运用大数据分析提升授信审批决策水平的思考

连育青

运用大数据分析提升授信审批决策水平的思考

连育青

在经济新常态下，越来越多的企业进入结构调整和转型的新周期，给商业银行授信审批决策提出更高要求，而大数据时代的到来，为精准授信审批决策提供了有力支持。本文从大数据分析优势入手，通过大数据挖掘技术，进一步验证授信企业主背景及经营管理的真实性，提升授信企业风险的甄别能力，并对建立大数据完善授信审批决策机制提出相关建议。

大数据分析 授信审批 授信企业

为了提升授信审批决策水平，商业银行在信贷风险管理中采取了一系列措施。但是，对于跨区域、跨行业综合性经营的集团企业，很难准确了解该集团生产经营管理等的全部真实情况，容易导致多头授信、过度授信、关联担保等问题。同时，在新常态下，越来越多的企业进入结构调整和转型的新周期，也给商业银行授信审批决策提出更高要求。而大数据时代的到来，为克服上述缺陷，精准授信审批决策提供了有力支持，本文作如下探析，望起抛砖引玉作用。

一、大数据为提升授信审批水平奠定坚实基础

1、促进授信审批能力的提升。在传统的数据时代，商业银行了解企业的渠道比较单一，信息量非常有限，提供的财务滞后，现场核实成本高，又缺乏对企业信息的有效整合，降低了信息数据的及时性以及可靠性，授信审批人员很难甄别企业的隐性风险，甚至造成对企业风险的错误判断。而大数据时代，银行可以通过广泛收集企业各渠道、各类型的信息，从数据的深度和广度两方面对企业的各种行为数据进行采集分析和相互验证，包括财务信息和反映客户个人基本特征及企业经营特征的“软信息”等方面的内容。还原企业真实面貌，提升企业信息透明度。

2、推动授信审批决策模式的创新。目前商业银行在进行授信决策时主要依靠具有授信审批权限的工作人员作出的职业判断，但是这种判断往往具有一定程度上的主观性，缺少全面及时准确的数据支撑，进一步增大了授信审批分析的难度。运用大数据处理技术能够更加深入地分析各个变量之间的内在联系，进而建立起量化的标准分析模型，授信审批人员借助该模型提升授信企业审批决策的准确性，从而达到控制信贷风险、提升自身效益的能力。

3、更有效地提升授信审批的效率。通过大数据分析技术替代人工经验判断，可以大幅度减少信息不对称情况的发生，简化流程和信息处理复杂程度，进一步精简人员，同时，大数据通过风险计量技术量化决策标准，尤其是授信审查审批流程线上化、自动化的操作，大大助力授信审批业务数量和质量同步提升。

二、运用大数据挖掘技术，提升授信审批风险判断能力

风险的产生是由信息不对称造成的，商业银行传统的授信审批一般通过财务信用评级模型计算出风险限额并以专家会议集体讨论的方式完成，主要依据客户经理的现场调查等结构化数据进行经验判断，缺乏量化数据的支持，准确度难以得到保障。而通过大量数据信息法人深度挖掘来进行风险识别，在很大程度上缓解了银行与企业之间的信息不对称问题，大大提升授信审批能力。

1、运用大数据分析授信企业主背景的真实性。授信审批的核心任务之一就是深入了解企业主（实际控制人）背景的真实性，评价企业主的风险水平。而大数据时代，银行可以依据互联网时刻记录人们一言一行的特点，提高对授信企业主背景真实性的甄别能力。首先，进一步了解企业主兴趣爱好、风险偏好。充分利用社会网络、征信系统和企业自身提供的资料交叉分析验证实际控制人的投资、经营行为及财富积累过程，分析其与目前对企业的投入与企业运营情况是否相称，是否存在炒房、炒原材料、炒股票期货；或其将企业大额资金转移至个人账户的现象等。其次，通过挖掘企业主的还款记录，包括对其他银行、供应商等债权人的还款记录以及经营中对合约、纳税等履行情况分析判断企业主的诚信状况。第三，借助大数据及时甄别授信企业是否涉及民间借贷。通过大数据查询企业账户资金流水的异常情况，如果发现该账户资金流水中对外有规律地划款，在特定日期向特定对象支付等量小额资金，往往可以判断企业是在支付民间借贷利息；如果该账户资金流水中存在整笔划款，但并非划转给上下游企业或用于归还银行贷款；或者银行贷款到期前几日有资金划入，贷款存量周转后原来划入账户的资金又等量划出，则企业可能存在民间借贷行为；如为大额提现，则有可能是融出资金给其他企业、个人或者归还民间融资；如果企业股东借款较多，或者企业与其股东之间资金往来频繁，也应引起高度关注。因此，银行既要加强对企业资金往来的分析和监控，准确、客观地评价授信企业的偿债能力，又要从多方面了解企业主的资金活动情况，以及时发现风险苗头。

