運用大數據分析提升信貸決策水平的思考

連育青

(中國建設銀行股份有限公司福建分行，福建　福州　350005 )

?

運用大數據分析提升信貸決策水平的思考

連育青

(中國建設銀行股份有限公司福建分行，福建福州350005 )

在經濟新常態下，越來越多的企業進入結構調整和轉型的新周期，給商業銀行授信審批決策提出更高要求，而大數據時代的到來，為精準授信審批決策提供了有力支持。本文通過大數據挖掘技術，進一步驗證授信企業主背景及經營管理的真實性，提升授信企業風險的甄別能力，并對建立大數據完善授信審批決策機制提出相關建議。

大數據分析；授信審批；授信企業

為了提升授信審批決策水平，商業銀行在信貸管理中采取了一系列措施。但是，對于跨區域、跨行業經營、關聯復雜的集團企業，很難準確了解其生產經營等的全部真實情況，容易出現過度授信問題，而且依賴經驗判斷的授信審批方式，因缺乏客觀數據支持，導致不同審批人給出差異較大的審批結論。同時，在經濟新常態下，越來越多的企業進入結構調整和轉型的新周期，也給銀行授信審批決策提出更高要求。而大數據時代的到來，為銀行克服上述缺陷，精準授信審批決策提供了有力支持。

一、運用大數據挖掘技術，提升授信審批風險判斷能力

1.運用大數據分析授信企業主背景的真實性。授信審批的核心任務之一就是深入了解企業主(實際控制人)背景的真實性，評價企業主的風險水平。而大數據時代，銀行可以運用互聯網時刻記錄人們一言一行的特點，提高對授信企業主背景真實性的甄別能力。首先，進一步了解企業主興趣愛好、風險偏好。充分利用網絡、媒體、征信系統及企業自身提供的背景材料進行分析判斷實際控制人的投資、經營行為和財富積累過程，看其與目前對企業的投入情況和企業運營情況是否相稱，是否存在炒房、炒原材料、炒股票期貨等；其次，企業主的誠信狀況，可以從其還款記錄，包括對其他銀行、供應商等債權人的還款記錄以及經營中對合約、納稅等履行情況進行分析判斷。第三，借助大數據及時甄別授信企業是否涉及民間借貸。通過大數據查詢企業賬戶資金流水的異常情況，如果企業銀行賬戶存在整筆劃款，但并非劃轉給上下游企業或用于歸還銀行貸款；或者銀行貸款到期前幾日有資金劃入，貸款存量周轉后原來劃入賬戶的資金又等量劃出，則企業可能存在民間借貸行為。如果發現企業銀行賬戶對外有規律地劃款，在特定日期向特定對象支付等量小額資金，往往可以判斷企業是在支付民間借貸利息；如為大額提現，則有可能是融出資金給其他企業、個人或者歸還民間融資。同時，如果企業股東借款較多，或者企業與其股東之間資金往來頻繁，也應引起高度關注。 2、運用大數據分析授信企業的真實經營狀態。根據產品交易數據、資金往來數據、海關報關數據、稅務局報稅數據、行業協會數據等，輔以交叉檢驗技術判斷授信企業背景真實性；如通過持續跟蹤企業存款賬戶日均余額情況，并根據企業類型、發展階段的不同建立差異化評分模型，以判斷企業經營情況。其次，通過對企業主、股東及配偶等個人賬戶資金流向和消費行為數據信息分析，間接判斷企業經營情況，為銀行授信準入提供數據支撐。第三，運用挖掘外圍關聯指標數據分析企業的或有事件。通過收集公檢法通報及主流媒體曝光的企業負面信息等重大或有因素和未決因素，是否與其他主體產生重大法律、民事糾紛，或通過離婚、移民等轉移資產、失蹤潛逃及其他重大或有資產、或有負債等。

