數據將是未來銀行的核心競爭力之一,這已成為銀行業界的共識。在大數據時代，銀行所面臨的競爭不僅僅來自于同行業內部，外部的挑戰也日益嚴峻，互聯網、電子商務等新興企業在產品創新能力、市場敏感度和大數據處理經驗等方面都擁有明顯的優勢。在此形勢下，利用大數據征信創新和提高銀行的風險把控也逐漸成為業界關注與探討的重要話題。
銀行業在風險控制中的不足之處
普華永道發布的《2015年中國金融及銀行業展望》指出，截至2014年第三季度末中國的商業銀行不良貸款總額上升36%，達到7670億元人民幣，是四年來的高點。預計2015年不良貸款上升的趨勢將持續。上述數據的背后，除了經濟下行導致的逾期風險上升的原因之外，銀行在風險控制中存在漏洞與缺陷也是重要原因。
信息不對稱與貸款欺詐
隨著P2P、小貸等民間借貸的興起，借款人越來越容易通過非銀行途徑獲得貸款。而民間借貸機構無須向人民銀行上報數據，非銀行體系的貸款申請情況、負債情況和逾期情況等信息不清晰、不透明、無法提前預知的矛盾愈發突出，往往到了借款人逾期甚至失聯，銀行才被動了解到借款人在民間借貸領域的部分歷史逾期借貸情況或負債過高等不良行為信息。
貸款欺詐問題也是銀行面臨的另一個問題，尤其是在信用卡領域和部分運用信貸工廠模式運作的貸款產品。銀行固化的發卡審核流程以及信貸工廠運作模式已經不再是秘密。目前信用卡、貸款的包裝、組團欺詐騙貸的情況屢見不鮮，尤其是在信用貸款領域，約有60%的信用貸款來自于欺詐，這其中有一半以上是由于身份造假和資料包裝。在數據維度不全面的情況下，銀行等放貸機構由于沒有第三方大數據支持，缺乏充分和有效的交叉核驗手段，容易被組團騙貸者鉆空子。
信息不及時與貸后風險防范
信息獲取的不及時也給銀行在貸后風險管理中帶來了不同程度上的麻煩。例如，銀行往往希望第一時間知道一家企業客戶在獲得貸款后是否面臨新的法律訴訟，但是大多數銀行使用的方式僅僅是依靠信貸經理不定期手動查詢當地法院網站的方式獲取信息，這當中存在著巨大的不確定性，一旦信貸經理忘記查詢或者操作失誤，貸后司法訴訟監控工作將形同虛設。這還不包括持續監控該客戶在民間借貸中的申請情況、負債情況和逾期情況等風險點。銀行在貸后風險防范過程中的手段和效率都極大地制約了銀行風險控制的效果。
成本和效率的矛盾
為了解決信息不對稱的問題和信息獲取不及時的問題，銀行往往需要采集大量的數據來輔助判斷。但是數據采集的過程中通常運用的方法是要求借款人或企業補充提供大量的資料，這個過程中涉及到大量的人工成本和時間成本。而為了提高效率，需要搭建一套能夠實現部分數據的自動采集，同時需要自動化程度較高的后臺管理系統，但是這必須組建專門的工程師團隊和進行大量的IT開發工作，對不少中小銀行來說也是一個沉重的負擔。
大數據征信與貸款風險控制
大數據征信產業的興起
2015年1月，中國人民銀行發印發了《關于做好個人征信業務準備工作的通知》，要求芝麻信用管理有限公司、騰訊征信有限公司、拉卡拉信用管理有限公司等八家機構做好為期六個月的個人征信業務準備工作。這意味著，這八家機構或將成為我國首批商業個人征信機構。由此，正式拉開了大數據征信產業的序幕，個人征信市場成長空間已經打開。基于美國個人征信市場達600億美元的規模，考慮到我國人口基數的龐大，未來發展成熟之后我國的個人征信市場空間很可能達到1000億元規模。
值得注意的是，大數據征信成為了互聯網巨頭的必爭之地。除了阿里巴巴和騰訊，百度、京東金融、小米金融、360金融等互聯網公司也表示將打造互聯網征信系統，并有意申請第二批個人征信牌照，部分機構已經向人民銀行提交了申請。互聯網公司的高調介入表明，一方面互聯網公司的創新特性和快速擴張特性給傳統征信領域帶來了新的活力和機遇，另一方面互聯網公司各自不同的大數據優勢和應用場景優勢，將使得征信市場的競爭日趨白熱化。
