大数据时代商业银行普惠金融业务发展研究

中国工商银行江苏省分行课题组

摘要：本文针对当前商业银行普惠金融业务发展遇到的瓶颈，探讨了通过大数据解决这一困局的可行性，分析了大数据技术在客户识别、风险管理方面的应用情况，讨论了运用大数据发展普惠金融面临的挑战和主要对策。

关键词：大数据 商业银行 普惠金融

F832.2 文献标识码：A 文章编号：1009 - 1246（2019）03 - 0022 - 07中图分类号：

普惠金融是指以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务，小微企业、农民、城镇低收入人群等弱势群体是其重点服务对象。近年来，金融机构对普惠金融的支持力度不断提高，但在实践中普惠金融发展仍面临着信息不对称、风险收益不匹配等困境。随着互联网时代的到来，基于大数据应用的数据挖掘和人工智能技术突飞猛进，商业银行尝试借此突破横亘银企之间的信息鸿沟，解决小微融资困局。因此，研究在普惠金融业务发展中如何运用大数据技术具有较强的现实意义。

一、大数据技术为解决普惠金融发展瓶颈提供了技术支撑

2015年9月印发的《促进大数据发展行动纲要》给出了对大数据的定义：大数据是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、22

创造新价值、提升新能力的新一代信息技术和服务业态。随着互联网和信息科学技术的发展，各行各业对于超过传统数据库存储能力范围的海量数据有了分析并加以利用的能力，各机构能够据此快速洞察、预测市场和顾客的需求，并进行快速决策。这一变革给商业银行发展带来了机遇。大数据技术依托于信息科技和统计分析，使商业银行对客户的把控更为精准高效，以其自身优势有效解决商业银行开展普惠金融面临的困难。

（一）解决信息不对称

大数据技术能够帮助商业银行从内部积累的交易数据，监管部门、工商、税务等外部机构提供的数据以及客户自身的行为数据等海量数据与信息中挖掘出有价值的信息，精确刻画企业生产经营状态和风险状况，从而对优质企业实现精准定位。

（二）人工智能模型精准识别客户

借助Logistic回归、神经网络、支持向量机、随机森林等人工智能算法，能够预判风险客户违约概率，准确识别风险客户，从统计意义上实现风险有效控制，进而缩短审批时长甚至实现自动审批，提高流程效率，满足小微客户“短频快”的资金需求特征。

（三）依靠建模优化定价机制

通过算法识别区分客户后，可借助模型结果进一步实现逐户差异化定价，更好地匹配风险收益，使定价更为合理。同时，由于模型更精准地定位优质客户以及自动化审批，为商业银行节约了人力资源成本，有利于进一步降低融资成本。

（四）大数定律的用武之地

小微企业数量众多，相比大企业的个性化融资需求，小微客户群呈现出零售化的整体特征，更接近大数定律应用的前提条件，给了大数据技术下统计分析、统计建模更好的发挥空间。

综上，大数据技术在普惠金融领域拥有广阔的用武之地，进而有望从贷前、贷中、贷后为商业银行的信贷模式带来变革。

贷前，从原来的逐户尽调“硬信息”（资产负债表等）变为批量获取“软信息”（经营和交易数据、单据等），从原来的寻找拥有押品客户变为通过大数据识别经营稳定的优质客户，从而使得受众面得以扩大，大量轻资产的科技型、初创型小微企业也能获得支持。同时，虽然受众变广，但由于从原来的单户扫街变成通过线上批量获客，客户经理无需像营销、调查大中型企业一样，采取复杂的操作流程，这可以节约大量人力成本。

2019.03专 稿贷中，审查审批方面，通过大数据技术应用模型实现动态量化分析管理，实行全流程数据化、自动化决策，减少人为决策的主观性，从依赖人力转变到依赖信息系统，从而降低贷款风险识别成本，提高审查审批效率，契合小微客户“短频快”的资金需求特征。

贷后，从原来要求第二还款来源覆盖风险损失（无论是高利率还是抵押担保要求）变为持续考察与监控企业稳健经营、创造现金流还款的能力，基于大数据挖掘的系统自动识别能力使得对小微客户生产经营的实时监控成为可能，也解决了抵押品变现难度大、折价大的固有问题。

二、大数据在普惠金融领域应用现状及存在的问题

（一）应用现状

国外商业银行已在相关领域积累了多年经验。早在20世纪90年代，美国商业银行通过建设数据库来提升数据管理能力，运用数据挖掘和分析技术全方位调整营销模式、创新业务产品结构和提高管理水平，走上了利用数据提高对商业银行风险、资产负债和客户关系管控能力的道路。美国社会在数据共享方面也先人一步，2009年，美国联邦数据开放门户网站Data.gov上线，向公众开放拥有的所有公共数据。截至2018年10月，Data.gov共开放数据集303079项，非常有利于金融机构挖掘客户信息。在此基础上，美国商业银行根据大数据产业特点和发展趋势，及时打破自身业务界限，确保各业务条线之间无数据壁垒，实现内外部数据的有效整合。通过对模型开发、验证、测试、上线和监控