3.運用大數據分析驗證授信企業經營效益。第一，利用計算機自動生成技術對授信企業近兩年及報告期經核實的資產負債表、損益表等就可以自動驗證其鉤稽關系是否恰當，企業報送的現金流量表與自動生成的現金凈流量測算表是否一致，通過利潤增長與現金流量分析等，準確、快捷地判斷客戶財務報表數據的真實性；此外，通過其他相關報表進行反向驗證，如通過納稅申報表驗證收入的真實性。其次，與同業進行比較驗證。利用財務報表財務指標及現金流量結構與同行業指標進行橫向比較，如某個企業所處的行業整體比較低迷和蕭條，而被借款人的業績卻一枝獨秀，那么就很有可能存在粉飾報表的情況。第三，通過運用企業銷售收入數據分析驗證財務報表真實性。通過查看企業開出的增值稅發票、結合交易合同和發貨清單及企業與其下游客戶的資金往來對賬單，來印證是否匹配企業的銷售收入，如果數據相差較大，而且又沒有合理的解析和說明，可以認為企業的財務報表存在不真實的情況，應該考慮是否與企業開展信貸業務。

4.運用大數據分析推斷企業的發展前景。通過建立自身觀察經濟周期走勢、把握外部信貸環境、分析企業風險變化的量化機制，能夠及時獲得信貸企業最新的交易信息、現金流信息，為前瞻性風險判斷奠定基礎。如銀行通過挖掘企業水表、電表、工資表等支出數據，存匯款等賬戶變動數據，同比、環比分析異動數據，識別可疑企業名單，深入分析數據變動的原因，實現在企業發生實質性風險之前提前捕捉預警信號，盡早采取主動退出、及時控制抵質押品等措施化解風險。

5.運用大數據分析判斷信貸資金挪用風險。在企業貸款支用后，采用大數據分析企業資金流向規律，并且核查上游企業開出的增值稅發票、企業的貨運單據等，能夠印證交易背景和信貸資金使用的真實性，防止利用虛假交易套取商業銀行資金。同時，對企業未按照約定支付、支付規律出現異常的進行預警，如交易對手中存在小額貸款公司、擔保公司、典當行等主體，或者在銀行賬戶中含有“證券、基金”等的借方交易，企業可能參與了民間借貸。還有企業既有銀行貸款，又通過委托貸款、委托理財等形式借出資金，實際是參與民間借貸。

6.運用大數據分析甄別授信企業的關聯關系和關聯交易風險。借助大數據，銀行可甄別集團企業復雜的關聯關系和關聯交易，還原集團關系樹全貌，為精準授信打好基礎。在實踐中，有些企業并不按規定披露關聯方和關聯交易行為的有關內容且關系非常隱蔽，單從表面無法輕易判斷。首先，充分利用銀行信貸風險監測系統、人銀征信系統、互聯網、各省市工商局官方網站、銀碼信息共享系統等技術渠道，深度挖掘，集團企業的股東、投資子公司、擔保或被擔保企業、家族關系等信息，仔細求證，理順授信企業的關聯方信息。通過大范圍的信息挖掘，充分了解授信企業及關聯方的貸款卡信息、負債信息、大事記、對外對內擔保和訴訟情況，不斷質疑，相互印證，通過大范圍的信息挖掘，發現企業刻意隱瞞或藏匿的關聯關系，以此來檢測企業的誠信度，盡職免責。其次，運用大數據挖掘內部關聯交易信息。通過截取一定期間內的所有企業間大額資金往來(包括大額資金調度、大額資金借貸、大宗銷售、大宗采購等)數據的記錄集合，分析企業經常發生的對轉交易、虛假交易、不平等交易、不正常交易等行為的線索和跡象，應順藤摸瓜、不斷跟蹤、深入分析，從而挖掘出企業的隱性關聯交易；第三，建立不正當關聯交易預警模塊。判斷是否存在低買高賣的關聯購銷，是否存在關聯方分攤銷售費用、管理費用等費用項目，是否存在關聯方資金融通關系，是否存在關聯方收取大量資金占用費的情況，密切關注關聯交易中有關資產的無償或低價轉移等。

