清华金融评论

作者：yanghaiping

文/北京大学光华管理学院博士后、内蒙古银行风险管理部副总经理杨海平本文编辑/张英凯

近年来，大数据与小微金融结合的话题备受关注。通常认为，大数据是区别于传统数据库的，以数据流的形式快速生成的体量浩大的多模态数据，包括结构化数据、半结构化数据和非结构化数据。

大数据在小微金融领域的应用，将使小微金融管理的各个环节，包括客户管理、营销管理、授信管理、运营管理、绩效管理直至战略管理等进入数字化管理时代。本文将就大数据与商业银行小微金融数字化管理的未来发展展开探讨。
小微企业客户管理的数字化
在传统的数据库模式下，客户的信息收集相对有限，对客户的刻画也仅停留在一些碎片式的信息阶段。在大数据阶段，商业银行的客户信息来源范围得到大幅度扩展，随着大数据处理技术的成熟，更多的数据被纳入分析体系。小微企业的信息可能来自于：一是企业自身披露的信息，比如企业网站；二是企业在政府有关部门留下的信息，比如在工商、税务、人民银行征信系统留下的信息；三是小微企业在各类电商平台上留下的信息；四是小微企业主的征信信息；五是小微企业在核心第三方留下的信息，比如在供应链核心企业、集中市场管理方、园区管理方留下的信息；六是小微企业主的超市采购数据、移动手机使用数据、生活费用使用数据以及在社交网络上的信息等。总之，小微企业的业务轨迹和小微企业业主的生活轨迹上均存留着各类信息，只要能够通过一定的授权程序、合作关系或者技术手段取得这些信息，就能够在小微金融管理中发挥意想不到的作用。商业银行通过引入大数据分析技术与工具，提高非结构化数据的应用，能够大幅拓展小微企业客户成像、客户分析、客户行为预测的深度、广度与精度，从而使小微企业客户管理实现智能化、数字化。
首先，就小微企业客户成像而言，借助大数据的挖掘，商业银行可以更加清晰、完整地刻画小微企业的完整图像，可以更加深入地了解小微企业及其业主的特点。一方面，商业银行可以从碎片式的信息中挖掘出关键性信息，比如，从小微企业业主的加油卡信息，推测出小微企业的现金流特征。另一方面，通过各类不同来源的数据的交叉校验、相互印证，从而甄别出小微企业的真实经营情况及关键特征。
其次，就小微企业客户分析方面而言，借助大数据挖掘技术，商业银行对于小微企业客户的分析将更加精准。通过运用近邻算法、各种聚类分析、关联分析方法，商业银行可以对小微企业的潜在价值、风险程度及小微企业的个人偏好等多个维度进行解剖，并将小微企业客户的细分情况、需求分析情况与价值情况结合起来分析，制定更加差异化的客户管理策略。
第三，就小微企业客户行为、综合价值预测而言，借助大数据的挖掘，商业银行可以实现对小微企业主情绪的精准分析，从而实现对小微企业客户行为的精准预测，在此基础上，及早采取有针对性的客户管理策略。同时，大数据的使用可以帮助商业银行实现小微企业客户综合价值变化的适时跟踪及精准预测，因而可以帮助商业银行适时调整客户管理策略。比如，商业银行可以利用数据挖掘算法，对小微企业的流失情况进行预测，自动识别出在下一时间周期内存在发生流失风险的小微企业客户，并尝试对预测依据进行业务解析，以便相关一线业务人员有重点地排查、核实客户情况，一旦确认其流失风险，可尽快进入客户挽留流程。再比如，针对小微企业客户的投诉，展开文本分析，及时根据客户意见与建议优化调整相关业务发展情况，从而提高客户满意度。

小微企业营销管理数字化
营销管理就是定位目标客户，制定营销策略，实施并评价营销行为的管理过程。在传统的数据库模式下，虽然商业银行也大力推行精准营销，但由于数据信息有限，营销的精准程度差强人意。在大数据时代，商业银行对市场与客户的理解要走向适时化、精准化，因而能够真正实现营销管理的数字化、智能化、精准化。
首先，根据客户细分与需求挖掘情况，制定分类营销的总体政策及策略，为每一类小微企业客户提供整体的营销方案。将价值分析和需求分析的维度结合起来，作为制定营销策略的基本依据。针对每一个潜在客户，利用大数据技术打通内外部数据，运用一定的算法，正确地预计小微企业的需求，并及时组织好可匹配的产品与服务，响应小微企业客户的需求。及时调整产品及销售战略，有的放矢地进行销售和市场预测。
其次，利用大数据可以从众多小微企业客户中精准地定位目标客户，实现精准营销。利用大数据的挖掘，通过聚类分析、建立响应模型，实现精准营销。
第三，利用大数据分析可以实现对营销渠道的精准选择，从而有助于商业银行精准投放其营销策划。
第四，基于广泛的关联分析，特别是针对存量客户，运用不同的算法，精准地安排交叉营销。
第五，将小微企业客户分类和客户情绪分析、行为预测结合起来，进行适时营销和事件式营销。基于大数据的知识发现，开展适时营销。比如：实时位置数据的兴起带来了一系列基于位置的移动金融服务，根据客户当时的所在地、客户最近一次消费等信息来有针对性地进行营销。又如，从产品出发，建立客户响应模型，寻找对该产品感兴趣的客户。做到数据的实时交互，利用新型的动态随机分析技术，第一时间为客户推荐相应的产品和服务，提升客户服务体验，提高客户忠诚度。适时捕捉重要事件的时间窗口，快速发现营销机会，开展事件营销，进而进行全方位的顾客体验管理，为增加小微企业客户福利和银行效益提供策略。
第六，对营销策略进行适时的评价，对交叉营销情况、对事件营销、适时营销等情况进行分类分析，评价营销的效果，适时安排后续营销策略。
第七，利用大数据处理技术，进行营销过程的反欺诈分析，降低小微企业各类业务营销过程中的风险。

