大數(shù)據(jù)在銀行信貸業(yè)務(wù)中的應(yīng)用實(shí)踐

大數(shù)據(jù)是當(dāng)前社會各界的熱點(diǎn)議題之一。商業(yè)銀行作為社會各機(jī)構(gòu)中最早積累、應(yīng)用大數(shù)據(jù)的主體，在大數(shù)據(jù)領(lǐng)域已經(jīng)探索出了不少成熟的、有價值的應(yīng)用模式。隨著利率市場化改革臨近收官，利差縮窄、市場競爭更加激烈、業(yè)績增長乏力將是商業(yè)銀行未來一段時間內(nèi)面臨的主要經(jīng)營環(huán)境。嚴(yán)峻的經(jīng)營態(tài)勢促使銀行通過開展大數(shù)據(jù)分析等方式內(nèi)部挖潛，以實(shí)現(xiàn)“盤活存量、用好增量”，有效提升業(yè)績、管控風(fēng)險。本文以銀行信貸業(yè)務(wù)全生命周期管理為視角，分析總結(jié)了大數(shù)據(jù)在商業(yè)銀行傳統(tǒng)信貸業(yè)務(wù)各流程環(huán)節(jié)的應(yīng)用實(shí)踐，并提出了若干應(yīng)用建議。

一、大數(shù)據(jù)在銀行信貸業(yè)務(wù)中的應(yīng)用實(shí)踐

大數(shù)據(jù)可以應(yīng)用在信貸業(yè)務(wù)流程各環(huán)節(jié)中。本文主要探討大數(shù)據(jù)對銀行傳統(tǒng)的客戶營銷、客戶準(zhǔn)入、貸后預(yù)警、客戶流失分析、貸款催收等環(huán)節(jié)的具體應(yīng)用。

1．客戶營銷環(huán)節(jié)的應(yīng)用

從上世紀(jì)六七十年代開始，歐美發(fā)達(dá)地區(qū)銀行就已經(jīng)采用了大數(shù)據(jù)分析的思維開展客戶營銷活動。典型的做法是銀行先圈定一批大樣本客戶，以寄送郵件、電話營銷等方式對客戶進(jìn)行普適性營銷活動，同時采集首次營銷活動后的客戶響應(yīng)數(shù)據(jù)，建立客戶響應(yīng)分析模型，尋找不同客戶群體的響應(yīng)規(guī)律，建立客戶響應(yīng)模型，再對客戶進(jìn)行精確營銷，大幅提升營銷效果。

近幾年來，在各類技術(shù)手段得到廣泛應(yīng)用的背景下，銀行業(yè)基于大數(shù)據(jù)的客戶營銷模式層出不窮，主要可歸結(jié)為以下兩種類型。

第一類是基于大數(shù)據(jù)的交叉銷售模式，其中又包括基于銀行內(nèi)部數(shù)據(jù)的交叉營銷和基于銀行外部數(shù)據(jù)的交叉營銷。在基于銀行內(nèi)部數(shù)據(jù)的交叉銷售領(lǐng)域，業(yè)界已經(jīng)開發(fā)出了若干種成熟的金融產(chǎn)品。以建設(shè)銀行、中信銀行等開發(fā)的POS貸為例，其基本思路就是通過分析銀行POS商戶的交易流水?dāng)?shù)據(jù)，結(jié)合商戶的其他基本信息、征信信息等，篩選出POS交易量高、穩(wěn)定的商戶，以預(yù)授信方式給其推送無抵押信用貸款。該模式和互聯(lián)網(wǎng)金融領(lǐng)域的阿里小貸模式類似，阿里小貸也是基于網(wǎng)絡(luò)商戶交易數(shù)據(jù)發(fā)放小額無抵押信用貸款。其他類似的產(chǎn)品還有小企業(yè)網(wǎng)銀循環(huán)貸、個人快貸等。基于銀行外部數(shù)據(jù)的金融產(chǎn)品有建設(shè)銀行的稅易貸等，其基本思路是和稅務(wù)局合作，根據(jù)企業(yè)納稅流水?dāng)?shù)據(jù)，篩選出納稅額高、穩(wěn)定的企業(yè)，綜合考慮征信等信息，為其發(fā)放信用貸款。目前，銀行基于上述大數(shù)據(jù)的交叉銷售模式僅僅是一個開始，考慮到銀行在各業(yè)務(wù)線上沉淀的海量數(shù)據(jù)，上述思路很容易推廣至其他的交叉銷售領(lǐng)域。如在銀行內(nèi)部數(shù)據(jù)交叉分析領(lǐng)域，可以根據(jù)企業(yè)結(jié)算數(shù)據(jù)遴選客戶進(jìn)行預(yù)授信；通過對客戶存款的大數(shù)據(jù)分析為客戶提供理財類產(chǎn)品銷售(或反之)；基于理財類數(shù)據(jù)營銷信貸類產(chǎn)品(或反之)；信貸類產(chǎn)品之間開展相互交叉銷售；根據(jù)客戶資金活動的規(guī)律數(shù)據(jù)推送針對性企業(yè)理財產(chǎn)品等。在銀行外部數(shù)據(jù)交叉分析領(lǐng)域，除了和稅務(wù)局合作，還可以和海關(guān)、工商、專利局等外部機(jī)構(gòu)合作，根據(jù)其提供的外部數(shù)據(jù)開展?fàn)I銷服務(wù)。

