摘 要：信用風(fēng)險控制技術(shù)是大數(shù)據(jù)在商業(yè)銀行應(yīng)用的最核心功能。本文以大數(shù)據(jù)為背景，結(jié)合商業(yè)銀行內(nèi)外部環(huán)境，探討了小微企業(yè)智能審貸引入大數(shù)據(jù)分析的必要性與可行性，剖析了商業(yè)銀行推進小微企業(yè)智能審貸面臨的困難與挑戰(zhàn)，并提出加強法制建設(shè)、完善數(shù)據(jù)庫體系建設(shè)、強化數(shù)據(jù)價值挖掘能力、搭建適應(yīng)大數(shù)據(jù)的數(shù)據(jù)管理體系等建議。

關(guān)鍵詞：大數(shù)據(jù)；小微企業(yè)；風(fēng)險管理；信貸審批

中圖分類號：F830.33 文獻標識碼：B 文章編號：1674-2265（2016）11-0051-06

一、引言

大數(shù)據(jù)是指信息量大而復(fù)雜到無法在一定時間內(nèi)用常規(guī)數(shù)據(jù)庫管理工具對其進行處理的數(shù)據(jù)集合。小微企業(yè)大數(shù)據(jù)信貸智能審批是指商業(yè)銀行通過對綜合“大數(shù)據(jù)”信息進行全面、深度地挖掘和分析，建立起貸款客戶的信用評級、貸款定價體系，系統(tǒng)根據(jù)信用評級結(jié)果自動審批等流程決定是否貸款，采用全流程系統(tǒng)在線辦理的操作業(yè)務(wù)模式。目前，就小微企業(yè)授信中大數(shù)據(jù)技術(shù)的應(yīng)用而言，大多數(shù)文獻集中討論了小微企業(yè)評級中的大數(shù)據(jù)技術(shù)應(yīng)用。如，陳勇?。?011）分析了大數(shù)定律下小微企業(yè)授信模式，認為可以用小微企業(yè)的總體預(yù)期貸款損失率來代替每一筆小微企業(yè)貸款的預(yù)期損失率。孫中東（2013）提出商業(yè)銀行的信用評級體系，可以應(yīng)用大數(shù)據(jù)技術(shù)進一步完善、創(chuàng)新。錢慧、梅強、文學(xué)舟（2013）借用主成分分析方法探索對小微企業(yè)信貸風(fēng)險評估的適用性，并結(jié)合銀行最終的放貸結(jié)果進行評價。劉蕓、朱瑞博（2014）提出互聯(lián)網(wǎng)金融的開放性，可有效降低征信成本、促進征信體系更加透明，進而降低小微企業(yè)的融資成本。總之，依托大數(shù)據(jù)技術(shù)應(yīng)用于小微信貸業(yè)務(wù)僅停留在理論研究階段。

據(jù)工商部門統(tǒng)計，截至2015年末，全國在冊的企業(yè)一共有1300多萬家，其中99%是中小微企業(yè)。這些企業(yè)解決了我國50%的稅收、60%的GDP、70%的進出口業(yè)務(wù)和80%的就業(yè)。但中小微企業(yè)卻只能從銀行拿到不到10%的貸款，且?guī)缀鯚o直接融資。信用風(fēng)險控制技術(shù)是大數(shù)據(jù)在商業(yè)銀行應(yīng)用的最核心功能，商業(yè)銀行可從80%的低端客戶獲取到巨大的商機，徹底顛覆銀行傳統(tǒng)經(jīng)營的“二八定律”。因此，在大數(shù)據(jù)時代，加強小微企業(yè)智能審貸問題研究，對構(gòu)建小微企業(yè)大數(shù)據(jù)信貸新模式，適應(yīng)小微企業(yè)“短、小、頻、急”的資金需求，具有十分重要的理論和現(xiàn)實意義。