23

专 稿2019.03的全生命周期的管理，保证了量化模型的与时俱进，从而不断完善数据获取、管理及评估方体系，实现“数据—信息—商业智能”的发展路径。

国内的部分商业银行也积极探索与尝试，整合行内资源信息，收集购买外部数据，通过大数据算法实现了线上高度自动化的贷款业务，取得了良好的效果。

1.江苏银行基于纳税、公积金、个税、线上交易、电费等大数据信息，推出多个“e融”系列网贷产品，并已形成生态圈，还通过与同业合作，以技术输出帮助江苏银行无网点覆盖地区开展网贷业务，已在10多个省成功上线。江苏银行通过大数据风控技术实现风控领域的自动化，依靠持续优化的风险自动化机控功能，在风险预警系统上配置了800多项预警规则，对客户信息进行7×24小时关注监测，并将影响信贷资金安全的事项分类预警推送给客户经理。此外，江苏银行自主研发的大数据风控平台，通过开发黑名单、反欺诈、评级评分、风险定价、授信额度测算、决策审批、智能调查、风险预警等系列风控技术，应用于“e融”系列网贷业务和传统授信业务的贷前、贷中、贷后的全流程管理中。

2.建设银行通过“互联网+信贷”创新模式，推出“小微快贷”产品。通过应用大数据技术对多个系统内数据进行整合，综合分析企业及企业主在建设银行金融资产、房贷信息等各项业务数据，引入外部第三方平台数据，实现对客户的度判别。利用现有的零售系统，形成全流程线上操作、系统自动审批24

的产品体系。

3.工商银行针对小微客户融资需求“短、频、急”的特点，充分发挥科技金融优势，持续推进作业自主化、营销批量化、风控系统化，打造三大产品体系：第一类是“低门槛、纯信用”的小微专属融资产品，无需抵押担保，银行依据大数据主动授信，线上办理，可谓，推出不到4个月贷款余额已破百亿元，惠及3万多小微企业。第二类产品通过建立覆盖全国的押品数据库，智能评估押品价值，实现线上一键即贷，随借随还，目前已累计为超过9万小微客户发放融资2.4万亿元。第三类是“线上供应链”，以核心企业为依托，应用区块链和大数据技术，实现全链条授信融资。

（二）存在的问题

尽管各家银行从不同角度入手，利用大数据技术提升信贷经营水平，但在实践中仍面临着以下问题：

1.外部数据信息获取受到较多要充分发挥大数据的功效，势必要谋求获得尽可能“大”的数据，而在现实中，大数据来源呈碎片化，分散在不同渠道。以目前大多数银行在小微信贷业务中较为倚重的水电数据为例，有一定比例的小微企业通过园区、物业等方式统一缴纳，难以精准识别到单户，且数据均存储于各地市，系统标准均有差异。

2.内部资源整合不充分

商业银行，特别是大型商业银行，在业务发展的过程中积累了无可比拟的海量客户信息，但这些信息并未从“大数据”的视角充分加以利用。

一是数据量过于庞大且未经充分整合，

“秒贷”客户的贷款、存款、交易结算、使用金融产品等信息分散于多个业务部门的多个业务系统，整合数据较为复杂。普惠金融既涉及到小微企业法人客户，也涉及到小微企业主、个体工商户以及企业实际控制人等个人客户。由于历史原因，商业银行在传统信贷架构上习惯按法人、个人设置两套系统，且并未统一；同时，大型商业银行往往将客户分区域按属地进行管理，造成互相隔离，缺少统一的数据标准和管理规范，给跨区域的信息共享以及整合应用造成了困难。二是商业银行早期未预料到今日相关信息在数据挖掘中的重要性，在数据采集的格式规范设置上缺乏标准化、结构化，加之部分前期数据存在录入不规范、不完整现象，给现今的数据清洗乃至客户识别造成了困难。三是传统信贷体系下从产品设计到流程设计无法充分契合特定大数据环境。传统的信贷体系量化数据使用较少，数据主要为财务数据，从客户准入到贷后管理、融资要素到审查模式主要依赖于人工主观定性分析，彻底转化到大数据时代即通过搜集海量数据实现半自动乃至全自动业务流程的业务模式，尚需一定时间和历程。