國內大數據征信產業發展趨勢
各類大數據公司介入大數據征信市場，使數據維度和種類相比兩年前有了極大的豐富。特別是伴隨著移動互聯網時代興起，圍繞著移動上網設備信息、地理位置信息、運營商信息的大數據公司和大數據服務層出不窮，并開始運用在P2P的貸款審核和交叉核驗流程中。但是，數據的來源和有效性依然制約著大數據征信產業的發展，目前行業依然處于早起的探索階段，尚未有成熟的“殺手級”應用工具出現。
信息孤島依然存在。信息孤島是目前制約國內信貸行業發展的重要因素。信息不對稱、不透明，帶來了大量的多頭負債風險和欺詐風險。在國內大數據征信產業興起時，市場對于消除信息不透明、打破信息孤島寄予極大的期待。從目前行業的發展情況來看，信息孤島在短期內無法完全消失。
首先，公共事業繳費、固定資產、社保、居住等與貸款風險控制息息相關的信息，依然歸屬于相關政府部門。雖然工商、司法等信息已經向社會開放，但是政府信息開放程度依然較低，這將是一個長期而復雜的過程。
其次，掌握大量公民信息的互聯網公司相互之間難以產生信息互通。目前國內社交數據、電商數據、地理位置數據、搜索數據、移動設備使用行為數據等互聯網信息分別集中于阿里、百度、騰訊、京東、360等互聯網巨頭手中，這些公司在跑馬圈地的過程中存在著大量的競爭關系，數據互通、信息共享在目前看來可能性極低。
最后，征信公司之間的信息也難以互通。征信公司的核心競爭力在于擁有自己獨有的信息。作為直接競爭對手，征信公司之間不可能用自己的核心數據去提升競爭對手的競爭力。可以說，一方面征信公司致力于解決信息不對稱，另一方面征信公司也在構建數據壁壘。
應用場景逐漸豐富，組合信用評估或成主流。放眼征信行業較為發達的美國，征信報告的運用早已不僅限于金融領域，例如招聘、租房、租車、相親等行業和領域都需要使用個人征信報告。隨著“互聯網+”的推動、大數據概念的提出以及P2P互聯網金融的發展，目前國內的征信公司也在應用場景的豐富性上進行著探索和嘗試。
從國內大數據征信行業的發展現狀來看，由于信息孤島、數據不完全共享的現狀將長期存在，當行業發展到一定階段，將會產生組合式的信用評估。譬如要求當事人同時出具多家機構的信用報告，從社交、電商、招聘、瀏覽行為、地理位置等不同角度對當事人做出全息用戶畫像，判斷其綜合情況。這是因為單方面的信用評估已不能全面評價一個人，必須發揮出各家大數據征信公司的信息優勢才能全面評價。
大數據征信在貸款風險領域的應用案例
反映電商信用行為的芝麻信用。芝麻信用基于阿里巴巴的電商交易數據和螞蟻金服的互聯網金融數據，并與公安網等公共機構以及合作伙伴建立數據合作，數據涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等等。芝麻信用以芝麻分來直觀呈現信用水平，主要包含了用戶信用歷史、行為偏好、履約能力、身份特質、人脈關系五個維度，從950～350分劃分為5個等級，分數越高代表信用程度越好，違約可能性越低。芝麻征信還出具個人信用報告，其主要由央行征信中心負責提供，記錄了個人基本信息、貸款信息、信用卡信息和信用報告查詢記錄等。