2、运用大数据分析授信企业的真实经营状态。根据生产销售、、资金往来、投入产出、海关报关、税务局报税数据及行业协会数据等，辅以交叉检验技术判断授信企业经营真实性；如通过持续挖掘企业存款账户日均余额情况，并根据企业生产经营发展的不同阶段建立差异化评分模型，以判断企业经营情况，企业发展如处在稳定或上升期，其周转所需的现金流应该呈稳定或增长趋势，反映在其存款账户的余额应该是同向变化，如从某一天开始，企业存款账户余额逐渐下降，则可能发生了客户资金转移他行或经营不善的情况，应引起特别关注。其次，通过对企业主、股东及配偶等个人账户资金流向和消费行为数据分析，间接判断企业经营情况，为银行授信准入提供数据支撑。第三，运用大数据挖掘分析企业的或有事件。通过收集社会主流媒体曝光和公检法通报的企业相关负面信息等重大或有因素及未决因素，了解授信企业是否与其他主体产生民事纠纷、重大法律诉讼，或通过移民、离婚等转移资产及或有负债等。

3、运用大数据分析验证授信企业经营效益。在新常态下，授信企业普遍存在夸张美化财务报表，甚至虚构事实，且手段日趋复杂隐蔽。运用大数据能够验证授信企业财务报表真实性。第一，利用自动生成技术对授信企业近两年及报告期经核实的资产负债表、损益表等就可以自动验证其钩稽关系是否恰当，自动生成的现金净流量测算表与企业报送的现金流量表是否一致，通过利润增长与现金流量分析等，准确、快捷地判断授信企业财务报表数据的真实性；通过其他相关报表进行反向验证，如通过纳税申报表也验证收入的真实性等。其次，通过财务指标同业比较验证。如利用财务报表自动生成资产负债率、资本收益率、应收账款周转率、成本费用收益率等指标及现金流量结构与同行业指标进行横向比较，验证授信企业指标的个别变化是否正常，借以分析其业绩的真实性。如授信企业所处的行业整体比较低迷和萧条，而被授信企业的业绩却一枝独秀，又没有合理解释，就很有可能存在财务报表不真实的情况。第三，运用企业销售收入分析验证。通过查看企业开出的增值税发票、结合交易合同和发货清单及企业与其下游客户的资金往来对账单，来印证是否匹配企业的销售收入，如果数据相差较大，而且又没有合理的解析和说明，可以认为企业财务报表已被粉饰，应该考虑是否与企业开展信贷业务。

4、运用大数据分析推断企业的发展前景。任何经济体都不可能独立存在，任何企业的发展也必须依赖上下游企业的共同发展。通过建立自身观察经济周期走势、把握外部信贷环境、分析企业风险变化的量化机制，能够及时获得信贷企业最新的交易信息、现金流信息，为前瞻性风险判断奠定基础。如银行通过挖掘企业水表、电表、工资表等支出数据，存汇款等账户变动数据，同比、环比分析异动数据，识别可疑企业名单，深入分析数据变动的原因，实现在企业发生实质性风险之前提前捕捉预警信号，尽早采取主动退出、及时控制抵质押品等措施化解风险。通过对其上下游企业，特别是相对集中的几个上下游企业某段时间内经营的基础数据（如交易量、交易金额等）进行分析，并结合企业之间的关联度系数，为准确判断企业发展趋势、主动进行信贷结构调整提供侧面数据支持。

5、运用大数据分析判断信贷资金挪用风险。在企业贷款支用后，采用大数据采集企业资金流向数据，分析企业资金流向规律，并且结合核查企业在信贷资金使用前后库存的变化情况，以及核查上游企业开出的增值税发票、企业的货运单据等，能够印证交易背景和信贷资金使用的真实性，防止利用虚假交易套取商业银行资金。同时，对企业未按照约定支付、支付规律出现异常的进行预警，如通过按月定期监测企业账户资金往来信息，分析授信企业交易对手是否为与其所在行业有上下游关系的企业，如果交易对手中存在小额贷款公司、担保公司、典当行等主体，或者在银行账户中含有“投资、证券、基金、期货、房地产、置业、担保”的借方交易，企业可能参与了民间借贷。还有企业既有银行贷款，又通过委托贷款、委托理财等形式借出资金，实际是参与民间借贷。

