方梓行��

摘 要：从贵州仁怀茅台农商银行信贷业务在大数据的背景下，发现大数据技术对商业银行信贷业务的盈利模式和服务模式造成了影响，极大的革新了现商业银行信贷业务的运营模式。因此对大数据背景下的贵州仁怀茅台农商银行信贷业务发展策略提出了可行性建议，在信贷业务流程、客户征信统计、信贷风险预警、贷后管理优化等方面提出了大数据技术的可应用之处，为贵州仁怀茅台农商银行及其同类银行的信贷业务更好的发展提供参考和建议。

关键词：信贷业务；大数据；商业银行

中图分类号：F83 文献标识码：A doi：10.19311/j.cnki.16723198.2018.05.048

随着互联网、大数据云计算技术的发展，产生了新的信贷服务模式。互联网金融企业利用其现有的客户和数据优势，开展全新的大数据营销与风控模式。大数据技术的发展与应用也给传统商业银行信贷业务创新和风险管控带来新的机遇。贵州仁怀茅台农商银行也应当顺应时代变化，借助大数据技术这一有利的条件，从整合客户数据信息开始，精准客户信贷需求，科学、高效地为客户供信贷服务支持，降低信贷业务的风险，实现准确、高效的信贷业务管理，同时也能够有效地解决中小企业融资难、贷款时间长等一系列问题，并为不太乐观的经济环境中注入新的活力，提高整个社会的经济效益，进一步促进经济的发展。

1 贵州仁怀茅台农商银行信贷业务现状

贵州省作为我国西南地区重要的国际贸易业务的集散中心，拥有着非常高的资本囤积及资本来往，故而其本地的信贷业务市场早已成为国有控股银行、内资股份银行及地方城市商业银行的“战场”。其盈利状况与其它商业银行相比如表1所示。

表1 2015年贵州仁怀茅台农商银行的信贷业务发展状况

贵州省商业银行平均水平贵州仁怀茅台农商银行系统排名

税前利润贡献度5.8%6.3%12/25

信贷平均占比4.5%7.5%10/25

网均对私客户数5.8万户7.3万户11/25

网均对公客户数4900户5100户9/25

数据来源：贵州省银监会2015年通报。

从2015年统计数据可以看出，贵州仁怀茅台农商银行的税前利润占比为6.3%，高于贵州省其他商业银行平均值的5.8%，在系统内排第12；其信贷占比为75%，排名系统内10，略优于平均值的4.5%。个人客户数7万余户，系统内排名第11；对公客户数5100户，在贵州商业银行系统内排名第9。

上述关于信贷业务营业参数都在清楚的表明其信贷业务开展在省内处于中游水平，虽然近年内其发展较为稳定，但是增幅较慢，业务开展能力低下是无法逃避的事实。一旦仁怀从发达地区引入到更多资本能力更强的银行，那么势必会对贵州仁怀茅台农商银行造成巨大冲击。同时其市场竞争力和对于利润的贡献度也不足，这一负面影响已经成为阻碍贵州仁怀茅台农商银行在贵州省的金融市场发展的一个关键因素。

截至到2017年6月，贵州仁怀茅台农商银行的资产总额为176.16亿元，较年初增加3.44亿元。负债总额162.18亿元，较年初增加2.40亿元，整体资产负债水平较年初并没有出现巨大波动，表明贵州仁怀茅台农商银行的资本增长还是较为稳定的。

2 贵州仁怀茅台农商银行信贷业务存在的问题

2.1 风险信息归集不完善

2.1.1 贷前风险识别缺乏数据支持

贷前风险往往是传统商业银行所要面对的实际问题，从资料的审核、抵押品的估算、担保人的身份等，这一系列的甄别对商业银行自身的数据系统本身就是一个挑战。贵州仁怀茅台农商银行作为一个新兴的银行，其数据短缺就是其无法规避的缺点，其可利用的外部数据资源相对较少。只能从中国人民银行数据库、农信网络系统进行查找数据。这样的数据甄别对其信贷业务就会带来相应的风险。

2.1.2 传统的信息采集准确度不高

贵州仁怀茅台农商银行在客户等级评定中存在较多积分指标，但是数据的采集使用传统的报表录入系统的方式，这样的采集方式本身就存在着一定的问题，其采集的数据准确度就会出现一定的偏差。随着科学技术的不断发展，传统的数据信息采集方式与现如今的数据信息采集的方式准确度很难进行对比，如今的数据信息采集经过不断地优化升级，其准确度已经大大提高，其数据的准确度也有明显的上升，传统的数据信息采集其准确度相对较低。

