商業銀行大中型企業授信業務流程重建初探
——基于人工智能技術

2022-07-21 02:48:54秦君誼

中國市場 2022年19期

秦君誼

(廣西大學工商管理學院，廣西南寧 530004)

1 商業銀行運用人工智能情況概覽

近年來，我國金融業的基礎框架和生態體系已經變革。琳瑯滿目的金融服務模式、日新月異的金融場景，對商業銀行開展金融創新提出了越來越高的要求，商業銀行越來越需要海量的數據作為模型支撐、強大的計算能力分析數據和構建模型、在內控合規和業務效率之間取得平衡的業務流程以及高效的實施工具來辦理業務。單純依靠擴大人數規模的人海戰術的粗放式發展時代已經過去。運用人工智能技術以便更好地適應金融業競爭的要求，正在成為商業銀行的必修課。

目前商業銀行關于人工智能的研究領域主要集中在銀行廳堂領域的服務、小微企業及個人領域的貸款，研究風險評估模型算法和貸款與否決策模型的也有不少，但關于利用人工智能對大中型企業的信貸服務進行改進的研究則相對較少。

2 商業銀行大中型企業授信業務領域運用人工智能的必要性分析

根據國家統計局《統計上大中小微型企業劃分辦法(2017)》(統字〔2017〕213號)，按照行業門類、大類、中類和組合類別，依據從業人員、營業收入、資產總額等指標或替代指標，將我國的企業劃分為大型、中型、小型、微型四種類型。而根據波士頓咨詢《中國公司銀行的5大發展趨勢與5種差異化模式》，建議銀行以企業的營業收入作為劃分對公客戶群的第一道標準，同時參考所在行業、資產規模、授信規模、對銀行的資源消耗等維度，綜合進行客戶劃分。波士頓咨詢將營業收入超過200億元人民幣，具有全國化甚至全球化布局、多元化業務和集團化經營的特征的企業歸類為超大企業；將營業收入30億元至200億元人民幣，具備跨省集團化經營的特征的企業歸類為大型企業；將營業收入1億元至30億元人民幣的企業歸類為中型企業；將營業收入小于1億元人民幣的企業歸類為小微企業。按照波士頓咨詢估計，到2020年，超大企業為公司銀行業務貢獻收入為2500億元人民幣，占比7%；大型企業貢獻收入6300億元人民幣，占比18%；中型企業貢獻收入1.23萬億元人民幣，占比34%；小微企業貢獻收入7100億元人民幣，占比20%；財政及機關團體貢獻收入7600億元人民幣，占比21%。從上述預測可以看出，大中型及以上企業為整個中國商業銀行體系公司的銀行業務收入貢獻占比為59%，貢獻程度極大，是商業銀行最重要的收入來源群體。

從銀行實務來說，負責大中型企業的客戶經理需要花費很多時間撰寫授信貸前調查報告、進行貸中業務操作、進行貸后管理，如果利用人工智能對大中型企業的信貸服務進行改進，減少在信貸流程耗費的時間，就能投入更多時間去開發新客戶、維護老客戶，提高效益。因此，利用人工智能對大中型企業的信貸服務進行改進，是文章重點研究的問題，有著重要的商業意義。

3 商業銀行大中型企業授信業務流程解析(運用人工智能前)

一直以來，我國商業銀行在信貸審批領域強調“審貸分離、分級審批”，并且要求不斷強化和優化信貸管理機制。在實際工作中，商業銀行按照“貸前盡職調查，貸中真實性、合規性審核，以及貸后跟蹤管理”的原則對信貸全流程精細化管理，不同部門相互獨立、分工明確，以形成各部門之間相互制衡的信貸體系。這樣可以保證商業銀行能全面了解和核實信用主體的經營情況、財務狀況和履約記錄等信息，同時在授信放款后通過跟蹤、監控信用主體的用款、還款等情況，最大程度防范和化解信貸風險。

傳統針對大中型客戶的授信業務流程主要包括貸前調查、貸中審查、貸后管理。其中貸前調查方式主要為收集材料—信用評級—撰寫授信報告—提交審批部門審查，由于大中型客戶體量大、報表復雜、關聯公司多、產業布局多的普遍情況，撰寫授信報告普遍耗時較長，授信報告主要由客戶工商登記情況分析、行業狀況分析、客戶競爭力及地位分析、未來戰略分析、財務分析、與金融機構合作情況分析、授信額度測算、本次授信方案及合理性解釋等幾部分構成。

授信審查是核實業務發起崗對借款申請主體調查的過程，也是授信流程的核心步驟，著眼于借款主體的經營情況、財務狀況等資信情況，用于評估其第一還款能力，同時根據本筆業務的用途審核業務發起崗對授信方案的設計是否合理；有風險緩釋措施的，還需要評估風險緩釋手段(保證、質押或者抵押等)帶來的第二還款能力是否充足，并結合客戶信用評級結果以及本行授信政策做出是否審批通過的決策。如果借款申請人的關聯企業曾在銀行取得或者即將取得授信，那么按照管理辦法屬于集團客戶，就要對集團客戶開展統一授信，核定集團授信限額。之后信貸審查審批部門會針對單個借款主體申報的具體授信方案進行單次評審，以確定貸款額度和最終授信方案。

審批通過后進入貸中環節，業務部門根據授信批復要求落實放款前提條件，如有擔保要求，須辦妥抵質押或者保證等擔保手續后方可放款。貸款發放之后則進入貸后管理流程，業務發起崗要按銀行相關管理規定對貸款情況進行定期(一般是按月或者按季)和不定期(一般是集中檢查或者臨時抽檢)的貸后檢查，直至借款到期并全部結清貸款本息為止。通常來說，商業銀行信貸業務流程主要包括貸前調查、信用評級、授信上報、授信審批、貸款發放、貸后管理和續貸申請這幾個重要的業務流程，如圖1所示。

