運用大數(shù)據(jù)分析提升授信審批決策水平的思考

連育青

運用大數(shù)據(jù)分析提升授信審批決策水平的思考

連育青

在經(jīng)濟新常態(tài)下，越來越多的企業(yè)進入結(jié)構(gòu)調(diào)整和轉(zhuǎn)型的新周期，給商業(yè)銀行授信審批決策提出更高要求，而大數(shù)據(jù)時代的到來，為精準(zhǔn)授信審批決策提供了有力支持。本文從大數(shù)據(jù)分析優(yōu)勢入手，通過大數(shù)據(jù)挖掘技術(shù)，進一步驗證授信企業(yè)主背景及經(jīng)營管理的真實性，提升授信企業(yè)風(fēng)險的甄別能力，并對建立大數(shù)據(jù)完善授信審批決策機制提出相關(guān)建議。

大數(shù)據(jù)分析 授信審批 授信企業(yè)

為了提升授信審批決策水平，商業(yè)銀行在信貸風(fēng)險管理中采取了一系列措施。但是，對于跨區(qū)域、跨行業(yè)綜合性經(jīng)營的集團企業(yè)，很難準(zhǔn)確了解該集團生產(chǎn)經(jīng)營管理等的全部真實情況，容易導(dǎo)致多頭授信、過度授信、關(guān)聯(lián)擔(dān)保等問題。同時，在新常態(tài)下，越來越多的企業(yè)進入結(jié)構(gòu)調(diào)整和轉(zhuǎn)型的新周期，也給商業(yè)銀行授信審批決策提出更高要求。而大數(shù)據(jù)時代的到來，為克服上述缺陷，精準(zhǔn)授信審批決策提供了有力支持，本文作如下探析，望起拋磚引玉作用。

一、大數(shù)據(jù)為提升授信審批水平奠定堅實基礎(chǔ)

1、促進授信審批能力的提升。在傳統(tǒng)的數(shù)據(jù)時代，商業(yè)銀行了解企業(yè)的渠道比較單一，信息量非常有限，提供的財務(wù)滯后，現(xiàn)場核實成本高，又缺乏對企業(yè)信息的有效整合，降低了信息數(shù)據(jù)的及時性以及可靠性，授信審批人員很難甄別企業(yè)的隱性風(fēng)險，甚至造成對企業(yè)風(fēng)險的錯誤判斷。而大數(shù)據(jù)時代，銀行可以通過廣泛收集企業(yè)各渠道、各類型的信息，從數(shù)據(jù)的深度和廣度兩方面對企業(yè)的各種行為數(shù)據(jù)進行采集分析和相互驗證，包括財務(wù)信息和反映客戶個人基本特征及企業(yè)經(jīng)營特征的“軟信息”等方面的內(nèi)容。還原企業(yè)真實面貌，提升企業(yè)信息透明度。

2、推動授信審批決策模式的創(chuàng)新。目前商業(yè)銀行在進行授信決策時主要依靠具有授信審批權(quán)限的工作人員作出的職業(yè)判斷，但是這種判斷往往具有一定程度上的主觀性，缺少全面及時準(zhǔn)確的數(shù)據(jù)支撐，進一步增大了授信審批分析的難度。運用大數(shù)據(jù)處理技術(shù)能夠更加深入地分析各個變量之間的內(nèi)在聯(lián)系，進而建立起量化的標(biāo)準(zhǔn)分析模型，授信審批人員借助該模型提升授信企業(yè)審批決策的準(zhǔn)確性，從而達到控制信貸風(fēng)險、提升自身效益的能力。

3、更有效地提升授信審批的效率。通過大數(shù)據(jù)分析技術(shù)替代人工經(jīng)驗判斷，可以大幅度減少信息不對稱情況的發(fā)生，簡化流程和信息處理復(fù)雜程度，進一步精簡人員，同時，大數(shù)據(jù)通過風(fēng)險計量技術(shù)量化決策標(biāo)準(zhǔn)，尤其是授信審查審批流程線上化、自動化的操作，大大助力授信審批業(yè)務(wù)數(shù)量和質(zhì)量同步提升。

