國內征信業發展迅速、特點鮮明。國家專項法律和政策規劃促進了征信機構及服務的多樣性，立信、供信、征信、用信各方共同組成了征信市場，推動形成了全社會共同參與的“大數據征信資源”和“大征信市場格局”。為積極拓展、充分融合、創新應用內外部大數據資源信息，商業銀行應制定適合自己的大數據資源采集策略、集成供給策略、信息產品策略和創新應用策略，建立完善大數據應用體系，為提升自身市場核心競爭力、提高經營發展潛力，安裝動能更加強大的大數據引擎。

　　大數據征信范疇

　　在法律方面，征信專項法律對大數據征信涉及的范圍，持一種寬泛、開放的態度?！墩餍艠I管理條例》僅將“個人宗教信仰、基因、指紋、血型、疾病和病史信息”作為禁止征信機構采集的內容；在政策方面，從《社會信用體系建設規劃綱要（2014～2020年）》規劃的“政務、商務、司法、社會”體系看，大數據征信涉及的更是一種全類別、全領域的信息范疇；在技術和理念方面，互聯網＋、云計算、移動互聯等大數據資源與技術的興起，為信用經濟和征信業提供了強大動力?；ヂ摼W“一切信息皆信用”正在成為現代征信業的新教義。故大數據征信的范疇可概括為“以企事業單位和個人為對象，以了解掌握對象需求和風險為目的，以傳統金融征信信息為基礎，以新興公共征信信息、商務征信信息、消費征信信息、社交征信信息為補充的數據采集、整合、加工、應用工作”。

　　商業銀行大數據基礎、局限與需求

　　基礎：商業銀行在國民經濟中作用突出，其連通貨幣供給、貨幣需求、貨幣收支等職能，使其積累了大量的與企業及個人經濟活動相關數據。這些數據可大致分為客戶描述信息、申請簽約信息、賬戶交易信息、業務狀態信息、分類評價信息、分析估測信息六大類的客戶數據，以及與這些客戶數據相關聯的行業、機構、時間、地域、渠道、介質、事件、數量等描述數據。由于商業銀行的客戶及其經濟活動涉及到社會的方方面面，企業及個人與商業銀行的互動往來也非常頻繁，同時商業銀行普遍注重開展信息化經營，故商業銀行不斷積累、持續更新的企業及個人信息，符合大數據“大量、高速、多樣、價值”等基礎特征。

　　局限：雖然商業銀行具有較好的大數據基礎，但其局限性也很突出。其局限主要表現為三個“分”：一是從行業間角度，公共資源信息分散在各公共管理部門、行業管理部門和公共服務機構，商業銀行難以全面、高效地獲得企業及個人公共信息，特別是隨著互聯網經濟生活模式的興起，對商業銀行有價值的企業及個人商務信息、經營消費信息、關聯社交信息逐漸向互聯網服務商匯集，其形成的新興大數據資源，分離于商業銀行自有媒介形成的大數據資源之外；二是從行業內角度，銀行業大數據資源非常龐大，但企業及個人相關信息分散在各家商業銀行內部，彼此未能互聯互通；三是從商業銀行內部角度，客戶數據來自各個業務條線，存儲或應用大多處于分散狀態，大數據應用效率較低。

　　需求：客戶的需求挖掘和風險控制是商業銀行需要大數據、應用大數據的主要動力。在客戶需求挖掘方面，對潛在客戶，商業銀行需要大數據為其提供更全面、更多維度、更有時效性的企業及個人信息，以便準確把握客戶的金融需求，進而從擺攤營銷、掃街營銷、陌生拜訪營銷和短信群發營銷等傳統的營銷工作模式，有效升級到群體定位營銷、事件名單營銷、活動定制營銷和需求精準營銷等先進的營銷模式；對存量客戶，商業銀行同樣需要大數據，深入分析挖掘其價值潛力和發展潛力，進而做好業務推介營銷、專業聯動營銷、客戶培育營銷和產品定制營銷等客戶維護工作。在客戶風險控制方面，對潛在客戶，商業銀行需要大數據為其提供更有參照性、更多樣化、更高效率的企業及個人風險識別信息，以便在營銷準備工作環節中篩選好客戶、準確定位目標客戶，在客戶準入工作環節過濾“壞客戶”；對存量客戶，商業銀行需要大數據為其提供穩定持續、動態更新、真實可靠的企業及個人風險識別信息，在客戶跟蹤、業務監測、風險處置、不良追索等工作環節進行風險預警和控制，避免“客戶劣變”給商業銀行帶來聲譽、法律、資產等方面的損失。

　　商業銀行大數據征信應用策略

　　1.大數據征信資源采集策略

　　首先是大數據征信資源定位，即確定大數據征信的采集范圍。一般來說，商業銀行在識別客戶需求、估算客戶營銷價值、判斷客戶優劣、預測客戶違約可能的過程中，既需要借助銀行內部已掌握的客戶描述信息、申請簽約信息、賬戶交易信息、業務狀態信息、分類評價信息、分析估測信息，也需要借助外部機構掌握的客戶公共評價信息、商務經營信息、收支消費信息、社會關聯信息。即因提供金融服務而產生內部客戶信息和需要專門引入的外部客戶信息應共同組成商業銀行大數據征信資源。