二、小微企業(yè)智能審貸引入大數(shù)據(jù)分析的必要性與可行性

（一）小微企業(yè)智能審貸引入大數(shù)據(jù)分析的必要性

1. 大數(shù)據(jù)具有信息技術(shù)挖掘優(yōu)勢，為實現(xiàn)精準授信奠定基礎(chǔ)。大數(shù)據(jù)時代，數(shù)據(jù)已經(jīng)滲透到各行各業(yè)，銀行業(yè)借助大數(shù)據(jù)信息挖掘優(yōu)勢，更加前瞻地洞察影響貸款資產(chǎn)安全、收益的各類風(fēng)險因素，并及時做出針對性調(diào)整策略，較好地解決傳統(tǒng)信貸風(fēng)險管理中的信息不對稱難題（見表1）。

2. 互聯(lián)網(wǎng)金融的強烈沖擊，要求商業(yè)銀行緊跟大數(shù)據(jù)在同業(yè)應(yīng)用進程。

（1）傳統(tǒng)銀行加大與數(shù)據(jù)服務(wù)商合作，借助外部專業(yè)力量，強化大數(shù)據(jù)在管理中的運用力度。如美國Zest Finance，通過采集盡可能多的商業(yè)化數(shù)據(jù)，結(jié)合信貸數(shù)據(jù)模型，運用大數(shù)據(jù)技術(shù)，挖掘分析個人信用資源，達到增強個人信用的目的（見圖1）。

（2）大數(shù)據(jù)在信貸業(yè)務(wù)中的應(yīng)用。隨著數(shù)據(jù)采集范圍的擴大和建模技術(shù)的更新，銀行根據(jù)業(yè)務(wù)專家設(shè)定的運行規(guī)則，開始探索基于大數(shù)據(jù)生成的評分信息，形成信用風(fēng)險評級模型，并嵌入到信貸管理系統(tǒng)中，更好地識別客戶風(fēng)險，極大提升審批效率。

3. 應(yīng)對金融市場化的復(fù)雜風(fēng)險形勢，滿足更主動、有效的防控信貸風(fēng)險要求。銀行信貸服務(wù)的核心是風(fēng)控，銀行通過與掌握行業(yè)大數(shù)據(jù)平臺方合作，借助互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)支撐，通過企業(yè)的交易數(shù)據(jù)等歷史信息來構(gòu)建企業(yè)信用評分模型，通過對企業(yè)信用評分模型的分析、論證、歸納，最終提取出客戶的真實信用狀況（見圖2），實現(xiàn)小微企業(yè)“智能審貸”的服務(wù)模式，滿足小微企業(yè)“短、小、頻、急”的貸款需求，并構(gòu)建分析客戶風(fēng)險變化的量化機制，制訂更精準的信貸風(fēng)險控制策略，更主動、有效地防控信貸風(fēng)險。

（二）小微企業(yè)智能審貸引入大數(shù)據(jù)分析的可行性

1. 銀行信貸信息化體系日趨完善，為智能審貸引入大數(shù)據(jù)技術(shù)提供了必要的基礎(chǔ)條件。（1）集成信貸業(yè)務(wù)生產(chǎn)與管理功能的信貸管理平臺日趨成熟，為信貸信息流的獲取、儲存、共享、分析提供了必要的硬件支撐。以大數(shù)據(jù)的分布式存儲與處理方式構(gòu)建的大規(guī)模計算機集群，不僅有效降低硬件成本、數(shù)據(jù)的運算效率大大提升，而且大幅降低信息搜尋與處理費用。（2）積淀了海量的歷史與最新信貸數(shù)據(jù)信息，為商業(yè)銀行提供日益精準的數(shù)據(jù)。借助大數(shù)據(jù)平臺，以多年積累的法人客戶、個人客戶為基礎(chǔ)，及時挖掘信息主體基本信息、交易與財務(wù)信息、動態(tài)行為信息等多層次數(shù)據(jù)信息，將更能立體客觀地精準映射客戶信息視圖。（3）信貸管理系統(tǒng)與其他相關(guān)系統(tǒng)的交互渠道進一步暢通。大數(shù)據(jù)背景下，銀行可利用互聯(lián)網(wǎng)從社交網(wǎng)絡(luò)活動中，及時了解信息主體資金交易方式、結(jié)算習(xí)慣等多維度的動態(tài)信息，為信貸數(shù)據(jù)聯(lián)動資金核實數(shù)據(jù)，以及其他有關(guān)數(shù)據(jù)的關(guān)聯(lián)性分析提供了更加有利的條件和寬廣的空間，并通過大數(shù)據(jù)技術(shù)將采集的信息數(shù)據(jù)分門別類存儲到數(shù)據(jù)庫中。

