當(dāng)前，商業(yè)銀行發(fā)展的內(nèi)外部環(huán)境發(fā)生了劇烈的變化，面臨多重挑戰(zhàn)。一方面，金融脫媒和利率市場(chǎng)化已是大勢(shì)所趨，外部宏觀環(huán)境的變化使得銀行的業(yè)務(wù)發(fā)展愈加艱難；另一方面，以電子商務(wù)為代表的互聯(lián)網(wǎng)企業(yè)已突破了支付領(lǐng)域，開始全面拓土至傳統(tǒng)銀行業(yè)務(wù)領(lǐng)域。在這種背景下，通過大數(shù)據(jù)的應(yīng)用，準(zhǔn)確定位市場(chǎng)機(jī)會(huì)和挖掘新的業(yè)務(wù)增長(zhǎng)點(diǎn)，成為銀行實(shí)現(xiàn)戰(zhàn)略轉(zhuǎn)型的有效途徑。
商業(yè)銀行大數(shù)據(jù)戰(zhàn)略背景
銀行業(yè)務(wù)領(lǐng)域和盈利空間不斷受到擠壓。隨著資本市場(chǎng)不斷完善和金融創(chuàng)新不斷發(fā)展，國(guó)內(nèi)銀行收入來源以利息為主、利潤(rùn)增長(zhǎng)依賴信貸擴(kuò)張的傳統(tǒng)發(fā)展模式正在面臨嚴(yán)峻挑戰(zhàn)，銀行需要盡快進(jìn)行經(jīng)營(yíng)模式轉(zhuǎn)型，尋找市場(chǎng)機(jī)會(huì)和新的業(yè)務(wù)增長(zhǎng)點(diǎn)。大數(shù)據(jù)的應(yīng)用可以幫助銀行更好實(shí)現(xiàn)業(yè)務(wù)擴(kuò)展的準(zhǔn)確定位，通過對(duì)客戶結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的分析應(yīng)用，準(zhǔn)確預(yù)判業(yè)務(wù)的潛在需求人群，并根據(jù)不同客戶群的特征制定差異化的業(yè)務(wù)拓展策略，從而提高客戶粘合度和運(yùn)營(yíng)效率，為銀行的經(jīng)營(yíng)轉(zhuǎn)型提供有力支持。
電子商務(wù)企業(yè)的蓬勃發(fā)展改變了企業(yè)和個(gè)人的金融行為和習(xí)慣。電子商務(wù)企業(yè)的核心競(jìng)爭(zhēng)優(yōu)勢(shì)是掌握了用戶的核心信息資源，其金融服務(wù)建立在用戶經(jīng)營(yíng)或消費(fèi)等核心信息基礎(chǔ)之上，因此具有渠道優(yōu)勢(shì)和較快的推廣速度。一方面，電子商務(wù)企業(yè)通過對(duì)客戶信息的分析開發(fā)專屬產(chǎn)品，實(shí)現(xiàn)客戶的精準(zhǔn)化營(yíng)銷和差異化服務(wù)，建立與客戶更緊密的粘性；在此基礎(chǔ)上，電子商務(wù)已從單純的支付中介逐步擴(kuò)展交易撮合、支付代理、融資、保險(xiǎn)等一系列金融中介服務(wù)，開始蠶食銀行的經(jīng)營(yíng)優(yōu)勢(shì)。因此，銀行也必須充分利用自己掌握的客戶信息和數(shù)據(jù)資源，利用大數(shù)據(jù)技術(shù)加強(qiáng)在客戶營(yíng)銷和市場(chǎng)拓展方面的競(jìng)爭(zhēng)力。另一方面，隨著電子商務(wù)的興起，客戶在電子商務(wù)平臺(tái)上進(jìn)行的經(jīng)營(yíng)和交易信息與銀行割裂，加劇了銀行信息不對(duì)稱問題，客戶信用風(fēng)險(xiǎn)表現(xiàn)形式更加多元化，信用風(fēng)險(xiǎn)管理難度加大，在這種情況下，銀行需要推進(jìn)大數(shù)據(jù)技術(shù)的應(yīng)用，構(gòu)建更加豐富的客戶信息平臺(tái)，關(guān)注客戶各類信息之間的關(guān)聯(lián)性，從而發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)因素并預(yù)判風(fēng)險(xiǎn)變化趨勢(shì)。
