用好大数据的五条“秘诀”

耿心伟

中国有2800万家小微企业（不含个体工商户），分散在全国各地，而且处在动态增长之中，逐户摸底调查是不可能的。对纳税信用等级高的企业，根据银行个性化的条件做初筛，通过数据模型，可以瞬间获取大量优质的企业用户。用数据模型初筛的好处是高效精准，最大限度节省了人力成本。

在信贷审批决策过程引入数据做辅助决策。将企业涉税数据结合工商、司法、征信等数据，通过数据模型分析处理转化为可视化、指标化的企业征信报告，结合数据驱动模型和审批规则，可为审批决策提供可靠的助力。在此阶段引入数据与风控模型，可节省大量的上门调查时间与成本，提升效率。

在贷后引入大数据风险监测。利用成千项数据指标、数据模型以及预警规则，可形成预警信息，结合银行的个性需求，对企业做动态监控，一旦数据超过正常范围，则发送预警给检查人员做线下核实处理。这就解决了贷后人工成本高、效率低的问题，提升贷后管理的针对性。总行甚至可以通过系统管控风险、规避贷后管理自下而上的道德风险。

对一些体量较小的银行，引入一套贷前筛选、贷中审批、贷后监控的全流程自动化、数据化、标准化解决方案，并部署到银行的客户管理、信贷管理、贷后管控系统中，可以最大程度上节省小微企业信贷服务的成本，同时控制不良率的发生。

大数据将成为行业变革的重要驱动力。大数据将会像电力一样普及，其重要性可想而知。如果把大数据比喻作“新能源”，云计算、人工智能就是驱动它的引擎，互联网、物联网将成为它的绝佳渠道和载体。影响了一代互联网创业者的作家凯文·凯利在20年前所著的《失控》一书提到：“不管你是做房地产、医药、化工，还是教育，其实你做的都是数据生意。归根结底，你处理的都是数据。处理数据和处理客户一样重要。”大数据的处理运用能力将直接影响银行的核心竞争力。怎样用好大数据，可概括为：“大数无界、数往知来、心中有数、流数不腐、数不胜数”。

“大数无界”——数据使用场景没有界限。经营可以是跨界的，数据的使用也是可以跨界的。对于数据的落地场景，要充分展开想象力，用新潮的话来说就是“打开脑洞”。凭个人消费信用数据可以免押金租车、租房，凭企业纳税信用数据可以落地的场景也很多，基于企业信用甚至可以实现商务差旅的免押金租房和租车，或者开展供应链金融等项目。解决小微企业的融资难题，更需要跨界的数据融合，不仅需要银行内部的、电商企业生态内的、物流企业体系内的数据，更需要通过跨界的资金流、信息流、物流的融合解决信息的不对称。

“数往知来”——用过去的数据对未来的违约、风险、商机进行探知。社会重视过往信用数据的利用，有利于提高全社会信用水平，识别信用破产的企业和个人，降低风险。譬如在拥有健全信用体系和征信机构的美国等发达国家，与信用相关的历史数据都可以查询到，当地企业违法和违约失信成本很高，一旦出问题会被记录在案，有信用污点的企业别说借钱，很可能连订单都接不到。企业是“立体”的，除了通过涉税数据进行分析，还应当引入尽可能多的权威数据源，对大量违约企业样本进行分析，建立更可靠的风控模型。在分析企业还款能力的同时，尽可能把“还款意愿”展现出来，多维度地反映企业的信用状况。

“心中有数”——在决策和工作中善用数据。应当摒弃过往管理人员关起门来，凭感觉、拍脑袋、靠经验的决策方式，向以数据驱动的决策方式转变。数据化、自动化的流程能减少成本、提高效率，减少差错率和人为风险。譬如，把企业涉税数据引入银行小微企业信贷决策中。

“流数不腐”——流动的数据才最有价值。数据也讲求“鲜活”、及时。打个比方，企业去年、前年没有发生问题，不代表它最近三个月经营正常，也不代表它这一秒没有正在发生问题。只有及时的数据才能够最大限度反映真实状况、防范风险的发生。以微众税银为例，对企业涉税数据采用实时处理模式，保持与电子税务局专线直连，一旦企业发起申请授权后，系统实时提取数据并分析处理。大数据征信实现了实时传输，眨眼之间全部在线完成，且无需人工介入。动态的数据对实时跟踪客户经营有着十分重要的意义。微众税银“智子”贷后监测系统，可对授权贷后企业的2800項数据指标动态监控，在最短时间内将异常指标传输给银行。银行既能对风险客户实时进行预警，更能实时把握企业向好的经营变化、发现更多商机。

“数不胜数”——计算机助力大数据时代发展。此处的数不胜数要解读为，大数据的运算能力，已经能够处理海量复杂的数据。海量的大数据的处理，需要巨大的计算能力才能完成，如果采用传统集中式计算，需要耗费相当长的时间。现在有了分布式计算方式和不断进化的算法，海量数据实现了秒级处理。依托于日新月异的先进技术手段，大数据挖掘和分析，也将向机器学习和人工智能等方向逐渐过渡。