運用大數據分析提升授信審批決策水平的思考

連育青

運用大數據分析提升授信審批決策水平的思考

連育青

在經濟新常態下，越來越多的企業進入結構調整和轉型的新周期，給商業銀行授信審批決策提出更高要求，而大數據時代的到來，為精準授信審批決策提供了有力支持。本文從大數據分析優勢入手，通過大數據挖掘技術，進一步驗證授信企業主背景及經營管理的真實性，提升授信企業風險的甄別能力，并對建立大數據完善授信審批決策機制提出相關建議。

大數據分析 授信審批 授信企業

為了提升授信審批決策水平，商業銀行在信貸風險管理中采取了一系列措施。但是，對于跨區域、跨行業綜合性經營的集團企業，很難準確了解該集團生產經營管理等的全部真實情況，容易導致多頭授信、過度授信、關聯擔保等問題。同時，在新常態下，越來越多的企業進入結構調整和轉型的新周期，也給商業銀行授信審批決策提出更高要求。而大數據時代的到來，為克服上述缺陷，精準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、大數據為提升授信審批水平奠定堅實基礎

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

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

3、更有效地提升授信審批的效率。通過大數據分析技術替代人工經驗判斷，可以大幅度減少信息不對稱情況的發生，簡化流程和信息處理復雜程度，進一步精簡人員，同時，大數據通過風險計量技術量化決策標準，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務數量和質量同步提升。

二、運用大數據挖掘技術，提升授信審批風險判斷能力

風險的產生是由信息不對稱造成的，商業銀行傳統的授信審批一般通過財務信用評級模型計算出風險限額并以專家會議集體討論的方式完成，主要依據客戶經理的現場調查等結構化數據進行經驗判斷，缺乏量化數據的支持，準確度難以得到保障。而通過大量數據信息法人深度挖掘來進行風險識別，在很大程度上緩解了銀行與企業之間的信息不對稱問題，大大提升授信審批能力。

1、運用大數據分析授信企業主背景的真實性。授信審批的核心任務之一就是深入了解企業主（實際控制人）背景的真實性，評價企業主的風險水平。而大數據時代，銀行可以依據互聯網時刻記錄人們一言一行的特點，提高對授信企業主背景真實性的甄別能力。首先，進一步了解企業主興趣愛好、風險偏好。充分利用社會網絡、征信系統和企業自身提供的資料交叉分析驗證實際控制人的投資、經營行為及財富積累過程，分析其與目前對企業的投入與企業運營情況是否相稱，是否存在炒房、炒原材料、炒股票期貨；或其將企業大額資金轉移至個人賬戶的現象等。其次，通過挖掘企業主的還款記錄，包括對其他銀行、供應商等債權人的還款記錄以及經營中對合約、納稅等履行情況分析判斷企業主的誠信狀況。第三，借助大數據及時甄別授信企業是否涉及民間借貸。通過大數據查詢企業賬戶資金流水的異常情況，如果發現該賬戶資金流水中對外有規律地劃款，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，但并非劃轉給上下游企業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，貸款存量周轉后原來劃入賬戶的資金又等量劃出，則企業可能存在民間借貸行為；如為大額提現，則有可能是融出資金給其他企業、個人或者歸還民間融資；如果企業股東借款較多，或者企業與其股東之間資金往來頻繁，也應引起高度關注。因此，銀行既要加強對企業資金往來的分析和監控，準確、客觀地評價授信企業的償債能力，又要從多方面了解企業主的資金活動情況，以及時發現風險苗頭。

