杨一鹏

天津银行股份有限公司石家庄分行  河北石家庄 050051

摘要：服务实体经济、防控金融风险将是商业银行今后工作的重中之重。大数据技术的发展可以弥补商业银行在风险管理尤其是贷后管理方面的补足。本文对新时代下商业银行贷后管理的变革需求进行分析，阐述大数据在银行贷后的重要性，并提出相应解决对策。充分利用大数据思维，在金融创新和经济发展的同时，为商业银行保驾护航，化解金融风险。

关键词：大数据；商业银行；贷后管理

近年来，伴随“大众创业、万众创新”的大环境，大数据、云计算、物联网、区块链等互联网高新技术获得突飞猛进的发展，同时带动并影响着其他各行业进行创新和革命。新的互联网时代，各类数据信息出现爆发式、指数级的增长,大量数据极大丰富了各类事物的属性，并促进了以数据挖掘和分析为核心的大数据产业发展。

传统商业银行在受到互联网金融科技公司冲击的同时，也会在得益于互联网信息技术并获得迅猛发展。一直以来，商业银行的贷后管理主要依赖信贷系统的数据支持、人工现场检查和非现场监控，贷后管理手段相对单一，且受到检查时间空间的制约,贷后检查质量主要取决于客户经理业务能力、道德水平和综合素质，贷后检查信息较为片面和被动，碎片化程度高。

传统的银行贷后管理手段成本较高，产生的预期效果也十分有限，这块短板可以利用大数据思维进行补足。科学运用大数据技术以及与其相关的创新技术，可以为新时代下优化金融环境、化解金融风险提供前瞻性思路。在大数据时代，利用指数级增长的数据建立起的数据挖掘和分析技术，可以使商业银行传统的被动检查变为主动管理，利用自动非现场贷后风险监测技术实现管理前瞻性。基于大数据的多维度交叉检验分析，能够有效剔除因数据样本过小产生的认知偏差，能够全面、精准、及时地将数据信息背后的关联关系利用量化的数学模型展示出来，将企业运行背后的商业规律予以揭示，避免出现“拍屁股”的决策方式和经验主义，为各类决策提供精准、可靠、科学的依据。

一、新时代的贷后管理需求

商业银行的不良贷款率在近年来出现持续攀升的态势，除受到国内外宏观经济下行的影响，其内部的风险管理模式也存在问题，新的贷后管理需求正逐步凸显出来。

（一）传统贷后管理受到新形势挑战

传统的商业银行贷后管理是基于银行和客户之间较为良好的社会信用基础，且客户的资金流向、生产经营活动较为明确和单一、关联关系整体可控，客户经理仅需对借款人及关联人进行现场调查后，对相关信息和评价要素进行判断，整理贷后管理思路较为清晰和明确。

经过多年发展，尤其是金融环境、金融产品的变化，金融市场日趋复杂，各类金融机构交错复杂，银行类、非银类机构相互合作，产品交集不断扩大，商业银行能够准确获得有效贷后信息的难度不断攀升，面临各种不确定因素不断增多，摆在商业银行面前的是各类新的挑战。

（二）贷后管理经验不足缺乏量化评价

商业银行的传统贷后模式为主办客户经理定期或不定期通过现场调查或非现场监控手段对授信客户进行贷后管理，主要依靠定性因素再结合自身工作经验对风险进行判断，易受到主观意识影响，道德风险也难以避免。这种模式对于工作经验欠缺、资历尚浅的年轻客户经理来说，很多风险隐患会被忽略。这种传统的贷后管理模式手段相对单一、具有局限性，无法对客户的风险暴露进行准确评价，且管理效率较低、质量较差。

（三）银行贷后反欺诈能力亟须提高

市场环境纷杂多变，经济环境不容乐观，各类企业尤其是中小企业的管理水平、前瞻意识、战略规划等各方面不能跟随经济发展主流，由于做出错误判断、涉足无经验行业、扩分过大产能等原因，导致企业经营困难，资金链严重吃紧。企业为持续获得银行贷款，防止银行抽贷，不得不铤而走险，伪造变造财务报表、隐瞒经营现状、恶意做大交易流水、制造虚假担保等恶劣情况，导致商业银行贷后收集的客户信息失真，影响银行对客户的生产经营、资金流向、投资状况、关联交易等情况的准确判断，对准确识别和计量风险造成困难。

