大數據背景下優化貴州仁懷茅臺農商銀行信貸業務的建議

方梓行??

摘 要：從貴州仁懷茅臺農商銀行信貸業務在大數據的背景下，發現大數據技術對商業銀行信貸業務的盈利模式和服務模式造成了影響，極大的革新了現商業銀行信貸業務的運營模式。因此對大數據背景下的貴州仁懷茅臺農商銀行信貸業務發展策略提出了可行性建議，在信貸業務流程、客戶征信統計、信貸風險預警、貸后管理優化等方面提出了大數據技術的可應用之處，為貴州仁懷茅臺農商銀行及其同類銀行的信貸業務更好的發展提供參考和建議。

關鍵詞：信貸業務；大數據；商業銀行

中圖分類號：F83 文獻標識碼：A doi：10.19311/j.cnki.16723198.2018.05.048

隨著互聯網、大數據云計算技術的發展，產生了新的信貸服務模式。互聯網金融企業利用其現有的客戶和數據優勢，開展全新的大數據營銷與風控模式。大數據技術的發展與應用也給傳統商業銀行信貸業務創新和風險管控帶來新的機遇。貴州仁懷茅臺農商銀行也應當順應時代變化，借助大數據技術這一有利的條件，從整合客戶數據信息開始，精準客戶信貸需求，科學、高效地為客戶供信貸服務支持，降低信貸業務的風險，實現準確、高效的信貸業務管理，同時也能夠有效地解決中小企業融資難、貸款時間長等一系列問題，并為不太樂觀的經濟環境中注入新的活力，提高整個社會的經濟效益，進一步促進經濟的發展。

1 貴州仁懷茅臺農商銀行信貸業務現狀

貴州省作為我國西南地區重要的國際貿易業務的集散中心，擁有著非常高的資本囤積及資本來往，故而其本地的信貸業務市場早已成為國有控股銀行、內資股份銀行及地方城市商業銀行的“戰場”。其盈利狀況與其它商業銀行相比如表1所示。

表1 2015年貴州仁懷茅臺農商銀行的信貸業務發展狀況

貴州省商業銀行平均水平貴州仁懷茅臺農商銀行系統排名

稅前利潤貢獻度5.8%6.3%12/25

信貸平均占比4.5%7.5%10/25

網均對私客戶數5.8萬戶7.3萬戶11/25

網均對公客戶數4900戶5100戶9/25

數據來源：貴州省銀監會2015年通報。

從2015年統計數據可以看出，貴州仁懷茅臺農商銀行的稅前利潤占比為6.3%，高于貴州省其他商業銀行平均值的5.8%，在系統內排第12；其信貸占比為75%，排名系統內10，略優于平均值的4.5%。個人客戶數7萬余戶，系統內排名第11；對公客戶數5100戶，在貴州商業銀行系統內排名第9。

上述關于信貸業務營業參數都在清楚的表明其信貸業務開展在省內處于中游水平，雖然近年內其發展較為穩定，但是增幅較慢，業務開展能力低下是無法逃避的事實。一旦仁懷從發達地區引入到更多資本能力更強的銀行，那么勢必會對貴州仁懷茅臺農商銀行造成巨大沖擊。同時其市場競爭力和對于利潤的貢獻度也不足，這一負面影響已經成為阻礙貴州仁懷茅臺農商銀行在貴州省的金融市場發展的一個關鍵因素。

截至到2017年6月，貴州仁懷茅臺農商銀行的資產總額為176.16億元，較年初增加3.44億元。負債總額162.18億元，較年初增加2.40億元，整體資產負債水平較年初并沒有出現巨大波動，表明貴州仁懷茅臺農商銀行的資本增長還是較為穩定的。

2 貴州仁懷茅臺農商銀行信貸業務存在的問題

2.1 風險信息歸集不完善

2.1.1 貸前風險識別缺乏數據支持

貸前風險往往是傳統商業銀行所要面對的實際問題，從資料的審核、抵押品的估算、擔保人的身份等，這一系列的甄別對商業銀行自身的數據系統本身就是一個挑戰。貴州仁懷茅臺農商銀行作為一個新興的銀行，其數據短缺就是其無法規避的缺點，其可利用的外部數據資源相對較少。只能從中國人民銀行數據庫、農信網絡系統進行查找數據。這樣的數據甄別對其信貸業務就會帶來相應的風險。

2.1.2 傳統的信息采集準確度不高

貴州仁懷茅臺農商銀行在客戶等級評定中存在較多積分指標，但是數據的采集使用傳統的報表錄入系統的方式，這樣的采集方式本身就存在著一定的問題，其采集的數據準確度就會出現一定的偏差。隨著科學技術的不斷發展，傳統的數據信息采集方式與現如今的數據信息采集的方式準確度很難進行對比，如今的數據信息采集經過不斷地優化升級，其準確度已經大大提高，其數據的準確度也有明顯的上升，傳統的數據信息采集其準確度相對較低。

