商业银行授信审批的大数据应用模式研究

胡仲臣

（北京大学经济学院，北京 100871）

引言

随着互联网技术的发展，我国的现代信息技术也在不断进步，一批云计算、大数据和互联网创新业务也出现在人们眼前，并对人们的生活、思维和学习方式造成了影响。在当今复杂的市场环境下，商业银行对于数据信息的挖掘、采集和整合分析能力也决定了商业银行能否在未来的信贷市场中保持领先地位[1]。基于此，本文就商业银行授信审批的大数据应用模式展开了探究。

一、大数据和信用风险控制的关系

（一）大数据和商业银行风控转型

从大数据的角度来看，商业银行可以利用集中管理模式、基础数据和比较健全的信息化系统等自身优势，建立一个大数据应用平台[2]。此数据平台能够节省银行审批人员的时间，显著扩大商业银行的信贷业务范围，有效地控制信用风险。从商业银行运用的视角来看，大数据应用是建立在传统经营模式上的创新和改革[3]。在我国复杂的市场环境中，商业银行需要对经营方式进行改革，以适应时代的发展。

（二）大数据与信用风险评价

西方发达国家最早开始使用信用评分制度，而且受到了外界的广泛关注。Anderson B.和Hardin J.M.（2014）认为，对客户的信用进行评分能够慢慢应用大数据理念，这样能够对风险控制带来积极的影响[4]。信用评分制度和传统的评分模型相比，它还使用了支持向量机、神经网络和随机森林等算法[5]。

（三）大数据与社会信用体系建设

我国国务院于2015年发布大数据发展目标，其主要内容就是在未来的五至十年间，一步步地实现大数据应用，其中还指出要在2018年年底开始建立一个国家政府的数据开发平台。社会信用体系也要扩大数据来源，通过与一些其他银企建立合作关系后建立共享数据渠道，并完善社会信用体系。

二、授信审批应用大数据存在的问题

（一）缺乏统一的数据管理制度

商业银行中各部门之间的数据基本都是通过分散采集得到的，总行或其他分行在采集到信息之后都是自行使用，很少和内部的兄弟总分行行共用，这就造成银行的内部之间数据信息不互通。此外，商业银行中缺乏统一的数据标准和管理规范，数据信息的记载方式大不相同，大多都是碎片化的记载。银行的传统模式下，信贷审批人员只看到了数据的一些核心内容，对另外一些的信息就忽略掉，例如对于一些产品的工艺、成本和市场规模等数据都需要导入到数据库中，避免数据资源浪费。

（二）数据的整合分析能力不足

商业银行在授信审批时需要使用大数据，从跨越关联的海量数据中挖掘到有效的信息，这就要求了商业银行必须要有强大的数据整合分析能力。而商业银行现在的数据整合分析能力并不能满足此需求，商业信用在进行授信审批时一般使用结构化数据采集。换言之，就是信息能够用标准数字格式描述，也能够使用统计学方法和数学方法进行处理。但是，大部分数据都是音频、文字、视频和图片等，这类信息不能够使用数学和统计学方法进行处理和分析，这也是目前此阶段中商业银行审批依赖专业性人才的原因。

（三）风险管理体制有待理顺

商业银行在实施传统授信审批期间，各个部门时间实施分隔管理，这就造成了银行内部数据不流通，而分行在进行风险分析时不使用其他分行的数据。这也会造成在银行在识别客户融资风险时分散地进行操作，审查审批人员也无法得到通过大数据识别出来的风险。当大数据中包含了过多的信息量时，风险审批人员就会手忙脚乱，很可能出现放大风险因素的事件，那么也会使得数据没有参考价值。目前使用的风险管理制度存在不规范现象就体现在两点，首先就是审查审批时，大数据系统提供的信息对信贷决策的影响，另外就是融资出现风险问题时无法判定责任。

（四）对外部数据缺乏有效利用

目前，我国市场中的征信系统的覆盖面较广，并且已经接入了大量的商业银行、信托公司、资产管理公司、租赁公司和财务公司[6]。征信系统在与金融机构建立合作关系后，就实现数据共享，然后将企业和个人的信用信息共享给征信中心，并实时地向银行传送。商业银行和征信中心虽然进行了大范围合作，但是仍然存在不足之处。例如对同一个企业可能出现了过度授信的现象，这些问题双方可以通过该开发模型来解决此问题，在授信时判断是否对客户重复授信。但是目前我国的大部分银行在授信时资料不外传，因此也就无法通过平台来实现数据的价值。