3.人员储备不足

大数据时代商业银行不仅需要对财务、交易、水、电、税等结构化数据进行深度地挖掘和学习，更要通过机器学习对企业生产经营密切相关的文本、音频、图像、视频等非结构化信息进行挖掘和应用。无论是挖掘、搜集、整合和分类大数据，还是加工和处理大数据，都离不开云计算和机器学习、语音识别、无人操控、指纹鉴定等人工智能技术。这就需

2019.03专 稿要大量数据分析人员参与，而商业银行营销人员、管理人员占据比例较大，传统的数据分析方式方法主要从单户或者局部需求出发，缺少数据挖掘的广度和深度，因此，新形势下的数据分析队伍尚在建设中。

4.制度保障有待落实

在传统的信贷架构下，由一线客户经理通过尽职调查实现客户情况的收集和分析，并为数据真实性负责，审查人员通过人工对客户进行逐户审核，客户经理在贷后管理过程中对客户进行存续期监控。在大数据时代，信息收集、客户挖掘、审查审批以及贷后管理均可在一定程度下交给系统和模型处理。但是，一线人员对于当地企业情况等非结构化、非标准化信息的掌握仍需充分利用，并且在系统为主、人工为辅这一前提下，如何重新明确业务操作规范、界定业务人员责任，通过尽职免责制度保障从业人员权益，更好地调动前台人员营销积极性、发挥中后台人员在模型之外的经验作用，仍需要建立完备的规章制度体系，并有效落实保障。

三、运用大数据发展普惠金融的主要对策（一）拓展大数据获取来源，引入外部信息资源

数据的可获得性、全面性和真实性是大数据应用的前提。商业银行必须积极拓宽外部信息获取的渠道，与拥有稳定数据源的机构建立长期稳定的合作关系，使大数据成为挖掘客户的源头活水，更成为保障资金安全的护城河。

1.积极获取公共数据

商业银行应当积极获取公共数据并加以

25

专 稿2019.03分析，与工商部门合作获取企业经营变动、诚实守信情况，与税收、水电、海关、医疗等部门合作交叉验证企业经营收入，与房产管理部门直连保障抵押资产安全。如此一来，商业银行不仅可以凭借优质信息利用大数据技术为自身营销和风控提供支撑，更通过为优质客户提供优质金融服务，鼓励企业诚信经营，助力建设更为良好的社会信用环境。

2.与行业龙头企业建立合作

通过与核心企业建立合作，可为其上下游小微企业提供供应链金融服务。传统供应链模式依赖于逐笔的应收账款或预付账款，而通过大数据挖掘技术，商业银行可以对核心企业上游供应商或下游经销商的整体交易经营状况进行画像，从而实现对客户整体流动资金的授信。商业银行通过为供应链上下游企业提供金融服务，支持产业链经营发展，从核心企业获取真实的交易信息来保障资金安全，实现互惠互利。

3.与第三方平台机构合作

商业银行可通过与水平或垂直电子商务平台建立合作，可利用电商熟悉其领域的优势，充分利用其结构化的交易信息和非结构化的价值判断信息，挖掘平台上优质小微客户；尝试与社交网络、移动通信服务商建立合作，建立企业及控制人的全景画像，追踪其异常行为，更好地观察判断客户经营行为；通过与仓储园区、物流服务商建立合作，实时或定期跟踪企业库存变动信息、在途物流交易信息，更好地保障押品及融资安全。

（二）做好顶层设计，整合优化内部资源商业银行不仅要在经营理念上从“以业26

务为中心”转化为“以客户为中心”，对数据的整合上同样要贯彻这一思想。

宏观上，通过打造集享的全行大数据应用管理系统，打破内部壁垒。搭建全行共享的集信息共享、数据挖掘、大数据应用为一体的系统环境，横向上打破不同部门、业务条线之间的阻隔，实现跨部门、跨系统、跨渠道、跨区域、跨场景的数据共享，在此基础上充分整合外部信息，与行内数据形成交叉验证，实现客户的全景画像；纵向上使大数据应用覆盖从总行到分支行，使分支行也能实现大数据的充分应用，提升全行数据应用能力。

微观上，实现以客户为中心的精准统一视图，丰富客户信息内涵。从开户时外部获取的基本档案、水电税等信息，到开户后全服务周期的所有交易、资产、负债信息，从财务变化到行内产品使用情况，从自身经营动态到关联方整体风险状况，通过落实收集录入之初的管理要求确保结构化数据的准确性，通过加强建模能力提高非结构化数据的价值性，从而在足够长度的时间窗口、足够广度的数据来源下综合度量客户的风险状况和对银行的贡献度。进而，使大数据在以下方面得到更好应用：一是精准营销管理，智能识别出客户需要什么样的金融产品、什么时候需要；二是风险识别，通过模型准确识别出客户及其关联方的经营状态，在贷前准入和贷后监控中能及时发现风险；三是绩效考核，通过对客户综合贡献的精准计量，实现对客户所属分支机构、营销管理客户经理的精准评价，使得对基层机构的考核更科学、更显性。