2.2 風險量化手段不夠先進

2.2.1 風險量化手段主觀性過強

目前，貴州仁懷茅臺農商銀行對于信貸風險計量主要以傳統的風險量化模型進行計算，并由信貸人員人為地進行判斷與分析，不同的信貸人員對于風險的把控的意識是不同，沒有統一的風險量化的指標。因此信貸人員的加入就會使風險量化的手段存在主觀性，對于其信貸結果就會產生直接的影響，從而影響信貸決策的準確性。

2.2.2 風險量化手段過于依賴歷史數據

現在包括貴州仁懷茅臺農商銀行在內的許多商業銀行的風險量化方法都是基于客戶的歷史財務、征信數據來進行推演的，對歷史數據的依賴性比較強。而現在市場上大多數中小企業成立的年限較短，可用的歷史數據較少，沒有足夠的數據去支撐這些傳統的風險量化模型。在此基礎上計算出來的結果違約概率的準確性較低，對其業務的準確性產生了嚴重的影響。

2.3 缺乏信貸風險預警機制

2.3.1 風險預警缺乏實時性

由于貴州仁懷茅臺農商銀行風險評估有關人員對有效甄別風險能力和意識不足，導致在風險預警缺乏實時性，風險預警不能實時地進行有效檢測。當風險被查出時就是其風險開始出現問題需要解決的時候，損失或已產生，無法達到預期的效果。正因為風險預警機制得不到恰當的使用，預警在商業銀行的風險管理中也就常常被忽視，忽視所帶來的損失是不容小覷的。endprint

2.3.2 傳統風險預警方法加大人力成本

據了解，貴州仁懷茅臺農商銀行現行的信貸風險預警指標體系中，大多數的指標計算收集較為繁雜，需要大量的人員進行收集和調查，并且傳統的風險預警方法還存在著諸多的問題，其準確度與現在的預警機制存在著較大的差距。這些問題增加了其人力成本，這與建立風險預警的初衷不同。

2.4 貸后管理存在漏洞

2.4.1 貸后信息跟蹤不到位

在當前市場經濟體制下，尤其是中小企業經營環境存在著不確定性，存在的生命周期短，因此更要加強對中小企業的代后信息的監測。但是目前由于貴州仁懷茅臺農商銀行受到各方面條件的限制，風險預警機制的狀況不容樂觀，很難將貸款的實時監測和貸款的信息檢測工作真正落到實處。不僅只是貴州仁懷茅臺農商銀行，大多數地方性商業銀行都沒有完善相應的風險監測和風險預警系統。主要通過觀察貸款風險度量、不良貸款比例等一系列指標的傳統的方法來反映和監控信貸質量，這一方法就會存在的漏洞，對其貸后的信息跟蹤帶來不確定性。

2.4.2 貸后監控效率較低

由于貴州仁懷茅臺農商銀行的規模尚小，其客戶多分布在遵義、仁懷市地區，相對較為分散，對于業務經理的工作效率本身就是一個挑戰，由于貴州仁懷茅臺農商銀行地理存在的劣勢，在人才引進方面會存在一定的問題，業務經理的業務水平相對較低，對其貸后的檢測的推進的速度就會產生影響，讓很多能夠被提前預測的風險得不到有效控制，整個貸后檢測效率較低。

3 大數據背景下貴州仁懷茅臺農商銀行信貸業務優化策略

3.1 積極與大數據平臺合作，促進信息平衡

3.1.1 調用官方征信數據庫

目前貴州仁懷茅臺農商銀行的規模尚小，能獲取的數據量有限，僅僅依靠農信系統的數據技術和信用征集系統是無法滿足信貸業務的需求。還需要利用其銀行的外部條件與政府、大型企業、各個行政部門進行數據合作，獲取客戶的信息、納稅信息等銀行自身無法獲取的社會信息，這些信息可以使貴州仁懷茅臺農商銀行綜合其自身的數據庫獲得有利于信貸業務的信息，從而降低信貸違約風險。提升社會經濟效益。

3.1.2 融合互聯網大數據平臺，拓展數據維度

除了官方信息外，加強與互聯網、通信企業數據庫合作也十分重要。貴州仁懷茅臺農商銀行要充分利用當今互聯網大數據平臺這一資源，與這些互聯網平臺建立良好的合作關系，利用其數據優勢，拓寬貴州仁懷茅臺農商銀行的數據維度，以“世界的眼光”來對客戶進行有效地監督，無論是貸前還是貸后，能夠檢測出風險發生的可能性，降低風險的發生，減少銀行的損失。而且還可以全方位了解客戶行為特征，提升信貸質量，讓貴州仁懷茅臺農商銀行在客戶的信息這一方面獲得先于同行一步的優勢。