三、对商业银行授信审批的大数据应用提出的建议

（一）扩大数据获取来源，积极引入外部数据

大数据模式下风险管理的基础就是数据信息，因此银行可以同相关政府部门以及机构进行数据合作，也可以与同行之间进行数据交流，合作方式可以选着交换、协作和购买等，在考虑在各个银行需要相互竞争，因此银行之间在进行数据交流时可以使用两种模式进行数据共享。首先，商业银行可以在风险贷款上实现数据共享。企业的发展规模越大，在出现风险问题时，牵涉到的银行也就越多。因此在企业进行债务重组期间，各银行之间可以进行合作，由竞争关系变成利益共享体，形成统一行动方案，降低客户信息资源分享障碍。其次，可以利用银团贷款模式开展数据共享。在此模式中，代理行和牵头行可能存在利益分配问题，但是它们仍然是一个主体，可以进行风险与利益共享。而且银团模式下，银行之间在分享客户数据时更具有积极性。因此，在此模式下，两者可以建立直接的数据资源分享渠道。

（二）成立统一数据平台，优化数据信息

要以大数据思维建立一个统一的数据管理平台，并针对性地为授信审批和风险管理制定一套可行的数据管理方案，尤其是银行的各部门之间更要实现数据共享，这样不仅能够统一管理数据格式，还能够让数据进行有效交换和组织。银行涉及到的业务繁多，这也就要求其数据不仅时间跨度要长，还要收集到足够多的量且整合力度要高。针对数据进行整合时，首先就要严格梳理原先由银行分支机构管理的碎片化信息，并对新采集到的数据信息进行质量筛选，这样就能够更好地发挥数据信息的价值。

（三）深度挖掘数据信息，提高数据分析能力

银行风险管理方式进行变革的主要内容就是使用大数据思维，对收集到的数据进行分析，并挖掘他们的价值，这其中包含两个方面：首先，就是大数据模式下的机器学习能力，授信审批工作中会牵涉到数据分析应用，这里也离不开预测和分类两个方面，而机器学习是解决这些问题的有力武器。其次，就是非结构化数据的处理能力。要建立一个专业团队来挖掘数据的潜在价值，对授信审批业务涉及到的音频、视频和图形等数据进行分析挖掘。

在对个人和企业的授信审批过程中，要重点对借款人的借款风险进行分析和挖掘，并使用动态方法来分析数据的变化情况。首先要对借款人的财务信息、产品经营信息进行核验，以便了解借款人资金运转的变化，如交易数据、交易习惯等。这样，银行就可以对借款人实施精准的风险防范措施和信贷政策，减少银行经营风险[7]。

（四）主动完善制度建设，深化风险管理制度改革

商业银行要用大数据的理念来构建一个比较全面的风险管理体系，并以客户为中心，梳理各部门之间的关系，改变传统模式下分散识别风险的方法，并对客户的数据进行统一管理和协调。在此基础上，银行还要完善机构、部门分类分级授权共享数据信息的运行机制。通过上述方法，商业银行才能够挖掘数据的潜在价值，形成一个完整的数据库，无论客户经营什么产品、在哪里经营，都能够按照统一的风险防范措施和风险准入政策来处理客户的借款。

（五）培养数据分析和授信审批的复合型人才

银行要培养一批复合型人才，首先就要加大培养和引进风险管理人才上的资金投入力度，特别是对一些高级业务人员上要针对性地制定配套机制，以此留住高级人才。商业银行也要打造一批结构合理、人员充足的复合型专业人才队伍，让此队伍中的人员能够具有潜在风险排查防控能力、动态风险监测能力和定性分析判断能力，在商业银行对风险进行评估时，能够对风险进行定量分析，减少银行的经营风险。另外，商业银行还要对审批人员进行培训，创新培训方式，聘请资深学者来对其进行实战模拟教学和案例教学，以此提高业务人员的技能水平。

结语

21世纪是科技信息时代，以互联网、大数据和云计算金融为代表的创新业务在我国迅速发展，这些创新业务不仅打破了我国传统金融市场格局，还抢占了商业银行的信贷业务的市场份额。而商业银行中还存在很多问题，例如融资速度慢、审批程序多等，这些问题严重制约了商业银行的发展。因此，商业银行想要提高自己的竞争力，就必须要对信贷审批业务进行改革。本文就授信审批应用大数据存在的问题进行了探讨，并提出了针对性的解决措施，例如扩大数据获取来源，积极引入外部数据、成立统一数据平台，优化数据信息、主动完善制度建设，深化风险管理制度改革等，以此促进商业银行信贷业务的发展。