以风险识别为例，依托客户的纳税和结算等信息，可建立SVM（支持向量机）风险识别模型。SVM属于典型的分类算法，其决策规则由如下公式确定：

fn (x)=sgn(∑i=1yiaiK(xi,x)+b)（1）

其中，xi为训练集第i个样本小企业的因子，yi是表示第i个小企业是否违约的属性向量（1表示违约，-1表示未违约）；sgn为符号函数（自变量大于等于0取1，小于0取-1）；K为核函数；ai和b为计算得到的超平面参数。

选取企业近三年、所得税纳税额、纳税信用等级、违规次数、银行内部结算交易金额、笔数、变动情况、资产情况、销售利润情况等作为因子，选取径向基函数（K（x，

xi）=exp｛γ（x-xi）2

｝

）作为核函数，选取存量客户进行训练后即可利用（1）式对新客户进行识别。最终准确率可达到90%，第一类错误（将优质企业误判为劣质企业）和第二类错误（将劣质企业误判为优质企业）分别可控制在10%和8%。

（三）基于精准定位，发展完善网络融资产品

通过大数据技术精准识别客户后，还需要为小微客户量身定制产品，顺应当下互联网发展趋势，满足小微客户“短频快”的融资需求。以工商银行为例，该行运用大数据及互联网技术推出的“经营快贷”，根据行内度数据构建客户筛选、额度测算及风险监测模型，为符合要求的客户主动授信并在线

2019.03专 稿发放贷款。已上线的结算场景以客户在工行的经营流水为依据对客户进行识别，产品上线以后取得了良好效果。目前，已逐步扩展到资产、税务、平台等各类场景，通过地区、行业对客户进行分层，更精准地识别客户风险。营销上，也可根据客户融资使用习惯和周期，推荐合适产品，例如基于同类企业或其自身历史上用款的集中时间，在用款前及时主动提供融资服务和回款期推送理财服务。在贷后管理上，针对大数据体系下的网络融资产品，也需要在产品管理办法中明确人工与系统的职责界定，特别是人员的尽职免责办法。以工商银行“经营快贷”为例，由系统实现客户的准入、审查以及贷后风险监测，客户经理只需在出现风险提示后及时联系客户并如实反馈情况即可实现尽职免责。

（四）加强人才队伍建设

商业银行在总行层面不断加强人才队伍建设的同时，分支行也要配套相应梯队。小微客户数量庞大，要实现规模化、批量化、集约化拓户，必须不断加强对当地开发园区、专业市场、产业集群的信息分析和数据挖掘能力。在全行或者区域范围内的产品创新，既要发挥模型的定量分析能力，又要发挥全行营销、审批人员积累的风险定性判断经验，更要结合一线业务人员在与客户实际接触中获取的一手信息。因此，必须打造一支既具有大数据模型定量技术应用能力、又具有信贷经营业务素质的复合型人才队伍，以有限的人力资源应对拓展客户和风控的需要。

27

专 稿2019.03参考文献：

[ 1 ]朱良平.基于大数据的信用风险评分模型辨析[ J ].中国金融电脑, 2016,（3）.[ 2 ]巴曙松.大数据可解小微企业融资瓶颈[ J ].中国经济报告, 2013,（6）.

[ 3 ]于鑫芳.大数据下商业银行发展研究:现状、影响及路径选择[ J ].债券, 2018,（4）.[ 4 ]季明.向大数据驱动的智慧银行进化[ J ].中国银行业, 2018,（4）.

[ 5 ]工商银行股份有限公司河北省分行课题组, 宋颖新, 王英琦.商业银行大数据分析与应用研究[ J ].河北金融, 2018,（1）.

[ 6 ]何大安.互联网应用扩张与微观经济学基础——基于未来“数据与数据对话”的理论解说[ J ].经济研究, 2018,（8）.

[ 7 ]周川, 李甜甜, 王旭东.基于大数据视角下商业银行风险管理问题探究[ J ].通讯世界, 2018,（8）.

[ 8 ]何滔.商业银行大数据应用初探[ J ].时代金融, 2018,（24）.

课题组组长：刘任捷

课题组成员：陈松巍、王中、孙和敏、陆晟旻作者简介：

刘任捷，男，现任中国工商银行江苏省分行副行长。

（责任编辑：冯娟娟 校对：HLR）

28