2、運用大數據分析授信企業的真實經營狀態。根據生產銷售、、資金往來、投入產出、海關報關、稅務局報稅數據及行業協會數據等，輔以交叉檢驗技術判斷授信企業經營真實性；如通過持續挖掘企業存款賬戶日均余額情況，并根據企業生產經營發展的不同階段建立差異化評分模型，以判斷企業經營情況，企業發展如處在穩定或上升期，其周轉所需的現金流應該呈穩定或增長趨勢，反映在其存款賬戶的余額應該是同向變化，如從某一天開始，企業存款賬戶余額逐漸下降，則可能發生了客戶資金轉移他行或經營不善的情況，應引起特別關注。其次，通過對企業主、股東及配偶等個人賬戶資金流向和消費行為數據分析，間接判斷企業經營情況，為銀行授信準入提供數據支撐。第三，運用大數據挖掘分析企業的或有事件。通過收集社會主流媒體曝光和公檢法通報的企業相關負面信息等重大或有因素及未決因素，了解授信企業是否與其他主體產生民事糾紛、重大法律訴訟，或通過移民、離婚等轉移資產及或有負債等。

3、運用大數據分析驗證授信企業經營效益。在新常態下，授信企業普遍存在夸張美化財務報表，甚至虛構事實，且手段日趨復雜隱蔽。運用大數據能夠驗證授信企業財務報表真實性。第一，利用自動生成技術對授信企業近兩年及報告期經核實的資產負債表、損益表等就可以自動驗證其鉤稽關系是否恰當，自動生成的現金凈流量測算表與企業報送的現金流量表是否一致，通過利潤增長與現金流量分析等，準確、快捷地判斷授信企業財務報表數據的真實性；通過其他相關報表進行反向驗證，如通過納稅申報表也驗證收入的真實性等。其次，通過財務指標同業比較驗證。如利用財務報表自動生成資產負債率、資本收益率、應收賬款周轉率、成本費用收益率等指標及現金流量結構與同行業指標進行橫向比較，驗證授信企業指標的個別變化是否正常，借以分析其業績的真實性。如授信企業所處的行業整體比較低迷和蕭條，而被授信企業的業績卻一枝獨秀，又沒有合理解釋，就很有可能存在財務報表不真實的情況。第三，運用企業銷售收入分析驗證。通過查看企業開出的增值稅發票、結合交易合同和發貨清單及企業與其下游客戶的資金往來對賬單，來印證是否匹配企業的銷售收入，如果數據相差較大，而且又沒有合理的解析和說明，可以認為企業財務報表已被粉飾，應該考慮是否與企業開展信貸業務。

4、運用大數據分析推斷企業的發展前景。任何經濟體都不可能獨立存在，任何企業的發展也必須依賴上下游企業的共同發展。通過建立自身觀察經濟周期走勢、把握外部信貸環境、分析企業風險變化的量化機制，能夠及時獲得信貸企業最新的交易信息、現金流信息，為前瞻性風險判斷奠定基礎。如銀行通過挖掘企業水表、電表、工資表等支出數據，存匯款等賬戶變動數據，同比、環比分析異動數據，識別可疑企業名單，深入分析數據變動的原因，實現在企業發生實質性風險之前提前捕捉預警信號，盡早采取主動退出、及時控制抵質押品等措施化解風險。通過對其上下游企業，特別是相對集中的幾個上下游企業某段時間內經營的基礎數據（如交易量、交易金額等）進行分析，并結合企業之間的關聯度系數，為準確判斷企業發展趨勢、主動進行信貸結構調整提供側面數據支持。

5、運用大數據分析判斷信貸資金挪用風險。在企業貸款支用后，采用大數據采集企業資金流向數據，分析企業資金流向規律，并且結合核查企業在信貸資金使用前后庫存的變化情況，以及核查上游企業開出的增值稅發票、企業的貨運單據等，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銀行資金。同時，對企業未按照約定支付、支付規律出現異常的進行預警，如通過按月定期監測企業賬戶資金往來信息，分析授信企業交易對手是否為與其所在行業有上下游關系的企業，如果交易對手中存在小額貸款公司、擔保公司、典當行等主體，或者在銀行賬戶中含有“投資、證券、基金、期貨、房地產、置業、擔?！钡慕璺浇灰?，企業可能參與了民間借貸。還有企業既有銀行貸款，又通過委托貸款、委托理財等形式借出資金，實際是參與民間借貸。

