利用大數據技術加強銀行小微企業客戶風險管理

孫玉波+宋旭東+王濤

【摘 要】我國當前大力發展小微企業，而小微企業融資難問題仍沒有根本解決。其中關鍵問題是商業銀行現有風險管理體系與小微企業的融資特點不符。文章從小微企業的特點入手，從商業銀行的視角分析大數據應用于小微企業風險管理的可行性，具體的應用方式和路徑，最后提出建設性的建議。

【關鍵詞】大數據；商業銀行；小微企業；風險管理

工商部門的統計結果表明，我國現有的企業中90%都是小微企業，金融資本的逐利性決定了對小微企業的信貸支持將是未來發展方向。但銀行業卻久有綢繆，實質進展不大，其中很重要的一個原因就是小微企業的風險管理一直是制約信貸投放的瓶頸。大數據時代的到來，意味著萬事俱備，東風已至，利用大數據技術，創新小微企業信貸風險管理模式，將成為化解這一難題的重大突破口。大數據可以為商業銀行提供分析數據，進行客戶分類，加強信息管理，進行預警提示，建立客戶負面清單，完成風險管控。對小微企業的風險管理應再造新的流程，改變當前的客戶經理主導的貸后風險管控模式，代之以數據集中處理的非物理的云端管理模式，自上而下進行風險管理。

一、小微企業融資需求及融資瓶頸

小微企業具有規模小、經營決策權高度集中、公司治理不規范、公司主要管理者水平及思路決定企業成敗、在行業分布上趨向兩個極端、關聯交易較為復雜隱蔽等主要特征。“小微企業資金來源以自籌為主，占比約為80%，需求額度主要集中在100萬以內。而且貸款要求短、急、頻、快”①。其特點決定其融資瓶頸具體體現在以下幾個方面：

（一）信息不對稱制約銀行融資評價

商業銀行現有評價體系比較適合大中型企業，從管理制度、領導力評價、到技術創新、市場占比，到財務指標分析，小微企業很難在這些方面得到較高評價。若僅僅以企業提供的財務報表等信息為主要依據進行授信評級，往往會導致評價結果失真，使銀行信貸資金面臨較大風險。

（二）銀行資金監管技術水平有待于提高

小微企業家族式的特點，導致其關聯交易比較復雜，銀行客戶經理缺乏對企業資金流進行跟蹤分析的手段，有的企業在出現風險時，為了迷惑銀行，甚至用民間借貸資金倒賬。如果企業主有意規避監督，客戶經理很難識別關聯方，若關聯企業不納入銀行統一監管的范疇，很容易造成一榮俱榮，一損俱損的局面。

（三）企業缺乏有效的抵押擔保

小微企業經營規模較小，大多輕資產，生產經營的土地、廠房很多是租賃的，機器設備因為是專用設備很難被銀行接受，也很難找到被銀行接受的第三方為其擔保。這不符合金融機構對抵押物的風險偏好。

（四）社會風險分擔機制缺失

我國目前還缺少成型的“企業資本基金”“企業擔保基金”等政府及專門機構設置的風險分擔機制。原有的一些政府助保金等項目因機制不健全，風險承擔能力不足等因素基本處于萎縮狀態，政府介入及干預不足，導致銀行顧慮較多。

二、大數據的應用基礎及可行性

大數據應用重點解決資金供需雙方之間信息不對稱的問題，并建立信息的快速處理機制。信息來源主要有三個方面：

（一）銀行自身數據源

銀行業通過多年的經營積累，掌握了大量客戶的信息數據，可以有針對性的對客戶數據進行提取。大數據和云計算的結合使得銀行對小企業和個人的交易及現金流等情況進行全流程跟蹤成為可能，有效解決了信息不對稱、成本過高的問題。更為重要的是，可以有效避免人為評價的偏差，更好地提升評價的客觀性。

（二）憑借互聯網開放平臺的渠道優勢進行數據挖掘

現代人的生產生活已經離不開各類數據平臺，小微企業客戶及其負責人的信息充斥了發達的信息網絡，包括社交網站以及搜索引擎、物聯網和電子商務等平臺，將人們之間的人脈關系、情緒、興趣愛好、購物習慣等生活模式以及經歷一網打盡，并將其加入到巨大的個人信息庫中。利用搜索引擎尋找準確和豐富的數據，會讓信貸決策從被動轉變為主動，分析提煉后的大數據信息為銀行信貸審批與決策提供了一個新的視角和工具，更為貸后管理編制有效的防控網。