反映互聯網社交行為的騰訊征信。騰訊征信的數據更多的是社交數據，其征信產品有兩大類別：一是反欺詐產品，包括人臉識別和欺詐評測;二是信用評級產品，包括信用評分和信用報告。騰訊征信反欺詐產品的主要服務對象包括銀行、證券、保險、消費金融、小貸、P2P等商業機構，它能幫助企業識別用戶身份，防范涉黑賬戶或有組織欺詐，發現惡意或者疑似欺詐客戶，避免資金損失。對于之前沒有個人征信報告的藍領工人、學生、個體戶、自由職業者等用戶，騰訊通過他們使用社交、門戶、游戲、支付等服務，通過海量數據挖掘和分析技術來預測其風險表現和信用價值，為其建立個人信用評分。
反映借款人風險的好貸云風控。好貸云風控是好貸網和全球最大的個人信用評分機構FICO(費埃哲)共同打造的大數據風控平臺，整合征信公司、司法數據、工商數據、消費數據等重要數據源頭，構建了金融貸款機構風控所需全行業各領域的風險數據庫，同時包括反欺詐風險名單庫、重大風險識別名單庫、貸款申請記錄名單庫的數據，合計已超過7000萬條。多達6000多個維度的數據庫不僅能有效補足貸款機構本地的數據庫，還能協助其大幅提高反欺詐識別和信用風險識別能力，同時結合FICO的信貸決策引擎為信貸機構提供服務。金融機構不用再投入巨資自建系統，不用花巨大精力和成本尋找各種風控數據。
銀行風險控制與大數據征信的結合
大數據難以解決所有問題，但可以作為有效的工具。大數據能為信貸行業帶來什么價值?筆者的判斷是：大數據在未來一段時間，仍無法解決信貸風控中的所有問題;或者說單純依靠大數據進行信貸風控、審批全流程的貸款種類還很有限。
但是，大數據已經可以解決信貸行業的一部分問題，并且將發揮越來越重要的作用。比如，大數據在進行反欺詐識別、風險動態監測、用戶行為分析、用戶畫像等領域，都已經有了越來越多的運用。銀行機構應當擁抱大數據，敢于和善于運用大數據輔助進行風險把控。
通過大數據，將民間借貸信息對銀行透明化。銀行機構通過大數據征信的數據，可以了解借款人在民間借貸的信息。目前大數據征信公司提供的民間借貸相關信息主要包含黑名單信息、貸款申請信息和被查詢信息。以好貸云風控為例，其包含了各家征信公司的黑名單信息以及好貸云風控平臺整合的數十家P2P平臺的黑名單信息，同時也包含了好貸網的1000萬條貸款申請記錄和每個星期增加一倍的被查詢信息。這些信息都從側面反映了借款人的民間借貸情況。通過大數據征信，將能夠使民間借貸信息對銀行機構越來越透明，識別出更多的民間借貸風險，更好地進行貸款審核和反欺詐識別。
豐富數據維度，提升對信用檔案客群風控能力。2014年，美國政策與經濟研究委員會(PERC)對于非金融信息(也成為替代性信息)在信貸決策中作用的研究表明：諸如水、電、煤、有線電視、手機等非金融信息納入征信系統，顯著地提高了信用檔案在案人群的信貸獲得能力。
目前不少銀行逐步認識到已經納入銀行傳統數據庫的信息量并不豐富和完整，開始積極與第三方大數據征信公司頻繁接觸與接洽合作，如客戶信息、銀行擁有客戶的基本身份信息等。但客戶其他的信息，如性格特征、興趣愛好、生活習慣、行業領域、居住狀況等卻是銀行難以準確掌握的;另一方面對于多種異構數據的分析是難以處理的，如銀行有客戶的資金往來的信息、網頁瀏覽的行為信息、服務通話的語音信息、營業廳、ATM的錄像信息，但除了結構化數據外，其他數據無法進行分析，更談不上對多種信息進行綜合分析，無法打破“信息孤島”的格局。通過與第三方大數據征信公司的合作，盡力彌補自身在獲取信息維度以及數據挖掘和分析能力方面的不足。
綜上，筆者認為，在互聯網時代和大數據時代的背景下銀行如欲進一步加快轉型的步伐、實現誠信社會與普惠金融的愿景、肩負信用風險管理重任，就要在信息使用、貸前調查、貸中監控等風險控制方面借助互聯網的優勢，擁抱大數據征信，充分利用內外各種信息做好客戶征信和增信，進一步提高對風險的控制和管理水平，才能立于不敗之地。
京公網安備 11010502049343號