用好大數(shù)據(jù)的五條“秘訣”

耿心偉

中國有2800萬家小微企業(yè)（不含個(gè)體工商戶），分散在全國各地，而且處在動(dòng)態(tài)增長之中，逐戶摸底調(diào)查是不可能的。對納稅信用等級(jí)高的企業(yè)，根據(jù)銀行個(gè)性化的條件做初篩，通過數(shù)據(jù)模型，可以瞬間獲取大量優(yōu)質(zhì)的企業(yè)用戶。用數(shù)據(jù)模型初篩的好處是高效精準(zhǔn)，最大限度節(jié)省了人力成本。

在信貸審批決策過程引入數(shù)據(jù)做輔助決策。將企業(yè)涉稅數(shù)據(jù)結(jié)合工商、司法、征信等數(shù)據(jù)，通過數(shù)據(jù)模型分析處理轉(zhuǎn)化為可視化、指標(biāo)化的企業(yè)征信報(bào)告，結(jié)合數(shù)據(jù)驅(qū)動(dòng)模型和審批規(guī)則，可為審批決策提供可靠的助力。在此階段引入數(shù)據(jù)與風(fēng)控模型，可節(jié)省大量的上門調(diào)查時(shí)間與成本，提升效率。

在貸后引入大數(shù)據(jù)風(fēng)險(xiǎn)監(jiān)測。利用成千項(xiàng)數(shù)據(jù)指標(biāo)、數(shù)據(jù)模型以及預(yù)警規(guī)則，可形成預(yù)警信息，結(jié)合銀行的個(gè)性需求，對企業(yè)做動(dòng)態(tài)監(jiān)控，一旦數(shù)據(jù)超過正常范圍，則發(fā)送預(yù)警給檢查人員做線下核實(shí)處理。這就解決了貸后人工成本高、效率低的問題，提升貸后管理的針對性?？傂猩踔量梢酝ㄟ^系統(tǒng)管控風(fēng)險(xiǎn)、規(guī)避貸后管理自下而上的道德風(fēng)險(xiǎn)。

對一些體量較小的銀行，引入一套貸前篩選、貸中審批、貸后監(jiān)控的全流程自動(dòng)化、數(shù)據(jù)化、標(biāo)準(zhǔn)化解決方案，并部署到銀行的客戶管理、信貸管理、貸后管控系統(tǒng)中，可以最大程度上節(jié)省小微企業(yè)信貸服務(wù)的成本，同時(shí)控制不良率的發(fā)生。

大數(shù)據(jù)將成為行業(yè)變革的重要驅(qū)動(dòng)力。大數(shù)據(jù)將會(huì)像電力一樣普及，其重要性可想而知。如果把大數(shù)據(jù)比喻作“新能源”，云計(jì)算、人工智能就是驅(qū)動(dòng)它的引擎，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)將成為它的絕佳渠道和載體。影響了一代互聯(lián)網(wǎng)創(chuàng)業(yè)者的作家凱文·凱利在20年前所著的《失控》一書提到：“不管你是做房地產(chǎn)、醫(yī)藥、化工，還是教育，其實(shí)你做的都是數(shù)據(jù)生意。歸根結(jié)底，你處理的都是數(shù)據(jù)。處理數(shù)據(jù)和處理客戶一樣重要?！贝髷?shù)據(jù)的處理運(yùn)用能力將直接影響銀行的核心競爭力。怎樣用好大數(shù)據(jù)，可概括為：“大數(shù)無界、數(shù)往知來、心中有數(shù)、流數(shù)不腐、數(shù)不勝數(shù)”。

“大數(shù)無界”——數(shù)據(jù)使用場景沒有界限。經(jīng)營可以是跨界的，數(shù)據(jù)的使用也是可以跨界的。對于數(shù)據(jù)的落地場景，要充分展開想象力，用新潮的話來說就是“打開腦洞”。憑個(gè)人消費(fèi)信用數(shù)據(jù)可以免押金租車、租房，憑企業(yè)納稅信用數(shù)據(jù)可以落地的場景也很多，基于企業(yè)信用甚至可以實(shí)現(xiàn)商務(wù)差旅的免押金租房和租車，或者開展供應(yīng)鏈金融等項(xiàng)目。解決小微企業(yè)的融資難題，更需要跨界的數(shù)據(jù)融合，不僅需要銀行內(nèi)部的、電商企業(yè)生態(tài)內(nèi)的、物流企業(yè)體系內(nèi)的數(shù)據(jù)，更需要通過跨界的資金流、信息流、物流的融合解決信息的不對稱。

