大數據視角下商業銀行信貸業務的風險管控研究

薛可楨 湯琪 朱鑫雨

(南京師范大學 江蘇南京 210023)

“十四五”規劃建議強調：推動數字經濟和實體經濟深度融合，加強社會數字化、智能化水平和風險防控。長期以來，信用貸款是中國商業銀行主要采用的貸款方式，面對金融科技和互聯網信息技術的快速發展，加速其與大數據技術的融合是大勢所趨。

商業銀行在長期經營中積累了一定的數據資源，但是這些數據的挖掘和利用程度有待提升，而將大數據技術充分融入信貸業務中面臨著許多挑戰。鑒于此，商業銀行需要認清大數據技術的發展大勢，積極擁抱前沿信息技術，轉變傳統信貸思維，收集并安全合法地利用大數據，建立風控系統，以降低成本，提升經營效率，緩解信息不對稱等問題導致的信貸風險。

1 文獻綜述

大數據時代的到來，金融業競爭加劇，伴隨著信貸信用結構與期限結構調整、存貸利差收窄，與客戶信息數據聯系緊密的商業銀行信貸業務面臨著革新和挑戰。加強整理和分析信息數據的能力，控制信貸風險，是商業銀行當前的重要任務。

商業銀行運用大數據技術控制信貸風險方面，多數學者認為大數據技術與信貸業務的結合可以提高商業銀行的風險管理能力。雷海波(2021)指出數字征信能夠提高銀行信貸資產質量，改善銀行信貸效率。王炯(2021)認為大數據技術通過數據挖掘和深入分析，能夠掌握更具普遍性的風險規律，不局限于員工主觀經驗識別風險，提升銀行風控水平。劉莉和李舞巖(2022)通過實證分析得出，銀行業后端大數據技術的發展程度與銀行信貸風險水平呈顯著負相關，金融科技的進步有利于管控銀行信貸風險。

同時，部分學者對大數據技術提升信貸風控能力持懷疑態度。巴曙松等(2016)認為，社交和交易數據真實性的缺乏，會使數據的收集與使用存在數據泄露與安全問題，同時大數據對于突發事件的預測與反應能力有限，防控信貸風險的有效性不佳。羅煜等(2020)指出，利用自有賬戶或政府公開的數據信息搭建大數據平臺和通過與電商平臺合作獲取數據對于傳統商業銀行來說不具備良好的可推廣性。劉少波等(2020)指出，銀行利用大數據平臺抓取的和線下人工采集的數據存在被污染的可能，會導致“輿情監控”準確度不高。

通過查閱現有文獻發現，大多數學者支持運用大數據技術能夠提升銀行風控能力的觀點，然而也有一些學者認為商業銀行運用大數據技術管理信貸風險存在數據缺乏真實性和安全性、大數據技術落后等問題。為了進一步探討大數據對商業銀行信貸業務風控的影響，本文在現有文獻研究的基礎上，結合實地調研情況，為商業銀行運用大數據技術管控信貸風險提出一些建議。

2 商業銀行信貸業務運用大數據技術的優勢

隨著未來大數據技術的發展與全面優化，運用大數據技術收集、處理和分析客戶數據的優點將會日益凸顯，未來將有更多的商業銀行可以成熟地運用大數據技術進行信貸業務。

2.1 提高全面覆蓋分析數據能力

在大數據背景下，商業銀行利用大數據平臺在互聯網中了解客戶的財務信息、信用情況、賬戶信息等，識別大量客戶信息的同時，可以有效地降低收集交易成本，緩解信息不對稱，獲得多維度數據并建立客戶信息數據庫。銀行獲得真實情況后，可以借助模型對其進行信用評估和分級，計算出客戶的違約概率和損失率，以便商業銀行制定不良貸款處置方案，提高信貸風險防控能力。

2.2 提升信貸審批智能化水平

商業銀行通過數據變量之間的關聯性，構建信用模型，對信用不同的客戶進行分層次授信，創建信貸風險評估系統。只需在系統中輸入企業的貸款指標，根據信用評級進行信貸產品匹配，提高信貸產品供給與需求的適配度，進而提供貸款建議作為審批依據，由審批人在系統結果的基礎上進行檢查與審批，從而實現流程化、標準化的審批過程。

