【摘要】在互联网金融高速发展的今天，大数据技术日益成熟和完善。大数据技术可以助力商业银行实现精准的信贷风险管理，并在与互联网金融公司的激烈角逐中，发现新的市场契机。本文指出了商业银行信贷管理中存在的问题，并分析了大数据技术在互联网金融领域的作用与优势，提出了基于大数据的商业银行信贷风险管理的具体策略，即深入挖掘商业银行内外部数据资源，重建风险评估模型，动态监控信贷风险和提升信贷管理人员综合素质等策略。
【关键词】大数据；商业银行；信贷风险管理
一、大数据简介
随着互联网技术的高速发展，人类在日常工作生活中积累了巨量的数据，并以指数形式增长。数据采集是数据处理流程中的第一步，现在常用的数据采集手段有传感器收集、检索分类工具以及条形码技术。数据处理是将结构复杂的数据转换成单一、有价值的结构，将错误、无用的离群数据进行过滤，最后将整理好的数据进行集成和存储。数据分析是大数据处理流程中核心的部分，它以处理和集成后的数据为原始数据，通过云计算，利用分布式数据库和批处理技术对数据进行精准的处理和分析。最后，使用形象的数据解释让用户更便捷的理解和应用数据分析的结果。大数据技术的日趋完善，给商业银行带来了新的机遇和挑战，基于大数据的信贷风险管理将助力商业银行实现精准营销。利用大数据技术，商业银行可以全面收集客户的结构性与非结构性数据，建立精准的风险评估模型，动态监控客户的资金数据。基于大数据的商业银行信贷风险管理研究十分必要。
二、商业银行信贷管理存在的问题
1.长尾客户市场被信贷体系排除
银行的最大风险来源于信用风险。为了应对该风险，商业银行通常会遵循二八定律，选取具有较高盈利能力和竞争优势的企业。商业银行的贷款集中于20%的优质企业与个人，而80%的长尾客户却遭到了商业银行的金融排斥。因为在传统的风险控制及信贷评价标准下，仅大型企业和国有企业具有良好的信用状况和较强的盈利能力，而80%的小微企业及创业企业则不具备这一优势，所以常年被商业银行排除在信贷体系之外。小微企业和创业企业由于不具有抵押物和担保品，则在贷款时遭到银行的放弃。但是我们国家有大量的小微企业急需贷款，顺应国家供给侧的改革制度，商业银行应该将部分资金投入到大量的小微企业中来，以解决这些企业的资金需求。
2.数据信息较为陈旧
商业银行在审批贷款时，信用情况的调查几乎只凭借客户的征信记录，信用渠道十分狭窄，数据更新速度缓慢，信息十分陈旧。客户经理主要依据客户的稳定收入来判断客户的还款能力，但此举不够客观。商业银行没有充分利用互联网平台全面获取客户的大数据，并进行交叉验证，比如客户是否有其他的额外收入和消费情况。因此商业银行需要和第三方平台及国家工商、税务等部门协同工作，掌握客户的全方位动态，才能掌握准确、动态的数据，从而减少信息不对称现象，降低商业信贷风险。
3.信贷风险评级模型落后
大部分商业银行至今仍沿用传统的风险评估手段。随着大数据时代的到来，银行将能够获得来自互联网的大量数据信息，若要对这些数据信息进行有效的处理，银行必须要提高信用评级的精准度，即在原有的计算机技术的基础上，利用数据挖掘技术和区块链技术建立先进而合理的评级模型，从而对信贷风险做出正确的评估，以减少银行的不良贷款率。
三、大数据在互联网金融时代的优势
1.降低信息不对称
通过区块链技术可以获得企业的广泛信息，通过大数据分析可以从目标企业的交易行为中剥离出企业特征。这些重要数据主要包括财务信息、征信信息、行业信息账户、结算信息、税务、海关、公检法水电煤气、股权结构、担保关系以及投资关系等。当银行获得真实信息后，可以建立相关授信模型，评级模型，风险监测系统和预警系统。这样就可以实行贷前准入制度、贷中决策支持系统和贷后预警管理系统。科技赋能可以降低银行与企业之间的信息不对称，从而使得盈利能力较好的中小微企业能获得信用贷款。金融科技也是国家正在着力建设的新兴技术，金融科技可以有效提高商业银行搜寻全方位数据的效率，可以有效降低不良贷款率，商业银行可以通过大数据技术监控企业和个人的动态信息，为信用评级建立良好的数据基础。
2.增强信贷的智能化管理
智能化管理将会贯穿在信用贷款的贷前、贷中、贷后各个环节，从而做到及时识别风险并控制风险。贷前，通过大数据平台整理贷款客户大量信息，通过数据挖掘技术迅速处理信息，从而减少了人工收集信息的成本。贷中，商业银行赋予不同的企业和个人以不同的信用等级，精准识别客户的财务状况及还款能力。贷后，通过大数据平台的数据及时更新，深入了解贷款企业或个人的最新财务状况，当发生金融诈骗或者贷款企业及个人出现严重的财务危机时，商业银行要及时启动预警机制，商业银行可以及时终止贷款，或及时拍卖客户的抵押物。智能化管理实现了全方位的动态管理，能及时识别虚假信息，使商业银行实现精准的信用风险控制。