　　其次是大數據征信資源獲取渠道選擇，即確定大數據征信的工作路徑。商業銀行獲取客戶信息可以分為“接洽獲取”和“背對獲取”兩種方式?！敖忧@取”即銀行“面向”客戶，從客戶線下申辦業務時提交的各類資料中、從客戶申辦線上業務時填報的各類登記信息中、從客戶變更維護的其本人更新信息中、從客戶使用銀行工具的行為活動中提取客戶信息；獲取渠道通常是商業銀行專用媒介，包括線下的銀行網點、柜面、自助機具和線上的銀行服務熱線、網上銀行、電話銀行、手機銀行、短信微信銀行、銀行門戶網、銀行電商平臺等?！氨硨Λ@取”即銀行“背對”客戶，從電話及走訪調查活動中、從行政公示和媒體披露中、從征信機構專項服務中獲取客戶信息，獲取渠道包括銀行調查登記系統、行政公共媒體門戶網站、征信專項查詢系統等。

　　再次是大數據資源采集模式，即確定大數據征信的工作布局?？煞譃閮炔看髷祿Y源采集模式和外部大數據資源采集模式，后者因采集內容對象的不同，又可分為公共大數據資源采集模式和商業大數據資源采集模式兩類。對內部大數據資源采集模式，商業銀行之間是趨同的，即“前臺系統記錄-后臺數據存儲-跨系統信息集中-數據倉庫整合-形成內部大數據資源”；但對外部大數據資源采集，商業銀行會面對很多選擇。比如“法院判決信息”，就是一種典型的銀行外部大數據資源信息，它對銀行“客戶準入”“客戶風險監測”“客戶評價”等工作可發揮有益作用。為獲取該信息，銀行可選擇直接從法院對接獲取、定期從法院網站獲取，也可選擇從有該項數據資源的征信服務機構間接獲取。

　　2.大數據征信集成供給策略

　　內部大數據資源集成方面，商業銀行應打破相關信息時間、地域、機構、業務、產品、渠道、系統、部門之間的歸屬“藩籬”，將信息集成匯聚在具體客戶名下，實現商業銀行“業務籍數據”向“客戶籍數據”的轉變。尤其是大型商業銀行，應將“數據資源”放在與財務資源、人力資源同等重要的地位，實現銀行本部與其分支機構之間，銀行母公司及其獨資子公司、控股子公司和參股子公司的數據集成與共享。外部大數據資源集成方面，商業銀行應盡量選擇與具有社會影響力、行業代表性、數據資源多樣化、服務類型多元化的征信服務機構進行合作，以保障相關數據的來源正當、數據可靠、服務穩定和信息時效。

　　內外部大數據資源整合方面，商業銀行應參考行業、監管、統計等信息標準，建立本行統一的客戶信息分類、信息內容定義、時序多源同質數據的優先級排序等業務應用標準，建立相對應的原始數據入庫、多源數據整合、殘差數據清洗、失真數據出庫、歷史數據老化等技術處理標準，以及業務技術相結合的數據質量管控標準。通過相關標準，使內部大數據資源信息與外部大數據資源信息充分融合，促進商業銀行利用相關信息，了解客戶整體情況、分析客戶偏好、定位客戶需求、把握客戶風險狀態，進而做好客戶營銷和風險控制工作。

　　內外部大數據集中供給方面，商業銀行應考慮三個方面的措施。一是以客戶級大數據為基礎，為存量客戶建立視圖畫像，使商業銀行向各管轄機構、各業務條線、各產品條線進行內容全面、形式友好的客戶級大數據集中供給；二是建立專項集中的企業及個人風險名單庫，統一“風險客戶”等級標準，集中支持各專業條線、各金融產品對高風險客戶的新產品新業務營銷的過濾工作；三是統籌各專業條線、各業務環節對大數據增量信息的需求優先序列，對新客戶、高等級客戶、高時效業務、高風險業務實現大數據實時采集式更新；對存量、一般、普通時效業務、低風險業務實現大數據集中、批量、排序、滾動更新。

　　3.大數據征信信息產品策略

　　大數據征信為商業銀行提供了豐富的資源信息，商業銀行只有組織好這些資源信息，才能使其為營銷拓展、客戶準入、調查審批、評級授信、額度調控、產品定價、風險監控、不良處置等工作服務。資源信息的組織形態，最形象的表達就是大數據信息產品，現將三種征信產品形成機制及應用方式抽樣示例如下。

　　營銷類大數據征信信息產品：如通過外部征信機構合作，引入政府招標采購的中標企業名單、新興優質納稅企業名單、新獲專利或產品認證的企業名單信息，結合內外部大數據中的地域地址類信息、企業潛在金融需求分析信息，形成專項營銷類信息產品，推送商業銀行營銷機構、部門及客戶經理，增加商業銀行拓展客戶、營銷金融產品的機會。

　　驗證類大數據征信信息產品：如通過外部征信機構合作，獲取業務申辦人在第三方機構記錄的身份資質、財務狀況、資金流向等信息，形成驗證類信息產品，用大數據信息與客戶自行提交的資料信息進行比對驗證，提升商業銀行對業務申請人“資質摻水”“財務美容”“規?？浯蟆薄敖灰鬃骷佟薄吧矸菝懊钡忍摷偾樾蔚淖R別和防范能力。

　　預警類大數據征信信息產品：如通過外部征信機構合作，獲取客戶違法犯罪、公示處罰、商業違約、民事追償、公共欠費、經營波動、惡性輿情等信息，整合為綜合預警類信息產品，推送商業銀行風控機構、部門及風險經理，從客戶準入起到客戶退出止，發揮事前、事中、事后全流程立體預警的作用。

　　原文刊載于《中國城市金融》2017年第1期

<menuitem id="zjj55"></menuitem>

<menuitem id="zjj55"></menuitem>

<big id="zjj55"></big>

責任編輯：Rachel