第二類是基于大數(shù)據(jù)的個性化推薦營銷模式。如記錄客戶在網(wǎng)銀等入口的選擇習(xí)慣和產(chǎn)品購買習(xí)慣數(shù)據(jù)，分析客戶產(chǎn)品偏好和風(fēng)險偏好，將適合客戶的產(chǎn)品／服務(wù)放在最容易被客戶接觸的入口，從而為其推送精準(zhǔn)的、有針對性的產(chǎn)品或眼務(wù)。除了記錄單客戶的選擇習(xí)慣，還可以根據(jù)客戶與客戶之間的產(chǎn)品偏好和風(fēng)險偏好關(guān)聯(lián)性，為其推送個性化產(chǎn)品。類似亞馬遜公司的產(chǎn)品交叉推送服務(wù)(如買了A金融產(chǎn)品的用戶中有多少還會買B產(chǎn)品，瀏覽了A金融產(chǎn)品的用戶中有多少會購買C產(chǎn)品等)，在銀行營銷推送上也有較大的應(yīng)用空間。通過上述個性化營銷推送方式，大數(shù)據(jù)提供了產(chǎn)品的精確指向／個性化推薦：

總的來說．目前銀行基于大數(shù)據(jù)的交叉營銷方式方興未艾，未來還將衍生出若干新的做法。銀行采用大數(shù)據(jù)方式開展交叉營銷分析，可以以較低成本提升客戶的產(chǎn)品覆蓋率，增加客戶黏性，延長客戶的生命周期。

2．客戶準(zhǔn)入(授信審批、定價和額度管理)環(huán)節(jié)的應(yīng)用

信貸客戶準(zhǔn)入環(huán)節(jié)的授信審批領(lǐng)域也是大數(shù)據(jù)在銀行信貸業(yè)務(wù)中的核心應(yīng)用之一。早在上個世紀(jì)五十年代，歐美銀行業(yè)基于申請貸款客戶的基本信息、產(chǎn)品信息、風(fēng)險緩釋信息等數(shù)據(jù)，開發(fā)出了針對零售信貸業(yè)務(wù)的評分卡和非零售業(yè)務(wù)的評級模型，對客戶信用風(fēng)險等級進(jìn)行自動化定量化評定，并在信用等級和信用評分基礎(chǔ)上，將專家經(jīng)驗(yàn)和自動評分、自動決策規(guī)則結(jié)合，實(shí)現(xiàn)了人工+自動化決策結(jié)合的授信審批方式。在歐美銀行業(yè)，部分零售業(yè)務(wù)的自動化審批決策率可以達(dá)到90％以上，大幅提高了銀行授信審批的效率，節(jié)約了寶貴的審批人資源，有效控制了銀行風(fēng)險。

近年來，隨著銀行數(shù)據(jù)采集范圍的擴(kuò)大和建模技術(shù)方法的更新，銀行已經(jīng)開始探索采用大數(shù)據(jù)方式，完善傳統(tǒng)的客戶評級評分模型，優(yōu)化自動審批策略。與傳統(tǒng)的評級評分模型相比，基于大數(shù)據(jù)的評級評分模型主要存在如下特點(diǎn)。

一是數(shù)據(jù)維度更廣，變量更為豐富。傳統(tǒng)的評級評分模型通常有10～20個變量，主要包括客戶基本信息、資產(chǎn)(AUM)、收入(工資發(fā)放信息)、產(chǎn)品、交易結(jié)構(gòu)安排、風(fēng)險緩釋、征信(銀行內(nèi)部征信和外部征信)、交易流水等類型的信息。在大數(shù)據(jù)時代，除了上述價值密度較高的傳統(tǒng)信息以外，可以增加價值密度相對較低但體量較大的數(shù)據(jù)，包括網(wǎng)絡(luò)消費(fèi)數(shù)據(jù)、網(wǎng)絡(luò)瀏覽與偏好數(shù)據(jù)、用戶偏好數(shù)據(jù)等?？梢詫⒋罅孔兞?可達(dá)數(shù)百個乃至數(shù)千個)納入模型中，模型區(qū)分能力更佳、更穩(wěn)定。