二、運用大數(shù)據(jù)挖掘技術(shù)，提升授信審批風(fēng)險判斷能力

風(fēng)險的產(chǎn)生是由信息不對稱造成的，商業(yè)銀行傳統(tǒng)的授信審批一般通過財務(wù)信用評級模型計算出風(fēng)險限額并以專家會議集體討論的方式完成，主要依據(jù)客戶經(jīng)理的現(xiàn)場調(diào)查等結(jié)構(gòu)化數(shù)據(jù)進行經(jīng)驗判斷，缺乏量化數(shù)據(jù)的支持，準(zhǔn)確度難以得到保障。而通過大量數(shù)據(jù)信息法人深度挖掘來進行風(fēng)險識別，在很大程度上緩解了銀行與企業(yè)之間的信息不對稱問題，大大提升授信審批能力。

1、運用大數(shù)據(jù)分析授信企業(yè)主背景的真實性。授信審批的核心任務(wù)之一就是深入了解企業(yè)主（實際控制人）背景的真實性，評價企業(yè)主的風(fēng)險水平。而大數(shù)據(jù)時代，銀行可以依據(jù)互聯(lián)網(wǎng)時刻記錄人們一言一行的特點，提高對授信企業(yè)主背景真實性的甄別能力。首先，進一步了解企業(yè)主興趣愛好、風(fēng)險偏好。充分利用社會網(wǎng)絡(luò)、征信系統(tǒng)和企業(yè)自身提供的資料交叉分析驗證實際控制人的投資、經(jīng)營行為及財富積累過程，分析其與目前對企業(yè)的投入與企業(yè)運營情況是否相稱，是否存在炒房、炒原材料、炒股票期貨；或其將企業(yè)大額資金轉(zhuǎn)移至個人賬戶的現(xiàn)象等。其次，通過挖掘企業(yè)主的還款記錄，包括對其他銀行、供應(yīng)商等債權(quán)人的還款記錄以及經(jīng)營中對合約、納稅等履行情況分析判斷企業(yè)主的誠信狀況。第三，借助大數(shù)據(jù)及時甄別授信企業(yè)是否涉及民間借貸。通過大數(shù)據(jù)查詢企業(yè)賬戶資金流水的異常情況，如果發(fā)現(xiàn)該賬戶資金流水中對外有規(guī)律地劃款，在特定日期向特定對象支付等量小額資金，往往可以判斷企業(yè)是在支付民間借貸利息；如果該賬戶資金流水中存在整筆劃款，但并非劃轉(zhuǎn)給上下游企業(yè)或用于歸還銀行貸款；或者銀行貸款到期前幾日有資金劃入，貸款存量周轉(zhuǎn)后原來劃入賬戶的資金又等量劃出，則企業(yè)可能存在民間借貸行為；如為大額提現(xiàn)，則有可能是融出資金給其他企業(yè)、個人或者歸還民間融資；如果企業(yè)股東借款較多，或者企業(yè)與其股東之間資金往來頻繁，也應(yīng)引起高度關(guān)注。因此，銀行既要加強對企業(yè)資金往來的分析和監(jiān)控，準(zhǔn)確、客觀地評價授信企業(yè)的償債能力，又要從多方面了解企業(yè)主的資金活動情況，以及時發(fā)現(xiàn)風(fēng)險苗頭。

