大数据如何变革传统金融风控

　　近年来，外部数据源产生的“数据价值”在商业银行经营和风险管理过程中起到越来越重要的作用，尤其在利用大数据技术开展客户画像分析和辅助风险管控方面，更是一个重要的金融创新方向。

　　对于城商行面临的大量中小微企业，需要通过构建信息系统来实现对不同行业、不同资产规模、不同发展阶段的企业进行即时监控，能够做到对面临风险的早预防、早干预。这对城商行的信息获取及时性、准确性和大数据处理能力方面提出了新的要求，要求达到内外数据的融合、各部门机构的协同，从而做到对信贷客户的全面信息监控。

　　在国内金融业务风险日益加剧的新常态下，基于传统“静态”数据的分析、数据关联，已经越来越无法满足金融行业用户在授信企业全方位的多业务层面考核风险预警及管理体系需求。

　　有几点矛盾不容忽视，一是外在欺诈和信用风险监控乏力，这在目前已成趋势的线上放贷和消费金融业务上尤其突出，由于传统风控手段信息维度单一，只是依靠资产、现金流、职业属性来判断借款人的收入情况，因而无法了解借款人在不同消费场景中的行为信息。二是传统风控手段下的客群局限性较大，将信用信息不足的蓝领消费者等排除在外，很大程度上阻碍了银行的业务拓展。三是越来越庞大的中小型对公授信客户群受限于银行有限的机构与服务人员，难以通过无限扩张来满足传统信贷流程的大量贷前和贷后线下风险管理工作。

　　在快速变化的经济形势和日趋激烈的竞争环境中，客户风险、企业信贷风险的预警、控制与防范成为行业进一步发展所必须解决的重要问题，各传统金融风控的存在多重安全隐患，显然跟不上新的服务需求。而大数据的介入，则可有效填补这些漏洞。作为拥有十年以上大数据智能处理的实践经验，网智天元致力于构建完整的金融和资本市场大数据智能生态系统，有效挖掘出大数据在金融领域的应用效能。

　　大数据在金融领域的应用优势

　　大数据平台为智能应用奠定基础。网智天元为城商银行建设的大数据平台，可扩展性高、架构成本低，采用的产品成熟稳定，分布式列式存储，可以进行快速的统计与分析，支持传统报表、自助报表。并且利用便捷的管理方式实现快速的开发、测试与部署，并有成熟的工具支持数据挖掘和数据分析。

　　平台能将银行目前拥有的数据仓库、数据集市跟新建的大数据平台并存，既能实现对结构化数据的存储和加工，也要实现对非结构化数据的存储与加工。既可以存储银行内部部分数据，又可以存储外部的数据资源，并将外部的数据资源、历史数据、互联网数据集成一体，协同应用，能实现数据集成工具，优化数据访问查询和审核加工的智能化程度，为基于数据的智能应用奠定基础。

　　通过采集工商企业注册数据，筛选出行方网点覆盖范围内的新注册企业信息，注册地的分支行营销人员可以及时查询企业信息，拓展客户资源。营销人员可以查询注册地的所有未在该银行开立账户的客户信息和所有关联信息。也可以查询注册地已在该银行开立账户但关联公司未在采购人开立账户的客户信息。客户营销功能包括新注册企业提示和企业信息查询等功能。

　　用数据了解客户画像。大数据风控并不是单一的数据服务，而是需要数据、模型与系统的整合，而风控管理一方面为银行等金融机构提供风险测评，同时也为社会信用体系的构建贡献出了力量。从应用范围来看，目前大数据征信和客户画像技术最核心的两个价值就是：防范欺诈风险和信用风险。简单来说就是：既能证明“你是你”，还能描述出“你是什么样的人”。

　　通过分析和比较银行用户核心数据的变化趋势，用数据说话，帮助决策层深入掌握银行全面信息化运营、风控的状态，多维度观察，提升金融行业对持续运营优化和风险控制能力，已经成为银行企业金融风控的发展趋势。

　　以数据为根本，进行数据分层级分析，通过构建机构统一用户ID，可以从多个数据层面进行渠道整合，构建个体分析模型，布局基于商业群体、用户个体的信息分层及风控预警。金融机构可以定制任意重点监控对象，比如，大客户、小微客户或潜在客户、不良贷款多发地区、宏观调控的行业、重点关注行业和相关政策等。大数据风控系统能够自动高频采集海量互联网数据，通过实时分析和挖掘监测对象各方面的负面信息或敏感行为，捕捉可能发生的信贷违约风险；信贷风险预警以负面信息为主要输出结果，提供与信贷风险有关的负面信息，包括宏观经济政策、行业、地区、公司、产品、人物等全方面的负面分类预警信息。