二是采用模型嵌套模型的技術(shù)架構(gòu)。將稀疏的大數(shù)據(jù)信息先通過子模型加工成密集信息，即將子模型的輸出信息作為母模型的輸入變量，將信息逐層加工，形成模型嵌套模型的技術(shù)方案。子模型可以采用較新的技術(shù)如神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、支持向量機(jī)等機(jī)器學(xué)習(xí)算法，母模型可以采用傳統(tǒng)的、成熟的logistic回歸等技術(shù)方法，在模型應(yīng)用框架不發(fā)生太大變化的情況下，實(shí)現(xiàn)更好的區(qū)分效果。

三是采用候選模型動態(tài)調(diào)整機(jī)制，一旦部分子模型效果下降至某個最低閾值，則該模型會被剔除出子模型序列，替補(bǔ)模型會立刻增補(bǔ)進(jìn)入到子模型序列中。
上述大數(shù)據(jù)和新技術(shù)的使用，使得單一變量、單一模型效果的波動，難以對模型整體效果造成實(shí)質(zhì)性影響，從而實(shí)現(xiàn)了模型效果的相對穩(wěn)定，模型預(yù)測效果也得到了提升。銀行基于以上大數(shù)據(jù)信息生成的信用風(fēng)險評級、評分，結(jié)合專家設(shè)定的業(yè)務(wù)規(guī)則，嵌入到信貸業(yè)務(wù)流程系統(tǒng)中，共同形成了信貸業(yè)務(wù)自動化審批策略，可以更好地識別客戶風(fēng)險，極大提升效率。

大數(shù)據(jù)在授信審批環(huán)節(jié)的另一個應(yīng)用是額度和價格(利率)的制定、調(diào)整。一般來說，在信貸業(yè)務(wù)的授信審批環(huán)節(jié)會同時確定信貸業(yè)務(wù)的額度和價格。在新客戶首次準(zhǔn)入時，可以根據(jù)大數(shù)據(jù)統(tǒng)計出的同類客戶風(fēng)險參數(shù)、各項(xiàng)成本參數(shù)、市場敏感性參數(shù)來設(shè)定授信額度。對存量客戶，可以根據(jù)客戶的風(fēng)險特征變化情況、貸款支用情況、逾期情況等大數(shù)據(jù)計算客戶行為評分，并計算影子額度，基于影子額度對現(xiàn)有額度進(jìn)行實(shí)時調(diào)整。在采用大數(shù)據(jù)和自動評分機(jī)制框架下，銀行對客戶額度的調(diào)整時間可以從之前的數(shù)天縮短到數(shù)秒，極大提升了客戶體驗(yàn)。與此類似，貸款定價也可以根據(jù)大數(shù)據(jù)方式來確定和調(diào)整。除了采用大樣本統(tǒng)計風(fēng)險參數(shù)以確定貸款價格以外，在利率市場化環(huán)境下，銀行還可以為多類樣本客戶設(shè)定不同測試?yán)蕛r格，計算不同客戶群對利率定價敏感性系數(shù)以及競爭對手對測試?yán)实姆磻?yīng)情況，從而確定最優(yōu)貸款定價策略。

3．貸后監(jiān)控和預(yù)警應(yīng)用

貸后管理是國內(nèi)銀行信貸業(yè)務(wù)流程中管理相對較為薄弱的環(huán)節(jié)，也是大數(shù)據(jù)能發(fā)揮良好作用的領(lǐng)域。傳統(tǒng)上，國內(nèi)銀行貸后管理的普遍做法是由客戶經(jīng)理及所在支行分散式地負(fù)責(zé)收集客戶貸后信息，管理效率較低。在貸后管理實(shí)踐中，往往在企業(yè)經(jīng)營形勢已經(jīng)出現(xiàn)了巨大變化且無法挽回以后，總分行管理機(jī)構(gòu)才能獲知消息，造成銀行在貸款處置中的被動局面。近一段時間以來，部分銀行將大數(shù)據(jù)應(yīng)用在貸后管理領(lǐng)域中，已經(jīng)取得了良好的效果。

