浅析大数据在商业银行对公授信审批中的应用

向潇潇

一、商业银行信贷业务大数据应用现状

近些年来，商业银行面临着以大数据、云计算、人工智能等技术革命带来的巨大机遇与挑战。各项较为成熟的基础配套技术为商业银行领域的应用提供了坚实的基础，大幅提升了各项复杂计算任务的精准度，在商业银行信贷业务方面的应用，也起到了降低运营成本，提升服务效率与风险识别能力的作用。一方面，在零售信贷领域，大数据应用已较为成熟，主要通过设定模型对个人客户、小微企业的违约概率进行估计，系统判断借款人的信用资质，从而实现自动审批、线上放款等。另一方面，在对公授信领域，由于业务非标准化的特点，大数据应用仍处于持续探索与快速发展的阶段。目前各家商业银行都在积极拓展大数据在对公授信领域的应用深度，应用大数据为授信决策提供精准支持。

二、商业银行对公授信审批特点

对公授信审批是商业银行授信业务经营管理过程中的一个重要环节，主要针对合规风险与信用风险进行审查，从而对借款人的信用资质做出判断，为授信决策提供支持，为信贷资产质量保驾护航。合规风险审查指的是审查审批人员按照规定，对申报事项及申报材料要件、内容进行核实，验证是否符合金融法律法规、监管要求、行业规定以及商业银行内部规章制度。信用风险审查指的是审查审批人员对于企业在授信有效期内的持续经营能力、偿债能力以及偿债意愿的分析，具体可分为财务分析与非财务分析。

根据对公授信审查审批的工作特点，并结合大数据的性质，下文将具体探索如何将大数据实际应用于对公授信审批工作中，利用大数据技术获取并处理方方面面的信息，提升商业银行授信审批效率，更为精准地做出授信审批决策。

三、大数据在对公授信审查审批中的应用探索

商业银行授信审查审批人员通常是将借款人的财务信息与非财务信息结合起来，经过综合判断并给出是否建议授信、给予多少授信额度，以及采取怎样的风险缓释措施。审查审批人员时刻面临各种纷繁复杂的授信材料需要处理，而通过引入大数据相关技术，可迅速整理材料并提供信息，将审批人员从繁多的授信材料中释放出来，精力更多地放在研判及决策方面，降低银行与借款人之间的信息不对称，大幅提升授信决策的精准性。

1.大数据在财务分析中的应用

（1）运用大数据验证借款人财务数据真实性

在审查审批过程中，财务数据真实性验证往往是财务分析的起点，通过引入大数据手段，可以利用OCR 图像处理技术以及机器学习算法，对审计过的财务报表进行智能识别，将部分非结构化数据转化为结构化数据，并将其与客户经理人工录入的财务报表进行对比，同时，还可进行数据分析，输出可视化的图表，并提示异常信息，以便于审查审批人员进行分析研判报表数据的真实性。

（2）应用大数据分析借款人真实经营状况

借款人在授信期限内的持续经营状况是商业银行审查审批所关注的一项重点，主要通过对借款人的技术能力、产品特性、管理层能力、产业上下游议价能力、竞争对手以及重大经营事项等进行分析。通过引入大数据，首先，可以结合借款人所在行业周期以及行业地位，通过监测其账户资金变动情况并与历史变动进行分析对比，如有异常，则可能存在经营不善的情况；其次，可以通过系统自动交叉核实借款人的各项数据，比如在系统中将财务报表中的销售收入、纳税申报表中的应税收入以及存款账户资金变动情况进行对比验证，输出差异信息进行提前预警；再次，可以通过大数据手段，以系统实时监测舆情信息，建立相关模型，系统实时监测商业银行存量授信客户与潜在授信客户的相关外部舆情信息，并将监测结果实时反馈，使得审查审批人员可以及时了解相关信息并判断其对借款人经营状况的影响。

（3）应用大数据分析借款人财务报表关键指标

传统的审查审批过程中，针对借款人财务报表的分析，通常是通过审查人员分别就企业的各项关键财务指标进行计算，主要包括盈利、成长、营运以及偿债能力等指标，然后基于对行业与企业的认识和经验来判断指标是否合理，企业未来发展前景如何。通过引入大数据手段，一方面，可以简化财务指标梳理以及计算的过程，使得审批人员能够专注于研判指标的合理性以及企业未来发展趋势。同时，将借款人财务指标与自身历史数据进行纵向对比，可以发现财务数据变化趋势，与同业进行横向对比，并设定相关预警提示信息，当某项指标不在事先设定的合理范围内或与其同业数据差距较大，系统将自动提示审查人员，进行深入分析，从而审查人员能够迅速找到关键分析点。另一方面，通过大数据预测借款人未来的财务状况。通过搭建相应的模型，对关键科目和增长率进行合理的假设，并将假设输入模型，通过模型直接输出预测的财务报表，并通过输入不同的假设，所得到的不同预测结果，进行敏感性分析，以供审查审批人员判断在未来不同经济情形下，借款人还款来源是否依然充足。

