基于大数据的A银行信贷产品智能服务模式构建

刘 韩

一、A 银行信贷产品现状

1.A 银行信贷产品简介

大数据金融正在慢慢地改变着人们的消费观念，同时还对商业银行的信贷产品有一定的冲击作用。信贷作为商业银行的主要业务之一，在新的形势下，需要主动进行创新，提升自身的市场竞争力。为了能对中小型企业给予更高效的协助，A 银行开发设计并推出了各种各样商品来支持中小企业的发展。这类产品以A 银行的小微企业及企业主的金融资产和交易有关信息为载体，借助互联网进行网上自助交易。实际贷款额度根据A 银行的小微企业及企业主的金融资产和交易信息，不用贷款担保，也无需贷款担保，最大贷款额度为300 万余元。现阶段社会化银行贷款利率最多可以使用一年，贷款额度可一直使用，借款随时偿还。统计数据显示，受疫情影响，截止到2020年底，A 银行客户数量为71374 户，比今年初提升了8912 人。“小额快速借款”商品贷款余额为333.66 亿人民币。在银行的小型企业贷款余额里，加工制造业占33.77%，批发零售业占33.61%，建筑行业占10.21%。

2.A 银行小微企业信贷产品特征

在小微企业信贷业务自主创新中，A 银行将其作为一项特别业务，并将其作为战略转型中新兴业务的突破点。这家银行的小微企业借款产品大多数借助现行标准借款体系框架与技术，实际具有以下特性：

（1）创新信贷产品与小型企业的日常生产与运营密切联系在一起，分析小微企业各个环节的生产经营状况，预计关键企业供应链管理总体信用情况，掌握小微企业潜在违约风险。

（2）再次包装目前信用产品是现阶段自主创新产品的重要方式，政府政策一般正确引导小额贷款银行贷款业务产品自主创新。这种银行信贷产品的创新一般根据传统式银行信贷产品的简单更新，且不高度重视知识产权管理。那样其他银行的信用自主创新产品和建设的产品就存在很严重的单一化问题，并没有显著的特点。

二、构建信贷产品智能服务管理新模式

之所以要构建信贷产品智能服务管理新模式，主要是A银行信贷产品目前存在了一些问题，这些问题主要分为五个方面：第一，从主要特色产品的分布来看，A 银行的特色信贷产品覆盖面有限。缺乏基于专业技术的小微企业信贷产品，并且它们与金融网络的集成度不高，体系上有明显的缺点。第二，A 银行的信贷产品审批速度受审批时间长、环节多的影响，小型和微型企业对贷款速度有较高的要求，传统的小型和微型企业信贷产品的审批过程非常繁琐，这对贷款效率产生了很大的影响。第三，在产品和服务方面，“善融商务”平台的在线信贷产品服务仅是基于原有线下产品信贷服务的“微调”，在对客户的真实了解基础上是无效的。第四，现阶段，A 银行仍然没有建立一套完善的动态化管理体系，对创新小微企业的信贷产品实行贷后管理。一是不够全面的风险管理；二是没有建立健全完善的动态风险管理机制。第五，在担保手段和方式上的问题，A 银行的传统小微企业信贷产品的担保需要有经济实力的第三方公司做担保，或者要求有土地抵押，再或者在申贷时需要提供房屋。但是小微企业房屋的资产一般是厂房或者一些生产设备，公司资产积累不足。

1.完善“小微快贷”产品体系及审批队伍建设

“小微快贷”产品应当看作是重点的发展趋势和方向，可以基于应用“互联网+”以及系统模块设计，产品体系与时代的潮流方向要保持一致，不断丰富网上信贷产品的服务内涵，实现网络融资新模式的构建。在产品的引入阶段，由于在这一阶段银行信贷产品才被引入市场，因为企业对于此项信贷产品还比较陌生，模式运转还比较模糊。

随着不断的推广和普及信息化，以及兴起的各种网络科技，越来越完善的大数据技术，并且大数据己经从理论层面转为实际应用，在社会的各个领域都得到了广泛的运用。A银行的信贷产品业务存在多项不足之处，最为重要的是过大的信贷产品成本，缺乏信息对称性。人们对于海量数据实施集中化处理的愿望日渐迫切，对于数据这项资产的重视程度日益提升，从数据里面寻找有用的价值。所以，A 银行必须要建立专属的大数据信贷产品研究部门，需要有专人搜集和梳理大数据，编制大数据应用方案等，为其它部门给予数据支持，让大数据在信贷产品中有效发挥自身作用，减少银行风险的管控成本，让A 银行的综合能力获得增强；同时配备与之相匹配的审批队伍。由于市场逐步白热化竞争，导致A 银行对大数据实施深入的研究，通过大数据研发出与市场形势以及自身实际情况相契合的新产品。大数据能够让银行提升整合数据的能力，从大规模的数据信息里面提炼出小微企业的详细信息。这对于A 银行降低信息不对称性起到积极的作用，同时还可以削减信贷产品成本，大大提升了效率。

2.打造“线上银税互动”业务模式以及强化大数据信息集成应用创新

A 银行应当建立与国家税务总局银税系统数据的联系，在早期抢占市场地位，确保线上银税互动的全面覆盖模式，通过“总对总”的模式进行扩大区域覆盖面，根据地区分对分的模式，再对大数据覆盖面进行二次扩大，在税务方面拓展信息接入范围，加速深化云贷产品的模型升级，推进数据创新的应用范围，充分强化代缴税的发展，对综合服务管理模式给予完全创新，做到真正地把金融产品融入进纳税服务场景当中，给纳税人提供“一个一站式”融资服务模式，得以快速解决信用信息问题。