商業(yè)銀行具備開展大數(shù)據(jù)研究與應(yīng)用的先天條件。銀行擁有廣闊的大數(shù)據(jù)資源，億級(jí)客戶每日交易往來的數(shù)據(jù)積累形成了龐大的結(jié)構(gòu)化數(shù)據(jù)資源，但現(xiàn)有技術(shù)手段和工具對(duì)這些數(shù)據(jù)的利用仍然有限。企業(yè)自身信息系統(tǒng)中產(chǎn)生的運(yùn)營(yíng)數(shù)據(jù)大都是標(biāo)準(zhǔn)化、結(jié)構(gòu)化的，這些數(shù)據(jù)只占到了企業(yè)所能獲取的數(shù)據(jù)中的15%。對(duì)于企業(yè)而言，85%的數(shù)據(jù)是廣泛存在于外部系統(tǒng)、物聯(lián)網(wǎng)、電子商務(wù)等媒介的結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)。這些數(shù)據(jù)的產(chǎn)生往往伴隨著社交網(wǎng)絡(luò)、移動(dòng)計(jì)算、傳感器等新興渠道和技術(shù)的涌現(xiàn)和應(yīng)用。現(xiàn)階段，銀行業(yè)務(wù)的載體與社交媒體、電子商務(wù)的融合越來越緊密，僅對(duì)原有15%的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析已經(jīng)不能滿足發(fā)展的需求。因此，銀行需要借助由大數(shù)據(jù)構(gòu)建的企業(yè)經(jīng)營(yíng)全景視圖來進(jìn)行風(fēng)險(xiǎn)管理、產(chǎn)品營(yíng)銷、業(yè)務(wù)創(chuàng)新等活動(dòng)，進(jìn)而尋找最優(yōu)的模式支持商業(yè)決策。
信用風(fēng)險(xiǎn)管理創(chuàng)新的必要性
隨著國(guó)內(nèi)經(jīng)濟(jì)向“新常態(tài)”的逐步轉(zhuǎn)型、金融市場(chǎng)改革的持續(xù)深化、以及現(xiàn)代化信息技術(shù)的快速滲透，銀行傳統(tǒng)的信貸風(fēng)險(xiǎn)管控體系面臨嚴(yán)峻挑戰(zhàn)。一是經(jīng)濟(jì)增長(zhǎng)換檔回落以及經(jīng)濟(jì)結(jié)構(gòu)深入調(diào)整帶來資產(chǎn)質(zhì)量下行壓力；二是企業(yè)跨地域、集團(tuán)化經(jīng)營(yíng)業(yè)態(tài)的發(fā)展，風(fēng)險(xiǎn)傳導(dǎo)機(jī)制復(fù)雜，增加風(fēng)險(xiǎn)管理難度；三是銀行信貸規(guī)模增長(zhǎng)以及客戶結(jié)構(gòu)深刻變化，傳統(tǒng)信貸業(yè)務(wù)模式下的信貸風(fēng)險(xiǎn)控制方法存在較高的優(yōu)化需求，基于大數(shù)據(jù)新型信息化風(fēng)險(xiǎn)監(jiān)控模式成為大勢(shì)所趨。因此通過大數(shù)據(jù)技術(shù)實(shí)現(xiàn)跨平臺(tái)、跨業(yè)務(wù)條線、跨區(qū)域的數(shù)據(jù)整合和風(fēng)險(xiǎn)信息挖掘，建立新型風(fēng)險(xiǎn)監(jiān)控體系具有重要的戰(zhàn)略意義。
