剑走大数据风控,商业银行还能否真的大数据化?

首页 > 观点 >正文

【摘要】从眼前这个阶段来看,很多平台在输出的大数据风控能力,在C端已经取得了不错的成绩,但进入到传统商业银行的B端客户业务,中小微企业和线下的个人小微企业主,就需要一个相对更长期的风险管理过程,因为大数据风控与中小微企业之间的适配度还有待加强,这个阶段更多需要与现有银行信贷系统辅助进行放款。

  陈凯  ·  2016-12-31 08:00
剑走大数据风控,商业银行还能否真的大数据化?    - 金评媒
作者: 陈凯   

和互联网金融在过去几年的声嚣尘上相比,另外一个主要的金融化互联网改革领域就是传统金融机构的业务和渠道互联网化了,并且主要是在银行的零售业务上开始逐步显现出互联网化的特点。

正因为银行零售业务和目前很多互联网金融平台的消费分期、小额信贷以及理财支付等有很大的重叠性,加上很多银行端的零售和消费金融服务逐渐被场景化的产品和渠道所分流,一定程度上也加大了商业银行决心进行互联网化的内部驱动力。目前国内的很多中小银行纷纷开始引入一些大数据风控产品,或者将自身的信贷业务后天进行流程化改造,以提升效率降低成本。

实际上,对于商业银行而言,传统的信贷审批流程更多的是发挥“人治”的作用,核心是客户经理和信贷经理在放款流程中起到的个人经验作用,并通过一些相对比较标准化的信贷审核维度来进行额度拟定。这个流程就决定了要经历一个较长的信贷审批流程,在各种信用审核材料都完备的情况下才能最终实现信贷款项的发放。而在互联网金融企业中,这种信贷流程一定程度上被数据化和电子化了,尤其是在面向C端的用户信用分期和信贷贷款产品中,通过大数据征信模型可以提前给用户形成一个消费额度,只要用户发起消费流程就可以立马获得贷款进行消费。

而且,实际情况也证明,这种数据化和海量因子模型的大数据风控系统一定程度上是可以降低C端和小微B端市场的信贷不良率的。有一组数据可以参考:

在国内经济转轨和供给侧改革的背景下,中小微企业面临较大的生存压力和危机,这一点可以从近2年商业银行的不良率和利润增速上反应出来,目前中小银行的不良在2-3%的水平也不奇怪,一些大行也开始突破1%,说明在经济下调周期,产业局部萧条确实给信贷管理和信用审核工作带来更大难度。

而一些线上的纯数据和信用类贷款平台,其不良率却能保持在1%以下。今年6月份,开业满一年的浙江网商银行对外表示,一年来,网商银行运用大数据风控、互联网技术等能力,累计服务了170万家小微企业,贷款资金余额达到230亿元,一年来网商银行的户均贷款金额不到4万元,户均贷款频次远高于同业,不良贷款率为0.36%。此外,微众银行微粒贷也曾公布相关数据:笔均借款金额低于1万元,逾期率低于0.3%。

当然,网商银行和微众银行的不良率更多是由于客户定位和个人和小微企业,并且运用自身业务生态和积累的大数据信用分析能力作为基础,以场景化的用户数据、需求和资金对接来完成的一个线上的信用生态圈,在这个生态圈内部对用户的信用约束能力是相对较强的,加上单笔贷款的零散、小额特点,在不良率上数据表现优异也是可以预期的。

不过和传统银行的项目授信和大企业融资服务相比,这种大数据化和线上纯信用的授信审批方式就相对难以运用了。因此,我们这里讲到的大数据风控,更多是针对银行的个人零售服务和小微企业的融资类服务,包括消费金融、小额的供应链金融等等。在这一方面,如果商业银行引入目前市场上一些大数据风控产品,比如大数金融、量化派、蚂蚁金服和京东、网易等在推进中的大数据风控能力输出,能否真的为银行的信用生态和信贷审核带来更多的直观数据表现?

不论是否接受外部的这种标准化的数据能力,也就是通过各种信贷审核维度和集合了客户风险管理、授信管理、催收管理、客户服务管理等各个模块的风控系统,对于商业银行而言,都要对自身的客户市场和区域市场做一个前期的模型运行预测,因为在小微企业和个人的线下生态体系中,和纯线上的信用生态还有较大的数据管理和产品运营的差距。

而且很多中小商业银行对数据、用户的运营经验也较为缺乏,因此很多外部平台的大数据风控能力输出过程中,首先需要解决的就是这些银行数据、业务和用户的互联网化,而后根据商业银行的业务特点进行一些细分维度上的校准。不过,即便是通过大数据风控平台的模型输入解决了业务和流程数据化的过程,但是执行起来还需要面临多个障碍,因为小微企业,特别是地方的中小型特色产业,如果没有产业链和供应链的约束,以这种数据化的方式进行切入化运作还是面临一定的风险。

大数据风控能否在商业银行的运营实践中真正成为依托于大数据的风控模型进行审批和授信管理还是简单的通过大数据风控完成了业务电子化的过程,这个是需要仔细甄别的。在目前的操作案例中,很多小银行即便是引入了一些大数据风控模型和管理系统,用于日常的小微企业和个人信贷审批,也是和目前银行的线下审批系统相辅相成的,这个过渡的期间也取决于整个风控系统在线上化过程中能否真的达到比线下更为优质的效果。

这里面碰到的几个主要障碍是:1、和针对个人的信贷审批相比,针对企业特别是小微企业的信贷管理偶然性更大,而且很多小企业的数据、财务、税务和工商资料都是不尽完善的,这就加大了数据收集和分析的难度;而且即便是收集到了数据,小微企业天生的抗危机能力较差和经济下滑周期的风险展露能力更强,并不是一套系统能够解决的(这个和C端个人的较为稳定的消费生态是有所不同的)。2、除非能够深入介入小微企业的产业链,否则如果只是完成了大数据风控模型第一个阶段:数据和业务电子化,并且通过线上跑模型,很有可能造成的结果是线上信用良好,但是一旦出现危机对客户的管理能力就减弱。3、大数据风控系统的技术成熟度往往局限在一些特定的生态圈内,而对于线下的银行客户生态而言,需要更为精准的市场、客户和风险定位,并不是一个标准化的模型可以解决的,而是需要做各个细分指标和维度的校准。

所以,从眼前这个阶段来看,很多平台在输出的大数据风控能力,在C端已经取得了不错的成绩,包括个人消费分期和信用贷款都可以做到比较不错的资产质量,甚至很多平台已经在准备对接ABS产品。但是进入到传统商业银行的B端客户业务,中小微企业和线下的个人小微企业主,就需要一个相对更长期的风险管理过程,因为大数据风控与中小微企业之间的适配度还有待加强,这个阶段更多需要与现有银行信贷系统辅助进行放款。

上一篇文章                  下一篇文章
以上文字仅代表作者个人观点,并不代表金评媒立场,禁止转载。

陈凯

专注大数据,互联网金融,P2P,信用建设,金融脱媒等。微信公众号:samchenkai。从事金融前沿研究和分析工作,主要立足于互联网和银行、电商分析,擅长财经和IT互联网综合,涉猎于互联网金融。

评论:
    . 点击排行
    . 随机阅读
    . 相关内容