2、運用大數(shù)據(jù)分析授信企業(yè)的真實經(jīng)營狀態(tài)。根據(jù)生產(chǎn)銷售、、資金往來、投入產(chǎn)出、海關(guān)報關(guān)、稅務(wù)局報稅數(shù)據(jù)及行業(yè)協(xié)會數(shù)據(jù)等，輔以交叉檢驗技術(shù)判斷授信企業(yè)經(jīng)營真實性；如通過持續(xù)挖掘企業(yè)存款賬戶日均余額情況，并根據(jù)企業(yè)生產(chǎn)經(jīng)營發(fā)展的不同階段建立差異化評分模型，以判斷企業(yè)經(jīng)營情況，企業(yè)發(fā)展如處在穩(wěn)定或上升期，其周轉(zhuǎn)所需的現(xiàn)金流應(yīng)該呈穩(wěn)定或增長趨勢，反映在其存款賬戶的余額應(yīng)該是同向變化，如從某一天開始，企業(yè)存款賬戶余額逐漸下降，則可能發(fā)生了客戶資金轉(zhuǎn)移他行或經(jīng)營不善的情況，應(yīng)引起特別關(guān)注。其次，通過對企業(yè)主、股東及配偶等個人賬戶資金流向和消費行為數(shù)據(jù)分析，間接判斷企業(yè)經(jīng)營情況，為銀行授信準(zhǔn)入提供數(shù)據(jù)支撐。第三，運用大數(shù)據(jù)挖掘分析企業(yè)的或有事件。通過收集社會主流媒體曝光和公檢法通報的企業(yè)相關(guān)負(fù)面信息等重大或有因素及未決因素，了解授信企業(yè)是否與其他主體產(chǎn)生民事糾紛、重大法律訴訟，或通過移民、離婚等轉(zhuǎn)移資產(chǎn)及或有負(fù)債等。

3、運用大數(shù)據(jù)分析驗證授信企業(yè)經(jīng)營效益。在新常態(tài)下，授信企業(yè)普遍存在夸張美化財務(wù)報表，甚至虛構(gòu)事實，且手段日趨復(fù)雜隱蔽。運用大數(shù)據(jù)能夠驗證授信企業(yè)財務(wù)報表真實性。第一，利用自動生成技術(shù)對授信企業(yè)近兩年及報告期經(jīng)核實的資產(chǎn)負(fù)債表、損益表等就可以自動驗證其鉤稽關(guān)系是否恰當(dāng)，自動生成的現(xiàn)金凈流量測算表與企業(yè)報送的現(xiàn)金流量表是否一致，通過利潤增長與現(xiàn)金流量分析等，準(zhǔn)確、快捷地判斷授信企業(yè)財務(wù)報表數(shù)據(jù)的真實性；通過其他相關(guān)報表進行反向驗證，如通過納稅申報表也驗證收入的真實性等。其次，通過財務(wù)指標(biāo)同業(yè)比較驗證。如利用財務(wù)報表自動生成資產(chǎn)負(fù)債率、資本收益率、應(yīng)收賬款周轉(zhuǎn)率、成本費用收益率等指標(biāo)及現(xiàn)金流量結(jié)構(gòu)與同行業(yè)指標(biāo)進行橫向比較，驗證授信企業(yè)指標(biāo)的個別變化是否正常，借以分析其業(yè)績的真實性。如授信企業(yè)所處的行業(yè)整體比較低迷和蕭條，而被授信企業(yè)的業(yè)績卻一枝獨秀，又沒有合理解釋，就很有可能存在財務(wù)報表不真實的情況。第三，運用企業(yè)銷售收入分析驗證。通過查看企業(yè)開出的增值稅發(fā)票、結(jié)合交易合同和發(fā)貨清單及企業(yè)與其下游客戶的資金往來對賬單，來印證是否匹配企業(yè)的銷售收入，如果數(shù)據(jù)相差較大，而且又沒有合理的解析和說明，可以認(rèn)為企業(yè)財務(wù)報表已被粉飾，應(yīng)該考慮是否與企業(yè)開展信貸業(yè)務(wù)。

4、運用大數(shù)據(jù)分析推斷企業(yè)的發(fā)展前景。任何經(jīng)濟體都不可能獨立存在，任何企業(yè)的發(fā)展也必須依賴上下游企業(yè)的共同發(fā)展。通過建立自身觀察經(jīng)濟周期走勢、把握外部信貸環(huán)境、分析企業(yè)風(fēng)險變化的量化機制，能夠及時獲得信貸企業(yè)最新的交易信息、現(xiàn)金流信息，為前瞻性風(fēng)險判斷奠定基礎(chǔ)。如銀行通過挖掘企業(yè)水表、電表、工資表等支出數(shù)據(jù)，存匯款等賬戶變動數(shù)據(jù)，同比、環(huán)比分析異動數(shù)據(jù)，識別可疑企業(yè)名單，深入分析數(shù)據(jù)變動的原因，實現(xiàn)在企業(yè)發(fā)生實質(zhì)性風(fēng)險之前提前捕捉預(yù)警信號，盡早采取主動退出、及時控制抵質(zhì)押品等措施化解風(fēng)險。通過對其上下游企業(yè)，特別是相對集中的幾個上下游企業(yè)某段時間內(nèi)經(jīng)營的基礎(chǔ)數(shù)據(jù)（如交易量、交易金額等）進行分析，并結(jié)合企業(yè)之間的關(guān)聯(lián)度系數(shù)，為準(zhǔn)確判斷企業(yè)發(fā)展趨勢、主動進行信貸結(jié)構(gòu)調(diào)整提供側(cè)面數(shù)據(jù)支持。