經(jīng)濟(jì)處于下行周期，信貸風(fēng)險(xiǎn)管理難度增大。商業(yè)銀行資產(chǎn)質(zhì)量有周期波動(dòng)的特點(diǎn)，并且與宏觀經(jīng)濟(jì)周期具有較強(qiáng)正相關(guān)性。經(jīng)濟(jì)上行周期，信貸規(guī)模順周期擴(kuò)張形成“漲潮效應(yīng)”，一旦經(jīng)濟(jì)進(jìn)入下行周期，“落潮效應(yīng)”顯現(xiàn)，資產(chǎn)價(jià)格回落導(dǎo)致貸款質(zhì)量惡化。目前，我國(guó)經(jīng)濟(jì)處于經(jīng)濟(jì)減速的下行周期，行業(yè)產(chǎn)能過剩現(xiàn)象凸顯，小企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)較高，銀行風(fēng)險(xiǎn)管理難度較大。因此深化和完善風(fēng)險(xiǎn)監(jiān)控體系，建立事前預(yù)警、事中控制、事后監(jiān)督的監(jiān)控流程是應(yīng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的必要舉措。
交叉風(fēng)險(xiǎn)日益加劇，需要建設(shè)信息共享平臺(tái)實(shí)現(xiàn)風(fēng)險(xiǎn)聯(lián)動(dòng)控制。金融全球化不斷推進(jìn)的背景下，從行業(yè)來看，通過供應(yīng)鏈關(guān)系，上下游行業(yè)之間風(fēng)險(xiǎn)傳導(dǎo)的可能性加大。從公司來看，經(jīng)營(yíng)多元化、區(qū)域分散化趨勢(shì)明顯，風(fēng)險(xiǎn)關(guān)聯(lián)關(guān)系復(fù)雜，風(fēng)險(xiǎn)聯(lián)動(dòng)控制困難。因此整合日益互聯(lián)互通的數(shù)據(jù)平臺(tái)，基于廣泛的數(shù)據(jù)獲取方式，完善大容量、多類型的數(shù)據(jù)存取功能，實(shí)現(xiàn)及時(shí)在銀行間系統(tǒng)共享數(shù)據(jù)是新形勢(shì)下風(fēng)險(xiǎn)管理的必要路徑。
大數(shù)據(jù)技術(shù)的發(fā)展將改變銀行信息獲取、分析和運(yùn)用的渠道和機(jī)制，為信息化風(fēng)險(xiǎn)監(jiān)控創(chuàng)造技術(shù)條件。一方面，隨著客戶交易行為的積累，運(yùn)營(yíng)過程產(chǎn)生了海量數(shù)據(jù)，有效的數(shù)據(jù)清洗和數(shù)據(jù)挖掘技術(shù)的應(yīng)用可從海量數(shù)據(jù)中識(shí)別信用風(fēng)險(xiǎn)管理過程中的關(guān)鍵信息，從而提高銀行數(shù)據(jù)的利用效率。另一方面，銀行業(yè)務(wù)的載體與社交媒體、電子商務(wù)的融合越來越緊密，大量的非結(jié)構(gòu)化數(shù)據(jù)信息廣泛存在于物聯(lián)網(wǎng)、電子商務(wù)等媒介，整合客戶線上線下行為產(chǎn)生的結(jié)構(gòu)化和非結(jié)構(gòu)化信息，打破數(shù)據(jù)邊界，從而降低信息不對(duì)稱風(fēng)險(xiǎn)，使銀行形成對(duì)客戶行為立體化的跟蹤評(píng)估，以期構(gòu)建更為深化的信用風(fēng)險(xiǎn)管理全景視圖。
信用風(fēng)險(xiǎn)管理創(chuàng)新的技術(shù)方法
基于大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)信用風(fēng)險(xiǎn)預(yù)警監(jiān)測(cè)的技術(shù)手段主要分為描述和預(yù)測(cè)兩類。具體包含五個(gè)方面，第一，概念描述，數(shù)據(jù)庫(kù)中存放大量的細(xì)節(jié)數(shù)據(jù)，通過簡(jiǎn)單統(tǒng)計(jì)量描述，可以分析這類數(shù)據(jù)的特征、分布以及與對(duì)比數(shù)據(jù)列的區(qū)別，可實(shí)現(xiàn)與風(fēng)險(xiǎn)相關(guān)的指標(biāo)的特征分析。