耿心偉
中國有2800萬家小微企業(不含個體工商戶),分散在全國各地,而且處在動態增長之中,逐戶摸底調查是不可能的。對納稅信用等級高的企業,根據銀行個性化的條件做初篩,通過數據模型,可以瞬間獲取大量優質的企業用戶。用數據模型初篩的好處是高效精準,最大限度節省了人力成本。
在信貸審批決策過程引入數據做輔助決策。將企業涉稅數據結合工商、司法、征信等數據,通過數據模型分析處理轉化為可視化、指標化的企業征信報告,結合數據驅動模型和審批規則,可為審批決策提供可靠的助力。在此階段引入數據與風控模型,可節省大量的上門調查時間與成本,提升效率。
在貸后引入大數據風險監測。利用成千項數據指標、數據模型以及預警規則,可形成預警信息,結合銀行的個性需求,對企業做動態監控,一旦數據超過正常范圍,則發送預警給檢查人員做線下核實處理。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。總行甚至可以通過系統管控風險、規避貸后管理自下而上的道德風險。
對一些體量較小的銀行,引入一套貸前篩選、貸中審批、貸后監控的全流程自動化、數據化、標準化解決方案,并部署到銀行的客戶管理、信貸管理、貸后管控系統中,可以最大程度上節省小微企業信貸服務的成本,同時控制不良率的發生。
大數據將成為行業變革的重要驅動力。大數據將會像電力一樣普及,其重要性可想而知。……