5、運用大數(shù)據(jù)分析判斷信貸資金挪用風(fēng)險。在企業(yè)貸款支用后，采用大數(shù)據(jù)采集企業(yè)資金流向數(shù)據(jù)，分析企業(yè)資金流向規(guī)律，并且結(jié)合核查企業(yè)在信貸資金使用前后庫存的變化情況，以及核查上游企業(yè)開出的增值稅發(fā)票、企業(yè)的貨運單據(jù)等，能夠印證交易背景和信貸資金使用的真實性，防止利用虛假交易套取商業(yè)銀行資金。同時，對企業(yè)未按照約定支付、支付規(guī)律出現(xiàn)異常的進行預(yù)警，如通過按月定期監(jiān)測企業(yè)賬戶資金往來信息，分析授信企業(yè)交易對手是否為與其所在行業(yè)有上下游關(guān)系的企業(yè)，如果交易對手中存在小額貸款公司、擔(dān)保公司、典當(dāng)行等主體，或者在銀行賬戶中含有“投資、證券、基金、期貨、房地產(chǎn)、置業(yè)、擔(dān)?！钡慕璺浇灰?，企業(yè)可能參與了民間借貸。還有企業(yè)既有銀行貸款，又通過委托貸款、委托理財?shù)刃问浇璩鲑Y金，實際是參與民間借貸。

6、運用大數(shù)據(jù)分析甄別授信企業(yè)的關(guān)聯(lián)關(guān)系和關(guān)聯(lián)交易風(fēng)險。借助大數(shù)據(jù)，銀行可判斷集團企業(yè)復(fù)雜的關(guān)聯(lián)關(guān)系和關(guān)聯(lián)交易行為，還原集團關(guān)系樹全貌，為精準(zhǔn)授信打好基礎(chǔ)。在實踐中，有些企業(yè)并不按規(guī)定披露關(guān)聯(lián)方和關(guān)聯(lián)交易行為的有關(guān)內(nèi)容且關(guān)系非常隱蔽，單從表面無法輕易判斷。首先，充分利用銀行信貸風(fēng)險監(jiān)測系統(tǒng)、人銀征信系統(tǒng)、互聯(lián)網(wǎng)、各省市工商局官方網(wǎng)站、銀碼信息共享系統(tǒng)等技術(shù)渠道，深度挖掘，集團企業(yè)的股東、投資子公司、擔(dān)保或被擔(dān)保企業(yè)、家族關(guān)系等信息，仔細(xì)求證，理順授信企業(yè)的關(guān)聯(lián)方信息。通過大范圍的信息挖掘，充分了解授信企業(yè)及關(guān)聯(lián)方的貸款卡信息、負(fù)債信息、大事記、對外對內(nèi)擔(dān)保和訴訟情況，不斷質(zhì)疑，相互印證，通過大范圍的信息挖掘，發(fā)現(xiàn)企業(yè)刻意隱瞞或藏匿的關(guān)聯(lián)關(guān)系，以此來檢測企業(yè)的誠信度，盡職免責(zé)。其次，運用大數(shù)據(jù)挖掘內(nèi)部關(guān)聯(lián)交易信息。通過截取一定期間內(nèi)的所有企業(yè)間大額資金往來（包括大額資金調(diào)度、大額資金借貸、大宗銷售、大宗采購等）數(shù)據(jù)的記錄集合，分析企業(yè)經(jīng)常發(fā)生的對轉(zhuǎn)交易、虛假交易、不平等交易、不正常交易等行為的線索和跡象，應(yīng)順藤摸瓜、不斷跟蹤、深入分析，從而挖掘出企業(yè)的隱性關(guān)聯(lián)交易；第三，建立不正當(dāng)關(guān)聯(lián)交易預(yù)警模塊。判斷是否存在低買高賣的關(guān)聯(lián)購銷，是否存在關(guān)聯(lián)方資金融通關(guān)系，是否存在關(guān)聯(lián)方收取大量資金占用費的情況，密切關(guān)注關(guān)聯(lián)交易中有關(guān)資產(chǎn)的無償或低價轉(zhuǎn)移等。第四，設(shè)計總量關(guān)聯(lián)交易預(yù)警閾值，從合并會計報表中揭示關(guān)聯(lián)交易的程度。當(dāng)應(yīng)收（付）款項、預(yù)收（付）款項、存貨、營業(yè)收入、營業(yè)成本、長期投資、投資收益等科目合并前后數(shù)額變化很大時，觸發(fā)警報并說明集團內(nèi)部關(guān)聯(lián)交易程度。通過一系列的關(guān)聯(lián)交易分析，真實還原集團財務(wù)狀況。