第二，關(guān)聯(lián)分析，用于發(fā)現(xiàn)大量數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則，在信用風(fēng)險(xiǎn)分析中，關(guān)聯(lián)分析可用來挖掘客戶行為與客戶風(fēng)險(xiǎn)表現(xiàn)之間的關(guān)聯(lián)規(guī)則。第三，分類和預(yù)測(cè)，根據(jù)歷史數(shù)據(jù)建立分類或預(yù)測(cè)規(guī)則，將規(guī)則應(yīng)用于對(duì)未來的預(yù)測(cè)中，常用模型為邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。第四，聚類分析，將數(shù)據(jù)對(duì)象分為相似組群的過程。在信用風(fēng)險(xiǎn)分析中可用于將特征相似的客戶劃分在一起，發(fā)現(xiàn)數(shù)據(jù)中潛在的類別特征。第五，孤立點(diǎn)分析，找出數(shù)據(jù)倉(cāng)庫(kù)中行為奇異的點(diǎn)，這類方法常用于欺詐行為的預(yù)測(cè)。
信用風(fēng)險(xiǎn)預(yù)警模型研發(fā)的路徑可以概括為“建模目標(biāo)確定——風(fēng)險(xiǎn)因子歸納——數(shù)據(jù)準(zhǔn)備——模型構(gòu)建——模型評(píng)價(jià)——模型應(yīng)用——模型維護(hù)”，即確定預(yù)警目標(biāo)及建模樣本選擇范圍；歸納風(fēng)險(xiǎn)演變路徑，總結(jié)風(fēng)險(xiǎn)特征；收集整合相關(guān)數(shù)據(jù)信息，進(jìn)行數(shù)據(jù)清洗和變換；篩選具有明顯風(fēng)險(xiǎn)特征的因子進(jìn)入模型，進(jìn)行模型估計(jì)和校驗(yàn)。基于上述過程構(gòu)建相應(yīng)風(fēng)險(xiǎn)預(yù)警模型，從而實(shí)現(xiàn)對(duì)貸款發(fā)生風(fēng)險(xiǎn)的可能性提前做出評(píng)估，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)事前預(yù)警的風(fēng)險(xiǎn)監(jiān)控。
信用風(fēng)險(xiǎn)管理創(chuàng)新的應(yīng)用
個(gè)人消費(fèi)貸款信用風(fēng)險(xiǎn)預(yù)警
為了對(duì)個(gè)人消費(fèi)貸款未來可能出現(xiàn)的不良風(fēng)險(xiǎn)進(jìn)行預(yù)警，可以基于決策樹方法建立多因子數(shù)據(jù)挖掘模型，通過深入分析影響個(gè)人消費(fèi)貸款的風(fēng)險(xiǎn)因素，預(yù)測(cè)和定位個(gè)人消費(fèi)貸款的高風(fēng)險(xiǎn)客戶群，并根據(jù)預(yù)警結(jié)果建立有針對(duì)性的、分層次的信用風(fēng)險(xiǎn)防控措施。
決策樹學(xué)習(xí)是一種逼近離散值目標(biāo)函數(shù)的方法，在這種方法中學(xué)習(xí)到的函數(shù)被表示為一棵決策樹。這種學(xué)習(xí)算法是最流行的歸納推理算法之一，被成功地應(yīng)用到信用風(fēng)險(xiǎn)預(yù)測(cè)等廣闊領(lǐng)域。從幾何意義上直觀理解決策樹的含義，可以將每個(gè)貸款樣本看做是n維空間中的點(diǎn)，決策樹模型的建立過程是決策樹各個(gè)分支形成的過程，每個(gè)分支在一定規(guī)則下完成對(duì)n維空間的區(qū)域劃分，決策樹建立過程將n維空間劃分成了若干小區(qū)域，不同的區(qū)域即是最終的劃分結(jié)果，決策樹將此劃分采用樹型結(jié)構(gòu)圖的形式展現(xiàn)出來，劃分結(jié)果代表風(fēng)險(xiǎn)特征接近的一類客戶群。