二、大数据在银行贷后的重要性

传统的银行贷后工作主要依托于人工，通过客户经理的信息收集、汇总、风险评估、风险计量等形成报告，提交风险管理部门进行风险程度审批。整个流程耗时高、流程长、时效性差。在大数据的支持下，可以实现自动批量获取信息、自动检测信息、自动分析量化信息、自动分层预警，也可以达到“及时实现风险预警、精准锁定风险客户、大幅提高贷后效率”的目的。主要体现在以下几方面：

（一）打通内外信息通道，消除信息不对称性

在经客户授权后，商业银行通过自动收集人行征信系统、税务部门、电力部门、国家信用信息公示系统、法律文书网、企查查、启信宝等第三方平台数据，全方位、多角度获取客户在经营发展、法律诉讼、费用缴纳、信息变更等方面的信息，一方面能够消除银行和客户的信息不对称性，另一方面可以为客户增信，降低客户融资难度，简化客户经理调查手续，提高银行反欺诈能力。例如，前海微众银行的信贷产品微粒贷，利用人民银行征信数据、公安、检察院、法院及教育部门等第三方数据，结合腾讯相关的社交平台数据、消费记录等生成腾讯评分，对客户进行画像，依据评分结果和消费习惯自动确定贷款额度，也提高了其审批效率；蚂蚁金服，可以实现310快速审批，即3分钟审批、1分钟放款、0人工干预；浙江网商银行利用大数据自动评价系统，结合人行征信报告数字解读，建立小微企业信贷数据库，结合对企业日常经营数据的监控，能够预判客户获得贷款后的经营情况、现金流量及偿债能力。

（二）实现自动检测主动防御风险

鉴于目前互联网信息的深度和广度，监管部门、政府机关及某些第三方数据平台均能实时提供客户信息，传统的贷后管理模式仅通过人工方式到不同的网站对单一客户进行信息查询，不能形成有效的预警信息网络。

在大数据支持下构建的贷后管理系统有别于传统贷后管理方法和风险监测技术，它可以通过归集行内外各类系统千百项数据信息，且无需人工干预，确保数据及时性和准确性，在防范道德风险的基础上，提高贷后管理效率。根据归集的数据，通过量化评分模型对企业经营状态进行动态评分，根据评分结果自动生成风险评级结果推送至风险管理人员，实现自动贷后主动防御风险。

（三）深入挖掘客户增质提效

利用大数据进行贷后管理的同时，也可以利用其收集的各类信息进行深入分析，实现数据资源整合，深入挖掘客户内在和预期需求。例如在银行内开立结算账户的客户，对其时点存款、日均存款、流水情况、大额资金变动等数据等进行实时监控，结合对企业财务报表中销售收入、资产规模、净资产等信息的动态监测，可深入挖掘企业资金需求及经营状况，在做好贷后风控管理的同时达到提质增效，满足客户新的融资需求。

三、大数据技术实施

大数据对商业银行的贷后管理进行跨时代的重塑，它将传统贷后管理收集零散、片面和碎片化的信息整合，变被动为主动，利用关联数据的挖掘，将部分非现场贷后风险监测实现自动化，将商业银行的被动检查变为主动性管理。

（一）自动收集数据、动态监测跟踪，实现风控关口前置

与人行征信系统、税务部门、电力部门、国家信用信息公示系统、失信被执行人系统、法律文书网、企查查、启信宝等第三方平台数据对接。自动获取企业信贷记录跟踪企业融资变化及偿还情况；获取纳税金额变化和偷税漏税情况了解企业经营现状；自动获取企业电费变化推算企业生产经营周转情况；自动获取企业更名、股权结构变化等信息了解企业控制人员稳定性；自动获取法律文书信息了解企业涉诉情况及重要程度。依照上述数据重要程度，按日、周、月进行自动收集，导入风控模型进行量化评分，将评分结果及变动情况同步推送至管户客户经理和贷后管理人员，在风险出现的第一时间提醒客户经理和贷后管理人员进行处置，并根据评分结果设定贷后风险管理优先级，对相关人员提出有针对性、分层次开展贷后管理工作的建议。