　　大数据优化金融风控形式

　　大数据填补金融风控漏洞。相比于传统风控的缺陷，大数据可以做到对金融信贷的全流程管理。包括贷前辅助决策、辅助贷款审批以及贷后预警。

　　贷前，大数据可以平台提供欲准入信贷客户的评估报告，和客户提供的资料进行比对，作为客户准入的重要参考数据，并可直接把大数据平台的客户数据引入到信贷管理系统里面，提升新客户在信贷系统的录入效率。

　　贷款审批过程中，通过整合银行内部数据和外部数据，可以为审批人员提供全面的企业客户画像，审批人员可通过系统调阅客户及关联人的综合信息、预警信息，为识别风险、科学决策提供有效支撑。

　　贷后，大数据主要针对已放款客户进行全方位的互联网信息监测和预警，强化多信息的校验分析和逻辑判断，解决贷后管理中的信息不对称问题，成为传统风控的有效补充。监控已放款客户与信贷风险有关的负面信息，通过邮件或短信方式及时通知营销人员。

　　多元化技术融合形成综合解决方案。企业数据画像、分析技术可基于对金融大数据平台渠道数据采集系统的融合数据，通过实时汇集基础数据、第三方数据和互联网数据，从而进行系统的监控和分析。从基本情况、资质证明、财务信息、成果案例、产品信息、历史业绩、违规投诉、风险预警等多维视角分析运营的宏观趋势和微观细节。同时，企业画像技术通过对企业内外部信息整合处理后，根据信息属性分类分别划分为基本分析、运营分析、业务分析、监管分析、信用分析、舆情分析和关联分析，从不同的维度分别展示企业的全方位信息。

　　大数据金融信贷风控模型，通过多渠道的互联网信息采集和大数据处理，多角度验证信贷客户可信性和风险性，通过对一系列非结构性的行为数据的关联性分析，强化多信息的校验分析和逻辑判断，解决调查、审查、贷后管理中的信息不对称问题，对贷款客户全方位的互联网信息监测和预警，为经营决策、审查审批等提供支持，成为传统风控的有效补充。

　　通过“数据融合”构成金融数据实体，通过“数据画像”整合业务分析模型，通过“分析预警”形成全网数据联动、分类预警，大数据技术构建了多元化的角度、纵深的服务、多个场景和整个流程全智能分析的金融风控综合解决方案。

　　大数据丰富信用决策洞见

　　用人工来开展数据的收集、授信、归档，如果数据出现问题会降低风险绩效，而时间周期过长则会影响客户体验，这些都会影响到银行的信用交付。大数据金融风控手段具有自动化和连接性优势，可实现数字化交付和数字化决策制定，集成新数据源可以丰富信用决策洞见，而实时数据处理、报告和监测则进一步提升了总体风险管理能力。

　　减少客户流失、保障消费者信贷收入。高级分析和机器学习工具可以提高信贷审批、组合监控和催收方面风险模型准确性，能够减少判断错误的频率。使用大数据金融风控手段可以减少客户流失，保障消费信贷收入。

　　比如，银行可以引入第三方开展信用审核工作，通过动态风险定价和限额设置做到实时决策、信贷申请和信贷审批，改善客户体验。大数据辅助决策功能还能够帮助银行先于竞争对手作出决策，同时在风险评估方面始终保持领先。

　　大数据思维完善风险管理，提高贷前分析效率。通过大数据风险预警，可以实现企业信贷风险的识别、传导与跟踪；以专业化移动贷后监控手段，能够掌握更加及时可靠的企业经营情况；将区块链技术应用于企业征信，可实现更加精准的信贷风险控制。

　　以大数据思维完善风险管理，可以提高贷前分析效率，改善贷中决策质量，优化贷后管理技术。树立“用数据防风险”的新型风险管理理念，有助于提升风险识别和计量水平。

　　大数据技术催生信贷业务变革。银行等金融机构要有更辉煌的前景，一定是通过技术的手段，如大数据、人工智能、区块链等，提升风控、获客能力，做传统金融做不了的事，进而形成核心竞争力。

　　传统的信贷业务获客渠道相对简单，相关业务场景搭建更多是直接以客户办理信贷业务的诉求作为起点。在互联网金融的浪潮下，各类生活消费的O2O平台以自身业务出发开始往金融领域拓展，而银行等金融机构也开始设计更复杂灵活的授信、支付以及风险缓释的方式，将业务场景解构并增加各类风险控制手段。

　　由于金融与大数据拥有天然的适配性，相较于其他领域，金融与大数据技术的融合走在了前面。过去大数据技术为金融上带来了很多深刻的变革。无论是从移动支付到基于互联网从2013、2014年开始蓬勃发展的互联网金融，还是到大数据智能风控、大数据智能营销等场景，大数据技术在金融领域里面带来的变革是非常多的。