大數(shù)據(jù)在銀行客戶貸后風(fēng)險預(yù)警體系的應(yīng)用主要包括單客戶風(fēng)險預(yù)警、客戶群風(fēng)險預(yù)警、風(fēng)險傳染預(yù)警等領(lǐng)域。在單客戶貸后風(fēng)險預(yù)警系統(tǒng)建設(shè)中，一種做法是在企業(yè)貸款支用環(huán)節(jié)，在客戶支用貸款資金以后，銀行可以采用大數(shù)據(jù)手段，采集企業(yè)資金流向數(shù)據(jù)，分析企業(yè)資金流向規(guī)律，對企業(yè)未按照約定支付、支付規(guī)律出現(xiàn)異常的進(jìn)行預(yù)警。另外一種常見的做法是建設(shè)客戶大數(shù)據(jù)信息監(jiān)測庫，動態(tài)抓取社交媒體、網(wǎng)站新聞、環(huán)保、工商、稅務(wù)、海關(guān)、企業(yè)股票價格、企業(yè)債券價格、企業(yè)CDS價格等涉及客戶的外部信息，通過文本分析及內(nèi)容挖掘技術(shù)，對涉及企業(yè)的關(guān)鍵詞和負(fù)面新聞進(jìn)行識別，將識別后的信息轉(zhuǎn)換成標(biāo)準(zhǔn)分類，建立企業(yè)信息索引庫，結(jié)合企業(yè)在銀行內(nèi)部的征信信息、交易流水信息、貸款逾期信息、資金往來異動信息等，部署企業(yè)信息預(yù)警規(guī)則，建立完整的企業(yè)預(yù)警信息系統(tǒng)。在此基礎(chǔ)上，將其和銀行信貸系統(tǒng)打通，把預(yù)警系統(tǒng)中按規(guī)則觸發(fā)的信息，發(fā)送總分支行的有關(guān)責(zé)任主體，完善貸后預(yù)警體系。當(dāng)然，以上預(yù)警體系的建設(shè)思路，適當(dāng)修改部分?jǐn)?shù)據(jù)來源和應(yīng)用規(guī)則以后，還可以應(yīng)用于銀行本身的輿情監(jiān)控與分析中。

大數(shù)據(jù)在客戶群風(fēng)險的監(jiān)測和分析中典型的應(yīng)用之一是擔(dān)保圈風(fēng)險監(jiān)測。銀行可以根據(jù)數(shù)萬信貸客戶之間互相擔(dān)保關(guān)系的大數(shù)據(jù)，生成擔(dān)保圈關(guān)系圖譜，并建立擔(dān)保圈風(fēng)險監(jiān)測體系。在擔(dān)保圈中，可以找出擔(dān)保圈中的關(guān)鍵風(fēng)險人，一旦擔(dān)保鏈中出現(xiàn)崩塌式違約，可以及時切斷風(fēng)險在擔(dān)保鏈上的波浪式傳導(dǎo)；在擔(dān)保圈中，找出高危擔(dān)保圈、良性擔(dān)保圈，實(shí)現(xiàn)擔(dān)保圈風(fēng)險分類、監(jiān)控和處置。除了擔(dān)保圈分析，還可以采用上述思路，建立上下游供應(yīng)鏈企業(yè)客戶群、集團(tuán)客戶群、商圈客戶群風(fēng)險動態(tài)監(jiān)測和預(yù)警。如采用大數(shù)據(jù)分析對個人住房貸款／個人汽車貸款開展集中違約監(jiān)測，可有效識別假個貸、問題貸款，減少貸款損失。主要方法是根據(jù)貸款發(fā)放支行、合作樓盤、合作4S店等合作方信息，結(jié)合貸款金額、貸款發(fā)放時間、貸款還款時間、還款網(wǎng)點(diǎn)、還款渠道、還款金額、個貸集中違約時間等信息，提前識別假個貸和問題貸款的客戶群。根據(jù)識別客戶群的規(guī)律，在監(jiān)測系統(tǒng)中設(shè)定假個貸、客戶群違約監(jiān)測規(guī)則，有針對性地設(shè)定樓盤準(zhǔn)入和其他風(fēng)險管理緩釋措施。

大數(shù)據(jù)在貸后管理中的另外一項(xiàng)應(yīng)用是風(fēng)險傳染(關(guān)聯(lián)風(fēng)險)的監(jiān)測和預(yù)警。銀行可以根據(jù)大數(shù)據(jù)分析，發(fā)現(xiàn)客戶在銀行不同敞口之間風(fēng)險梯次傳播規(guī)律，實(shí)現(xiàn)不同產(chǎn)品／敞口之間的風(fēng)險預(yù)警，及時止損。如可以根據(jù)小企業(yè)主的法人代表和實(shí)際控制人的個人貸款風(fēng)險特征(如信用卡體現(xiàn)、額度使用情況)，監(jiān)測小企業(yè)公司貸款的風(fēng)險狀況，還可以通過企業(yè)員工代發(fā)工資情況監(jiān)測企業(yè)資金鏈變化和經(jīng)營風(fēng)險等。反過來，也可以根據(jù)企業(yè)貸款風(fēng)險情況，分析企業(yè)主個人貸款(如個人經(jīng)營性貸款、個人消費(fèi)貸款、信用卡)風(fēng)險狀況的變化，及時調(diào)整有關(guān)風(fēng)險敝口，減少風(fēng)險在各貸款產(chǎn)品之間的相互傳導(dǎo)。在零售領(lǐng)域，也可以根據(jù)信用卡風(fēng)險特征變化監(jiān)測個貸風(fēng)險特征情況。