3.2 完善風險量化體系

3.2.1 利用科學的計算方法客觀的量化風險

利用大數據結合科學的計算方法，充分挖掘客戶各個維度的數據資料，并成立專門的風險量化小組，由多名專家來對數據計算結果進行評估，對多項數據計算結果進行分析，最后對客戶的風險等級進行量化和評級。這種方法的數據獲取和分析流程都可以由電腦完成，能夠有效地降低風險量化結果的主觀性，對銀行資源有效的配置。

3.2.2 充分利用現有數據進行風險量化

在金融信息透明度非常高的現在，大數據可以實時性地提供有效的客戶信息。比如，可以根據用戶手機號關聯的信息來判斷用戶是否參與“頻繁開卡”，“詐騙未遂”，“頻繁可疑交易”等行為，并以這些行為進行計分，最終將信用分值低于某一區間的用戶列入灰名單，嚴格審查其信用狀況，并在貸款后進行嚴密的款項流動追蹤，隨時堤防風險發生。信用分數過于低下的用戶則不予與放款。反之，如果信用表現良好的用戶，可以適當對其放寬信貸限制或者信貸額度。在判斷完成后，將這些名單放入大數據平臺，可以支持與其他機構實時共享互換，以方便彼此間的數據互通，從而獲取更多數據，完善風險量化體系。

3.3 建立基于大數據的信貸風險預警系統

3.3.1 提高風險預警實時性

大數據平臺可以為銀行的數據系統提供有效的信息，便于銀行使用，通過這些數據進行合理的計算和分析實時性地監控借款人的征信數據信息。當客戶的交易行為出現異常的時候，應及時對相應的問題進行排查，并督促借款人及時改進，或采取提前收回資金等防范風險的措施。從而有效地解決傳統風險預警存在信息滯后的問題，及時解決隱患風險和減少資金損失的風險。隨著機制的升級，用戶會減少過高風險的動機，進一步的保證銀行信貸資金的安全。

3.3.2 風險預警流程智能化

完善大數據信息平臺的風險審查審批體制，選擇用大數據方式來驗證借款人的相關信息，可以進一步校正申報機構對客戶可能出現失信風險的預警。通過地毯式的處理中小企業的財務數據，并針對這些數據進行大數據處理，開發探索他們的潛在需求，挖掘可能存在的潛在用戶，并且對用戶自身信用進行合理評價及分級，合理優化客戶結構，降低風險發生的可能性。從而實現風險預警大部分流程的智能化，減少銀行的人力負擔。

3.4 貸后管理優化

3.4.1 強化貸款信息跟蹤

貴州仁懷茅臺農商銀行在貸款放出后，需要立即基于企業經營狀況數據庫建立貸款使用的數據跟蹤，對企業貸款走向，并由大數據對考察企業經營狀況進行分析，不斷的進行風險排查，減少風險的發生，防范因信息不對稱所帶來的道德風險問題的發生。客戶經理一旦發現數據出現異常時，要提前采取相對應的防范措施，減少銀行不必要的損失。

3.4.2 實施智能化貸后管理

此外，臨近還款日時，貴州仁懷茅臺農商銀行有權利通過數據平臺督促其他企業按時還款，針對日常消費等生活行為進行有限的監督與管理，減少貸款的損失率。對于違約的個體，銀行可以通過政府的數據庫將違約的客戶信息公示在征信數據庫內，以此增加社會的信用意識。對于信譽較好的企業與個人進行備注，可以進行長期合作。

參考文獻

[1]劉英，羅明雄. 大數據金融模式及風險監管思考[J]. 中國市場，2015，（43）： 2936.

[2]白顥睿.阿里金融PK民生銀行——小微企業融資途徑之比較[J].信息系統工程，2013，（03）： 159160.

[3]李寧. 歐美互聯網金融對我國的監管啟示[J]. 金融科技時代，2014，（11）： 5354.

[4]楊群華. 我國互聯網金融的特殊風險及防范研究[J].金融科技時代，2013，（07）：100103.

[5]郗莎，楊童舒.我國三種類型商業銀行競爭力分析[J].沈陽農業大學學報（社會科學版），2014，（05）： 537542.

[6]冼國明，石慶芳.信息技術騰飛下的金融產業：城商行的挑戰與機遇[J].現代管理科學，2015，（04）：99101.

[7]楊菲.阿里金融信貸業務SWOT分析[J].經濟研究，2014，（23）：101.endprint