7.運用大數據分析授信企業的償債能力。現金為王，真實的經營性現金流是判斷企業第一還款能力最有效的證據之一。企業間的資金來往，主要通過銀行轉賬實現，其存款賬戶的交易明細記錄，可較為真實地反映企業日常運營行為。通過對授信企業某一段時間內的交易量和交易金額的連續統計分析，可以相對準確地掌握其日常業務發展和整體運營情況。一般而言，企業發展如處在穩定或上升期，其交易量和交易金額應整體趨平或呈現上升趨勢，如從某一天起，其交易量和交易金額(借、貸)變少并呈持續下降趨勢，則企業的經營可能出現狀況，授信審批人員需要重點關注。

二、建立大數據完善授信審批決策機制的相關建議

1.樹立大數據的授信審批決策理念。要改變以往關注貸前調查，對整個信貸生命周期的一體化數據挖掘整合不足的現狀，樹立“決策基于數據，信息創造價值”的觀念，引進專業化數據挖掘與大數據分析工具，從企業投入產出中尋找關鍵敏感數據，使大數據模式的分析成果及時轉化為提供授信審批的有力依據。要運用大數據相關關系分析法，結合機器算法模型找出隱藏在海量數據中的企業與風險之間的量化關系，提高非結構化數據轉化為授信審批支持信息的效率。

2.全面整合銀行內外部數據，建設信貸管理大數據平臺。建立一個跨業務條線、跨機構、跨地區統一的數據分析平臺，為銀行授信決策奠定數據基礎；充分利用社交網絡、微信平臺等新媒體工具，將分散化數據信息整合形成統一、多維度的數據庫，提高數據的利用效率；重新梳理數據來源，制定數據標準，建立數據采集、處理等一系列管理制度，改善數據收集、清洗、挖掘、應用、評估等的執行效率。

3.完善授信決策管理體制。首先、轉變授信審批決策模式，逐步消除傳統“財務報表+抵質押品”模式，建立以非財務分析為主、財務分析為輔，以第三方信息驗證分析為主、企業自身經營狀況分析為輔的授信審批決策模式。使審批人員在決策時有統一的風險評判標準，改變以經驗判斷為主的決策方式，由自動化風險預警系統逐步取代人工定期檢查的信貸管理方式，將更有助于對企業風險的實時監控和處理，提升授信決策的準確性。第二，建立以專家審批替代集體審批的制度。建立不同業務種類、不同業務模式的專家授信審批隊伍，對于授權范圍內的貸款申請，結合大數據分析結果，以及專家對企業授信風險演化規律的認識而直接審批，這樣，既能適應貸款規模顯著增長以及企業業務多元復雜化的需要，又能提高審批的專業性和效率。第三、組建企業風險監控中心。依托大數據，搭建欺詐防范與風險計量模型，實行現場跟蹤與非現場分析相結合、定量分析與定性經驗判斷相結合，對授信企業從貸前到貸后整個生命周期的風險監測手段。促進授信審批人員站在更高的角度掌握到信貸經營人員所不知的信息，提升信貸審批決策的科學性。

4.加強大數據人才隊伍建設，營造大數據授信審批文化氛圍。首先、加強授信審批隊伍培訓，提升授信決策人員多渠道信息收集、驗證測能力，及時掌握客戶最新動向；注重引進外界優秀的大數據人才，全面提升授信審批決策人員的整體素質，營造良好的商業銀行互聯網金融文化氛圍；探索建立主動揭示風險的激勵約束機制，確保風險能夠得到及時暴露、早報告、早處置，贏得處置先機，有效防控及降低授信風險。同時，通過監控平臺對企業的交易行為和需求信息有了透徹了解，能為企業提供合適產品，并根據企業體驗不斷改進產品和服務，實現信貸風險管理與市場營銷的完美結合。

[1] 朱良平，大數據在銀行信貸業務中的應用實踐及建議[J].《中國金融電腦》2015，(12)32-37.

[2] 宋長龍，大數據背景下的銀行信用風險管理 [J].《企業改革與管理》2015，(10)108-109.

[3] 江明哲，借鑒大數據相關關系提升信貸審批前瞻性[J].《上海金融》2015，(2)100-106.