對社交網(wǎng)絡、電商平等非結構化數(shù)據(jù)處理存在諸多缺陷，不能將不同類型的數(shù)據(jù)有機結合起來，全面刻畫企業(yè)畫像;在數(shù)據(jù)分析方面，傳統(tǒng)信貸模式要求對結構化數(shù)據(jù)進行線性分析、聚類分析。而大數(shù)據(jù)信貸更需要擁有機器學習、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡等技術，對非結構化與半結構化數(shù)據(jù)進行交叉檢驗與相關關系分析，目前一些傳統(tǒng)商業(yè)銀行還沒有這方面的分析方法和模型處理能力。

2.3大數(shù)據(jù)產(chǎn)品有待優(yōu)化、大數(shù)據(jù)模型準確性有待檢驗

小微企業(yè)信貸產(chǎn)品適用范圍有限，大數(shù)據(jù)來源于互聯(lián)網(wǎng)交易平臺，針對有過信貸歷史的客戶。對那些很少上網(wǎng)和互聯(lián)網(wǎng)沒有普及的貧困山區(qū)或年齡較大人群，大數(shù)據(jù)也顯得無能為力，基于大數(shù)據(jù)征信的小微企業(yè)信貸產(chǎn)品服務的人群還是相對狹窄。

大數(shù)據(jù)模型的準確性必須要建立在大數(shù)據(jù)的有效性、充足性以及分析處理基礎之上，需要不斷的實踐反饋和反復優(yōu)化。目前我國商業(yè)銀行應用大數(shù)據(jù)征信技術還不成熟，此外，很多模型只適用于自己的小生態(tài)，應用場景十分有限。

2.4數(shù)據(jù)信息安全存在威脅

大數(shù)據(jù)信息竊取對個人隱私造成沖擊。大數(shù)據(jù)開放式共享平臺，客戶信息無時無刻都被政府部門、金融機構、公共服務機構以及社交網(wǎng)絡等平臺記錄和監(jiān)控。這些數(shù)據(jù)一旦被不法分子利用，就會對客戶進行形式多樣的網(wǎng)絡詐騙與推銷。此外，很多機構在大數(shù)據(jù)的信息采集、存儲以及分析的過程中尚未考慮客戶隱私問題。

2.5信息孤島仍然存在

目前工商、司法等信息已經(jīng)向社會開放，納稅信息經(jīng)授權之后也逐步被商業(yè)銀行使用。但是信息孤島現(xiàn)象依然存在。一是政府出于數(shù)據(jù)安全的考慮，社保繳費情況、固定資產(chǎn)、居住等與貸款風險控制相關信息，依然拒絕向企業(yè)開放，造成政府信息開放程度依然較低、進程緩慢，商業(yè)銀行不能充分利用政府的數(shù)據(jù)對企業(yè)的資信狀況進行判斷。二是各政府部門與商業(yè)銀行數(shù)據(jù)系統(tǒng)并不兼容，調(diào)用難度大、成本高，在一定程度上也影響了數(shù)據(jù)對接進程。

3.運用大數(shù)據(jù)征信技術完善小微企業(yè)風險控制

3.1實施大數(shù)據(jù)戰(zhàn)略，轉變小微信貸經(jīng)營模式

在戰(zhàn)略規(guī)劃方面，由業(yè)務發(fā)展為中心向以數(shù)據(jù)管理為中心的戰(zhàn)略轉型。商業(yè)銀行應該積極制定大數(shù)據(jù)發(fā)展戰(zhàn)略和實施計劃，可以通過成立大數(shù)據(jù)應用委員會或大數(shù)據(jù)模型實驗室，對加強數(shù)據(jù)挖掘、整合、分析，以及產(chǎn)品研發(fā)與應用，充分發(fā)揮大數(shù)據(jù)在小微信貸業(yè)務中的作用。