6、运用大数据分析甄别授信企业的关联关系和关联交易风险。借助大数据，银行可判断集团企业复杂的关联关系和关联交易行为，还原集团关系树全貌，为精准授信打好基础。在实践中，有些企业并不按规定披露关联方和关联交易行为的有关内容且关系非常隐蔽，单从表面无法轻易判断。首先，充分利用银行信贷风险监测系统、人银征信系统、互联网、各省市工商局官方网站、银码信息共享系统等技术渠道，深度挖掘，集团企业的股东、投资子公司、担保或被担保企业、家族关系等信息，仔细求证，理顺授信企业的关联方信息。通过大范围的信息挖掘，充分了解授信企业及关联方的贷款卡信息、负债信息、大事记、对外对内担保和诉讼情况，不断质疑，相互印证，通过大范围的信息挖掘，发现企业刻意隐瞒或藏匿的关联关系，以此来检测企业的诚信度，尽职免责。其次，运用大数据挖掘内部关联交易信息。通过截取一定期间内的所有企业间大额资金往来（包括大额资金调度、大额资金借贷、大宗销售、大宗采购等）数据的记录集合，分析企业经常发生的对转交易、虚假交易、不平等交易、不正常交易等行为的线索和迹象，应顺藤摸瓜、不断跟踪、深入分析，从而挖掘出企业的隐性关联交易；第三，建立不正当关联交易预警模块。判断是否存在低买高卖的关联购销，是否存在关联方资金融通关系，是否存在关联方收取大量资金占用费的情况，密切关注关联交易中有关资产的无偿或低价转移等。第四，设计总量关联交易预警阈值，从合并会计报表中揭示关联交易的程度。当应收（付）款项、预收（付）款项、存货、营业收入、营业成本、长期投资、投资收益等科目合并前后数额变化很大时，触发警报并说明集团内部关联交易程度。通过一系列的关联交易分析，真实还原集团财务状况。

7、运用大数据分析授信企业的偿债能力。现金为王，真实的经营性现金流是判断企业偿债力强弱最有效的指标之一。但企业货款回笼方式复杂，经常是银行承兑汇票、法人账户、个人卡等多种形式并存，如个人卡与法人卡互转等，给货款回笼分析带来一定难度，对于单一中小授信企业的真正经营性现金流可以通过以下方法进行判断：一是对在本行开有存款账户的授信企业，可通过银行内部系统法人资金查询功能下载企业交易明细清单，在明细清单中进一步分析、剔除非经营性销售资金，筛选出销售回笼资金，其公式如下：销售收入资金=一定时期内账户回笼资金-利息收入-无贸易链背景的关联流入资金-内转流入资金-类同账户流入资金-贷款流入资金。二是对在他行账户的授信企业，要求提供有法人账户、个人卡银行流水明细、银行承兑汇票纸质和PDF扫描件，可用EXCEL表格分月度和年度整理汇总、分析、筛选得出销售收入资金。三是深入企业调阅应收账款明细账、银行存款日记账甚至原始凭证，分析整理后与以上方法查询的结果进行对比分析，如果几种方法数据基本相符则可信度较高，如果几种方法调查结果差异巨大，则应谨慎处理。同时，企业间的资金来往，主要通过银行转账实现，其存款账户的交易明细记录，可较为真实地反映企业日常运营行为。通过对授信企业某一段时间内的交易量和交易金额的连续统计分析，可以相对准确地掌握其日常业务发展和整体运营情况。一般而言，企业发展如处在稳定或上升期，其交易量和交易金额应整体趋平或呈现上升趋势，如从某一天起，其交易量和交易金额（借、贷）变少并呈持续下降趋势，则企业的经营可能出现状况，授信审批人员需要重点关注。

三、建立大数据完善授信审批决策机制的相关建议

1、树立大数据的授信审批决策理念。新常态下，建立大数据思维方式是授信审批转型的首要任务，以往授信审批中，关注企业财务数据，对企业行为数据、企业经营管理数据、同业数据重视不足；关注贷前分析，对企业整个生命周期的一体化数据挖掘整合不足。在大数据时代，要牢固树立“决策基于数据，信息创造价值”的观念，应倡导开阔思路，深入挖掘企业资金流、信息流、物流及经营管理数据等，从企业投入产出中寻找关键敏感数据，使大数据模式的分析成果及时转化为提供授信审批的有力依据；要运用大数据挖掘分析技术，找出隐藏在海量数据中的授信企业与信贷风险之间的量化关系，提高非结构化数据转化为授信审批支持信息的效率。