（二）关键字段自动抓取，实现自动预警

传统的银行贷后管理模式中，人工参与程度较高，导致客户经理或贷后管理人员在国家政策、行业发展、企业现状的获取和解读上存在时滞或者无法获取的情况，一旦相关行业或企业出现状况无法及时采取措施。利用大数据思维，结合爬虫技术，实现对国家政策等新闻媒体关键字的定时自动抓取、汇总、整理，根据信息抓取来源的平台影响力、数据出现频次等信息综合判定风险等级，不定期推送给客户经理及风险管理部门，可达到政策及时传导、调整授信策略、防范企业经营风险、提高贷后管理效率的效果。

（三）利用大数据分析实现远程现场检查

在对大型授信企业、重要授信客户或高风险预警客户进行贷后管理时，可以在基于大数据分析的基础上，对企业进行远程现场检查，例如在企业门口安装感应装置来检测企业每日货车流量；在仓库内安装重力感应装置检测其库存变化；在物流园区、房地产开发项目或者授信客户集中区域设立值守中心，通过无人机技术实现远程自动勘察园区经营状态、固定资产建设进度等。将以上数据和影像反馈至贷后管理中心，结合其他多项综合数据信息进行风险预警判断，可作为贷后常规检查手段，最大限度降低人工成本，提高贷后管理效率。

四、结语与建议

基于大数据的应用，商业银行贷后管理在对海量数据的多维度、多环境的交叉分析后，可以将隐藏在平静数据背后的涌动暗流展示出来并予以揭示，可以将客户经理有限的精力放在更需要人工干预的地方。通过大数据对客户的预警，可以精准发现具有潜在风险的可疑客户，实现“将风险控制在萌芽状态”，以此突出贷后管理重点。随着大数据与社会各界、各行业、各部门的深入融合，商业银行也会在加强信息共享合作的基础上，持续扩大大数据系统的涵盖广度，提升大数据技术在商业银行的适用深度，为银行的发展保驾护航，提升运营效率，实现成本控制，助力银行再次腾飞。

首先，加快风险管理方式的变革，树立大数据思维意识。在信贷管理中尤其是贷后管理中要善于利用新兴技术，深入探索和挖掘与客户生产经营有关的各类信息数据，加强与第三方信息平台的对接，重点培养专业大数据分析团队，作为贷后风险管理的中坚力量，并为未来的专职大数据管理提供人才保障。

其次，加强大数据有关的的信息化平台建设，建立与大数据思维匹配的数据分析管理体系。商业银行应深入研究大数据的采集、清晰、筛选、分析工作，结合行内信贷数据和行外第三方数据，建立和完善协调一致的数据管控体系，实现大数据采集和分析的标准化、流程化。

最后，以客户为中心建立大数据支持下的全面风险管理体系。为客户创造便利信贷环境的同时，做好银行的风险管理工作，把现场检查与非现场监控数据相结合，利用风控模型实现量化评级，通过交叉检验综合判断客户风险程度，实现风险管理的创新。

参考文献：

[1]许佳馨，刘晓星，崇章.大数据对商业银行的影响分析[J].农业发展与金融，2016，（05）.

[2]苏立群.大数据技术在小企业贷后管理中的有效应用[J].上海商业，2017，（01）.

[3]刘从正.浅谈大数据分析与贷后管理[J].赤子(上中旬)，2016，（01）.

[4]姚奕，毕德翌，张广杰.小贷业务的量化风控及大数据应用[J].金融电子化,2017,(03).

[5]江波,黄宇波.商业银行风险管理与大数据思维[J].金融电子化,2017,(02).

[6]崔冬钰.大数据在银行风险管理中的应用[J].金融电子化,2014,(07).

[7]刘钰.大数据在金融风险管理中的应用研究[J].信息系统工程,2018,(04).