大数据时代商业银行对公业务的重塑与再造.docx

大数据时代商业银行对公业务的重塑与再
造
商业银行围绕大数据及其挖掘分析，建立以大数据分析为核心的新型对公业务管理架构，构建全方位的数字化金融 生态服务，重组和再造公司金融业务的获客模式、产品体系 和全周期风控管理模式，将有效提升商业银行服务客户的能 力和服务实体经济的质量。
对公业务既是商业银行服务企业科技创新的重要媒介， 也是商业银行支持中小微企业开展、助力普惠金融和共同富 裕的重要载体，在商业银行的业务开展中占据着举足轻重的 地位。与此同时，商业银行对公业务开展的内外部环境也面 临着不断的变革，尤其是数据对提高生产率及资源配置效率、 优化经济结构的作用日益凸显，已成为推动经济高质量开展 新动能。
2020年4月，党中央、国务院联合发布《中共中央国 务院关于构建更加完善的要素市场化配置体制机制的意见》, 首次将“数据”列为第五大生产要素，具有鲜明的时代背景和 深远意义。在以数据为新型生产要素的大数据时代里，重塑、 再造、优化、提升对公业务的开展模式，是商业银行强化核 心竞争力和差异化竞争优势的重要方式。
1获客营销模式的重塑
在传统信贷模式下，对公客户的获客方式，一是通过用 户流水分析筛选客户；二是采用“扫街”“扫楼”“扫园区”的“人 海战术”。这两种模式的共同缺陷是拓展业务的目标不精确、 获客模式单一、人力本钱高、时间本钱高、客源量少、获客 效率低。
在大数据时代，商业银行的对公业务将使用海量的产业 大数据，采用云计算、人工智能等技术对公司金融客户进行 分析，绘制产业图谱和企业图谱，构建从产业到企业的完整 动态全景画像，定位景气产业及上下游关联行业，挖掘出更 多高价值的对公客户，尤其是面对金融需求旺盛、风险状况 复杂的中小微企业，融合商业银行过往获取的客户信息，形 成数据交叉验证，以此判断用户的上下游关联关系等过往难 以获知的信息，将获客由被动变主动，提高对公业务获客的 精准度。应用大数据情形下，商业银行以场景嵌入、精准营 销等方式，突破时间、空间的限制进行精准获客。通过平台 建设、场景应用与数据驱动，对公业务的精准营销在控制客 户风险的同时，降低了获客本钱，拓宽了获客渠道，重构了 对公业务营销闭环，满足了对公业务客户需求，提升了对公 业务用户体验。
基于用户的大数据和信用评级模型，还可以探索建立商 业银行对公用户大数据库和白名单机制，对白名单用户进行 预授信，并定向邀请，精准邀请而来的用户在申请对公业务 贷款时，可以简化审批流程，甚至无须信用评估直接放款。 大数据精准营销模式下，白名单机制也使得商业银行对公业 务获客变被动为主动，主动获取高意向精准客户，提升对公 业务的服务质量和效率。
2全周期风控管控流程的再造
传统对公业务的信贷风控管理模式，主要是基于信贷用 户的强资料、以人工审核的方式进行审批，其缺陷是数据维 度单一、材料易于造假、审核周期和授信决策严重依赖业务 专家个体的能力和经验，因此难以保证授信的平安性、及时 性和公平性。但在大数据风控场景中引入大数据挖掘、机器 学习等前沿人工智能技术，可以改变商业银行在对公业务信 息核实、授信决策等关键环节的工作模式，实现对公业务从 业务驱动型信贷管理模式向业务与数据共同驱动的智能审 批管理模式转型升级，显著提升商业银行对公业务信贷风险 的管控能力。大数据技术对于对公业务风控管理的重塑再造 表达在对公业务的全流程全周期当中。
在贷前管理环节，大数据对公信贷业务风控模型会依托 资金需求方的生产数据、业务数据、合同数据、财税数据、 人力资源管理数据等多维非金融大数据，通过采用多来源、 多维度、弱关联变量数据，分析大数据中的关键指标信息, 综合表达对公客户的风险状况。在授信阶段，通过大数据多 维度算法改进传统的内部评级模型，对不同风险状况的潜在 客户进行全新分级，以此为基础对用户的授信定额，实现对 公业务客户的智能准入。
在贷中管理环节，信用风险尤其是欺诈风险的防范需要 利用更多的大数据和更为复杂的建模技术。商业银行在该环 节要综合利用客户的生产维度数据、设备维度数据、业务维 度数据、交易维度数据、员工维度数据、财税维度数据等多 源多维数据，借助大数据算法建立用户欺诈风险的识别模型, 实时监测借款人的信用变化、债务新增、流水异动、联系状 态异常等信息，自动识别预警，提前介入管理。在贷中客户 运营层面，可以基于客户行为数据，将不同行为用户划定不 同的生命周期，再对不同生命周期用户做精细化运营，采用 不同的营销方式，以保证客户黏性，提升客户活跃度和留存 率。