2、全面整合银行内外部数据，建设信贷管理大数据平台。围绕信用评级、授信审批、贷后监控等信贷管理的关键环节，全面整合内部各业务单位的企业相关信息，将各类渠道所有交易中的企业信息、记录综合起来，建立一个跨业务条线、跨机构、跨地区统一的数据分析平台，为银行集团企业综合授信奠定坚实的数据基础。其次，充分利用社交网络、论坛、微博、微信平台等外部社会化数据，将分散化数据信息按照企业、渠道、产品等分门别类整合形成统一、多维度的数据库，提高数据的利用效率。第三，建立适应大数据管理的数据管理体系。由于信贷管理数据不再局限于结构数据，大量的非结构数据应用促使数据标准、数据架构将发生较大变化。商业银行需重新梳理数据来源，制定数据标准，建立数据采集、处理等一系列管理制度，改善数据收集、清洗、挖掘、应用、评估等的执行效率。

3、完善授信审批管理。首先、转变授信审批决策模式，通过大数据的积累和利用，改变信息不对称的现状，逐步消除传统“财务报表＋抵质押品”模式，建立以非财务分析为主、财务分析为辅，以第三方信息验证分析为主、企业自身经营状况分析为辅的授信审批模式。使审批人员在决策时有统一的风险评判标准，改变以主观判断为主的审批方式，以自动化风险预警系统、重点检查逐步取代人工识别的认定风险、定期检查的信贷管理方式，将更有助于对企业授信风险的实时监控和处理，提升授信审批的准确性。第二，建立以专家审批替代集体审批的制度。依据不同业务模式，设立专家授信审批队伍，对于授权范围内的贷款申请，专家通过数据挖掘对授信企业风险综合判断而直接审批，这样，既能适应企业经营多元复杂化的需要，又能提高审批的专业性和效率。第三、组建企业风险监控中心，即依托大数据，建立风险计量与欺诈防范模型，实现现场调查与非现场分析相结合、数据定量判断与经验定性判断相结合，对授信企业从贷前到贷后全生命周期的风险监测手段。促进授信审批人员站在更高的角度掌握到信贷经营人员所不知的信息，提升信贷审批决策的科学性；推动风控人员在信贷风险监控中，无需等待经办行和信贷人员上报问题，可以随时利用系统中来自银行内、外部的信息对有关授信做出风险预警，实现授信风险的早预警、早报告、早处置。

4、加强大数据人才队伍建设，营造大数据授信审批文化氛围。首先，加强授信审批队伍培训，强化内外部信息收集印证、类征信工具运用等的培训，全面提升授信审批人员的整体素质，着力造就数量充足、结构合理、素质优良、表现卓越的大数据分析师；其次，探索建立主动揭示风险的激励约束机制，激励各级信贷人员积极主动及时揭示及报告各类授信风险，统一前后台人员授信风险偏好，有效防控及降低授信风险，不断提升授信审批水平。

随着数据挖掘技术的深入运用，银行获取信息渠道的不断增多，从以往主要依赖企业历史数据信息而逐步转变为依据不断变化中的实时行为数据信息进行风险预判的授信决策。通过监控平台对企业的交易行为和需求信息有了透彻了解，能为企业提供合适产品，并根据企业体验不断改进产品和服务，实现信贷风险管理与市场营销的完美结合。

［1］朱良平.大数据在银行信贷业务中的应用实践及建议.中国金融电脑.2015（12）32-37

［2］宋长龙.大数据背景下的银行信用风险管理.企业改革与管理.2015（10）108-109

［3］江明哲.借鉴大数据相关关系提升信贷审批前瞻性.上海金融.2015（2）100-106

［4］连育青.充分识别信贷客户关联企业的难点与对策.管理学文摘.2016（03）32-37

Using Big Data Analysis to Improve the Decision Level of Credit Approval

LIAN Yu-qing
Fujian Branch,China Construction Bank,Fuzhou 350003

Under the new economic norm,more and more enterprises enter the new cycle of structural adjustment and transformation,which puts more demands on credit approval decision of commercial banks.The arrival of large data era provides strong support for accurate credit approval decision.This paper starts with the advantage of big data analysis,through large data mining technology to further verify the credit background and the authenticity of business management to enhance the ability of credit risk screening for enterprises,and provide suggestions for the establishment of large data to improve credit approval decision-making mechanism.

Big Data Analysis,Credit Approval,Credit Enterprise

F832

A

连育青，男，福建省泉州人，中国建设银行福建分行高级经济师，研究方向：商业银行经营管理；福建福州，350003