2.2 风险量化手段不够先进

2.2.1 风险量化手段主观性过强

目前，贵州仁怀茅台农商银行对于信贷风险计量主要以传统的风险量化模型進行计算，并由信贷人员人为地进行判断与分析，不同的信贷人员对于风险的把控的意识是不同，没有统一的风险量化的指标。因此信贷人员的加入就会使风险量化的手段存在主观性，对于其信贷结果就会产生直接的影响，从而影响信贷决策的准确性。

2.2.2 风险量化手段过于依赖历史数据

现在包括贵州仁怀茅台农商银行在内的许多商业银行的风险量化方法都是基于客户的历史财务、征信数据来进行推演的，对历史数据的依赖性比较强。而现在市场上大多数中小企业成立的年限较短，可用的历史数据较少，没有足够的数据去支撑这些传统的风险量化模型。在此基础上计算出来的结果违约概率的准确性较低，对其业务的准确性产生了严重的影响。

2.3 缺乏信贷风险预警机制

2.3.1 风险预警缺乏实时性

由于贵州仁怀茅台农商银行风险评估有关人员对有效甄别风险能力和意识不足，导致在风险预警缺乏实时性，风险预警不能实时地进行有效检测。当风险被查出时就是其风险开始出现问题需要解决的时候，损失或已产生，无法达到预期的效果。正因为风险预警机制得不到恰当的使用，预警在商业银行的风险管理中也就常常被忽视，忽视所带来的损失是不容小觑的。endprint

2.3.2 传统风险预警方法加大人力成本

据了解，贵州仁怀茅台农商银行现行的信贷风险预警指标体系中，大多数的指标计算收集较为繁杂，需要大量的人员进行收集和调查，并且传统的风险预警方法还存在着诸多的问题，其准确度与现在的预警机制存在着较大的差距。这些问题增加了其人力成本，这与建立风险预警的初衷不同。

2.4 贷后管理存在漏洞

2.4.1 贷后信息跟踪不到位

在当前市场经济体制下，尤其是中小企业经营环境存在着不确定性，存在的生命周期短，因此更要加强对中小企业的代后信息的监测。但是目前由于贵州仁怀茅台农商银行受到各方面条件的限制，风险预警机制的状况不容乐观，很难将贷款的实时监测和贷款的信息检测工作真正落到实处。不仅只是贵州仁怀茅台农商银行，大多数地方性商业银行都没有完善相应的风险监测和风险预警系统。主要通过观察贷款风险度量、不良贷款比例等一系列指标的传统的方法来反映和监控信贷质量，这一方法就会存在的漏洞，对其贷后的信息跟踪带来不确定性。

2.4.2 贷后监控效率较低

由于贵州仁怀茅台农商银行的规模尚小，其客户多分布在遵义、仁怀市地区，相对较为分散，对于业务经理的工作效率本身就是一个挑战，由于贵州仁怀茅台农商银行地理存在的劣势，在人才引进方面会存在一定的问题，业务经理的业务水平相对较低，对其贷后的检测的推进的速度就会产生影响，让很多能够被提前预测的风险得不到有效控制，整个贷后检测效率较低。

3 大数据背景下贵州仁怀茅台农商银行信贷业务优化策略

3.1 积极与大数据平台合作，促进信息平衡

3.1.1 调用官方征信数据库

目前贵州仁怀茅台农商银行的规模尚小，能获取的数据量有限，仅仅依靠农信系统的数据技术和信用征集系统是无法满足信贷业务的需求。还需要利用其银行的外部条件与政府、大型企业、各个行政部门进行数据合作，获取客户的信息、纳税信息等银行自身无法获取的社会信息，这些信息可以使贵州仁怀茅台农商银行综合其自身的数据库获得有利于信贷业务的信息，从而降低信贷违约风险。提升社会经济效益。

3.1.2 融合互联网大数据平台，拓展数据维度

除了官方信息外，加强与互联网、通信企业数据库合作也十分重要。贵州仁怀茅台农商银行要充分利用当今互联网大数据平台这一资源，与这些互联网平台建立良好的合作关系，利用其数据优势，拓宽贵州仁怀茅台农商银行的数据维度，以“世界的眼光”来对客户进行有效地监督，无论是贷前还是贷后，能够检测出风险发生的可能性，降低风险的发生，减少银行的损失。而且还可以全方位了解客户行为特征，提升信贷质量，让贵州仁怀茅台农商银行在客户的信息这一方面获得先于同行一步的优势。

