數字時代新思路

施敬思

從當前金融科技企業的實踐中，基于大數據的個人客戶征信及風險評價模型，當前的金融科技企業已經實現在線上對個人客戶進行授信。例如：點擊微信錢包中的微粒貸按鍵，微信用戶就能第一時間看到自身的可借款額度。而根據畢馬威中國于2016年9月發布的《中國領先金融科技公司50》排名報告（下簡稱“Fintech50”報告），基于從第三方獲取的交易、公檢法、稅務，以及企業主個人征信等公開和半公開信息，科技金融企業也能采用數字化審批方式為小微企業提供授信支持，如微眾稅銀與某銀行合作已經合作開發了一款無需人工干預的、純線上的自動化企業級秒貸產品。

那么，銀行能否借鑒金融科技公司的理念和技術，在大中型企業授信領域也采用數字化審批技術呢？

從具體場景而言，傳統的對公授信的過程大體是這樣的：客戶經理找客戶拿資料，跟管理層聊天找感覺，回來寫數十頁的盡調報告；風險經理平行作業，為調查資料真實性背書；評審經理對前手客戶經理、風險經理的盡調情況進行復核，并開展風險分析，酌情讓客戶經理補充調查，最終確定授信方案；各位層級審批人層層出具審批意見。整個鏈條中最為重要的是客戶經理、評審經理和審批人，而各方都面臨著信息不對稱的問題：客戶信息是否完整？客戶是否有欺詐行為？客戶經理是否與客戶串通？授信方案是否符合銀行整體風險偏好？諸如此類問題，林林總總。但歸納起來，傳統銀行大中型企業授信流程中普遍存在著重復勞動（特別是信息重復收集和驗證）、低效、經驗主義等問題。

根據畢馬威中國Fintech50報告，金融科技企業已經能夠利用量化風險模型實現消費貸的快速審批；利用大數據快速準確發現信貸領域的欺詐行為；利用移動計算體系提升服務便捷度；利用云計算提升服務響應速度。在這些技術領域的領先試點，金融科技企業已經為銀行提供了非常好的借鑒和參考。然而，具備全國規模的國有及股份制銀行，因其客戶數量大，經營年限長，數據積累充裕，具備更為扎實的數據資源。在大數據時代，擁有數據就是擁有“金礦”，利用經過驗證有效的數字化技術，傳統銀行業在傳統大中型企業信貸領域所能取得的突破也將更為明顯。 借鑒金融科技企業，在數據的自動采集、反欺詐建模等核心技術方面，我們進行了試驗性開發，取得了良好的成效。根據試驗情況，我們認為：數字化技術在前述的傳統信貸工作中，是能夠發揮決定性的基礎性作用。利用數字化審批技術，未來至少在資料收集、財務分析、決策支持三個領域有明顯突破。

在資料收集方面。基于大數據和互聯網技術，在國家政務信息的不斷開放和共享的情況下，工商、稅務、海關數據已具備整合、匯聚展示的技術條件。在外部數據源的支持下，房產評估數據也正式交互條件。客戶經理只要錄入客戶名稱后，即可獲知客戶在工商、司法、征信、稅務、結算、資產估價等多個領域的相關信息，足以替代前述大量的人工收集、整理得出的數十頁調查報告，而且真實性也能得到保證。

在財務分析方面。如何鑒別財務報表真偽和發現財務風險是當前大中型企業授信業務的主要難點之一。通過數字技術能在一定程度上能有效鑒別前述風險。如：（1）通過對一段時間內客戶財務指標與行業平均值和行業變化情況的環比（對比）分析，進而得出客戶自身財務指標的差異或特征，從而發現疑似欺詐行為。例如，如果某一客戶的毛利率與行業呈反向變化，且與行業平均值的差異達到2倍及以上時，就很可能存在財務欺詐的可能性，在系統識別后，就可以交由專家人工干預。（2）數據挖掘可以將銀行資深專業評審多年積累的經驗進行提煉，并轉化為系統可以識別的規則，進而識別客戶潛在的財務風險。例如，根據評審經驗，如果沒有伴隨主營業務收入的增長（或者固定資產的增長率大幅度大于主營業務收入的增長幅度），企業固定資產投資單方面增長明顯（固定資產的增長是把經營活動和籌資活動所產生的現金投入到固定資產），該企業就可能存在財務風險或者經營異常。根據規則進行自動化的數據分析后，該類問題就能夠被有效識別。

