• 快捷搜索
  • 全站搜索

拥抱大数据,推动业务转型发展

2017-05-19 15:26:23作者:上海银行信息技术部开发中心副总经理 邬敏炜编辑:金融咨询网
在新形势下,商业银行需要主动融入金融科技变局,吸收互联网创新发展成果,利用大数据处理和数学建模分析提升风险管理能力,将数据应用上升为银行的经营核心和创新来源,实现数据技术与经营管理的高度融合,成为银行不可复制的竞争力。

伴随中国经济黄金10 年的高速发展,中国银行业取得了巨大的发展成就。但是,受全球金融危机的影响,在未来相当长一段时间,中国经济将处于增长速度换档、结构调整、刺激政策消化三期叠加的复杂环境。同时,以云计算、互联网、大数据为代表的金融科技风起云涌,迅速向金融领域渗透融合,金融脱媒和利率市场化加速演进,银行业务结构调整和跨界竞争加剧,出现了支付脱媒和融资脱媒的新格局。在新形势下,商业银行需要主动融入金融科技变局,吸收互联网创新发展成果,利用大数据处理和数学建模分析提升风险管理能力,将数据应用上升为银行的经营核心和创新来源,实现数据技术与经营管理的高度融合,成为银行不可复制的竞争力。

图片3.jpg
 文 / 上海银行信息技术部开发中心副总经理 邬敏炜

交易银行被赋予新内涵
 
       当越来越多的行为可以被识别、观察、记录和分析时,我们就可以积累起巨大的数据财富。对这些散落各处的数据进行集中、整合、共享、挖掘,将可以提供准确的营销服务和风险控制决策依据。在公司金融领域,工业4.0、智能制造、电子商务、现代化物流正在将越来越多的生产经营活动数据化,使交易银行被赋予新的内涵,即围绕各类“交易”行为,以账户管理为核心,以掌握信息流、资金流和物流为基础,设计不同形式的产品或产品组合为客户提供匹配性的金融服务。

       商业银行应以交易银行为核心,努力提高各类金融产品和服务的信息化水平,促进银行系统与客户系统的融合,推动互联网、移动互联网、物联网技术在交易业务中的广泛应用,提高公司金融业务中的人工替代率,改善客户使用的便捷性和体验感。通过直接对接企业ERP、财务管理系统、采购管理平台、物流管理平台等系统,获得设计研发、原料采购、生产能耗、商品销售、仓储配送、售后服务、财务结算、员工薪酬福利等经营数据,将管理范围从财务报表扩大到生产经营活动的方方面面,用更强大的数据采集能力和更先进的数据分析技术,将企业分布于各处的信息数据进行抓取收集、整理和分析,一方面实现对客户行为需求的准确把握,建立统一的客户标签和客户画像,形成全景视图,推行精准营销,提供为企业量身定制的支付结算、现金管理、贸易融资、供应链金融、资产托管等一揽子金融服务;另一方面还可以有效促进管理人员掌握真实透明的各种客户交易信息,资金流、物流及信息流清晰可见,改变单一倚赖抵押担保的传统风险控制手段,利用交易过程中收集和积累的大量数据沉淀对客户进行更细致的分析、更精准的画像、更准确的判断。从企业的实际运营情况出发,进一步精准地对客户进行风险评价和控制,实现对企业资金流、物流及信息流的高频度严格监控,为风险管理创新提供更多有价值的判断依据,建立符合自身管理特点的风险控制体系。

       上海银行新建的交易银行系统在整合企业现金管理、供应链金融等系统的基础上,打造了集支付结算、本外币贸易融资、现金管理、资金监管与清算、投资理财等功能于一体的综合金融服务平台。对内通过对应收类、预付类和存货类供应链产品交易要素进行灵活多样的产品配置,组件化的业务模块管理,打通现金管理平台和在线e 融资,与核心系统、企业级客户信息、信贷管理等内部系统建立交互接口,并借助现金管理门户、银企直连、企业网银等电子服务渠道,实现参数化和在线化的供应链融资管理,以满足不同客群、不同用户习惯的服务体验要求。对外作为主要外联平台,与核心企业ERP 系统、第三方数据平台系统、要素市场管理系统、仓储机构监管平台等外部系统进行无缝对接,实时联动和获取企业客户的交易数据、资金流数据、物流数据,成为统一的客户交易数据的汇总平台,并依托这些数据开展实时风险监控。
 