當(dāng)然，采用大數(shù)據(jù)開展貸后管理和預(yù)警并不意味著其可以完全替代客戶經(jīng)理和支行在貸后管理中的作用，而是有效的補(bǔ)充。以大數(shù)據(jù)為基礎(chǔ)的貸后監(jiān)測工具需要融入到整個貸后管理機(jī)制內(nèi)。構(gòu)建一套人工監(jiān)測和大數(shù)據(jù)監(jiān)測相結(jié)合，分散監(jiān)測和集中監(jiān)測相輔相成，內(nèi)部和外部信息共享和融合的機(jī)制，是銀行實(shí)施有效貸后管理的解決之道。

4．反欺詐領(lǐng)域應(yīng)用

反欺詐是銀行信貸風(fēng)險管理領(lǐng)域的古老議題，也是大數(shù)據(jù)技術(shù)最能發(fā)揮作用的領(lǐng)域之一。無論是在傳統(tǒng)的公司信貸、貿(mào)易融資、個人信貸、信用卡等傳統(tǒng)信貸業(yè)務(wù)領(lǐng)域，還是在電子銀行、銀行電商平臺、自助設(shè)備、POS等新興業(yè)務(wù)領(lǐng)域，大數(shù)據(jù)均能發(fā)揮作用。本文主要以大數(shù)據(jù)在傳統(tǒng)信貸業(yè)務(wù)反欺詐的應(yīng)用為討論對象，聚焦零售信貸業(yè)務(wù)．特別是信用卡業(yè)務(wù)領(lǐng)域的大數(shù)據(jù)反欺詐。

信貸業(yè)務(wù)領(lǐng)域的反欺詐主要集中在申請反欺詐和行為反欺詐：申請反欺詐主要包括客戶真實(shí)身份識別(申請欺詐者以他人名義獲得和使用信用卡)和申請資料填寫不實(shí)(故意提供不實(shí)的申請信息，以獲得信用卡或得到較高信用額度)。申請反欺詐領(lǐng)域可以采用大數(shù)據(jù)技術(shù)，通過對提取的多個信息來源的客戶數(shù)據(jù)進(jìn)行交叉比對分析，判定客戶信息真實(shí)性。如采用中文模糊匹配技術(shù)，比對申請人填寫的家庭地址、單位地址、公司名稱、手機(jī)號碼等中文信息與其歷史信息的一致性，以及與外部征信數(shù)據(jù)的一致性，形成信息相似度概率或得分，結(jié)合判定規(guī)則判定其是否存在申請欺詐；也可以將客戶手機(jī)號碼、地址與歷史申請數(shù)據(jù)庫比對，分析是否存在重復(fù)申請、團(tuán)體欺詐和中介申請等；還可以查詢申請貸款的企業(yè)主或個人是否在銀行欺詐黑名單中；以及通過與外部信息渠道合作，判斷企業(yè)主／個人是否和銀行現(xiàn)存欺詐黑名單存在密切關(guān)系(如親屬關(guān)系、頻繁通信等)，通過計算得出其與現(xiàn)存欺詐黑名單的關(guān)聯(lián)度指數(shù)，并加以應(yīng)用。

行為反欺詐是在客戶經(jīng)過銀行審批準(zhǔn)入以后，銀行需要在客戶交易過程前、中、后識別欺詐行為的過程。比如根據(jù)客戶常用登錄地址、用戶登錄使用的設(shè)備、地理位置及交易金額(交易金額是否較高)、交易商戶(是否經(jīng)常同一個交易商戶)，交易頻率(是否集中時段頻繁交易)、交易商品(是否貴重商品)等信息，再和客戶行為歷史數(shù)據(jù)比較，識別是否存在賬戶盜用，識別行為風(fēng)險的高低。針對部分通過互聯(lián)網(wǎng)渠道的交易，可以分析是否同一IP地址、設(shè)備IMEI序列號、設(shè)備MAC地址、Cookie等信息分析，以判定是否存在虛假交易。

在傳統(tǒng)公司信貸業(yè)務(wù)反欺詐中，大數(shù)據(jù)技術(shù)手段也能發(fā)揮作用。如對假財務(wù)報表的分析，可以在信貸業(yè)務(wù)流程中內(nèi)置財務(wù)信息反欺詐模塊，通過將客戶經(jīng)理提交的財務(wù)信息與財務(wù)報表內(nèi)部模塊勾稽的關(guān)系比對，和同行業(yè)、供應(yīng)鏈上下游企業(yè)的財務(wù)信息交叉比對等，設(shè)定財務(wù)報表反欺詐觸發(fā)規(guī)則。在個人信貸和公司信貸業(yè)務(wù)流程系統(tǒng)中，可以內(nèi)嵌對企業(yè)負(fù)責(zé)人和歷史企業(yè)／個人黑名單數(shù)據(jù)庫比對模塊，及時發(fā)現(xiàn)企業(yè)負(fù)責(zé)人是否存在信貸違約和反欺詐行為。將企業(yè)法人信息和上下游企業(yè)法人代表信息比對，發(fā)現(xiàn)是否存在關(guān)聯(lián)交易欺詐等。

