摘 要：信贷业务是我国商业银行比较核心的业务，信贷风险管理也是商业银行研究的重点课题之一。在大数据时代，借助大数据等新技术进行信贷风险管理和创新已是大势所趋。本文首先指出了现阶段商业银行信贷业务中存在的问题，并对大数据如何推动商业银行信贷业务和风险管理创新做了简要的分析。
关键词：数据；商业银行；信贷业务；风险管理；创新
一、引言
数字经济高速发展的今天，诸如大数据、云计算、人工智能、区块链等一批新技术相继出现，不仅对人们当今的生产生活方式产生了难以估量的影响，也势必会促使传统金融业务进行转型。信贷业务是我国商业银行的主要利润来源，信贷业务发展质量的好坏直接影响着商业银行的盈利水平，信贷风险的防控和信贷业务的创新对于商业银行的稳健经营显得尤为重要。商业银行在长期经营中积累了海量的用户数据，大数据背景下，对于这些用户数据的挖掘、分析和运用，不仅有助于提高商业银行的风险管控水平，而且对于信贷业务的创新有着重要意义。
二、商业银行信贷业务风险管理存在的不足
（一）信息不对称带来信贷风险
信息不对称是造成商业银行信贷风险的主要原因之一。银行和借款者之间由于存在双向选择，不可避免地造成借贷双方无法充分了解对方的全部真实信息，由此带来的信息缺乏和失真会影响信贷决策，信贷决策失误往往带来银行的不良贷款损失。信息不对称在信贷实践中表现为逆向选择和道德风险：那些风险较高的借款者，往往由于存在融资困难而偏好银行贷款，这些借款者对银行信贷的利率定价接受程度较高，更容易得到银行的贷款，使不良贷款形成的概率大大增加。目前商业银行之间竞争激烈，利润空间收窄，使得银行更倾向于选择那些高收益的项目进行放贷，往往忽视了可能产生的高风险。信息不对称往往使银行难以监控信贷资金的去向。中国银保监会公开数据显示，2020年末，我国银行业不良贷款余额3.5万亿元，相较年初增加了2816亿元，不良贷款率1.92％，虽较年初下降了0.06％，但还是占比较大。巨额的不良贷款不仅会造成商业银行的损失，而且也反映出信贷资金未能得到很好的利用，对我国经济社会发展也会产生负面影响。
（二）贷款审批效率低无法适应客户需要
如今我国经济社会高速发展，越来越多的企业选择银行信贷来满足其融资需求，在国家大力扶持小微企业发展的背景下，在破局小微企业融资难的同时，又要规避不断增加的信贷额给银行带来的不确定性，这成为商业银行必须面对的一个难题。小微企业融资一般具有周期短、时效性要求高的特点，传统的信贷审批模式往往需要人工审核，层层审批，存在大量重复环节，因此效率较低难以满足客户的融资需求。在我国金融市场中，商业银行仅是能够提供信贷的机构之一，一些网络借贷平台的兴起已经或多或少地影响到了商业银行的信贷业务，与商业银行贷款相比，网贷平台具有审批条件少、放贷速度快等特点[1]。信贷业务是商业银行的主要经济来源，因此商业银行亟须进行传统业务数字化转型的探索。
（三）贷后管理成本较高
传统的贷后管理以现场检查和非现场检查为主，现场检查主要采用前往贷款对象经营地对其生产经营的实际状况进行检查，一般周期比较长，且需要花费大量人力成本，效率比较低[2]。非现场检查主要是收集借款对象的相关数据进行分析，对贷款的风险进行评估，确定贷后监控策略。如今商业银行的服务对象由大中型国企变为越来越多的个人和小微企业，服务对象数量庞大，贷后风险管理情况也变得更为复杂。如果不加强贷后风险管理，会使商业银行面临巨大损失。传统的非现场检查所收集数据的广度和深度已经满足不了当前的贷后风险管理工作，由于缺乏有效的分析手段，且对于数据信息的挖掘和利用不足，难以抓住关键信息，从而带来了信贷风险。
（四）信贷结构亟待优化
以往商业银行大多是“二八法则”的坚实拥趸者，商业银行的管理者坚信20％的客户创造80％的利润，信贷资源高度集中于企业大客户，对零售业务的重视程度不高[3]。零售业务不仅种类单一且同质化严重，不能很好地适应当今社会消费和生活场景的多样化，难以满足客户的个性化需求，而且零售业务推销的渠道还是以物理网点为主，给银行寻找目标客户带来了不便。信贷资源分布高度集中不仅不利于中小微企业和个人进行融资，而且在一定程度上阻碍了产业结构优化，同时也忽视了潜在的利润增长点。
三、大数据在信贷业务中的应用
（一）利用大数据实现信息对称