零售业务的新思路
 
       在零售业务领域,传统金融的风控主要利用客户提供的年龄、职业、收入、学历、工作单位、资产信息和人民银行征信中的还贷记录等信用属性强大的金融数据来进行打分。依据评分来判断客户的还款能力,以决定是否贷款以及贷款额度。但是随着市场竞争加剧,授信对象逐渐扩大,传统风控模型无论从决策效率上还是覆盖度上都已经无法满足风险管理的要求。而在另一方面,随着智能手机、可穿戴设备的普及和人们生活方式的变化,越来越多的生活行为都变成了数据。比如在电商网站上,用户的任何一个事件,不仅仅是购买,甚至是搜索、点击、浏览,都被记录下来。随着这些行为数据不断增多,我们看到用户的兴趣爱好,分析他的消费水平,进一步预测他需要什么,他愿意为什么而花钱。互联网电商充分利用其数据和场景优势,将风险和产品、场景结合起来,从产品设计初始即开始考虑风险控制,真实消费锁定授信用途,合理化定价,金融和产品、场景巧妙结合,基于电商大数据进行风控模型、策略开发,辅以电商体系强大的线上营销能力和良好的用户体验,变成用户的支付首选,形成高频使用的健康生态,另辟蹊径地形成一套结合产品营销和风险管理的完整体系框架。

       商业银行应当跳出银行的固有思维,充分利用新思维、新技术、新方法有效地捕捉、识别、掌握跟客户有关的各类金融和非金融数据,根据自身的资源、风险偏好、业务擅长领域,在授信对象透视、授信策略选择等方面进行积极探索。在风险决策数据源上“广开言路”,除了传统的强金融属性数据以外,利用政府和中介组织、企业间、商圈的交易详细数据,补充电商消费、旅游消费、社会关系、公共事业、社会活动、公安、司法、电信、保险、甚至互联网行为习惯等数据作为评估其信用的依据,解决好数据源的可得、可靠、准确、及时,越多的数据被用于借款人风险评估,借款人的信用风险就被揭示的更充分。在掌握海量数据的基础上,通过数学模型来做交易习惯分析,从海量客户行为轨迹—数据积累—模型开发—策略开发—效果追踪—新数据积累—模型、策略的优化或重新开发,循环往复,形成一个自适应的闭合体系,不断测试,及时调整,局部细化,持续完善。

       上海银行以大数据征信和决策引擎为核心建设完成了全新的大零售信贷审批系统,通过整合加工13 个外部数据源和行内数据,形成统一征信服务对接自动审批模型,推动快速决策和流程优化,大幅提升信用卡发卡、分期和个人信用贷款的审批效率,客户可以在线完成从贷款申请、签约到提款的全流程操作。模型作为整个风险管理体系的核心,通过量化的风险计量工具,综合各种数据元素、风险规律和业务经验,反映可标准化的规律度量;规则作为辅助手段,捕捉部分特殊的、个性化的业务特点和场景(如移动设备反欺诈、黑灰名单等尚不适合在模型中充分体现的风险特征)进行有效补充,增强授信策略的针对性和灵活性。通过基本规则筛选排除极端风险用户,再对剩余主体用户使用风险计量模型进行排序,优先选择优质用户,在整体授信节奏上采取自上而下的测试方式,逐步打开风险边界,调整风险模型。通过定性定量结合,综合进行风险识别,实现精准授信、精确管理,减少管理环节,提升审批效率,改善客户体验。

       技术进步从需求和供给两个维度极大地改变了金融,互联网使得客户随时随地处于“连接”状态,其偏好、行为、甚至情绪能够被实时发现和追踪,从而使金融需求显性化,更容易被低成本地发现,提升了客户接触的广度和客户洞察的深度;大数据分析丰富了营销和风险管理的手段,云计算降低了金融服务的成本,提升了金融服务的效率。金融的需求和供给因为技术进步得到了更好匹配。大数据和智能化在资产管理和风险控制领域的运用是未来商业银行和其他金融机构的攻坚点,随着社会经济活动的广度和深度发生变化,银行的信息化建设将迎来崭新的阶段。

(文章来源:金融电子化杂志) 

扫码即可手机
阅读转发此文

本文评论

相关文章