（三）各類專業平臺

全民信用評價的時機基本成熟。商業銀行應積極與公安系統，稅務系統、海關系統、法院系統等協作，建立查詢入口，實行動態負面清單制度，增強預警提示功能，提升風險管理的主動性。商業銀行應該擴大征信系統信息來源，首先，可以推進跨平臺、跨區域、跨條線的數據整合，引進人民銀行、工商、法院和稅務等第三方數據。其次，小微企業的廠區水費、電費、銀行流水等日常運營所產生的費用更能真實地反映企業的經營狀況，可以與生活繳費事業單位、銀聯、交通運輸部門和互聯網電商平臺等數據實現對接。另外，應取得監管系統的支持，加強同業協作，實現數據共享，特別是風險信息共享。

三、大數據在小微企業風險管理中的應用方式

（一）自上而下的管理模式

徹底改變傳統的基層客戶經理負責的客戶管理模式，而是采取零售業的集合式管理，發起方為上層經營管理者，而非基層客戶經理；上層在細分產品的同時，主導為客戶的管理提供一個專業化的支撐平臺，通過數據清洗、數據篩選、建立模型等手段，結合業務發展的規律，發掘隱藏在數據背后的發展規律，對客戶進行系統分類及風險預警。從貸前的客戶分析、貸中的審查審批到貸后的風險管理，設計出縱橫交織的信息網絡，由客戶主動提供自身信息再加上采集的各類信息，勾勒出客戶的風險狀況，預測未來經營趨勢，判斷最有可能發生風險的關鍵點，并實時加以監控。通過系統追蹤，發起并完成全流程風險管理。

（二）負面及問題清單管理模式

在對小微企業客戶進行風險管理的過程中，應建立問題清單庫，一方面立足現有數據，把“死數據”激活。商業銀行經過幾十年的發展，信貸與結算現有系統和檔案已經累計了海量的小企業數據，加強對現有數據的挖掘；另一方面加強與移動電信、公共繳費事業單位、交通運輸管理部門、銀聯、電商平臺、微信、微博、第三方平臺等社交網絡等“大數據”平臺的合作和共享，引入在逃、吸毒人員信息庫、國證通系統、社保系統、企業 ER P系統等外部數據，全方位了解小微客戶行為特征，進一步豐富小微企業數據維度，豐富風險視角。endprint

（三）實時預警管理模式

傳統的商業銀行貸后管理主要是通過線下跟蹤企業的貸后財務信息、生產經營狀況和抵質押品價值等信息，完成風險管控。而這種方式管理小企業既消耗客戶經理大量精力又難以達到理想效果。利用“大數據”進行風險預警，通過掌握小微企業的用水、用電、庫存、銀行流水等情況，挖掘企業的支出、賬戶變動等數據；通過公安、司法數據庫信息，排查企業參與民間借貸、涉訴等經濟糾紛情況；通過同業和人民銀行征信等數據系統，了解企業在同業的貸款質量及誠信情況；通過工商、稅務數據系統，了解企業股權變更及銷售收入變化情況等等，全方位開展數據篩選、數據關聯、模型分析，多角度、多維度對比分析異常數據，甄別客戶的經營情況，捕捉異常信息并做出風險預警，及時進行風險提示，實時進行人工干預。

（四）系統模塊管理，人工干預相結合模式

正常業務流程中，完全可以采用系統管理模式，自動篩選目標客戶，自動進行客戶評價，自動進行業務審批，自動進行貸后管理。在數據異常需要進行核實時，將會提示人工干預，進入人工風險管理流程，進行現場調查或對異常情況進行排除，以及對風險客戶進行貸后管理。人工干預將作為補充和完善，以確保精準授信，力求將風險降到最低。

（1.中國建設銀行威海分行，山東 威海 264200；2煙臺銀行，山東 煙臺264000）

注釋：

①引自《河南省小微企業對融資需求呈現三大特點》，李棟2013年12月。

參考文獻：

[1]施剛.國外商業銀行小微企業信貸模式比較與啟示[J].金融論壇，2016（01）：40-49，71.

[2]曾剛.積極關注互聯網金融的特點和發展-基于貨幣金融理論視角[J].銀行家，2012（11）：11-13.

[3]陳華請.我國商業銀行小微企業信貸風險管理研究[J].中小企業管理與科技，2015（3）：82-83.

[4]石興賢.淺析商業銀行小微企業貸款信用風險管理措施[J].2017（3）.

作者簡介：

孫玉波，女，山東威海人，現供職于建設銀行威海分行。

宋旭東，男，山東威海人，現供職于建設銀行威海分行。

王濤，男，山東威海人，現供職于煙臺銀行。endprint