2.3 實現動態跟蹤信貸產品使用的可能

銀行在發放貸款的前、中、后全過程中，對客戶的經營狀況等進行全面動態實時監控，精確定位企業或個人的信用額度和財務信息，及時識別并精準控制風險。通過大數據計算與分析，防止企業或個人用戶用虛假信息惡意騙取信用貸款，也可以在融資方發生重大財務狀況和金融風險時，及時洞察并收回相應抵押物，減少出現不良貸款的風險。

3 當前商業銀行信貸業務存在的問題

根據實地調研情況，目前大數據技術在商業銀行信貸業務中的運用還有所欠缺，傳統信貸業務模式仍占主導地位，銀行數據收集和使用能力有待提高。

3.1 數據收集成本較高

首先，在審批貸款前，商業銀行需要收集對客戶的征信情況，會花費大量的人力、物力和經濟成本。其次，在貸款審批完成后，貸中和貸后階段對于客戶情況的跟蹤也需要耗費大量時間和精力。由于成本高昂，銀行在貸款資金使用、客戶情況變化等方面的跟蹤工作容易松懈，這會導致其不能實時監測到借款人的風險行為，進而無法采取及時的風險管理措施，增加損失風險。

根據實地調研情況，調研銀行貸后進行風控主要通過電話、上門、與客戶單位聯系等方式進行催收，同時鼓勵借款人通過按月、季、半年等方式結息，采用風險線索監測系統定期下放可疑貸款。若發現還息疑點，及時組織客戶經理現場核實，做好風險處置,傳統風控方式仍占較大比重，實地考察借款人方式將耗費大量成本。

3.2 數據積累和使用不充分

當前，我國征信體系由人民銀行征信中心負責的金融信用基礎數據庫、各政府部門掌握的本部信用數據和社會上的征信機構收集的信用數據所組成，我國商業銀行同業之間、互聯網公司和第三方平臺之間還沒有完全達成數據共享，無法對客戶的信用進行交叉驗證、實時監控，這會導致客戶畫像不準確。

其次，銀行信息庫數據更新不及時。銀行信用數據收集渠道有限，過于依賴于客戶的征信記錄、收入穩定性以及資產來決定客戶的還款能力。同時，商業銀行對于現有數據之間的相關性關系分析不夠充分，導致其對信貸風險的預判能力不足。銀行在貸前審批時，以上問題會使銀行與客戶之間信息不對稱情況越發嚴重，不利于控制信貸風險。

3.3 處理和辨別信息能力欠缺

傳統信貸模式下，銀行搜集數據的方式單一，客戶提供的會計報表、賬戶等信息是銀行判斷借款人違約風險的主要依據，這導致銀行難以掌握客戶真實的經營財務狀況。此外，銀行風控系統尚未成熟，收集、處理數據信息的能力欠缺，許多數據的收集與處理仍需人工輔助，風險識別能力較低。

3.4 傳統信貸思維仍占主導

傳統模式下，商業銀行的授信審批依然以人為主導，大數據風險識別只是為人工審批提供參考，與傳統審批沒有太大區別。另外，全面風險管控思想理念流于表面，未深入商業銀行的各個層級和環節，銀行基層人員的風險管理思想得不到深化與實踐。

經調研，銀行審批貸款時偏向于支持成熟度高且具有發展潛力的重點產業、有生產經營經驗的客戶，以規避信貸風險，但這會導致長尾客戶受到的重視不足、銀行收益規模和信貸風控能力難以提高。

3.5 用戶信息安全缺乏保障

隨著大數據技術的發展，信息的獲取變得更為容易。銀行信息化程度越高，對大量信息的依賴度越高。一旦信息安全出現問題，將會給銀行帶來嚴重后果，如內部機密信息丟失、信譽受損等。