2. 云計算的超強計算性能配合大數(shù)據(jù)技術(shù)，為信用信息處理提供了強大的技術(shù)支持。

一是在金融數(shù)據(jù)背景下，通過大數(shù)據(jù)技術(shù)使眾多分散的異構(gòu)數(shù)據(jù)分解成多個子任務(wù)并行關(guān)聯(lián)與集成分析，如采用分布式計算技術(shù)，在信用動態(tài)評分、風(fēng)險評估和管理、提供更多信用報告選擇、預(yù)測和快速匹配信貸需求等方面實現(xiàn)大數(shù)據(jù)的分布式處理，極大提高數(shù)據(jù)信息處理的時效性與效率。二是大數(shù)據(jù)的“集中式”處理，提升系統(tǒng)處理效率。采用中央服務(wù)器集中處理采集數(shù)據(jù)信息，且采用非關(guān)系型的數(shù)據(jù)存儲方式構(gòu)建的數(shù)據(jù)庫，有效地降低多次重復(fù)采集數(shù)據(jù)信息所增加的成本費用；同時，支持在線擴張的大數(shù)據(jù)平臺架構(gòu)，也為業(yè)務(wù)的迅速發(fā)展創(chuàng)造良好的基礎(chǔ)條件。三是大數(shù)據(jù)和云計算能有效提升信用數(shù)據(jù)的挖掘深度。當前，80%以上的信息為復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)，如音頻、圖片、視頻等數(shù)據(jù)信息，憑借大數(shù)據(jù)的深層挖掘處理能力，能根據(jù)個性化的需求嘗試建立智能分析模型，實現(xiàn)期望預(yù)測的目標。目前，國內(nèi)一些數(shù)據(jù)公司正在嘗試利用大數(shù)據(jù)模型為銀行開展信貸預(yù)測分析。

3. 商業(yè)銀行憑借自身的IT技術(shù)優(yōu)勢，具備了基本的數(shù)據(jù)挖掘分析經(jīng)驗。（1）憑借自身的IT技術(shù)優(yōu)勢，具備內(nèi)外部數(shù)據(jù)整合的能力。銀行IT技術(shù)的發(fā)展實現(xiàn)了海量數(shù)據(jù)收集和存儲，極大地拓展了信用信息的來源和范圍，更重要的是獲得了和大數(shù)據(jù)鏈條上其他外部數(shù)據(jù)整合的能力。如互聯(lián)網(wǎng)上涉及資金交易、公共政務(wù)、日常生活等眾多與信用相關(guān)聯(lián)的變量，以及互聯(lián)網(wǎng)上的信息—用戶IP地址、搜索習(xí)慣、網(wǎng)絡(luò)數(shù)據(jù)，甚至一些個人興趣愛好均可作為其信用評價的考量因素。（2）商業(yè)銀行具備較強的數(shù)據(jù)分析能力。大數(shù)據(jù)時代，商業(yè)銀行憑借自身的IT技術(shù)優(yōu)勢和所擁有的信息資源，采用大數(shù)據(jù)技術(shù)，動態(tài)挖掘涉及客戶的工商稅務(wù)、網(wǎng)絡(luò)媒體、資產(chǎn)交易等外部信息，通過文本分析及內(nèi)容挖掘技術(shù)，將識別后的信息轉(zhuǎn)換成標準分類，建立企業(yè)信息預(yù)警規(guī)則與信息索引庫，結(jié)合企業(yè)的交易流水信息、資金往來異動信息等，完善企業(yè)信息預(yù)警系統(tǒng)，開展信用風(fēng)險管理和控制。如在企業(yè)貸款使用環(huán)節(jié)，銀行可采用大數(shù)據(jù)手段，采集分析企業(yè)資金流向數(shù)據(jù)，對未按照約定支付或支付規(guī)律出現(xiàn)異常的企業(yè)實施智能預(yù)警。