6、運用大數據分析甄別授信企業的關聯關系和關聯交易風險。借助大數據，銀行可判斷集團企業復雜的關聯關系和關聯交易行為，還原集團關系樹全貌，為精準授信打好基礎。在實踐中，有些企業并不按規定披露關聯方和關聯交易行為的有關內容且關系非常隱蔽，單從表面無法輕易判斷。首先，充分利用銀行信貸風險監測系統、人銀征信系統、互聯網、各省市工商局官方網站、銀碼信息共享系統等技術渠道，深度挖掘，集團企業的股東、投資子公司、擔保或被擔保企業、家族關系等信息，仔細求證，理順授信企業的關聯方信息。通過大范圍的信息挖掘，充分了解授信企業及關聯方的貸款卡信息、負債信息、大事記、對外對內擔保和訴訟情況，不斷質疑，相互印證，通過大范圍的信息挖掘，發現企業刻意隱瞞或藏匿的關聯關系，以此來檢測企業的誠信度，盡職免責。其次，運用大數據挖掘內部關聯交易信息。通過截取一定期間內的所有企業間大額資金往來（包括大額資金調度、大額資金借貸、大宗銷售、大宗采購等）數據的記錄集合，分析企業經常發生的對轉交易、虛假交易、不平等交易、不正常交易等行為的線索和跡象，應順藤摸瓜、不斷跟蹤、深入分析，從而挖掘出企業的隱性關聯交易；第三，建立不正當關聯交易預警模塊。判斷是否存在低買高賣的關聯購銷，是否存在關聯方資金融通關系，是否存在關聯方收取大量資金占用費的情況，密切關注關聯交易中有關資產的無償或低價轉移等。第四，設計總量關聯交易預警閾值，從合并會計報表中揭示關聯交易的程度。當應收（付）款項、預收（付）款項、存貨、營業收入、營業成本、長期投資、投資收益等科目合并前后數額變化很大時，觸發警報并說明集團內部關聯交易程度。通過一系列的關聯交易分析，真實還原集團財務狀況。

7、運用大數據分析授信企業的償債能力?，F金為王，真實的經營性現金流是判斷企業償債力強弱最有效的指標之一。但企業貨款回籠方式復雜，經常是銀行承兌匯票、法人賬戶、個人卡等多種形式并存，如個人卡與法人卡互轉等，給貨款回籠分析帶來一定難度，對于單一中小授信企業的真正經營性現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，可通過銀行內部系統法人資金查詢功能下載企業交易明細清單，在明細清單中進一步分析、剔除非經營性銷售資金，篩選出銷售回籠資金，其公式如下：銷售收入資金=一定時期內賬戶回籠資金-利息收入-無貿易鏈背景的關聯流入資金-內轉流入資金-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，要求提供有法人賬戶、個人卡銀行流水明細、銀行承兌匯票紙質和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。三是深入企業調閱應收賬款明細賬、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果進行對比分析，如果幾種方法數據基本相符則可信度較高，如果幾種方法調查結果差異巨大，則應謹慎處理。同時，企業間的資金來往，主要通過銀行轉賬實現，其存款賬戶的交易明細記錄，可較為真實地反映企業日常運營行為。通過對授信企業某一段時間內的交易量和交易金額的連續統計分析，可以相對準確地掌握其日常業務發展和整體運營情況。一般而言，企業發展如處在穩定或上升期，其交易量和交易金額應整體趨平或呈現上升趨勢，如從某一天起，其交易量和交易金額（借、貸）變少并呈持續下降趨勢，則企業的經營可能出現狀況，授信審批人員需要重點關注。

三、建立大數據完善授信審批決策機制的相關建議

1、樹立大數據的授信審批決策理念。新常態下，建立大數據思維方式是授信審批轉型的首要任務，以往授信審批中，關注企業財務數據，對企業行為數據、企業經營管理數據、同業數據重視不足；關注貸前分析，對企業整個生命周期的一體化數據挖掘整合不足。在大數據時代，要牢固樹立“決策基于數據，信息創造價值”的觀念，應倡導開闊思路，深入挖掘企業資金流、信息流、物流及經營管理數據等，從企業投入產出中尋找關鍵敏感數據，使大數據模式的分析成果及時轉化為提供授信審批的有力依據；要運用大數據挖掘分析技術，找出隱藏在海量數據中的授信企業與信貸風險之間的量化關系，提高非結構化數據轉化為授信審批支持信息的效率。