2.大数据在非财务分析中的应用

（1）应用大数据推断借款人行业前景

审查审批人员通常需要通过分析借款人所属行业发展前景，并结合行业发展规律与借款人在行业中所处地位，防范行业风险，制定合理的授信方案。通过应用大数据手段，首先，可以结合行内客户行业性质，引入或建立反映不同行业风险的各项重点指标，定期对相关的行业数据进行监测与分析，根据指标的变化情况，进行预警，从而及时把握行业发展前景，准确判断未来行业发展趋势；其次，可以通过挖掘借款人所在产业链上下游企业相关的经营状况信息，根据借款人分别对于上下游的议价能力和相关性，来辅助判断借款人未来发展趋势，发现潜在风险，在发生实际风险之前及时调整信贷结构；再次，将借款人相应经营数据和财务数据与所监测的行业相关数据进行横向对比，及时发现异常，建立预警机制。

（2）应用大数据实现企业画像

HW4504机心专为史诗陀飞轮Histoire de Tourbillon 9号腕表研发，确保这款腕表成为不可多得的非凡臻品。腕表一共限量发行20只，白18K金和玫瑰18K金款式各10只。

在了解借款人基础情况时，审查审批人员通常会通过查询企业的财务报表、纳税信息、征信数据、水电表信息、海关数据、工商环保、涉诉信息、股东以及实控人的相关法律信息等，来综合研判借款人的基本情况。以往主要通过人工查询，从多个数据来源处进行查询并梳理相关信息，除了财务数据等结构化数据之外，大多是非结构化的文本数据，诸如新闻报道、法律裁判文书、监管处罚信息等，需要耗费审查人员更多时间进行梳理。通过应用大数据，可以探索通过爬虫以及文本挖掘等技术，来加工处理这些非结构化的数据，并结合产业政策、行业发展、借款人的财务、税务、征信、工商、司法等多维数据，进行企业画像，全面综合地反映借款主体的基本信息。

（3）运用大数据判断信贷资金实际用途

近年来，借款人不按照约定资金用途使用信贷资金，挪用信贷资金的新闻频传，商业银行可以考虑通过引入大数据手段。比如通过大数据建立全媒体授信管理系统，不仅依据借款人所提供的相关合同信息按照进度放款，还可要求借款人提供实时的视频采集数据，使得商业银行在放款过程中，能够更加准确地把握放款进度与信贷资金使用进度是否匹配；同时，还可通过自动识别与上下游企业的相关交易单据，交叉核验是否有真实贸易背景，是否按照约定资金用途使用信贷资金，避免通过虚假交易套取信贷资金；此外，监测借款人账户资金往来信息，分析大额交易对手是否为其所在行业上下游企业，防止借款人挪用资金或者将资金投向违反国家规定的行业或领域。

四、对公授信审批中大数据应用面临的挑战

1.数据统计口径需要整合

当前，商业银行内部各种类型的数据统计口径存在不一致的问题。一是不同条线与部门普遍有根据自身需求建立各种系统，不同系统的数据统计口径之间可能会存在较大的差距；二是商业银行内部数据统计口径与外部数据供应商之间也有所不同，口径不一致的问题若无法解决，那么将外部数据输入商业银行内部对公授信审查审批相关模型，输出结果将毫无意义。

2.数据应用深度仍需拓展

3.数据分析能力有待提升

当前，部分商业银行数据分析相关人才较为缺乏。一方面需要审查审批人员具有完备的经济金融与风险管理知识与技能；另一方面，对于审查审批人员在数据挖掘、整合以及分析方面提出了更高的要求，审查审批人员既要懂业务又要懂技术，能够看懂模型，应用模型，搭建模型。

五、对策与建议

1.夯实数据基础，进一步整合行内外数据

针对数据统计口径的问题，商业银行可以在总行层面建立相应的数据管理部门，专门负责全行大数据管理，目前部分银行已有相关先进实践。围绕授信业务贷前调查、贷中审批以及贷后管理等关键环节，整合行内外数据，通过梳理各种数据来源，统一全行数据口径，制定数据标准，提升非结构化数据的搜集、清洗、挖掘以及应用的效率，实现全流程的信贷数据管理，不仅为提升商业银行对公授信审批大数据应用奠定坚实的基础，还能提升全行大数据应用水平。

2.强化数据挖掘，提升大数据分析能力

商业银行将大数据应用于对公授信审查审批，还需强化数据挖掘与数据分析的能力。一方面是处理非结构化数据的能力，要通过更加有效的方式挖掘与信贷业务密切相关的一些文本、图像、音视频等不同格式的非结构化数据的价值，加快将非结构化数据转化为授信决策的支撑信息。另一方面涉及到机器学习能力，大数据在对公授信审查审批中的应用，本质上是在分类和预测，要充分利用各种机器学习算法的优势，并引入人工智能的技术，更有效利用海量信息。

3.加强队伍建设，培养复合型审批人才

为了更好地适应大数据时代对审查审批人员更高的要求，商业银行要加强审批队伍，通过各种培训、调研与实践活动，提升对公授信审查审批人员专业能力，建设数智化、专家型审批队伍。审批人员既要掌握完备的经济金融理论知识，积累丰富的专家判断经验，提升定性分析能力，又要具备相应的数据分析、模型构造的方法，提升定量分析能力。