4. 引入和培訓(xùn)大數(shù)據(jù)相關(guān)技術(shù)人員，逐步建立大數(shù)據(jù)相關(guān)專業(yè)團隊。商業(yè)銀行經(jīng)過多年的信息系統(tǒng)建設(shè)，已逐步建立了以信貸評級體系建設(shè)和在線監(jiān)控人員為主的信貸數(shù)據(jù)分析應(yīng)用團隊，而且圍繞數(shù)據(jù)獲取、儲存、搜索、共享、分析需求，不斷加大科技、軟件、需求相關(guān)力量的配置力度；同時，為了適應(yīng)大數(shù)據(jù)應(yīng)用，各銀行普遍重視引進和培訓(xùn)大數(shù)據(jù)相關(guān)技術(shù)人員，并以軟件研發(fā)部門為基礎(chǔ)，組建大數(shù)據(jù)相關(guān)專業(yè)分析研究團隊，為大數(shù)據(jù)挖掘分析的順利推進，提供了必要的技術(shù)人員基礎(chǔ)保障。

三、小微企業(yè)智能審貸引入大數(shù)據(jù)分析面臨的困難與挑戰(zhàn)

（一）社會信用體系不完善，大數(shù)據(jù)信用信息的市場監(jiān)管面臨挑戰(zhàn)

1. 社會信用體系不完善，新興的信用信息業(yè)務(wù)監(jiān)管制度缺失。由于社會信用體系不完善以及個人信用數(shù)據(jù)匱乏，部分企業(yè)以互聯(lián)網(wǎng)為平臺，陸續(xù)嘗試借助各自信息技術(shù)資源優(yōu)勢，廣泛采集企業(yè)和個人信息，開展數(shù)據(jù)信息挖掘分析，提供信用數(shù)據(jù)等新興業(yè)務(wù)，但目前我國新興的信用信息業(yè)務(wù)監(jiān)管制度缺失，缺乏數(shù)據(jù)信息的搜集、整理、儲存、分析、處理的相關(guān)制度，缺乏大數(shù)據(jù)挖掘統(tǒng)一的技術(shù)規(guī)范要求，特別是涉及隱私保護和數(shù)據(jù)信息安全的法律法規(guī)有待進一步完善。

2. 大數(shù)據(jù)征信領(lǐng)域的監(jiān)管體系尚未成熟，缺乏相應(yīng)的法律法規(guī)。近年來，我國逐漸興起大數(shù)據(jù)征信，而有關(guān)大數(shù)據(jù)征信監(jiān)管的法律法規(guī)建設(shè)相對滯后，現(xiàn)有的《征信業(yè)管理條例》及配套規(guī)章制度的監(jiān)管對象主要是傳統(tǒng)的金融領(lǐng)域，難以覆蓋到征信機構(gòu)以外。如騰訊、阿里等互聯(lián)網(wǎng)企業(yè)開展的大數(shù)據(jù)征信，在行業(yè)自律與監(jiān)管方面，缺乏統(tǒng)一的行業(yè)職業(yè)道德與規(guī)范標準，特別是適應(yīng)市場監(jiān)管的相關(guān)技術(shù)與水平亟須提高。

（二）數(shù)據(jù)量的劇增和數(shù)據(jù)的云端集中，對數(shù)據(jù)安全的保護提出更大的挑戰(zhàn)