圖1 商業銀行信貸業務流程

4 商業銀行大中型企業授信業務流程解析(運用人工智能后)

結合商業銀行一般授信業務流程，可以將授信政策和金融產品在信貸審批模型中進行預先設置，在采用嵌入了人工智能分析功能的信貸系統后，結合應用場景和專家經驗設計不同類別的風險評估模型。業務發起崗按要求將企業信息導入系統后，系統綜合運用人工智能技術結合歷史數據自動篩選符合條件的客戶流入端口，實現企業授信的申請、篩選、評估和項目審批。貸前調查工作流程可以極大地縮短，人力得到解放。在人工智能技術運用初期，基礎數據有限，在授信審批過程中應采取人工智能技術與專家人工干預的并行機制，確保審批結論有效，確保信貸資產安全。

以上述環節為例，采用人工智能后，各環節的轉變為：客戶工商登記情況分析可在企查查、啟信寶、全國信用信息公示平臺等公開信息網站上直接獲取。行業狀況分析可在互聯網站上直接獲取，或者提取銀行已獲得授權的數據庫的行業數據，并自動整理成文。客戶競爭力及地位分析、未來戰略分析這兩部分需結合客戶提供的資料及互聯網信息一起分析，該環節需要人工參與較多。對提供電子版報表的客戶，直接利用人工智能系統分析并產出結果，對不提供電子版報表的客戶，財務分析環節可用圖像識別紙質報表后利用人工智能系統直接分析并產出結果。與金融機構合作情況進行分析，其中，反映在人民銀行征信報告上的信息，由于各大商業銀行已與人民銀行征信中心對接，因此可由嵌入了人工智能功能的信貸系統來提取并分析內容；不反映在人民銀行征信報告上的信息，則根據客戶資料由人工錄入。授信額度測算同樣可以利用嵌入了人工智能分析功能的信貸系統根據銀監會公式測算，如碰到非標準測算情況，則由人工介入進行重測。授信方案及合理性解釋則作為技術含量比較高的部分，建議由人工來完成。

在采用嵌入了人工智能分析功能的信貸系統后，貸前調查工作流程可以極大地縮短，人力得到極大解放，經營部門可以投入更多時間與客戶進行情感交流，維系客戶關系，而這正是人工智能暫時不能替代的。

同時，采用嵌入了人工智能分析功能的信貸系統后，數據部分的獲取和核實更簡單、更便捷，審批人員不必再花費大量時間核對客戶經理上報的數據是否有錯誤，從而有更多時間關注與客戶經營管理層的交流、問詢，更快地對借款人形成直觀、立體的了解，大大提高了審批效率。

此外，模型初審結果如果能被人工(部分或者全部)采納，則模型得到了正反饋；如果模型初審結果不被人工采納，則模型得到負反饋，同時系統使用方有對系統數據建議的權利，以保障系統不斷完善。當然，是否采信建議取決于后臺產品和風控聯席崗位。

對于貸后管理，風控模式在現有專家規則模型基礎上，運用機器學習平臺與數據模型提升風險識別處置能力，建成實時、高效的事中風控平臺和運營體系。通過人工智能技術實行分級差異化管理，通過科技手段，實施系統監控任務，如對生產型企業連通電網、供水公司、社保局、稅局的數據庫(需獲得授權)，分別獲取用電量、用水量、繳納社保金額、納稅金額數據，并分別與上期、去年同期進行對比，做出正常與否的判斷。同時，利用多維海量數據深度挖掘關鍵信息，探究借款人與其他實體之間的資金往來是否正常，以保證貸后管理工作數據的齊全性和有效性。此外，為防范客戶經理貸后管理的操作風險和道德風險，可以在貸后流程實時定位客戶經理，監控其現場貸后管理的全過程，并進行圖片影像資料留存，有效杜絕舞弊或者走過場的現象。此外，利用OCR技術，自動識別客戶提供的財務報表，并自動將數據導入信貸系統中，可充分減少客戶經理工作量，提高工作效率。

在重構授信流程時，定義授信流程和定義模型內容是兩個不可或缺的組成部分。由于篇幅有限，文章僅探究授信流程，對模型不做分析。

參考謝蕓雁的研究，其主要著重于流程化構造人工智能在授信領域的應用，指出首先應分析貸款決策所需要的數據，進而建立知識庫模型，然后利用真實的生產數據運行。其在2013年的論文中指出，在充分分析銀行貸款業務功能的基礎上，基于人工智能技術和計算機應用技術建立采用JAVA語言編寫的銀行信用貸款的評估和決策系統，并采用人工智能專家系統開發工具語言編寫系統的知識庫，用于判定銀行是否應該發放貸款。其具體研究了系統的整體結構，從而得出了系統總體結構框架。并基于系統總體結構框架，建立貸款總體編程思想，主要包括貸款審批、貸后審查和總體貸款分析三部分。筆者結合其思路，在現有授信流程基礎上加入人工智能技術，重新定義授信流程，如圖2所示。

圖2 信貸業務授信流程

以上這些關鍵流程都通過人工智能技術實現，其中包括客戶洞察、深度標簽、預測模型、營銷個性化、產品推薦、人工智能提示售后服務、優化與學習、效果歸因等。

5 結論

未來伴隨著人工智能技術的進一步發展，人工智能技術的不斷滲透將倒逼金融行業在授信業務流程和模型搭建上實現重大變革。人工智能與傳統商業銀行相結合將促使未來的金融服務更具普惠性，同時還可以降低商業銀行的服務與運營成本，讓客戶獲得更加專屬、更加優質且更加廉價的產品與服務，進一步提升用戶的滿意度，最終提高全社會的福利。