7、運用大數(shù)據(jù)分析授信企業(yè)的償債能力?，F(xiàn)金為王，真實的經(jīng)營性現(xiàn)金流是判斷企業(yè)償債力強弱最有效的指標(biāo)之一。但企業(yè)貨款回籠方式復(fù)雜，經(jīng)常是銀行承兌匯票、法人賬戶、個人卡等多種形式并存，如個人卡與法人卡互轉(zhuǎn)等，給貨款回籠分析帶來一定難度，對于單一中小授信企業(yè)的真正經(jīng)營性現(xiàn)金流可以通過以下方法進行判斷：一是對在本行開有存款賬戶的授信企業(yè)，可通過銀行內(nèi)部系統(tǒng)法人資金查詢功能下載企業(yè)交易明細(xì)清單，在明細(xì)清單中進一步分析、剔除非經(jīng)營性銷售資金，篩選出銷售回籠資金，其公式如下：銷售收入資金=一定時期內(nèi)賬戶回籠資金-利息收入-無貿(mào)易鏈背景的關(guān)聯(lián)流入資金-內(nèi)轉(zhuǎn)流入資金-類同賬戶流入資金-貸款流入資金。二是對在他行賬戶的授信企業(yè)，要求提供有法人賬戶、個人卡銀行流水明細(xì)、銀行承兌匯票紙質(zhì)和PDF掃描件，可用EXCEL表格分月度和年度整理匯總、分析、篩選得出銷售收入資金。三是深入企業(yè)調(diào)閱應(yīng)收賬款明細(xì)賬、銀行存款日記賬甚至原始憑證，分析整理后與以上方法查詢的結(jié)果進行對比分析，如果幾種方法數(shù)據(jù)基本相符則可信度較高，如果幾種方法調(diào)查結(jié)果差異巨大，則應(yīng)謹(jǐn)慎處理。同時，企業(yè)間的資金來往，主要通過銀行轉(zhuǎn)賬實現(xiàn)，其存款賬戶的交易明細(xì)記錄，可較為真實地反映企業(yè)日常運營行為。通過對授信企業(yè)某一段時間內(nèi)的交易量和交易金額的連續(xù)統(tǒng)計分析，可以相對準(zhǔn)確地掌握其日常業(yè)務(wù)發(fā)展和整體運營情況。一般而言，企業(yè)發(fā)展如處在穩(wěn)定或上升期，其交易量和交易金額應(yīng)整體趨平或呈現(xiàn)上升趨勢，如從某一天起，其交易量和交易金額（借、貸）變少并呈持續(xù)下降趨勢，則企業(yè)的經(jīng)營可能出現(xiàn)狀況，授信審批人員需要重點關(guān)注。