1. 信息安全和隱私保護尚需加強。隨著非結(jié)構(gòu)化數(shù)據(jù)的急劇增長，多元化、多層次的數(shù)據(jù)量進一步集中，且數(shù)據(jù)的分布式處理也加大了數(shù)據(jù)泄露的風(fēng)險，大數(shù)據(jù)提取、云計算、云存儲等分布在多臺計算機上，信息數(shù)據(jù)結(jié)構(gòu)復(fù)雜、鏈條長，容易產(chǎn)生數(shù)據(jù)泄密的風(fēng)險。因而，對海量數(shù)據(jù)保密技術(shù)要求高，信息數(shù)據(jù)安全防護變得更加困難。

2. 隱私保護和數(shù)據(jù)安全成為制約大數(shù)據(jù)發(fā)展的瓶頸。新技術(shù)的發(fā)展讓信息的獲取更加方便、存儲時間更長久，同時數(shù)據(jù)搜索也更容易，在云端長久儲存并匯集的數(shù)據(jù)都可能成為被攻擊的目標，配置或者軟件的錯誤都有可能意外地被其他用戶訪問，數(shù)據(jù)的分布式處理也加大了數(shù)據(jù)泄露的風(fēng)險。用戶在不同場合不同情形下發(fā)布或留下的部分個人信息，如電信服務(wù)商掌握的手機號、4S店掌握的車牌號等，一旦被黑客全部或部分竊取后經(jīng)過交易和交換，一個人的完整信息就徹底暴露。保密文件如果托付給技術(shù)不成熟的云計算服務(wù)商，數(shù)據(jù)丟失、病毒入侵等問題就更加嚴峻。

（三）數(shù)據(jù)的質(zhì)量失真和數(shù)據(jù)清洗，量化系統(tǒng)性風(fēng)險面臨挑戰(zhàn)

一是數(shù)據(jù)的清洗與高質(zhì)量數(shù)據(jù)的生成。高質(zhì)量的信息數(shù)據(jù)是企業(yè)情況的真實反映，大數(shù)據(jù)技術(shù)建立合適的模型以高質(zhì)量的信息數(shù)據(jù)為支撐，目前數(shù)據(jù)不夠清潔，信息數(shù)據(jù)魚龍混雜、良莠不齊等問題，難以直接對數(shù)據(jù)關(guān)系進行邏輯驗證，無法高質(zhì)量地清潔數(shù)據(jù)。因此，首要問題是將此類非結(jié)構(gòu)化、半結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化為可用結(jié)構(gòu)化數(shù)據(jù)。二是量化面臨系統(tǒng)性風(fēng)險挑戰(zhàn)。銀行信貸專業(yè)人員通常利用網(wǎng)絡(luò)平臺，采用基于大數(shù)據(jù)技術(shù)建立的評價模型，對中小企業(yè)經(jīng)營過程進行量化分析與判斷。但是，對量化模型的建立及其及時改善與更新，均面臨系統(tǒng)性風(fēng)險的復(fù)雜性。企業(yè)所處的宏觀經(jīng)濟環(huán)境，以及企業(yè)本身，增加了系統(tǒng)性風(fēng)險的復(fù)雜性。如量化模型參數(shù)的設(shè)定、歷史經(jīng)營的指標數(shù)據(jù)來源與更新、企業(yè)的外在環(huán)境與條件的變化等均影響系統(tǒng)性風(fēng)險的量化模型。

（四）大數(shù)據(jù)處理專業(yè)人才嚴重匱乏

1. 在大數(shù)據(jù)時代，信貸智能審批需要大量的金融經(jīng)濟、信息技術(shù)、互聯(lián)網(wǎng)等專業(yè)高端人才，對海量數(shù)據(jù)進行云計算處理、加工存儲、挖掘分析。因此，對商業(yè)銀行來說，最棘手的問題是缺乏人才，尤其是既懂統(tǒng)計學(xué)、會編程，又懂專業(yè)知識的數(shù)據(jù)挖掘人才。

2. 相比傳統(tǒng)數(shù)據(jù)分析，大數(shù)據(jù)分析是從理念到技術(shù)的全新領(lǐng)域，對數(shù)據(jù)分析人員也提出了更高的要求。數(shù)據(jù)分析能力強的人員能以深度的商業(yè)知識和經(jīng)驗將數(shù)據(jù)進行歸類、整合和管理，并能采用數(shù)據(jù)模型和數(shù)據(jù)挖掘的方式來對客戶分類，或研究有關(guān)產(chǎn)品、風(fēng)險等 。而同時在數(shù)學(xué)、計算機和商科等多個領(lǐng)域具備較強能力，又對數(shù)據(jù)有敏銳洞見的人才極其稀缺。