3.6 大數據專業人才缺乏

商業銀行想要將信貸風控與大數據進行融合，需要一批同時熟悉信貸業務、數據挖掘技術和系統編程能力的人才。員工不僅需要運用專業知識對銀行自身數據庫的數據、中國人民銀行征信數據和第三方平臺的客戶數據進行篩選和清洗，還需要在數據的基礎上，建立模型、風控系統，并持續更新內部客戶數據、優化升級模型和平臺，以提升風險識別和預警的準確性。然而，同時掌握金融和計算機知識的專業人才非常缺乏，導致商業銀行不能及時組建內部專業分析團隊，只能選擇依賴于金融業務基礎不夠深厚的第三方平臺搭建風控系統。

4 商業銀行信貸業務運用大數據技術的對策建議

4.1 建立數據共享平臺，打破數據孤島

為了充分利用大數據管控風險，銀行需要加強同業合作，消除行業間的數據壁壘。政府可以領頭建立數據共享平臺，整合政府部門、各征信機構的信用數據，給予并監管金融機構使用權限，緩解數據孤島的問題，提升數據資源使用效率。

4.2 挖掘數據間的關聯性，增強風險預判力

積累大量客戶信用數據后，研究人員可以通過分析不同類別的數據，發掘樣本數據與客戶行為之間的關聯性。例如，不良貸款率與借款人的工作類別、投資行為等因素之間的關聯。若具備某種特質的借款人違約率較高，那么銀行可以繼續深入研究兩者甚至多者之間是否存在因果關系，以增強對于信貸風險的預判能力。

4.3 全方位掃描客戶，提升數據真偽辨別力

首先，與傳統數據收集模式相比，大數據包括大量非結構化數據，比如視頻、語音、地理環境等，具有維度廣、實時更新等特點。銀行可以借助海量數據，全方位掃描客戶，及時識別出預違規行為。其次，分布式記賬與存儲利于銀行對業務追根溯源，確保信息流轉過程中的真實性。

4.4 加大科技投入，革新傳統信貸思維

各商業銀行應針對自身不足，加大科研投入，優化大數據技術的運用能力。同時，由傳統的信貸經營思維向大數據思維轉變，借助機器學習等人工智能技術，優化大數據風控平臺的算法和風險識別準確度，以提高大數據風控系統在整個信貸審批流程中的地位。

4.5 重視信息安全，完善法律法規

信息可得性的增強使得信息安全受到廣泛重視。商業銀行在應用大數據技術的同時，要注重網絡信息的保護。通過增強系統保護、抵御黑客的攻擊和非法侵入，對客戶的資料信息進行加密處理，建立網絡防火墻系統，嚴防數據泄露等問題。此外，大數據在銀行信貸業務的應用尚未成熟，法律法規不完善，政府相關部門需盡快完善和出臺法律法規，規范并維護市場經濟秩序，嚴懲借助大數據技術進行違法操作的組織。

4.6 加強引進和培養復合型人才

首先，商業銀行要出臺人才紅利政策，吸引更多專業化人才加入團隊。其次，要加強崗位技能培訓。積極引入先進大數據理念和風控知識，通過多崗位定向培訓，提升數據分析、風險控制人員的專業能力。最后，要加強復合人才培養。培養既熟悉信貸業務又擅長建模和編程的專業人才，打造對潛在風險有判斷能力、掌握數據整合挖掘和風險分析能力的復合型人才隊伍。

5 結語

在傳統信貸模式中，商業銀行耗費大量成本收集客戶征信數據，并且更新不及時、處理能力較弱，導致銀行和借款人之間存在嚴重的信息不對稱性、銀行經營效率低和信貸風控能力欠佳。而在大數據時代，數據將成為商業銀行搶占市場資源，提高行業地位的關鍵因素，只有具備挖掘和管理海量數據的能力，才能提高核心競爭力和可持續發展能力。商業銀行想要充分、安全地運用大數據技術還面臨許多挑戰，大數據風控的發展之路仍然漫長。各商業銀行需要轉變傳統信貸思維，從大數據角度解決現存問題，積極創新，推動銀行在大數據背景下穩定健康發展。