连育青

(中国建设银行股份有限公司福建分行，福建　福州　350005 )



运用大数据分析提升信贷决策水平的思考

连育青

(中国建设银行股份有限公司福建分行，福建福州350005 )

在经济新常态下，越来越多的企业进入结构调整和转型的新周期，给商业银行授信审批决策提出更高要求，而大数据时代的到来，为精准授信审批决策提供了有力支持。本文通过大数据挖掘技术，进一步验证授信企业主背景及经营管理的真实性，提升授信企业风险的甄别能力，并对建立大数据完善授信审批决策机制提出相关建议。

大数据分析；授信审批；授信企业

为了提升授信审批决策水平，商业银行在信贷管理中采取了一系列措施。但是，对于跨区域、跨行业经营、关联复杂的集团企业，很难准确了解其生产经营等的全部真实情况，容易出现过度授信问题，而且依赖经验判断的授信审批方式，因缺乏客观数据支持，导致不同审批人给出差异较大的审批结论。同时，在经济新常态下，越来越多的企业进入结构调整和转型的新周期，也给银行授信审批决策提出更高要求。而大数据时代的到来，为银行克服上述缺陷，精准授信审批决策提供了有力支持。

一、运用大数据挖掘技术，提升授信审批风险判断能力

1.运用大数据分析授信企业主背景的真实性。授信审批的核心任务之一就是深入了解企业主(实际控制人)背景的真实性，评价企业主的风险水平。而大数据时代，银行可以运用互联网时刻记录人们一言一行的特点，提高对授信企业主背景真实性的甄别能力。首先，进一步了解企业主兴趣爱好、风险偏好。充分利用网络、媒体、征信系统及企业自身提供的背景材料进行分析判断实际控制人的投资、经营行为和财富积累过程，看其与目前对企业的投入情况和企业运营情况是否相称，是否存在炒房、炒原材料、炒股票期货等；其次，企业主的诚信状况，可以从其还款记录，包括对其他银行、供应商等债权人的还款记录以及经营中对合约、纳税等履行情况进行分析判断。第三，借助大数据及时甄别授信企业是否涉及民间借贷。通过大数据查询企业账户资金流水的异常情况，如果企业银行账户存在整笔划款，但并非划转给上下游企业或用于归还银行贷款；或者银行贷款到期前几日有资金划入，贷款存量周转后原来划入账户的资金又等量划出，则企业可能存在民间借贷行为。如果发现企业银行账户对外有规律地划款，在特定日期向特定对象支付等量小额资金，往往可以判断企业是在支付民间借贷利息；如为大额提现，则有可能是融出资金给其他企业、个人或者归还民间融资。同时，如果企业股东借款较多，或者企业与其股东之间资金往来频繁，也应引起高度关注。 2、运用大数据分析授信企业的真实经营状态。根据产品交易数据、资金往来数据、海关报关数据、税务局报税数据、行业协会数据等，辅以交叉检验技术判断授信企业背景真实性；如通过持续跟踪企业存款账户日均余额情况，并根据企业类型、发展阶段的不同建立差异化评分模型，以判断企业经营情况。其次，通过对企业主、股东及配偶等个人账户资金流向和消费行为数据信息分析，间接判断企业经营情况，为银行授信准入提供数据支撑。第三，运用挖掘外围关联指标数据分析企业的或有事件。通过收集公检法通报及主流媒体曝光的企业负面信息等重大或有因素和未决因素，是否与其他主体产生重大法律、民事纠纷，或通过离婚、移民等转移资产、失踪潜逃及其他重大或有资产、或有负债等。

3.运用大数据分析验证授信企业经营效益。第一，利用计算机自动生成技术对授信企业近两年及报告期经核实的资产负债表、损益表等就可以自动验证其钩稽关系是否恰当，企业报送的现金流量表与自动生成的现金净流量测算表是否一致，通过利润增长与现金流量分析等，准确、快捷地判断客户财务报表数据的真实性；此外，通过其他相关报表进行反向验证，如通过纳税申报表验证收入的真实性。其次，与同业进行比较验证。利用财务报表财务指标及现金流量结构与同行业指标进行横向比较，如某个企业所处的行业整体比较低迷和萧条，而被借款人的业绩却一枝独秀，那么就很有可能存在粉饰报表的情况。第三，通过运用企业销售收入数据分析验证财务报表真实性。通过查看企业开出的增值税发票、结合交易合同和发货清单及企业与其下游客户的资金往来对账单，来印证是否匹配企业的销售收入，如果数据相差较大，而且又没有合理的解析和说明，可以认为企业的财务报表存在不真实的情况，应该考虑是否与企业开展信贷业务。

4.运用大数据分析推断企业的发展前景。通过建立自身观察经济周期走势、把握外部信贷环境、分析企业风险变化的量化机制，能够及时获得信贷企业最新的交易信息、现金流信息，为前瞻性风险判断奠定基础。如银行通过挖掘企业水表、电表、工资表等支出数据，存汇款等账户变动数据，同比、环比分析异动数据，识别可疑企业名单，深入分析数据变动的原因，实现在企业发生实质性风险之前提前捕捉预警信号，尽早采取主动退出、及时控制抵质押品等措施化解风险。

5.运用大数据分析判断信贷资金挪用风险。在企业贷款支用后，采用大数据分析企业资金流向规律，并且核查上游企业开出的增值税发票、企业的货运单据等，能够印证交易背景和信贷资金使用的真实性，防止利用虚假交易套取商业银行资金。同时，对企业未按照约定支付、支付规律出现异常的进行预警，如交易对手中存在小额贷款公司、担保公司、典当行等主体，或者在银行账户中含有“证券、基金”等的借方交易，企业可能参与了民间借贷。还有企业既有银行贷款，又通过委托贷款、委托理财等形式借出资金，实际是参与民间借贷。