四、政策建議

（一）加強法制建設(shè)，完善金融業(yè)營商環(huán)境

一是地方政府須擔(dān)責(zé)，營造良好信用環(huán)境。地方政府可以使用地方立法權(quán)制定法規(guī)、健全制度、完善信用法律支撐；在界定、處理好國家機密、商業(yè)秘密、個人隱私保護與公開之間關(guān)系的前提下，出臺包括政府信用、企業(yè)信用以及個人信用的相關(guān)細則；開展社會誠信宣傳活動，對各項信用制度進行普及、研究和培訓(xùn)，積極開展社會誠信創(chuàng)建活動，向社會宣傳普及信用的價值，營造良好的社會信用環(huán)境。二是建立信息采集交換機制。建立包括央行在內(nèi)的金融監(jiān)管部門、商業(yè)銀行、工商稅務(wù)、環(huán)保、電信、供水供電等數(shù)據(jù)交換平臺。盡快建立與完善數(shù)據(jù)挖掘、處理、存儲等技術(shù)標準與規(guī)范。條件許可的情況下，建立區(qū)域信用數(shù)據(jù)采集與資源共享平臺，推進大數(shù)據(jù)信用信息的先行先試，逐步建立并推進金融信用信息的采集交換機制。三是建立多方聯(lián)合懲戒機制，形成對失信行為的有效威懾。建立并完善失信行為的信息管理制度，加強企業(yè)與個人信用信息披露管理，強化公共服務(wù)信息數(shù)據(jù)共享，進一步完善金融、行政司法、工商稅務(wù)等聯(lián)合懲戒機制，營造“一處失信、處處受制”的信用環(huán)境，提高失信者的交易成本，加大懲戒力度，直至依法追究失信者的民事責(zé)任。

（二）完善數(shù)據(jù)庫體系建設(shè)，提升數(shù)據(jù)處理能力

1. 建立并完善信貸業(yè)務(wù)全流程的大數(shù)據(jù)信息采集規(guī)則，尤其是規(guī)定各環(huán)節(jié)真實連續(xù)反映借款人信息的采集規(guī)范要求和內(nèi)容，并通過整合現(xiàn)有各業(yè)務(wù)系統(tǒng)數(shù)據(jù)，將相關(guān)數(shù)據(jù)信息通過大數(shù)據(jù)技術(shù)歸集到大數(shù)據(jù)庫。

2. 按信貸業(yè)務(wù)的采集規(guī)則，通過整合內(nèi)外部數(shù)據(jù)源，對運營管理程序中的各參數(shù)進行整合、優(yōu)化設(shè)計，加強數(shù)據(jù)標準、數(shù)據(jù)質(zhì)量管控建設(shè)，鋪設(shè)連接各類資源交易權(quán)威網(wǎng)站的接口等。

3. 通過大數(shù)據(jù)庫搜索引擎功能，根據(jù)信息采集規(guī)則，利用信貸審批業(yè)務(wù)專項數(shù)據(jù)庫，挖掘分析該信貸業(yè)務(wù)的關(guān)鍵風(fēng)險點、違約概率、風(fēng)險防控主要措施等數(shù)據(jù)信息，提高審批人識別貸款風(fēng)險的前瞻性。

4. 提升數(shù)據(jù)處理能力。數(shù)據(jù)庫建成后，銀行可依據(jù)管理決策需求，充分挖掘自有信息數(shù)據(jù)并積極對接互聯(lián)網(wǎng)交易、征信、財務(wù)流水等多維度客戶信息平臺，用于組建信用貸款審批模型和貸后管理預(yù)警機制，實現(xiàn)信用審批和貸后管理效率的同步提升。