5．貸款催收應(yīng)用

在零售信貸業(yè)務(wù)催收環(huán)節(jié)，大數(shù)據(jù)主要應(yīng)用于失聯(lián)客戶的關(guān)系重建。在學(xué)生貸款、個人汽車貸款的貸款催收領(lǐng)域，常見問題是客戶失聯(lián)問題。如學(xué)生畢業(yè)以后異地工作，如果貸款出現(xiàn)逾期，會出現(xiàn)找不到客戶的現(xiàn)象。通過與外部機(jī)構(gòu)合作，銀行可以獲取客戶常用聯(lián)系人信息、網(wǎng)絡(luò)購物物流配送信息，協(xié)助重建客戶聯(lián)系渠道。

大數(shù)據(jù)在催收領(lǐng)域還可應(yīng)用于催收策略和催收評分卡的構(gòu)建。通過分析客戶人口特征、逾期行為特征、額度使用情況、取現(xiàn)情況、催收行為和響應(yīng)情況等大數(shù)據(jù)，設(shè)計各種差異化催收策略和催收評分卡，實(shí)現(xiàn)催收客群的風(fēng)險等級分組，并根據(jù)分組結(jié)果決定客戶的催收隊(duì)列、處置方式和人工入催時間，如對低風(fēng)險、自愈性高的客群不采取任何行動或延遲行動時間，最終實(shí)現(xiàn)將合適的催收工具手段和風(fēng)險狀況相匹配，從而降低催收成本，提高催收效率的目標(biāo)。

6．客戶流失分析應(yīng)用

銀行的產(chǎn)品和服務(wù)推出一段時間以后，經(jīng)常會面臨產(chǎn)品使用不再增長、收入下降、客戶出現(xiàn)休眠或流失等情況?；诖髷?shù)據(jù)的客戶流失和挽回分析，能有效提升客戶在銀行的貢獻(xiàn)度。有數(shù)據(jù)分析顯示，銀行個人住房貸款中，有相當(dāng)一部分客戶的還款周期為5～l0年，而個人住房貸款期限一般為20～30年。這導(dǎo)致銀行提前回收的資金面臨再投資風(fēng)險，而提前還貸的優(yōu)質(zhì)客戶也存在流失的風(fēng)險。這種情況下，銀行可根據(jù)客戶基本信息、所從事工作的行業(yè)、工作單位、還款流水、還款方式、貸款市場利率調(diào)整等數(shù)據(jù)，準(zhǔn)確定位可能發(fā)生提前還款的客戶群體，找到引發(fā)客戶提前還款的因素，設(shè)計減緩客戶提前還款的策略，并為已經(jīng)提前還款的客戶提供其他金融產(chǎn)品的銜接服務(wù)，以提高客戶在銀行的產(chǎn)品覆蓋度，增加客戶黏性，延長客戶在銀行的生命周期。

除了提前還款分析，銀行還可以基于大數(shù)據(jù)開展準(zhǔn)睡眠戶蘇醒分析、長期不活動戶蘇醒分析等，其分析的思路框架與客戶流失分析類似。

7．其他信貸管理領(lǐng)域的應(yīng)用

除了在上述信貸業(yè)務(wù)流程中的具體應(yīng)用，銀行還可以基于信貸業(yè)務(wù)大數(shù)據(jù)研發(fā)通用產(chǎn)品，為銀行內(nèi)部信貸管理、信貸政策制定等領(lǐng)域服務(wù)，甚至還可以為外部機(jī)構(gòu)提供服務(wù)。如建設(shè)銀行作為國內(nèi)最大的個人住房貸款銀行，在其近千萬筆的海量個人住房貸款信息中提取出全國房地產(chǎn)押品價格數(shù)據(jù)，設(shè)計出全國各地區(qū)的房地產(chǎn)價格指數(shù)，為本行數(shù)萬億元的房地產(chǎn)押品價值定期重估提供基準(zhǔn)價格，大幅減少了人工重估的投入成本。此外，銀行還可以根據(jù)貸款企業(yè)的平均財務(wù)指標(biāo)、賬戶收支情況等大數(shù)據(jù)，設(shè)計行業(yè)風(fēng)險指數(shù)、區(qū)域風(fēng)險指數(shù)等，為內(nèi)部信貸政策制定和調(diào)整以及審批人的貸款審批提供決策參考，并可根據(jù)客戶在銀行各類敞口的風(fēng)險歷史數(shù)據(jù)，設(shè)計銀行內(nèi)部的客戶綜合征信評分，完善銀行自身的大數(shù)據(jù)征信體系。條件具備時，這類評分也可以為外部機(jī)構(gòu)提供服務(wù)。銀行在傳統(tǒng)信貸業(yè)務(wù)中所積累的海量數(shù)據(jù)，還可以進(jìn)一步衍生出多種多樣的通用型產(chǎn)品，這些產(chǎn)品無論是在銀行自身業(yè)務(wù)流程優(yōu)化領(lǐng)域，還是未來進(jìn)一步為外部機(jī)構(gòu)提供通用性服務(wù)方面，都有較大的應(yīng)用空間。