让大数据信息生态建设能够融入到授信、用信、征信、诚信的基本理念中来，优化数据驱动模式，将账户信息、结算、支付、代发工资等内部数据的挖掘和外部平台的接入，采取多种形式的整合分析数据信息和信息集成。通过多方大量的数据，进行升级小微企业客户对信贷产品选择的评估模型及额度计算模型，采取更为全面的模型让小微企业实现客户的分层管理，通过精确匹配的形式创造出能够针对客户需求的信贷产品引导的新模式，采取大量的数据分析、交叉验证、甄别等类型可以提升对风险的预警及反欺骗的能力，对于小微企业客户及信贷产品覆盖情况的数据分析，构建出差异化的定价管理模式。

3.优化大数据信贷产品审批流程

伴随着市场竞争的日趋激烈，在市场中同质化的信贷产品也逐渐增加。这一阶段重点是针对产品服务对象以及信贷条件等环节上对信贷产品实施创新，银行不管是对于增加客户信贷余额环节，还是扩大客户数量都是很有难度的，这个时候A 银行应当在信贷产品的研究方面下功夫，开发新的信贷产品和服务，创建专业化的信贷产品研究队伍，让信贷产品的生命周期得以延续，最大化地开发和拓展市场，所以此项措施也被称作全面参与战略。在以前没有使用自动审批功能时，对于小于五百万元的单户贷款金额信贷产品业务，都是单人审批并行的决策模式和使用评分卡评估。对于评估结果是“推荐通过”和“人工审批”的信贷产品业务的，并且不用实施一票否决，则使用单人审批模式。对于评估结果为“建议拒绝”的，理论上是不用进行审批。特殊情况下，应当说明其原因，二级分行通过负责人审查之后，为了让审批结果更加科学，对于会议审批的与会人数要求要大于三人，通过会签或会议等方式进行审批，由具有审批权限的部门全部负责人要实施一票否决制。

4.打造智能风控服务平台

根据新技术的应用，全方位鉴别银行信贷产品业务风险，以及提升控制流程体系和风险预警信息。根据“大数据+人工智能”模型中的宏观经济风险预测体系，能够及时精确认知市场变化所带来的风险，宏观经济风险也可以进行预测分析，制订更具有针对性的行业与产品等领域的信用政策。通过多元性风险的预警监测，可以依据大数据反欺诈技术，自动识别客户财报的真伪，提升客户评级的准确性，此外还可以根据相关性分析提早识别违约率，可以有效降低资金风险，做好风险预案。

依托数据挖掘引擎全面支撑风险模型研发创新和应用落地。建立统一的智能化风险模型工厂，形成指标库、模型实验室、模型运行平台三大工作区，作为风险模型研发与训练的核心场所，基于数据挖掘技术，不断研发、优化能在实际业务场景中实际应用的风险模型。根据历史模型执行分析结果、产品政策、客户行为表现等多方面信息对风险模型进行动态的快速升级，引入机器学习的方法，实现风险模型智能化的迭代更新，同时在数据应用中，不断完善数据应用结果反馈机制，形成风险策略模型“模型研发、模型部署、模型训练、模型反馈”完整的管理闭环。

5.基于大数据优化客户评价体系

目前企业客户对信贷产品都是有了一定的认识和了解，比较透彻掌握信贷产品的条件，己经基本确定信贷产品的形式，信贷余额规模总量以及信贷客户的数量迅速的增加。发扬A 银行在大数据建设上的优势，与有影响力的第三方机构主动整合资源以及实现紧密合作，在对系统连接和场景打造过程中，始终围绕着特定客户群体，进行利用双方技术数据资源的优势，构建客户评价体系。此时我们需要通过采取有效的措施来刻画客户行为，进行有针对性的刻画，运用大数据技术实现对A 银行的各项数据的记录、分析和反映。以A 银行“小微快贷”产品为例，该产品使用大数据技术。同时对在A 银行中企业的金融资产以及企业主个人的存款、理财、住房按揭、消费信贷、信用卡等各项信息进行综合分析，集成来自多个渠道的数据，并从第三方外部平台（如工商业、税收、司法和人民信用信息系统）引入公共信息，全面地勾勒出客户画像，实现了对客户的多维识别，从而可以实现准确地识别小型、微型企业。

基于大数据技术实现对企业关联关系的有效识别，其主要方法就是进行观察和分析企业的担保圈、交易圈、资金圈，其主要方面就是能够对企业之间的关联性与正确识别，关联关系基本上可以分为间接关联关系和直接关联关系，采取查询人行征信系统的有关数据库与A 银行银行系统可以得出直接关系，但是发现隐性关联关系，就有必要充分利用大数据技术以及进一步挖掘数据的广度和深度，例如在企业中，按照传统的人工审核模式，对财务经理、控制者、法人代表和企业投资者等关键人员交叉任职的情况来判断担保公司与借款公司的担保状态和交易数据的相关性，可以发现借款公司的直接关联交易。若借款公司希望隐藏一部分交易，则可以通过第三方进行交易实现，A 银行就很难发现其关联性，那么此时就应当依据大数据分析技术充分判断其关联性，除此之外也可以尽量收集企业关键人员的出行、饮食、娱乐等有关信息，这样可以协助对信息的判断。