在決策支持方面。一般而言，傳統大中型企業授信業務顯著依賴于審查、審批人的經驗，審查、審批人的經驗對業務審批結果和審批方案影響重大。現有條件下，審查、審批人往往必須在信息不充分的條件下依賴經驗做出判斷。審查、審批人對行業、區域、風險的感覺和經驗都必須依賴長期的從業經歷中試錯積累而來。資深的審查、審批人往往積累了大量行業對標值和專業的經驗判斷邏輯，這些寶貴的經驗有助于他們做出明智的判斷。而初級評審人員的從業時間相對不足，很難保證每一單業務都能達到必要質量標準。審批鏈條上各崗位人員的業務素質也是參差不齊的。在人力資源受限的條件下，每單業務的作業時間也難以充分保障，人工經驗的差異客觀上放大了風險出現的機率。而數字化技術恰恰能比較好的解決業務經驗在傳統銀行中分布的不平衡的問題：通過對資深專家的經驗提煉和行業數據的整理歸納，將主觀的經驗轉化為判斷規則標準，真正做到讓授信決策有“據”可依。數字化技術不僅能夠解決初級評審經理從業時間短、經驗無法及時累積的問題，也能夠在一定程度上促進評審標準的公平和統一。

當前的互聯網信息和大數據分析、挖掘工具已經大體具備實現前述數據化分析所需的能力，技術門檻已經基本跨越，包括：利用A股、H股、新三板等數據源整理形成按行業細分的各類財務標準值；利用指定政府或行業協會網站、年報抓取特定行業經營數據；歸納共享行業專家針對特定行業的判斷規則和邏輯等等。此外，利用已積累的結構化數據資源，進行聚類生成業務規則，也將對人工經驗判斷提供有益的補充，甚至可能發現傳統人工作業未曾涉及的真空地帶。因此，在數字技術的支持下，單一業務的決策將建立在全行整體經驗和數據分析的基礎上，拓寬決策人員視野，支持決策人員從行業、區域高度看待企業，避免人工經驗盲區。利用新技術利用的附帶效應就是全機構業務人員的水平將被提高到系統平臺的基準線以上，從而帶動提升銀行整體的決策質量。

未來，在大中型企業運用數字化技術的場景將會是這樣的：通過行內系統平臺，客戶經理錄入客戶名稱，系統實時返傳基于互聯網、微信公眾號、微博、訴訟、被執行、公開政務等外部輿情信息等全量公開渠道信息，并進行自動整合、排序展示。系統平臺根據企業所處行業推送的行業政策指引和行業分析報告，客戶經理能夠立即判斷該客戶是否有價值進一步接觸和營銷。在取得合作意向后，客戶只要提供財報和必要的查詢授權，系統平臺就能在非授權信息的基礎上，自動生成相對完整的盡調報告，該報告將包括客戶的基本情況、經營、財務、征信、關聯、抵質押物、還款來源、資金需求等多角度分析結果。整個調查報告的生成將是實時的，甚至客戶經理仍在客戶企業現場，就已經完成客戶授信調查的大部分工作。客戶經理只需要針對性的對關鍵信息進行補充調查和核實即可，工作強度大幅降低。對于中后臺的評審員和審批人，自動化的審查報告也可一鍵生成。并根據崗位角色不同，強化交叉驗證功能，增加對前手人員分析、行業區域對標和決策規則的提示信息，支持各級審查、審批人決策。

基于這一系統平臺，傳統中大型企業授信流程也將發生較大的調整，有望實現可靈活配置業務申報流程，實現以客戶為中心，靈活組合由產品、風險、評審經理組成的項目團隊，實現不同崗位類型人員間的并行作業，確保市場機會和客戶風險能夠得到同步識別，一攬子完成綜合服務方案，實現客戶體驗最佳。

當然，數字化技術無法完全替代人的作用。數字化手段也存在著一些無法涉及的領域：再完美的數據化分析也無法替人與人之間的當面交流和溝通；也沒有完美的分析模型能夠代替現場對實際控制人的直接判斷；授信方案的設定上也依然需要專業的評審專家進行人工干預；決策引擎中規則的優化或迭代也離不開人工干預與介入。但是數字化技術將大幅改進和提升人工的作業效率，顛覆現有的作業面貌。

我們可以預見，利用數據化技術的受益人將包括整個大中型授信業務鏈條上的各個主體，銀行競爭能力也將明顯受益：大中型企業客戶不再提供大量的申報資料，而只需提供財報、授權等少數要件；各類報告（初稿）的生成時間將降至秒級；單筆業務申報流程將降至一周以內甚至2～3天；在授信決策上，分析視角將從對單一企業單點分析為主，擴展至行業、區域的宏觀視角，結合決策引擎支持，將避免了單一個人的經驗誤區，提升整體決策質量等。

展望未來，在建立數據化評審的平臺基礎后，將有望解決傳統大中型企業授信流程中存在的重復勞動、低效、經驗主義的問題。后續可以不斷引入新的數據源和技術方法（例如OCR識別、物聯網等技術）能夠不斷優化用戶體驗和響應速度，并隨著結構化數據的不斷積累和決策引擎的不斷迭代優化，數據和規則將固化形成銀行自身的信貸知識庫，成為支持決策的“智庫”。隨著“智庫”的迭代優化，將最終形成一個基于平臺的數據化評審的生態圈，實現數字化授信在大中型企業中運用的螺旋上升。