三、建立大數(shù)據(jù)完善授信審批決策機制的相關(guān)建議

1、樹立大數(shù)據(jù)的授信審批決策理念。新常態(tài)下，建立大數(shù)據(jù)思維方式是授信審批轉(zhuǎn)型的首要任務(wù)，以往授信審批中，關(guān)注企業(yè)財務(wù)數(shù)據(jù)，對企業(yè)行為數(shù)據(jù)、企業(yè)經(jīng)營管理數(shù)據(jù)、同業(yè)數(shù)據(jù)重視不足；關(guān)注貸前分析，對企業(yè)整個生命周期的一體化數(shù)據(jù)挖掘整合不足。在大數(shù)據(jù)時代，要牢固樹立“決策基于數(shù)據(jù)，信息創(chuàng)造價值”的觀念，應(yīng)倡導(dǎo)開闊思路，深入挖掘企業(yè)資金流、信息流、物流及經(jīng)營管理數(shù)據(jù)等，從企業(yè)投入產(chǎn)出中尋找關(guān)鍵敏感數(shù)據(jù)，使大數(shù)據(jù)模式的分析成果及時轉(zhuǎn)化為提供授信審批的有力依據(jù)；要運用大數(shù)據(jù)挖掘分析技術(shù)，找出隱藏在海量數(shù)據(jù)中的授信企業(yè)與信貸風(fēng)險之間的量化關(guān)系，提高非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為授信審批支持信息的效率。

2、全面整合銀行內(nèi)外部數(shù)據(jù)，建設(shè)信貸管理大數(shù)據(jù)平臺。圍繞信用評級、授信審批、貸后監(jiān)控等信貸管理的關(guān)鍵環(huán)節(jié)，全面整合內(nèi)部各業(yè)務(wù)單位的企業(yè)相關(guān)信息，將各類渠道所有交易中的企業(yè)信息、記錄綜合起來，建立一個跨業(yè)務(wù)條線、跨機構(gòu)、跨地區(qū)統(tǒng)一的數(shù)據(jù)分析平臺，為銀行集團企業(yè)綜合授信奠定堅實的數(shù)據(jù)基礎(chǔ)。其次，充分利用社交網(wǎng)絡(luò)、論壇、微博、微信平臺等外部社會化數(shù)據(jù)，將分散化數(shù)據(jù)信息按照企業(yè)、渠道、產(chǎn)品等分門別類整合形成統(tǒng)一、多維度的數(shù)據(jù)庫，提高數(shù)據(jù)的利用效率。第三，建立適應(yīng)大數(shù)據(jù)管理的數(shù)據(jù)管理體系。由于信貸管理數(shù)據(jù)不再局限于結(jié)構(gòu)數(shù)據(jù)，大量的非結(jié)構(gòu)數(shù)據(jù)應(yīng)用促使數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)架構(gòu)將發(fā)生較大變化。商業(yè)銀行需重新梳理數(shù)據(jù)來源，制定數(shù)據(jù)標(biāo)準(zhǔn)，建立數(shù)據(jù)采集、處理等一系列管理制度，改善數(shù)據(jù)收集、清洗、挖掘、應(yīng)用、評估等的執(zhí)行效率。

3、完善授信審批管理。首先、轉(zhuǎn)變授信審批決策模式，通過大數(shù)據(jù)的積累和利用，改變信息不對稱的現(xiàn)狀，逐步消除傳統(tǒng)“財務(wù)報表＋抵質(zhì)押品”模式，建立以非財務(wù)分析為主、財務(wù)分析為輔，以第三方信息驗證分析為主、企業(yè)自身經(jīng)營狀況分析為輔的授信審批模式。使審批人員在決策時有統(tǒng)一的風(fēng)險評判標(biāo)準(zhǔn)，改變以主觀判斷為主的審批方式，以自動化風(fēng)險預(yù)警系統(tǒng)、重點檢查逐步取代人工識別的認(rèn)定風(fēng)險、定期檢查的信貸管理方式，將更有助于對企業(yè)授信風(fēng)險的實時監(jiān)控和處理，提升授信審批的準(zhǔn)確性。第二，建立以專家審批替代集體審批的制度。依據(jù)不同業(yè)務(wù)模式，設(shè)立專家授信審批隊伍，對于授權(quán)范圍內(nèi)的貸款申請，專家通過數(shù)據(jù)挖掘?qū)κ谛牌髽I(yè)風(fēng)險綜合判斷而直接審批，這樣，既能適應(yīng)企業(yè)經(jīng)營多元復(fù)雜化的需要，又能提高審批的專業(yè)性和效率。第三、組建企業(yè)風(fēng)險監(jiān)控中心，即依托大數(shù)據(jù)，建立風(fēng)險計量與欺詐防范模型，實現(xiàn)現(xiàn)場調(diào)查與非現(xiàn)場分析相結(jié)合、數(shù)據(jù)定量判斷與經(jīng)驗定性判斷相結(jié)合，對授信企業(yè)從貸前到貸后全生命周期的風(fēng)險監(jiān)測手段。促進授信審批人員站在更高的角度掌握到信貸經(jīng)營人員所不知的信息，提升信貸審批決策的科學(xué)性；推動風(fēng)控人員在信貸風(fēng)險監(jiān)控中，無需等待經(jīng)辦行和信貸人員上報問題，可以隨時利用系統(tǒng)中來自銀行內(nèi)、外部的信息對有關(guān)授信做出風(fēng)險預(yù)警，實現(xiàn)授信風(fēng)險的早預(yù)警、早報告、早處置。