3.2 完善风险量化体系

3.2.1 利用科学的计算方法客观的量化风险

利用大数据结合科学的计算方法，充分挖掘客户各个维度的数据资料，并成立专门的风险量化小组，由多名专家来对数据计算结果进行评估，对多项数据计算结果进行分析，最后对客户的风险等级进行量化和评级。这种方法的数据获取和分析流程都可以由电脑完成，能够有效地降低风险量化结果的主观性，对银行资源有效的配置。

3.2.2 充分利用现有数据进行风险量化

在金融信息透明度非常高的现在，大数据可以实时性地提供有效的客户信息。比如，可以根据用户手机号关联的信息来判断用户是否参与“频繁开卡”，“诈骗未遂”，“频繁可疑交易”等行为，并以这些行为进行计分，最终将信用分值低于某一区间的用户列入灰名单，严格审查其信用状况，并在贷款后进行严密的款项流动追踪，随时堤防风险发生。信用分数过于低下的用户则不予与放款。反之，如果信用表现良好的用户，可以适当对其放宽信贷限制或者信贷额度。在判断完成后，将这些名单放入大数据平台，可以支持与其他机构实时共享互换，以方便彼此间的数据互通，从而获取更多数据，完善风险量化体系。

3.3 建立基于大数据的信贷风险预警系统

3.3.1 提高风险预警实时性

大数据平台可以为银行的数据系统提供有效的信息，便于银行使用，通过这些数据进行合理的计算和分析实时性地监控借款人的征信数据信息。当客户的交易行为出现异常的时候，应及时对相应的问题进行排查，并督促借款人及时改进，或采取提前收回资金等防范风险的措施。从而有效地解决传统风险预警存在信息滞后的问题，及时解决隐患风险和减少资金损失的风险。随着机制的升级，用户会减少过高风险的动机，进一步的保证银行信贷资金的安全。

3.3.2 风险预警流程智能化

完善大数据信息平台的风险审查审批体制，选择用大数据方式来验证借款人的相关信息，可以进一步校正申报机构对客户可能出现失信风险的预警。通过地毯式的处理中小企业的财务数据，并针对这些数据进行大数据处理，开发探索他们的潜在需求，挖掘可能存在的潜在用户，并且对用户自身信用进行合理评价及分级，合理优化客户结构，降低风险发生的可能性。从而实现风险预警大部分流程的智能化，减少银行的人力负担。

3.4 贷后管理优化

3.4.1 强化贷款信息跟踪

贵州仁怀茅台农商银行在贷款放出后，需要立即基于企业经营状况数据库建立贷款使用的数据跟踪，对企业贷款走向，并由大数据对考察企业经营状况进行分析，不断的进行风险排查，减少风险的发生，防范因信息不对称所带来的道德风险问题的发生。客户经理一旦发现数据出现异常时，要提前采取相对应的防范措施，减少银行不必要的损失。

3.4.2 實施智能化贷后管理

此外，临近还款日时，贵州仁怀茅台农商银行有权利通过数据平台督促其他企业按时还款，针对日常消费等生活行为进行有限的监督与管理，减少贷款的损失率。对于违约的个体，银行可以通过政府的数据库将违约的客户信息公示在征信数据库内，以此增加社会的信用意识。对于信誉较好的企业与个人进行备注，可以进行长期合作。

参考文献

[1]刘英，罗明雄. 大数据金融模式及风险监管思考[J]. 中国市场，2015，（43）： 2936.

[2]白颢睿.阿里金融PK民生银行——小微企业融资途径之比较[J].信息系统工程，2013，（03）： 159160.

[3]李宁. 欧美互联网金融对我国的监管启示[J]. 金融科技时代，2014，（11）： 5354.

[4]杨群华. 我国互联网金融的特殊风险及防范研究[J].金融科技时代，2013，（07）：100103.

[5]郗莎，杨童舒.我国三种类型商业银行竞争力分析[J].沈阳农业大学学报（社会科学版），2014，（05）： 537542.

[6]冼国明，石庆芳.信息技术腾飞下的金融产业：城商行的挑战与机遇[J].现代管理科学，2015，（04）：99101.

[7]杨菲.阿里金融信贷业务SWOT分析[J].经济研究，2014，（23）：101.endprint