二、大數(shù)據(jù)在銀行信貸業(yè)務(wù)應(yīng)用的有關(guān)建議

基于大數(shù)據(jù)對銀行傳統(tǒng)信貸業(yè)務(wù)進(jìn)行精細(xì)化分析管理，是以較低的成本投入實(shí)現(xiàn)銀行經(jīng)營業(yè)績快速提升的重要手段之一，也是銀行未來需要修煉的“內(nèi)功”。

1．重視大數(shù)據(jù)分析應(yīng)用，積極應(yīng)對大數(shù)據(jù)挑戰(zhàn)

經(jīng)過近幾年社會各界對大數(shù)據(jù)理念的持續(xù)普及、宣傳，國內(nèi)商業(yè)銀行對大數(shù)據(jù)的重視程度有了明顯提升。但部分銀行依然對大數(shù)據(jù)應(yīng)用存在困惑，主要集中在兩個方面：一是銀行是否有能力開展大數(shù)據(jù)分析?二是如何和銀行業(yè)務(wù)結(jié)合開展大數(shù)據(jù)分析?針對第一個問題，部分互聯(lián)網(wǎng)金融機(jī)構(gòu)宣稱傳統(tǒng)銀行缺乏互聯(lián)網(wǎng)思維，不具備將大數(shù)據(jù)應(yīng)用于經(jīng)營管理的能力。事實(shí)上，銀行已經(jīng)具備了將大數(shù)據(jù)應(yīng)用于經(jīng)營管理的基本條件(數(shù)據(jù)、技術(shù)、人力資源、經(jīng)驗(yàn))。在數(shù)據(jù)方面，銀行在長期經(jīng)營過程中沉淀了海量的歷史數(shù)據(jù)，和單一互聯(lián)網(wǎng)金融機(jī)構(gòu)掌握的數(shù)據(jù)相比，具有維度更廣、歷史積累更長、數(shù)據(jù)“含金量"更高等特點(diǎn)。因此，銀行開展大數(shù)據(jù)分析的“原材料”是極為豐富的。在技術(shù)、人力資源和經(jīng)驗(yàn)方面，銀行已經(jīng)通過持續(xù)開展各類大數(shù)據(jù)分析項(xiàng)目，在大數(shù)據(jù)應(yīng)用方面積累大量技術(shù)人才和經(jīng)驗(yàn)。針對第二個問題，本文僅以大數(shù)據(jù)在信貸業(yè)務(wù)中的應(yīng)用作為示例，展示大數(shù)據(jù)在銀行傳統(tǒng)業(yè)務(wù)領(lǐng)域的廣闊應(yīng)用空間，而大數(shù)據(jù)在個人金融、電子銀行等零售條線的應(yīng)用范圍則更為廣泛。未來，隨著商業(yè)銀行業(yè)務(wù)流程的“互聯(lián)網(wǎng)+"改造，大數(shù)據(jù)必將成為銀行核心競爭力的重要組成部分。

2．設(shè)計開發(fā)基于大數(shù)據(jù)的金融產(chǎn)品和服務(wù)，取得直接效果

銀行實(shí)施大數(shù)據(jù)分析，可以從效果明顯的新產(chǎn)品設(shè)計、交叉營銷、存量客戶挖掘入手，以便獲得銀行內(nèi)部高層和各業(yè)務(wù)條線的支持，獲取持續(xù)發(fā)展的資源投入。除了研發(fā)具體的金融產(chǎn)品以外，銀行還可以基于大數(shù)據(jù)設(shè)計、發(fā)布社會公用產(chǎn)品(如銀行征信評分、行業(yè)風(fēng)險指數(shù)等)，服務(wù)于專題風(fēng)險評估，持續(xù)提升社會影響力。

3．制定銀行大數(shù)據(jù)管理策略，實(shí)現(xiàn)數(shù)據(jù)價值最大化

在大數(shù)據(jù)時代，銀行應(yīng)當(dāng)制定全行數(shù)據(jù)價值評估體系，并以此為基礎(chǔ)制定大數(shù)據(jù)管理策略，包括大數(shù)據(jù)的存儲、交換和保護(hù)策略。