4、加強大數(shù)據(jù)人才隊伍建設(shè)，營造大數(shù)據(jù)授信審批文化氛圍。首先，加強授信審批隊伍培訓(xùn)，強化內(nèi)外部信息收集印證、類征信工具運用等的培訓(xùn)，全面提升授信審批人員的整體素質(zhì)，著力造就數(shù)量充足、結(jié)構(gòu)合理、素質(zhì)優(yōu)良、表現(xiàn)卓越的大數(shù)據(jù)分析師；其次，探索建立主動揭示風(fēng)險的激勵約束機制，激勵各級信貸人員積極主動及時揭示及報告各類授信風(fēng)險，統(tǒng)一前后臺人員授信風(fēng)險偏好，有效防控及降低授信風(fēng)險，不斷提升授信審批水平。

隨著數(shù)據(jù)挖掘技術(shù)的深入運用，銀行獲取信息渠道的不斷增多，從以往主要依賴企業(yè)歷史數(shù)據(jù)信息而逐步轉(zhuǎn)變?yōu)橐罁?jù)不斷變化中的實時行為數(shù)據(jù)信息進行風(fēng)險預(yù)判的授信決策。通過監(jiān)控平臺對企業(yè)的交易行為和需求信息有了透徹了解，能為企業(yè)提供合適產(chǎn)品，并根據(jù)企業(yè)體驗不斷改進產(chǎn)品和服務(wù)，實現(xiàn)信貸風(fēng)險管理與市場營銷的完美結(jié)合。

［1］朱良平.大數(shù)據(jù)在銀行信貸業(yè)務(wù)中的應(yīng)用實踐及建議.中國金融電腦.2015（12）32-37

［2］宋長龍.大數(shù)據(jù)背景下的銀行信用風(fēng)險管理.企業(yè)改革與管理.2015（10）108-109

［3］江明哲.借鑒大數(shù)據(jù)相關(guān)關(guān)系提升信貸審批前瞻性.上海金融.2015（2）100-106

［4］連育青.充分識別信貸客戶關(guān)聯(lián)企業(yè)的難點與對策.管理學(xué)文摘.2016（03）32-37

Using Big Data Analysis to Improve the Decision Level of Credit Approval

LIAN Yu-qing
Fujian Branch,China Construction Bank,Fuzhou 350003

Under the new economic norm,more and more enterprises enter the new cycle of structural adjustment and transformation,which puts more demands on credit approval decision of commercial banks.The arrival of large data era provides strong support for accurate credit approval decision.This paper starts with the advantage of big data analysis,through large data mining technology to further verify the credit background and the authenticity of business management to enhance the ability of credit risk screening for enterprises,and provide suggestions for the establishment of large data to improve credit approval decision-making mechanism.

Big Data Analysis,Credit Approval,Credit Enterprise

F832

A

連育青，男，福建省泉州人，中國建設(shè)銀行福建分行高級經(jīng)濟師，研究方向：商業(yè)銀行經(jīng)營管理；福建福州，350003