5. 進一步優(yōu)化信貸評級模型。通過運用大數(shù)據(jù)技術(shù)，有效識別數(shù)據(jù)的真?zhèn)闻c關(guān)聯(lián)度。如根據(jù)交叉驗證結(jié)果，通過經(jīng)驗判別法來識別是否存在問題數(shù)據(jù)；并通過數(shù)據(jù)清洗，減少對運算結(jié)果產(chǎn)生影響的低質(zhì)量數(shù)據(jù)。同時，對數(shù)據(jù)進行適當?shù)恼{(diào)整，努力還原數(shù)據(jù)的真實面貌，建立覆蓋多個領(lǐng)域的大數(shù)據(jù)建設(shè)標準，從授信用信、風(fēng)險緩釋、風(fēng)險定價、資本配置、績效考核方面，進一步優(yōu)化信貸評級模型。

（三）強化數(shù)據(jù)價值挖掘能力，實現(xiàn)數(shù)據(jù)價值最大化

1. 深入挖掘內(nèi)部數(shù)據(jù)源信貸風(fēng)險管理價值，實現(xiàn)數(shù)據(jù)價值最大化。通過大數(shù)據(jù)挖掘，分析客戶靜態(tài)財務(wù)數(shù)據(jù)與客戶動態(tài)行為，量化用戶違約概率，動態(tài)調(diào)整組合層面的信貸增量配置。通過與大數(shù)據(jù)關(guān)鍵技術(shù)結(jié)合的組合算法模型，精準地識別出風(fēng)險客戶、深入地挖掘出優(yōu)質(zhì)客戶，解析出影響客戶類型的關(guān)鍵要素，從傳統(tǒng)的“經(jīng)驗決策”轉(zhuǎn)向“數(shù)據(jù)決策”的風(fēng)險精細化管理。如建立以風(fēng)險調(diào)整后經(jīng)濟資本回報率（RAROC）為核心的信貸資產(chǎn)組合管理模型，實現(xiàn)精準貸款定價決策。

2. 借鑒大數(shù)據(jù)相關(guān)關(guān)系提升信貸審批前瞻性。利用大數(shù)據(jù)關(guān)聯(lián)關(guān)系和數(shù)理邏輯思維，依照“事由到行為再到結(jié)果”的次序，深入挖掘影響信貸資產(chǎn)質(zhì)量的主要工序與關(guān)鍵環(huán)節(jié)等“行為”，并基于大數(shù)據(jù)技術(shù)的決策模型實現(xiàn)系統(tǒng)自動審批，同時通過批量計算客戶風(fēng)險分值的方式，及時預(yù)警客戶風(fēng)險、提高決策效率和準確性（見圖3）。

（四）搭建適應(yīng)大數(shù)據(jù)的數(shù)據(jù)管理體系，實現(xiàn)全方位的風(fēng)險監(jiān)測預(yù)警

1. 搭建適應(yīng)大數(shù)據(jù)的數(shù)據(jù)管理體系。圍繞信用評級、授信審批、貸后監(jiān)控等信貸管理的關(guān)鍵環(huán)節(jié)，將信息收集范圍覆蓋到對借款人本身、財務(wù)管理、上下游關(guān)聯(lián)企業(yè)及其往來、核心管理層行為偏好等信貸管理相關(guān)的數(shù)據(jù)來源和數(shù)據(jù)分析維度；擴大相關(guān)數(shù)據(jù)廣度，采用信息數(shù)據(jù)檢索比對及其相關(guān)性分析，非結(jié)構(gòu)化與結(jié)構(gòu)化數(shù)據(jù)的耦合信息印證分析，揭示出靈活、高效、多方位映射貸款風(fēng)險參數(shù)變化的規(guī)律性，形成數(shù)據(jù)模型，進而有效利用模型工具進行預(yù)測和防范風(fēng)險，大大提高信貸管理效率。