6.运用大数据分析甄别授信企业的关联关系和关联交易风险。借助大数据，银行可甄别集团企业复杂的关联关系和关联交易，还原集团关系树全貌，为精准授信打好基础。在实践中，有些企业并不按规定披露关联方和关联交易行为的有关内容且关系非常隐蔽，单从表面无法轻易判断。首先，充分利用银行信贷风险监测系统、人银征信系统、互联网、各省市工商局官方网站、银码信息共享系统等技术渠道，深度挖掘，集团企业的股东、投资子公司、担保或被担保企业、家族关系等信息，仔细求证，理顺授信企业的关联方信息。通过大范围的信息挖掘，充分了解授信企业及关联方的贷款卡信息、负债信息、大事记、对外对内担保和诉讼情况，不断质疑，相互印证，通过大范围的信息挖掘，发现企业刻意隐瞒或藏匿的关联关系，以此来检测企业的诚信度，尽职免责。其次，运用大数据挖掘内部关联交易信息。通过截取一定期间内的所有企业间大额资金往来(包括大额资金调度、大额资金借贷、大宗销售、大宗采购等)数据的记录集合，分析企业经常发生的对转交易、虚假交易、不平等交易、不正常交易等行为的线索和迹象，应顺藤摸瓜、不断跟踪、深入分析，从而挖掘出企业的隐性关联交易；第三，建立不正当关联交易预警模块。判断是否存在低买高卖的关联购销，是否存在关联方分摊销售费用、管理费用等费用项目，是否存在关联方资金融通关系，是否存在关联方收取大量资金占用费的情况，密切关注关联交易中有关资产的无偿或低价转移等。

7.运用大数据分析授信企业的偿债能力。现金为王，真实的经营性现金流是判断企业第一还款能力最有效的证据之一。企业间的资金来往，主要通过银行转账实现，其存款账户的交易明细记录，可较为真实地反映企业日常运营行为。通过对授信企业某一段时间内的交易量和交易金额的连续统计分析，可以相对准确地掌握其日常业务发展和整体运营情况。一般而言，企业发展如处在稳定或上升期，其交易量和交易金额应整体趋平或呈现上升趋势，如从某一天起，其交易量和交易金额(借、贷)变少并呈持续下降趋势，则企业的经营可能出现状况，授信审批人员需要重点关注。

二、建立大数据完善授信审批决策机制的相关建议

1.树立大数据的授信审批决策理念。要改变以往关注贷前调查，对整个信贷生命周期的一体化数据挖掘整合不足的现状，树立“决策基于数据，信息创造价值”的观念，引进专业化数据挖掘与大数据分析工具，从企业投入产出中寻找关键敏感数据，使大数据模式的分析成果及时转化为提供授信审批的有力依据。要运用大数据相关关系分析法，结合机器算法模型找出隐藏在海量数据中的企业与风险之间的量化关系，提高非结构化数据转化为授信审批支持信息的效率。

2.全面整合银行内外部数据，建设信贷管理大数据平台。建立一个跨业务条线、跨机构、跨地区统一的数据分析平台，为银行授信决策奠定数据基础；充分利用社交网络、微信平台等新媒体工具，将分散化数据信息整合形成统一、多维度的数据库，提高数据的利用效率；重新梳理数据来源，制定数据标准，建立数据采集、处理等一系列管理制度，改善数据收集、清洗、挖掘、应用、评估等的执行效率。

3.完善授信决策管理体制。首先、转变授信审批决策模式，逐步消除传统“财务报表+抵质押品”模式，建立以非财务分析为主、财务分析为辅，以第三方信息验证分析为主、企业自身经营状况分析为辅的授信审批决策模式。使审批人员在决策时有统一的风险评判标准，改变以经验判断为主的决策方式，由自动化风险预警系统逐步取代人工定期检查的信贷管理方式，将更有助于对企业风险的实时监控和处理，提升授信决策的准确性。第二，建立以专家审批替代集体审批的制度。建立不同业务种类、不同业务模式的专家授信审批队伍，对于授权范围内的贷款申请，结合大数据分析结果，以及专家对企业授信风险演化规律的认识而直接审批，这样，既能适应贷款规模显著增长以及企业业务多元复杂化的需要，又能提高审批的专业性和效率。第三、组建企业风险监控中心。依托大数据，搭建欺诈防范与风险计量模型，实行现场跟踪与非现场分析相结合、定量分析与定性经验判断相结合，对授信企业从贷前到贷后整个生命周期的风险监测手段。促进授信审批人员站在更高的角度掌握到信贷经营人员所不知的信息，提升信贷审批决策的科学性。

4.加强大数据人才队伍建设，营造大数据授信审批文化氛围。首先、加强授信审批队伍培训，提升授信决策人员多渠道信息收集、验证测能力，及时掌握客户最新动向；注重引进外界优秀的大数据人才，全面提升授信审批决策人员的整体素质，营造良好的商业银行互联网金融文化氛围；探索建立主动揭示风险的激励约束机制，确保风险能够得到及时暴露、早报告、早处置，赢得处置先机，有效防控及降低授信风险。同时，通过监控平台对企业的交易行为和需求信息有了透彻了解，能为企业提供合适产品，并根据企业体验不断改进产品和服务，实现信贷风险管理与市场营销的完美结合。

[1] 朱良平，大数据在银行信贷业务中的应用实践及建议[J].《中国金融电脑》2015，(12)32-37.

[2] 宋长龙，大数据背景下的银行信用风险管理 [J].《企业改革与管理》2015，(10)108-109.

[3] 江明哲，借鉴大数据相关关系提升信贷审批前瞻性[J].《上海金融》2015，(2)100-106.