決策樹通常有兩大類型，分別為分類決策樹和回歸決策樹，分類決策樹實(shí)現(xiàn)對(duì)目標(biāo)變量的分類，回歸決策樹完成對(duì)目標(biāo)變量取值的預(yù)測(cè)。利用決策樹對(duì)數(shù)據(jù)建模之前，首先需要指定目標(biāo)變量，在風(fēng)險(xiǎn)預(yù)警中，目標(biāo)變量通常是客戶是否發(fā)生不良違約事件。輸入變量可以是連續(xù)型或字符型，描述貸款者的個(gè)人屬性、貸款特征等多方面信息。
運(yùn)用決策樹對(duì)個(gè)人消費(fèi)貸款實(shí)施信用風(fēng)險(xiǎn)預(yù)警建模，首先需要根據(jù)業(yè)務(wù)意義選取一系列指標(biāo)作為建模因子選擇范圍，結(jié)合模型篩選，最終得到對(duì)客戶未來不良具有預(yù)測(cè)能力的若干因子。通過隨機(jī)抽樣將樣本數(shù)據(jù)以一定的比例分配給訓(xùn)練集和驗(yàn)證集，利用SAS軟件實(shí)現(xiàn)模型估計(jì)。決策樹根據(jù)篩選出的預(yù)測(cè)因子細(xì)分出葉結(jié)點(diǎn)，再根據(jù)到達(dá)這些結(jié)點(diǎn)的分割方式得到定位不同客戶群的規(guī)則。模型結(jié)果顯示風(fēng)險(xiǎn)客戶較為集中的聚集在部分葉結(jié)點(diǎn)，其后通過對(duì)預(yù)警模型效果滾動(dòng)驗(yàn)證并不斷優(yōu)化，待模型穩(wěn)定后即可根據(jù)預(yù)測(cè)結(jié)果進(jìn)行事前風(fēng)險(xiǎn)控制。
決策樹建模結(jié)果顯示，決策樹根據(jù)個(gè)人屬性、貸款特征等方面的因子細(xì)分出10類客戶群，其中8類客戶群風(fēng)險(xiǎn)較為集中。可以通過到達(dá)這8類客戶群的因子分割方式得到定位風(fēng)險(xiǎn)客戶群的規(guī)則。具體來看，其中風(fēng)險(xiǎn)客戶集中度最高的前4類客戶群中，不良貸款率明顯高于全量客戶均值，將這4類客戶納入高風(fēng)險(xiǎn)貸款的預(yù)警范圍。之后，將滿足樣本條件的個(gè)人消費(fèi)貸款作為預(yù)警目標(biāo)，根據(jù)決策樹建模結(jié)果，定期篩選出高風(fēng)險(xiǎn)的客戶群，對(duì)預(yù)警模型效果滾動(dòng)驗(yàn)證并不斷優(yōu)化，待模型穩(wěn)定后得到風(fēng)險(xiǎn)貸款預(yù)警名單，即可根據(jù)預(yù)警名單進(jìn)行事前風(fēng)險(xiǎn)控制。
信用卡申請(qǐng)審批信用風(fēng)險(xiǎn)預(yù)警
當(dāng)前，銀行信用卡審核過程主要依據(jù)線下資料填寫、信息核實(shí)以及面審結(jié)果，審核處理復(fù)雜且周期較長(zhǎng)，客戶體驗(yàn)滿意度差。而線上發(fā)卡缺乏細(xì)致的審核環(huán)節(jié)和信息確認(rèn)，會(huì)給銀行帶來較大風(fēng)險(xiǎn)。同時(shí)，銀行通常根據(jù)客戶的申請(qǐng)材料信息、人民銀行征信和行內(nèi)交易信息測(cè)算出申請(qǐng)?jiān)u分，以此作為信用卡審批的重要依據(jù)。但是銀行能夠獲得的信息有限，例如申請(qǐng)材料內(nèi)容真?zhèn)坞y以完全確認(rèn)，并且多數(shù)客戶與本行沒有業(yè)務(wù)往來，這些都給銀行對(duì)客戶申請(qǐng)信用卡的風(fēng)險(xiǎn)預(yù)判帶來困難。而大數(shù)據(jù)的應(yīng)用為信用卡發(fā)卡模式帶來新機(jī)遇，隨著互聯(lián)網(wǎng)和人們的生活日益緊密，客戶的網(wǎng)上行為帶來越來越豐富的信息，通過對(duì)客戶網(wǎng)上消費(fèi)、閱讀、社交等行為習(xí)慣進(jìn)行數(shù)據(jù)挖掘，可為預(yù)判客戶的信用風(fēng)險(xiǎn)提供準(zhǔn)確而實(shí)效的信息。
