劍走大數據風控,商業銀行還能否真的大數據化?

首頁 > 企業資訊 >正文

【摘要】從眼前這個階段來看,很多平臺在輸出的大數據風控能力,在C端已經取得了不錯的成績,但進入到傳統商業銀行的B端客戶業務,中小微企業和線下的個人小微企業主,就需要一個相對更長期的風險管理過程,因為大數據風控與中小微企業之間的適配度還有待加強,這個階段更多需要與現有銀行信貸系統輔助進行放款。

  陳凱  ·  2016-12-31 08:00
劍走大數據風控,商業銀行還能否真的大數據化?    - 金評媒
作者: 陳凱   

和互聯網金融在過去幾年的聲囂塵上相比,另外一個主要的金融化互聯網改革領域就是傳統金融機構的業務和渠道互聯網化了,并且主要是在銀行的零售業務上開始逐步顯現出互聯網化的特點。

正因為銀行零售業務和目前很多互聯網金融平臺的消費分期、小額信貸以及理財、支付等有很大的重疊性,加上很多銀行端的零售和消費金融服務逐漸被場景化的產品和渠道所分流,一定程度上也加大了商業銀行決心進行互聯網化的內部驅動力。目前國內的很多中小銀行紛紛開始引入一些大數據風控產品,或者將自身的信貸業務后天進行流程化改造,以提升效率降低成本。

實際上,對于商業銀行而言,傳統的信貸審批流程更多的是發揮“人治”的作用,核心是客戶經理和信貸經理在放款流程中起到的個人經驗作用,并通過一些相對比較標準化的信貸審核維度來進行額度擬定。這個流程就決定了要經歷一個較長的信貸審批流程,在各種信用審核材料都完備的情況下才能最終實現信貸款項的發放。而在互聯網金融企業中,這種信貸流程一定程度上被數據化和電子化了,尤其是在面向C端的用戶信用分期和信貸貸款產品中,通過大數據征信模型可以提前給用戶形成一個消費額度,只要用戶發起消費流程就可以立馬獲得貸款進行消費。

而且,實際情況也證明,這種數據化和海量因子模型的大數據風控系統一定程度上是可以降低C端和小微B端市場的信貸不良率的。有一組數據可以參考:

在國內經濟轉軌和供給側改革的背景下,中小微企業面臨較大的生存壓力和危機,這一點可以從近2年商業銀行的不良率和利潤增速上反應出來,目前中小銀行的不良在2-3%的水平也不奇怪,一些大行也開始突破1%,說明在經濟下調周期,產業局部蕭條確實給信貸管理和信用審核工作帶來更大難度。

而一些線上的純數據和信用類貸款平臺,其不良率卻能保持在1%以下。今年6月份,開業滿一年的浙江網商銀行對外表示,一年來,網商銀行運用大數據風控、互聯網技術等能力,累計服務了170萬家小微企業,貸款資金余額達到230億元,一年來網商銀行的戶均貸款金額不到4萬元,戶均貸款頻次遠高于同業,不良貸款率為0.36%。此外,微眾銀行微粒貸也曾公布相關數據:筆均借款金額低于1萬元,逾期率低于0.3%。

當然,網商銀行和微眾銀行的不良率更多是由于客戶定位和個人和小微企業,并且運用自身業務生態和積累的大數據信用分析能力作為基礎,以場景化的用戶數據、需求和資金對接來完成的一個線上的信用生態圈,在這個生態圈內部對用戶的信用約束能力是相對較強的,加上單筆貸款的零散、小額特點,在不良率上數據表現優異也是可以預期的。

不過和傳統銀行的項目授信和大企業融資服務相比,這種大數據化和線上純信用的授信審批方式就相對難以運用了。因此,我們這里講到的大數據風控,更多是針對銀行的個人零售服務和小微企業的融資類服務,包括消費金融、小額的供應鏈金融等等。在這一方面,如果商業銀行引入目前市場上一些大數據風控產品,比如大數金融、量化派、螞蟻金服和京東、網易等在推進中的大數據風控能力輸出,能否真的為銀行的信用生態和信貸審核帶來更多的直觀數據表現?