3.2進一步落實法律法規(guī)，完善信用體系建設

當前社會信用體系建設還存在一系列問題，整個社會的信用環(huán)境不容樂觀，社會成員信用意識薄弱、法律法規(guī)不健全、守信激勵和失信懲戒機制尚未真正實施，這些都是造成企業(yè)信貸風險大的原因。

3.3加強各方面信息融合，降低信息不對稱風險

（1）整合政府層面數(shù)據(jù)信息，實現(xiàn)信用信息共享

大數(shù)據(jù)征信的核心競爭在于客戶經(jīng)營數(shù)據(jù)擁有與獲取，基于海量數(shù)據(jù)對客戶的信用信息進行征集，從而挖掘出更多的有效客戶。這需要政府牽頭組織，整合各方（銀行、稅務、法院、工商、水電局等）信息，獲取小微企業(yè)信貸信息、納稅情況、訴訟情況、經(jīng)營狀況、水電繳納情況等關鍵信息，這些信息可以使商業(yè)銀行等金融機構更加全面和準確地了解小微企業(yè)的實際情況，從而降低違約風險。

（2）積極與大數(shù)據(jù)平臺合作，豐富客戶數(shù)據(jù)維度。

商業(yè)銀行要利用大數(shù)據(jù)征信技術進行信貸風險控制，打破傳統(tǒng)的數(shù)據(jù)界限，通過各種渠道盡可能多的獲取客戶信息，不斷豐富外部數(shù)據(jù)獲取渠道和數(shù)據(jù)類型。要充分利用互聯(lián)網(wǎng)平臺的數(shù)據(jù)優(yōu)勢，加強與三大運營商、電商企業(yè)、移動社交網(wǎng)絡等大數(shù)據(jù)平臺的戰(zhàn)略合作，提高小微企業(yè)信息的真實性、完整性。

3.4建設自身大數(shù)據(jù)平臺，提高大數(shù)據(jù)應用效率

在大數(shù)據(jù)征信時代，商業(yè)銀行競爭的關鍵在于數(shù)據(jù)應用，而數(shù)據(jù)應用的核心在數(shù)據(jù)分析處理。加強技術創(chuàng)新，通過搭建大數(shù)據(jù)分析平臺，提高數(shù)據(jù)應用能力。在硬件設施方面，要加強大數(shù)據(jù)倉庫的建設，實現(xiàn)多系統(tǒng)數(shù)據(jù)的業(yè)務邏輯整合;在軟件設施方面，通過選取Python，SAS，Matlab，R作為主要軟件，拓展數(shù)據(jù)渠道，提高數(shù)據(jù)存儲能力和非結構化數(shù)據(jù)的分析處理能力，利用圖像處理、自然語義處理等相關技術，可以有效的與人行征信系統(tǒng)對接，方便數(shù)據(jù)結果的輸入、輸出。

3.5加強大數(shù)據(jù)人才培養(yǎng)，推進產(chǎn)品開發(fā)與應用

商業(yè)銀行未來競爭是人才的競爭。實施大數(shù)據(jù)新技能技術的培訓、考核機制，培養(yǎng)大數(shù)據(jù)信貸風險控制理念，強化對大數(shù)據(jù)分析結論的解讀和應用，才能更好地洞察客戶需求，判斷行為趨勢，為信貸產(chǎn)品創(chuàng)新和業(yè)務決策提供有價值的參考。商業(yè)銀行要進一步開發(fā)基于小微企業(yè)的大數(shù)據(jù)征信產(chǎn)品，如信用評分、行業(yè)指數(shù)、黑名單、風險預警等專注于小微企業(yè)的風險評估征信產(chǎn)品。

3.6重視客戶信息保護，維護大數(shù)據(jù)安全

大數(shù)據(jù)征信技術管理不善，“大數(shù)據(jù)”也有可能演化成“大風險”。一是要加強立法監(jiān)督管理，借助監(jiān)管手段，提高大數(shù)據(jù)安全標準。二是要加強自我監(jiān)督管理，強化銀行內(nèi)部規(guī)章制度建設，對系統(tǒng)權限實行分層管理，減少越權違規(guī)操作行為。