3.信贷风险评估模式更加精准
得益于对大数据的充分利用，互联网金融企业在近年来得到了极大的发展。当客户产生经济行为，必然在互联网留下层层印记。利用数据挖掘技术，可以对客户在网络上产生的数据进行汇总分析，从而对其信用等级进行科学的评估，从而准确的预测客户的行为，并建立精确的风险评估模型。利用大数据进行风险评估，与传统的风险评估相对比，具有更高的效率和精准性。大数据可以实现实时分析和动态监控，在短时间内对客户的信用风险做出评判，并建立监控机制和预警机制。互联网金融公司对商业银行造成了巨大的竞争压力，商业银行必须改变传统的信贷风险评估模式，才能应对互联网金融公司带来的严峻挑战并把握机遇。
4.优化信贷审批的流程
互联网金融公司在进行信贷业务处理时，主要通过电子软件在互联网平台进行数据的计算、分析和处理，客户只需要在手机移动端或电脑端申请网上信贷服务即可，不需要费时费力地去银行排队等候，业务处理及时高效。商业银行在与互联网金融公司竞争的过程中，若要赢得市场，就必须要优化信贷审批流程，提高信贷业务审批的效率，只有这样，才能进一步增加信贷业务数量，提高商业银行的盈利水平。
四、基于大数据的商业银行信贷风险管理策略
1.利用大数据技术，深入挖掘商业银行内外部数据资源
内部资源主要包括银行打造的有经营管理权的B2B、B2C、O2O等网络金融平台。不断细分金融市场，开发丰富的网络金融产品，使客户有充分的自主选择权利。通过电脑客户端和手机客户端收集贷款人的个人资金信息，开发商业银行的自主扫码支付功能，可以效仿支付宝的支付手段，以获得更多的客户金融数据。为客户的信用评级和评估模型，奠定良好的数据基础。外部数据十分丰富，包括其他银行、税务、工商、公安、法院等部门以及第三方平台、电商平台、互联网金融支付平台等多渠道的信息资源，通过客户的缴税情况、经营状况、诉讼状况、消费水平等综合评估客户的信贷风险，由于数据来源广泛，准确度不尽相同，所以商业银行要对大量的非结构性数据进行有效的处理，从而筛选出高品质的精准信息。
2.重建风险评估模型
在传统的信用评级的基础上，商业银行需要充分利用大数据分析中的数据挖掘技术建立客户信用风险评估模型。在充分收集数据之后，建立个人金融信息的数据库，商业银行可以依靠数据库技术存储、管理和分析相关信息，建立企业或个人的信用档案资料，定量分析大数据，为信贷管理决策提供科学的依据。智能化的数据挖掘技术，具有五大数据处理功能，即数据收集、数据选择、数据转换、数据清理、数据推导等功能。它可以帮助银行从客户的大型数据库中剥离出以往没有发现的、可操作的信息，用于银行的关键性决策。数据挖掘技术可以实现信用风险控制的精准性，从而增强商业银行的信贷风险控制能力。
3.动态监控信贷风险
随着大数据技术在金融领域的迅猛发展，商业银行在控制信贷风险方面，可以实现动态管理。贷前可设置严格的准入门槛，提前将潜在的违法犯罪活动进行遏制。当客户的贷款额度与标准不符，通过数据挖掘技术将把此类客户剔除在贷款门槛之外。贷中可改变传统的授信风险控制模式，建立精准的风险控制模型。商业银行可充分利用银行内部数据和外部数据，对于客户的信用进行评分，从而确定信用等级及贷款额度，新型信贷控制模型可以综合评估客户的真实资金水平和还款能力。贷后进行强化远程监控。放贷后，商业银行可通过非现场监控贷款的流向和贷款人的还款履约能力，通过信贷评估模型自动识别、分析客户的动态数据。对于资金流动异常的客户，客户经理将进行实时的排查，对于风险较大或者具有违法行为的客户，商业银行将通过人工介入收回贷款或者对客户的抵押物进行市场拍卖。
4.提升信贷管理人员综合素质
在信息时代，大数据渗透金融行业，发挥出越来越重要的作用，懂得大数据技术的人才也成为商业银行的重要人力资源。因此如何提高商业银行风险管理人员的综合素质，成为商业银行能够长远发展的重要保障。有了大数据人才的储备，才能有效建立信贷风险管理体系，并减少不良贷款率，使商业银行信贷业务获得持续性发展，为了培养高素质行业人才，需要建立严格的培训机制，制定合理培训计划，建立严格的考核机制，从而提高商业银行信贷风险管理人才的综合素质，在与同行业及互联网金融公司的竞争中树立核心竞争力。商业银行可以从高校聘请大数据技术的专家，也可以从互联网金融公司聘请有实战经验的人员作为培训老师，要制定培训的目标与内容，信贷风险管理与大数据技术即是培训的主要内容，确定具体的培训时间及周期。让每一个学员都能学到大数据知识，以达到培训的预期效果。最后建立严格的考核机制，答题采用网上答题的方式，如果考核成绩不过关，可给予一次补考机会，将考核与员工年度绩效考核挂钩，以增加员工的学习动力和压力，最终大幅提升商业银行信贷员工的综合素质。
作者：姚安琦 单位：澳大利亚墨尔本大学金融与会计专业