“數(shù)往知來”——用過去的數(shù)據(jù)對未來的違約、風(fēng)險(xiǎn)、商機(jī)進(jìn)行探知。社會(huì)重視過往信用數(shù)據(jù)的利用，有利于提高全社會(huì)信用水平，識(shí)別信用破產(chǎn)的企業(yè)和個(gè)人，降低風(fēng)險(xiǎn)。譬如在擁有健全信用體系和征信機(jī)構(gòu)的美國等發(fā)達(dá)國家，與信用相關(guān)的歷史數(shù)據(jù)都可以查詢到，當(dāng)?shù)仄髽I(yè)違法和違約失信成本很高，一旦出問題會(huì)被記錄在案，有信用污點(diǎn)的企業(yè)別說借錢，很可能連訂單都接不到。企業(yè)是“立體”的，除了通過涉稅數(shù)據(jù)進(jìn)行分析，還應(yīng)當(dāng)引入盡可能多的權(quán)威數(shù)據(jù)源，對大量違約企業(yè)樣本進(jìn)行分析，建立更可靠的風(fēng)控模型。在分析企業(yè)還款能力的同時(shí)，盡可能把“還款意愿”展現(xiàn)出來，多維度地反映企業(yè)的信用狀況。

“心中有數(shù)”——在決策和工作中善用數(shù)據(jù)。應(yīng)當(dāng)摒棄過往管理人員關(guān)起門來，憑感覺、拍腦袋、靠經(jīng)驗(yàn)的決策方式，向以數(shù)據(jù)驅(qū)動(dòng)的決策方式轉(zhuǎn)變。數(shù)據(jù)化、自動(dòng)化的流程能減少成本、提高效率，減少差錯(cuò)率和人為風(fēng)險(xiǎn)。譬如，把企業(yè)涉稅數(shù)據(jù)引入銀行小微企業(yè)信貸決策中。

“流數(shù)不腐”——流動(dòng)的數(shù)據(jù)才最有價(jià)值。數(shù)據(jù)也講求“鮮活”、及時(shí)。打個(gè)比方，企業(yè)去年、前年沒有發(fā)生問題，不代表它最近三個(gè)月經(jīng)營正常，也不代表它這一秒沒有正在發(fā)生問題。只有及時(shí)的數(shù)據(jù)才能夠最大限度反映真實(shí)狀況、防范風(fēng)險(xiǎn)的發(fā)生。以微眾稅銀為例，對企業(yè)涉稅數(shù)據(jù)采用實(shí)時(shí)處理模式，保持與電子稅務(wù)局專線直連，一旦企業(yè)發(fā)起申請授權(quán)后，系統(tǒng)實(shí)時(shí)提取數(shù)據(jù)并分析處理。大數(shù)據(jù)征信實(shí)現(xiàn)了實(shí)時(shí)傳輸，眨眼之間全部在線完成，且無需人工介入。動(dòng)態(tài)的數(shù)據(jù)對實(shí)時(shí)跟蹤客戶經(jīng)營有著十分重要的意義。微眾稅銀“智子”貸后監(jiān)測系統(tǒng)，可對授權(quán)貸后企業(yè)的2800項(xiàng)數(shù)據(jù)指標(biāo)動(dòng)態(tài)監(jiān)控，在最短時(shí)間內(nèi)將異常指標(biāo)傳輸給銀行。銀行既能對風(fēng)險(xiǎn)客戶實(shí)時(shí)進(jìn)行預(yù)警，更能實(shí)時(shí)把握企業(yè)向好的經(jīng)營變化、發(fā)現(xiàn)更多商機(jī)。

“數(shù)不勝數(shù)”——計(jì)算機(jī)助力大數(shù)據(jù)時(shí)代發(fā)展。此處的數(shù)不勝數(shù)要解讀為，大數(shù)據(jù)的運(yùn)算能力，已經(jīng)能夠處理海量復(fù)雜的數(shù)據(jù)。海量的大數(shù)據(jù)的處理，需要巨大的計(jì)算能力才能完成，如果采用傳統(tǒng)集中式計(jì)算，需要耗費(fèi)相當(dāng)長的時(shí)間。現(xiàn)在有了分布式計(jì)算方式和不斷進(jìn)化的算法，海量數(shù)據(jù)實(shí)現(xiàn)了秒級(jí)處理。依托于日新月異的先進(jìn)技術(shù)手段，大數(shù)據(jù)挖掘和分析，也將向機(jī)器學(xué)習(xí)和人工智能等方向逐漸過渡。