在贷后管理环节，一方面，针对失联修复问题，对大部 分商业银行而言，只使用贷款人当时提供的联系方式会使贷 后催收变得非常困难，不良资产管控是贷后管理的重点，而 失联修复那么是化解存量不良资产的先决条件。大数据在该环 节亦可发挥重要作用，商业银行应综合利用借款人及其关联 者的多源数据修复失联客户信息，帮助催收部门重新与借款 人取得联系，从而提升失联的修复率，有效化解存量的不良 资产。另一方面，在催收机制方面，基于用户多维度数据, 可以构建智能催收系统，对不同逾期情况、不同风险等级、 不同价值、不同行为习惯的对公客户，经大数据分析建模后 匹配不同的催收方式，以保证催收的有效性和客户体验。
3对公业务金融产品的升级
大数据时代，商业银行与信贷客户的互动方式被完全颠 覆，商业银行应当在全新的数字网络空间下重新定义信贷客 户关系、客户结构与产品服务认知。对公业务数字化并不仅 仅是线下对公业务向线上迁移，也不只是大数据能力的构建, 而是基于商业银行自身的客户定位，采用数字化技术为对公 信贷客户提供差异化、智能化、个性化的产品与服务。
一方面，商业银行应致力于打造生态圈银行，借助大数 据和大数据算法全方位打造场景化金融产品。打造或嵌入生 态圈对商业银行具有战略性价值，银行服务正在“隐形化”， 应从客户需求角度出发，通过提供“金融+非金融”服务，开发 具有独特性的场景化创新产品，并基于客户反应持续优化迭 代。生态圈银行战略能够为商业银行更便捷、更多源地提供 海量数据，进而帮助银行触达更多潜在客户、更精准的分析 用户、以更有针对性的产品服务客户、更稳健的管理业务风 险。
另一方面，商业银行可依据大数据优势将金融产品无缝 嵌入到供应链中。大数据为商业银行深入融合产业供应链提 供了可能。大数据时代下的供应链金融业务中，银行产品可 以无缝嵌入产业链、供应链当中，如提供运输、融资担保、 保险等服务，商业银行此时作为联系窗口可以协调整个链条。 在这样的情形下，商业银行的供应链金融业务进化成了聚合、 高效、弱中心化的融资方式。近年来，国内不少商业银行积 极开拓新型供应链金融产品，打造了多个供应链金融线上平 台，丰富了商业银行供应链金融的服务生态圈。
此外，大数据还颠覆了传统的基于风险调整资本回报率 的定价模式，为构建差异化、精细化的服务价格体系提供了 可行路径。借助大数据，商业银行能够制定面向特定客户、 特定产品的精准定价算法体系，这就可以为客户经理提供结构化的指导方案和动态化的价格效果跟踪工具，为信贷客户 和商业银行赋能，在一定程度上也优化了业务激励机制。
大数据时代邮储银行对公业务的转型实践
长期以来，中国邮政储蓄银行高度重视大数据的价值和 大数据应用技术。
一方面，邮储银行注重大数据基础设施的建设。早在 2013年就搭建了大数据平台，广泛接入了客户数据、交易数 据和行外非结构化数据，大数据平台的数据总容量已经超过 了 22 PBO这些大数据已深度应用于客户信用评级、客户画 像、业务报表加工等对公业务领域。此外，基于大数据分析 算法的、实现精准营销和客户精细化管理的邮储银行公司客 户营销2. 0系统也已上线运行近4年。
另一方面，邮储银行全面加速对公业务的数字化和数据 化转型，邮储银行将公司金融业务开展视为系统性工程，构 筑和完善了基础存贷、交易银行、投资银行三大产品体系。
借助人工智能、大数据、区块链等技术，邮储银行业技深度 融合，产品敏捷迭代，加快推进数字化场景生态建设，打造 了“金融+服务”的对公业务生态圈，开发了如“科技贷”、新型 “政银担”产品、三农“极速贷”、小企业“小微易贷”等多项极 具特色的优势产品，助力对公金融服务数字化、数据化，提 升金融服务水平，打造形成了大数据驱动下的邮储银行公司 金融品牌。
总之，在大数据时代，商业银行围绕大数据及其挖掘分 析，建立以大数据分析为核心的新型对公业务管理架构，构 建全方位的数字化金融生态服务，重组和再造公司金融业务 的获客模式、产品体系和全周期风控管理模式，将有效提升 商业银行服务客户的能力和服务实体经济的质量，助推金融 行业和国民经济高质量开展。