2. 監(jiān)測分析挖掘，實現(xiàn)全方位的風(fēng)險監(jiān)測預(yù)警。如建立多元化數(shù)據(jù)獲取渠道，注重利用社交媒體數(shù)據(jù)、網(wǎng)絡(luò)工具等各種運作載體，并從中融入銀行的工作目標。通過實時、動態(tài)監(jiān)控，及早發(fā)現(xiàn)和識別風(fēng)險來源、范圍和程度，及時發(fā)出風(fēng)險警示信號；提升大數(shù)據(jù)處理與分析技術(shù)水平，加強大數(shù)據(jù)平臺的投資建設(shè)，加強風(fēng)險建模；結(jié)合借款人的歷史數(shù)據(jù)進行全局性實時分析，評估借款人行為，對借款人的信用風(fēng)險等級適時進行動態(tài)修正，提高授信客戶精細化管理水平（見圖4）。

圖4：小微企業(yè)大數(shù)據(jù)授信管理平臺

（五）加強人才隊伍建設(shè)，營造良好的人才環(huán)境

大數(shù)據(jù)時代的數(shù)據(jù)挖掘是一個系統(tǒng)工程，必須建立跨部門的工作小組共同攻關(guān)，把數(shù)據(jù)倉庫和數(shù)據(jù)挖掘變成現(xiàn)實的生產(chǎn)力。一是加快組織機構(gòu)調(diào)整。由具備數(shù)理建模和數(shù)據(jù)挖掘技能的電腦工程師、數(shù)據(jù)分析師、具備對大數(shù)據(jù)理解與應(yīng)用能力的專業(yè)人員，共同組成復(fù)合型的大數(shù)據(jù)專業(yè)團隊，為數(shù)據(jù)挖掘奠定組織基礎(chǔ)。二是提升大數(shù)據(jù)技術(shù)處理能力。加快大數(shù)據(jù)專業(yè)人才隊伍建設(shè)，招聘、培養(yǎng)掌握數(shù)據(jù)建模、云計算、金融經(jīng)濟等技能的復(fù)合型人才，為大數(shù)據(jù)時代的信貸業(yè)務(wù)提供強有力的人才保障。三是加強與大型互聯(lián)網(wǎng)企業(yè)的合作。積極借鑒阿里巴巴、騰訊等互聯(lián)網(wǎng)企業(yè)的先進經(jīng)驗，打造直銷銀行等零售新模式；加強與國內(nèi)外如IBM、SAS等頂級大數(shù)據(jù)服務(wù)商的合作，構(gòu)建大數(shù)據(jù)應(yīng)用聯(lián)合實驗室，并建立富有成效的激勵管理機制，促進大數(shù)據(jù)向價值資產(chǎn)的轉(zhuǎn)換。四是加強與監(jiān)管機構(gòu)協(xié)調(diào)配合，借助各監(jiān)管部門的力量，努力提高大數(shù)據(jù)的安全管理水平，研發(fā)大數(shù)據(jù)風(fēng)險防范技術(shù)；學(xué)習(xí)國外欺詐警示、網(wǎng)絡(luò)安全漏洞評估等技術(shù)，開發(fā)加密技術(shù)、網(wǎng)絡(luò)脆弱性評估工具、信息系統(tǒng)風(fēng)險評估工具等支撐大數(shù)據(jù)應(yīng)用的信息安全產(chǎn)品。

參考文獻：

[1]Big Data：Science in the Petabyte Era.Nature 455（7209），2008，（1）.

[2]陳勇俊.大數(shù)定律與小微企業(yè)授信模式研究[J].上海金融，2011，（12）.

[3]孫中東.大數(shù)據(jù)技術(shù)應(yīng)用與銀行信用評級體系創(chuàng)新之探[J].金融電子化，2013，（11）.

[4]錢慧，梅強，文學(xué)舟.小微企業(yè)信貸風(fēng)險評估實證研究[J].科技管理研究，2013，（14）.

[5]聶元銘.大數(shù)據(jù)及其安全研究[J].信息安全與通信保密，2013，（5）.

[6]謝清河.大數(shù)據(jù)時代我國商業(yè)銀行發(fā)展問題研究[J].南方金融，2014，（11）.