客戶在網(wǎng)上的消費(fèi)行為可根據(jù)消費(fèi)品種進(jìn)行分類，例如穿衣打扮、餐飲食品、居家生活、3C數(shù)碼、出差旅行等；可根據(jù)客戶的閱讀習(xí)慣進(jìn)行分類，例如時(shí)尚女人、游戲動(dòng)漫、時(shí)政新聞、汽車、房地產(chǎn)等；可根據(jù)客戶大宗、高端、金融類商品的瀏覽購(gòu)買習(xí)慣進(jìn)行分類，例如汽車、奢侈品、金融理財(cái)?shù)取Ｍ瑯樱部梢栽诰W(wǎng)上獲得客戶的互聯(lián)網(wǎng)影響力信息，例如粉絲數(shù)、關(guān)注數(shù)等。以上這些信息是客戶真實(shí)的瀏覽和購(gòu)買行為。目前已有互聯(lián)網(wǎng)公司對(duì)這些非結(jié)構(gòu)化信息進(jìn)行整合，并進(jìn)行結(jié)構(gòu)化數(shù)據(jù)整理，當(dāng)然，以上信息的獲取具有一定的技術(shù)門檻。
根據(jù)對(duì)銀行存量信用卡客戶網(wǎng)上行為數(shù)據(jù)和信用卡風(fēng)險(xiǎn)表現(xiàn)情況的統(tǒng)計(jì)分析，對(duì)具有不同網(wǎng)上瀏覽和消費(fèi)習(xí)慣的客戶，通過數(shù)據(jù)挖掘模型進(jìn)行風(fēng)險(xiǎn)判斷和預(yù)測(cè)，尋找網(wǎng)上信息與信用卡風(fēng)險(xiǎn)之間的關(guān)聯(lián)和規(guī)律，結(jié)合客戶申請(qǐng)信息進(jìn)行客戶申請(qǐng)?jiān)u分的計(jì)算，以此指導(dǎo)信用卡審批發(fā)放和初始額度的評(píng)估。
總結(jié)
從外部來看，經(jīng)濟(jì)下行、互聯(lián)網(wǎng)金融沖擊為銀行信用風(fēng)險(xiǎn)管控帶來挑戰(zhàn)；從內(nèi)部來看，銀行信貸規(guī)模不斷擴(kuò)張、客戶結(jié)構(gòu)深刻變化。以先進(jìn)信息技術(shù)架構(gòu)為前提，以大數(shù)據(jù)分析和挖掘?yàn)榛A(chǔ)，加快信息化銀行建設(shè)，推進(jìn)全行信用風(fēng)險(xiǎn)管理體系由經(jīng)驗(yàn)管理向數(shù)據(jù)分析管理、由分散管控向集中管控的轉(zhuǎn)型，成為增強(qiáng)商業(yè)銀行核心競(jìng)爭(zhēng)力和推動(dòng)經(jīng)營(yíng)轉(zhuǎn)型的必由之路。
對(duì)于銀行而言，一方面可以充分利用自身存儲(chǔ)的巨大體量的數(shù)據(jù)信息進(jìn)行風(fēng)險(xiǎn)管控轉(zhuǎn)型，將大數(shù)據(jù)技術(shù)運(yùn)用于個(gè)人貸款業(yè)風(fēng)險(xiǎn)預(yù)測(cè)的業(yè)務(wù)場(chǎng)景中，有效提高風(fēng)險(xiǎn)感知水平；另一方面可以積極整合互聯(lián)網(wǎng)、電子商務(wù)等媒介的外部數(shù)據(jù)，通過打通客戶線上線下行為的結(jié)構(gòu)化、非結(jié)構(gòu)化信息，打破數(shù)據(jù)邊界，有效降低信息不對(duì)稱風(fēng)險(xiǎn)，提升業(yè)務(wù)效率。
京公網(wǎng)安備 11010502049343號(hào)