2、全面整合銀行內外部數據，建設信貸管理大數據平臺。圍繞信用評級、授信審批、貸后監控等信貸管理的關鍵環節，全面整合內部各業務單位的企業相關信息，將各類渠道所有交易中的企業信息、記錄綜合起來，建立一個跨業務條線、跨機構、跨地區統一的數據分析平臺，為銀行集團企業綜合授信奠定堅實的數據基礎。其次，充分利用社交網絡、論壇、微博、微信平臺等外部社會化數據，將分散化數據信息按照企業、渠道、產品等分門別類整合形成統一、多維度的數據庫，提高數據的利用效率。第三，建立適應大數據管理的數據管理體系。由于信貸管理數據不再局限于結構數據，大量的非結構數據應用促使數據標準、數據架構將發生較大變化。商業銀行需重新梳理數據來源，制定數據標準，建立數據采集、處理等一系列管理制度，改善數據收集、清洗、挖掘、應用、評估等的執行效率。

3、完善授信審批管理。首先、轉變授信審批決策模式，通過大數據的積累和利用，改變信息不對稱的現狀，逐步消除傳統“財務報表＋抵質押品”模式，建立以非財務分析為主、財務分析為輔，以第三方信息驗證分析為主、企業自身經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一的風險評判標準，改變以主觀判斷為主的審批方式，以自動化風險預警系統、重點檢查逐步取代人工識別的認定風險、定期檢查的信貸管理方式，將更有助于對企業授信風險的實時監控和處理，提升授信審批的準確性。第二，建立以專家審批替代集體審批的制度。依據不同業務模式，設立專家授信審批隊伍，對于授權范圍內的貸款申請，專家通過數據挖掘對授信企業風險綜合判斷而直接審批，這樣，既能適應企業經營多元復雜化的需要，又能提高審批的專業性和效率。第三、組建企業風險監控中心，即依托大數據，建立風險計量與欺詐防范模型，實現現場調查與非現場分析相結合、數據定量判斷與經驗定性判斷相結合，對授信企業從貸前到貸后全生命周期的風險監測手段。促進授信審批人員站在更高的角度掌握到信貸經營人員所不知的信息，提升信貸審批決策的科學性；推動風控人員在信貸風險監控中，無需等待經辦行和信貸人員上報問題，可以隨時利用系統中來自銀行內、外部的信息對有關授信做出風險預警，實現授信風險的早預警、早報告、早處置。

4、加強大數據人才隊伍建設，營造大數據授信審批文化氛圍。首先，加強授信審批隊伍培訓，強化內外部信息收集印證、類征信工具運用等的培訓，全面提升授信審批人員的整體素質，著力造就數量充足、結構合理、素質優良、表現卓越的大數據分析師；其次，探索建立主動揭示風險的激勵約束機制，激勵各級信貸人員積極主動及時揭示及報告各類授信風險，統一前后臺人員授信風險偏好，有效防控及降低授信風險，不斷提升授信審批水平。

隨著數據挖掘技術的深入運用，銀行獲取信息渠道的不斷增多，從以往主要依賴企業歷史數據信息而逐步轉變為依據不斷變化中的實時行為數據信息進行風險預判的授信決策。通過監控平臺對企業的交易行為和需求信息有了透徹了解，能為企業提供合適產品，并根據企業體驗不斷改進產品和服務，實現信貸風險管理與市場營銷的完美結合。

［1］朱良平.大數據在銀行信貸業務中的應用實踐及建議.中國金融電腦.2015（12）32-37

［2］宋長龍.大數據背景下的銀行信用風險管理.企業改革與管理.2015（10）108-109

［3］江明哲.借鑒大數據相關關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聯企業的難點與對策.管理學文摘.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，中國建設銀行福建分行高級經濟師，研究方向：商業銀行經營管理；福建福州，350003