不論是否接受外部的這種標準化的數據能力,也就是通過各種信貸審核維度和集合了客戶風險管理、授信管理、催收管理、客戶服務管理等各個模塊的風控系統,對于商業銀行而言,都要對自身的客戶市場和區域市場做一個前期的模型運行預測,因為在小微企業和個人的線下生態體系中,和純線上的信用生態還有較大的數據管理和產品運營的差距。

而且很多中小商業銀行對數據、用戶的運營經驗也較為缺乏,因此很多外部平臺的大數據風控能力輸出過程中,首先需要解決的就是這些銀行數據、業務和用戶的互聯網化,而后根據商業銀行的業務特點進行一些細分維度上的校準。不過,即便是通過大數據風控平臺的模型輸入解決了業務和流程數據化的過程,但是執行起來還需要面臨多個障礙,因為小微企業,特別是地方的中小型特色產業,如果沒有產業鏈和供應鏈的約束,以這種數據化的方式進行切入化運作還是面臨一定的風險。

大數據風控能否在商業銀行的運營實踐中真正成為依托于大數據的風控模型進行審批和授信管理還是簡單的通過大數據風控完成了業務電子化的過程,這個是需要仔細甄別的。在目前的操作案例中,很多小銀行即便是引入了一些大數據風控模型和管理系統,用于日常的小微企業和個人信貸審批,也是和目前銀行的線下審批系統相輔相成的,這個過渡的期間也取決于整個風控系統在線上化過程中能否真的達到比線下更為優質的效果。

這里面碰到的幾個主要障礙是:1、和針對個人的信貸審批相比,針對企業特別是小微企業的信貸管理偶然性更大,而且很多小企業的數據、財務、稅務和工商資料都是不盡完善的,這就加大了數據收集和分析的難度;而且即便是收集到了數據,小微企業天生的抗危機能力較差和經濟下滑周期的風險展露能力更強,并不是一套系統能夠解決的(這個和C端個人的較為穩定的消費生態是有所不同的)。2、除非能夠深入介入小微企業的產業鏈,否則如果只是完成了大數據風控模型第一個階段:數據和業務電子化,并且通過線上跑模型,很有可能造成的結果是線上信用良好,但是一旦出現危機對客戶的管理能力就減弱。3、大數據風控系統的技術成熟度往往局限在一些特定的生態圈內,而對于線下的銀行客戶生態而言,需要更為精準的市場、客戶和風險定位,并不是一個標準化的模型可以解決的,而是需要做各個細分指標和維度的校準。

所以,從眼前這個階段來看,很多平臺在輸出的大數據風控能力,在C端已經取得了不錯的成績,包括個人消費分期和信用貸款都可以做到比較不錯的資產質量,甚至很多平臺已經在準備對接ABS產品。但是進入到傳統商業銀行的B端客戶業務,中小微企業和線下的個人小微企業主,就需要一個相對更長期的風險管理過程,因為大數據風控與中小微企業之間的適配度還有待加強,這個階段更多需要與現有銀行信貸系統輔助進行放款。

上一篇文章                  下一篇文章
以上文字僅代表作者個人觀點,并不代表金評媒立場,禁止轉載。

陳凱

專注大數據,互聯網金融,P2P,信用建設,金融脫媒等。微信公眾號:samchenkai。從事金融前沿研究和分析工作,主要立足于互聯網和銀行、電商分析,擅長財經和IT互聯網綜合,涉獵于互聯網金融。

評論:
    猪饲料可以做什么赚钱 江苏快3专家预测 广东十一选五玩法中奖规则 七星彩开奖走势图表 大乐透2019错失亿元大奖 股票融资融券怎么开通 澳洲快乐8开奖软件 微信分分彩是不是真的 今日股票推荐sina 排列五历史开奖号码 陕西十一选五走势图带连线