在大數(shù)據(jù)存儲策略方面，銀行應(yīng)為不同價值密度、不同應(yīng)用需求的數(shù)據(jù)設(shè)置不同的存儲期限和存儲方式，確保重要的歷史數(shù)據(jù)長期、在線保存。以往銀行更重視保障業(yè)務(wù)系統(tǒng)順暢運(yùn)行以及交易流程中實(shí)時數(shù)據(jù)的使用，而忽視管理分析型數(shù)據(jù)的存儲。如銀行數(shù)據(jù)倉庫數(shù)據(jù)在線存儲時限普遍較短，主要原因是數(shù)據(jù)倉庫早期的應(yīng)用更多面向日常管理報表的生成，不需要保存太長歷史數(shù)據(jù)。在大數(shù)據(jù)時代，銀行往往需要保存、分析過去若干年的歷史數(shù)據(jù)，如風(fēng)險計量領(lǐng)域，我國監(jiān)管機(jī)構(gòu)明確要求，涉及PD／LGD／EAD等風(fēng)險參數(shù)的有關(guān)歷史數(shù)據(jù)最低保存年限是5～7年，而歐美同業(yè)這部分?jǐn)?shù)據(jù)的保存年限長達(dá)20～30年。針對大數(shù)據(jù)時代數(shù)據(jù)體量大、保存期限長等特點(diǎn)，銀行可嘗試采用分布式文件系統(tǒng)和分布式數(shù)據(jù)庫的存儲方案，以降低存儲成本。

在數(shù)據(jù)交換和保護(hù)方面，銀行應(yīng)制定可交換的數(shù)據(jù)和必須保護(hù)的數(shù)據(jù)清單。在需要向外部機(jī)構(gòu)購買或與外部機(jī)構(gòu)交換數(shù)據(jù)時，銀行應(yīng)當(dāng)制定可交換／不可交換的數(shù)據(jù)清單。與互聯(lián)網(wǎng)金融機(jī)構(gòu)掌握的數(shù)據(jù)維度較為單一、價值密度較低不同，銀行積累的數(shù)據(jù)具有維度廣、價值密度高的特點(diǎn)。銀行應(yīng)珍視自身數(shù)據(jù)價值，在與外部機(jī)構(gòu)進(jìn)行數(shù)據(jù)合作和交換時，杜絕銀行核心數(shù)據(jù)流失。舉例來說，銀行貸款違約有關(guān)數(shù)據(jù)、客戶交易還款流水?dāng)?shù)據(jù)均是銀行評估客戶信用風(fēng)險的核心數(shù)據(jù)，也一直是外部機(jī)構(gòu)最想從銀行體系內(nèi)獲得的數(shù)據(jù)。

4．建設(shè)大數(shù)據(jù)分析技術(shù)平臺，提高大數(shù)據(jù)應(yīng)用效率

銀行可以建立集中管理的、基于數(shù)據(jù)倉庫的大數(shù)據(jù)挖掘和分析技術(shù)平臺。該平臺除了具備面向IT技術(shù)人員的數(shù)據(jù)庫挖掘功能，還應(yīng)當(dāng)搭載基于SAS／R／MATLAB等面向業(yè)務(wù)人員的專業(yè)分析軟件，并盡量采取可拓展的、分布式技術(shù)架構(gòu)。與業(yè)務(wù)系統(tǒng)對計算性能穩(wěn)定性需求不同，大數(shù)據(jù)挖掘和分析平臺是面向具體數(shù)據(jù)挖掘項(xiàng)目的，其計算需求有短時突發(fā)性、高負(fù)荷性等特點(diǎn)。舉例來說，如果銀行短期內(nèi)新設(shè)立若干個數(shù)據(jù)挖掘項(xiàng)目，可能會突然增加數(shù)十名乃至上百名數(shù)據(jù)分析和建模用戶，這些用戶經(jīng)常需要同時開展巨表關(guān)聯(lián)等重度數(shù)據(jù)處理計算。因此，要求大數(shù)據(jù)分析平臺的計算能力可根據(jù)需要隨時增加。
        5．處理好數(shù)據(jù)應(yīng)用過程中的客戶隱私問題

和歐美發(fā)達(dá)國家不同，我國尚未形成專門針對客戶隱私保護(hù)的法律。從業(yè)界實(shí)踐來看，銀行對客戶信息進(jìn)行再加工處理并進(jìn)行統(tǒng)計分析形成結(jié)論后，應(yīng)用于評級授信、交叉營銷、貸后管理等信貸管理領(lǐng)域，或者將客戶信息直接用于內(nèi)部分析管理，一般不會產(chǎn)生客戶隱私權(quán)糾紛。但是如果直接將單一客戶的具體信息用于外部管理(如將客戶朋友圈信息用于催收管理)，可能會存在潛在的隱私權(quán)糾紛問題。因此，銀行在使用客戶明細(xì)數(shù)據(jù)用于外部管理之前，應(yīng)當(dāng)獲得客戶的明確許可。在銀行內(nèi)部，也要建立數(shù)據(jù)安全的分層控制體系，以確保信貸業(yè)務(wù)流程和大數(shù)據(jù)分析流程中，不同類型和業(yè)務(wù)需求的內(nèi)部用戶擁有訪問客戶各層次的數(shù)據(jù)的權(quán)利，確保客戶隱私數(shù)據(jù)得到恰當(dāng)使用。