隨著經濟形勢向“新常態”的轉軌和產業結構的深化調整，經濟增長三駕馬車的推動力有所轉變，開始逐步由投資、出口拉動過渡為消費拉動。個人消費金融將成為銀行業務增長的下一個藍海，個人貸款在銀行信貸業務的占比逐步提升，客戶需求挖掘和風險管控能力成為業務健康發展的關鍵和核心，實現這一要求的路徑將是依托于大數據環境下的先進技術。
一、研究大數據環境下新型個人消費貸款業務的意義
隨著數據信息的爆炸式增長和現代化信息技術的快速滲透，傳統的信貸管理模式已不相適應，個人貸款的業務發展應立足于內外部信息高度整合和大數據技術之上，建立個人客戶360度全面的信息畫像，實現高效的、事前的、定量化的風險跟蹤評估，構建更為深化的個人信用全景視圖。
一方面，我國的個人征信體系建設處于起步階段，個人信用評級的客戶基本資料、銀行資金流信息、社會活動特征等記錄分散、條塊分割、統計片面，銀行很難對借款人的信用狀況有較為全面的了解。個人客戶信用風險管控能力完全依托于客戶大數據信息資源的整合能力，銀行需要努力推進行內客戶交易、行為信息的充分挖掘，同時積極搜集整合行外各平臺客戶的社會行為信息，實現大數據信息的充分利用，構建信用風險管控新思路。
另一方面，國內外經濟金融環境、監管政策都發生了深刻變化，尤其是互聯網企業的跨界經營，憑借其龐大的活躍年輕客戶群體、眾多的應用場景和良好的服務體驗，在支付結算、投資理財、小額信貸等領域創新不斷，對長尾客戶形成更強的場景應用粘性，并對中高端客戶逐步形成影響力，對銀行零售客戶基礎拓展形成強大沖擊。
二、個人客戶大數據整合方向
商業銀行有其自身利用大數據技術的先天優勢。首先銀行擁有客戶的歷史違約信息，金融資產信息、代發工資、貸款記錄等金融核心信息，這些信息對于客戶信用風險的判斷具有重要意義;其次銀行的信用風險管理經歷了十幾年的發展歷程，積累了較長的數據信息和業務經驗，就互聯網金融企業來說，目前所積累的時間長度甚至連進行驗證的長度都達不到要求，特別是在經濟環境發生顯著改變的情況下，沒有完整周期性的數據支撐識別風險的能力。因此對于商業銀行而言，多年積累的業務數據的價值還遠未完全發揮，尚待深鉆、分析和應用，應盡快加強將基于內部數據的分析應用能力，與此同時，合規合理地引入外部數據，提升自身數據的多樣性、細化數據粒度，為“內外兼修”的大數據平臺建設做好準備。三、大數據在個人消費貸款業務的應用
(一)推動個人客戶數據整合，拓展大數據信息基礎
積極推動銀行前中后臺、線上線下各系統以及公私客戶管理平臺的個人客戶融資、結算、交易等信息資源整合，通過建立個人客戶行內數據資源庫，貫通個人客戶信貸與結算信息，實現行內個人客戶信息的共享。同時，建議總行相關部室能夠協助拓展外部信息數據來源與維度，實現對個人客戶征信信息、公安信息、社保信息等重要社會屬性與線上、線下海量消費信息的購買與整合，嘗試構建在大數據背景下的全口徑個人客戶風險統一監控視圖，實現對個人客戶全方位風險的主動預警、聯動防控，確保我行個人客戶融資資產質量穩定。
(二)設計互聯網思維的個人消費貸款產品
為落實發展普惠金融的政策導向，滿足互聯網時代個人客戶多元化消費融資需求，銀行應立足于內外部信息高度整合和大數據技術之上，從銀行風險可控、客戶需求挖掘雙維度出發，設計網絡渠道的便捷個人消費貸款產品。運用大數據思想，通過整合個人客戶基本信息、銀行業務往來信息、行外行為信息建立客戶統一信息視圖，識別目標客戶特征，根據模型測算個人消費貸款產品準入門檻、貸款額度和營銷方案。圍繞“風險可控”、“需求導向”兩個維度設計產品。產品實現可分為三個環節：第一，利用反映客戶還款能力和信用情況的信息建立模型，測算客戶潛在風險;第二，利用反映客戶資金需求的信息建立模型，測算客戶的潛在需求;第三，根據模型建立中未考慮的風險因素制定黑名單。
(三)基于大數據挖掘技術，建立分產品風險預警模型
以個人客戶融資活動為主線，積極利用行內數據資源與行外信息，圍繞個人客戶的融資區域、融資產品、貸后(投后)管理、融資風險傳導等內容，分層、分類、分級對個人客戶風險展開專項分析與預警。針對不同的個人貸款產品，挖掘和揭示對應的風險因素和風險特征，基于大數據挖掘技術，根據不同產品風險特征分別建立多因子風險預警模型，對正常狀態貸款未來出現不良的可能進行預測，并根據預測結果建立針對性的、分層次的信用風險防控措施。
四、總結
第一，電商企業大舉挺進商業銀行的傳統業務領域，深刻改變了個人的金融行為和習慣。銀行業應基于自身的信用數據優勢和存量客戶積累，針對不同客戶群的需求特點，開發具有針對性、面向特定客戶、運用互聯網思維和技術的存貸款創新產品，構建更加合理的零售金融資產布局，滿足客戶的融資需求，有力的踐行普惠金融政策要求。
第二，在大數據來源渠道方面，非常有必要做好自身既有數據的價值深鉆和分析架構的大數據改造，將內部數據的深鉆、分析和應用作為當前提升大數據應用能力的首要，同時積極引入具有應用價值的外部數據。在大數據平臺上運用人工智能技術、計量建模工具，建立事前風險防范堤壩，定時對模型更新優化，提高信用風險預警效率。
第三，基于大數據的深度信息挖掘建立風險控制與精準營銷相互優化的業務閉環。通過大數據的運用能夠細致的利用消費者消費前、中、后信息，建立用戶立體畫像，跟蹤用戶在整個生命周期內的行為動態，從而提高信用風險的精細化管理水平。將風控、偏好分析、精準營銷同時植入到管理環節，達到實時、在線完成相關業務決策。
京公網安備 11010502049343號