商业银行进行信用评估和风险管理依赖于客观数据，在我国当前的信用评级体系中存在严重的信息不对称。以往商业银行在考察客户的贷款偿还能力时主要以客户的银行流水和固定资产等显性数据为参考，随着如今的消费升级，人们的消费习惯也发生了巨大的变化，越来越多的人有了个性化消费的需求，如果还是仅仅依靠银行流水和固定资产这些单调的指标来评判客户的偿还能力，就有可能对客户真实的贷款偿还能力出现判断误差。因此商业银行应当基于大数据建立信息共享平台，利用收集到的海量的客户数据来进行信用评估，充分利用内部和外部的信息，充分整合更多的非结构化信息[4]，对客户的各种交易数据进行信息挖掘，创新信用评估和风险管理指标，从而对信贷风险进行更好的管理。通过海量的数据分析对客户的信用做出全面评价，全面提升评价的真实性。通过对客户可能存在的非理性的消费特点进行分析，精准把握客户的长期偿还能力，以规避潜在的信贷风险。
（二）优化信贷审批流程
借助大数据，对根据客户网络痕迹收集到的海量数据进行挖掘，创新信用评估和风险管理指标，从而实现更加便捷的信贷风险管理。利用数据分析中得到的规律，可以指导商业银行开发一些风险低利润高的金融产品，提高自身竞争力。将大数据和人工智能相结合，根据客户数据构建智能风控体系，通过数据分析出客户个性化的贷款需求，精准刻画客户的风险画像，各商业银行可以结合自己的风险偏好灵活调整贷款后续的审批流程，自动审批通过符合本行风险偏好的贷款。对于需要人工审批干预的信贷项目，可以借助大数据平台，自动生成客户调查报告，借助自动生成的建议贷款额度、贷款期限以及定价等内容，信贷审批人员的工作效率将显著提高。大数据的运用使贷前准入、贷中审批、贷后管理变得越来越灵活高效，避免了人工可能出现的操作风险和道德风险，降低了不良贷款发生的可能性。目前很多银行都推出了个人贷款产品，客户只需要登录银行网页或者通过银行App进行在线申请即可完成贷款办理，无须前往银行实体营业网点。从贷款申请、发放到收回的全程实现了无人化和无纸化，不仅避免了客户烦琐的信息填写提交流程，而且减少了人工信息录入、检索、审核信息的工作量，大大提高了银行内部工作效率，同时优化了客户体验，而且在一定程度上降低了营运成本。大数据技术的应用可以大大提升商业银行信贷业务的办理效率。
（三）建立基于大数据的风险预警系统
对于商业银行来说，风险预警系统可以大大降低商业银行信贷项目的风险，避免许多损失的发生。基于大数据建立信贷风险预警系统，通过大数据接入包括企业和个人在内的各种风控数据，借助云计算等技术对这些数据进行深度加工，通过中间层直接或者与另外一些关联系统交互的方式发挥风险预警作用。在获得客户的基本信息之后，预警系统会将各类信息，包括失信名单、黑白名单、征信情况、工商信息、投融资情况等形成风险视图生成风险扫描报告，可以帮助银行在贷前和信贷申请阶段筛查出欺诈性较高的客户，在贷中借助大数据分析，在确保风险可控的前提下在客户的偿还能力内授信，实现利润和客户满意度的均衡，在贷后利用大数据监测借款人的风险行为，及时发现潜在风险。大数据预警系统可以实现在信贷业务的整个流程内监控客户的各类风险信息，通过对各种风险的预测、预警，追踪高风险行业和地区的贷款流向，监控各类突发事件，评估事发客户风险，商业银行可以及时采取保全措施，降低信贷损失发生的可能性。
（四）创新金融产品满足长尾客户需求
“长尾”（TheLongTail）一词最早是由《连线》杂志主编ChrisAnderson在2004年的“长尾”一文中提出的，表现在需求曲线中就是那条无穷长的尾巴。所谓长尾客户就是小微企业和个人用户，按照传统的方式处理长尾客户业务需要投入大量的人手和精力，这无疑会增加商业银行的经营成本。大数据等一批新技术的发展，使改变商业银行零售业务原有的成本结构，增加零售业务的收益成为可能。借助大数据、区块链等技术，应用各种数理模型，商业银行能够从海量数据中快速抓取、分析关键信息，不仅可以帮助银行精准高效地寻找目标客户，而且可以缩短产品开发周期，为客户提供个性化的金融产品，更好地满足客户需求[5]。
四、结语
在数字经济时代的背景下，将大数据和商业银行信贷业务与风险管理进行结合已经是不可阻挡的潮流和趋势。大数据技术的发展给商业银行的信贷业务和风险管理创新带来了机遇，要积极利用大数据技术解决现存的问题，改变旧有的工作思路和模式，在业务的创新方面下足功夫，才能保证商业银行自身的稳健经营。时至今日，以金融科技为主导的数字化战略已成为我国商业银行进行转型的关键。
作者：李超 单位：青海民族大学