小微企业授信管理的数字化
目前的实践已经可以看出，大数据处理技术与小微企业授信业务的结合将重塑小微企业授信业务。实际上，小微企业授信管理的各个方面包括制度流程、技术、IT架构均是围绕风险甄别和过滤进行的。由于大数据对风险评价与过滤的核心问题给出了新的解决方案，因而相应的制度、流程、信贷技术、信贷管理政策等均会得到重塑。从大数据的观点看来，任何信息都可成为信用信息，而处理数据的方法主要就是机器学习。机器学习（machine learning）是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。在风险预测这一特定领域，应用机器学习来进行风险预测的方法主要是基于案例的推理（case based reasoning，CBR）、支持向量机（support vector machine，SVM）以及人工神经网络（artificial neural network，ANN）。
第一，大数据带来小微企业信贷技术与信贷决策模式的根本性变化。在传统数据库模式下，通过申请评分卡、行为评分卡、催收评分卡、预警模型、相关性分析支持小微企业信贷决策。在大数据模式下，机器学习模型成为主流。在这方面ZestFinance是最有代表性的公司。ZestFinance坚信一切数据都是信用数据，基于大数据，该公司开发了10个机器学习模型，其信用风险评价效果非常好。一是由该模型筛选的客户，还款率比传统方法提高了90%。二是该模型处理客户数据效率非常高，处理一个客户的风险评价，仅需要5秒。ZestFinance机器学习模型的工作过程大致如下：第一步，收集客户的大量原始数据，仅变量就涉及7000多个；第二步，通过对数以千计的变量及其关联性进行整理，形成一定数量的转换数据；第三步，将转换数据的信息合并到元变量之中；第四步，将元变量的信息合并到模块之中，每一个模块代表客户某一维度或者技能；第五步，利用一定的算法形成打分卡，确定每一个模块在打分卡之中的权重，最终形成关于客户的信用分数（见图2）。在国内阿里小贷利用信贷通用决策系统（A-GDS——Ali-Generic Decision Service）来实现对现有客户和潜在客户的动态化管理。借助大数据的分析，阿里小贷A-GDS系统将电商平台上所有的小微企业进行挖掘，根据其分析结果实现小微企业客户的筛选。应该说ZestFinance与阿里巴巴的方法代表了小微信贷决策的未来。
第二，基于风险判断模式的方式改变，建立在其之上的风险定价、限额管理、组合管理等均有所改变。
第三，通过实时数据监测与建模，实现授信后风险监测与预警。以Kabbage公司为例，其贷后监控的核心是，通过多重数据源交叉验证（尤其是支付账户的现金流向数据），了解小微企业网商的真实经营情况。第一时间对现金流紧张的商户做出预警，提高关注级别。在差异化贷后管理、风险预警与分类、贷后催收管理、不良贷款处置等方面，大数据同样能够发挥巨大的作用。例如阿里小贷公司，根据小微企业的交易信息和财务报表信息，利用监控评分模型、贷后催收评分模型，监控贷款用途和运作效率，及时收回贷款。
第四，商业银行可以通过与供应链管理系统、企业ERP系统的链接，通过分析信息流、资金流、物流的数据，管理小微企业信用风险。
第五，由于大数据的应用，小微企业授信的核心技术发生改变。从交叉验证、现金流分析等技术发展到以大数据为依据的风险评价技术。核心技术的改变将带来管理体系的根本性改变。基于大数据的处理，商业银行小微企业授信管理体系，包括授信模式、制度流程、管理政策等均需要重新安排。

小微金融产品与商业模式管理的数字化
大数据模式下，商业银行通过大数据处理技术的运用，将小微金融产品、商业模式创新推进到数字化管理时代。
在小微金融产品管理方面，原来关注的设计方面的要素得到拓展，以授信产品为例，原来商业银行小微企业授信产品设计者关注期限、还款方式、担保方式、风险过滤方式等，在大数据阶段，小微企业如果能够从数据源方面得到拓展，也就能够得到有效的产品设计。比如，对小微客户交易对手及交易流水信息进行挖掘，可以精准获知客户在日常经营中的实际业务结算情况，为推出更加合理的小微“结算贷”产品提供了信息支撑。再比如，中信银行通过与银联商务合作，得到了小微企业商户的POS收单数据，从而开发出POS贷款，取得了很好的市场效果。更重要的是，大数据能够在产品管理的全流程发挥作用，从而实现产品管理的智能化。第一，对客户群体进行细分，对客户需求进行挖掘，为客户匹配产品和服务，形成完整的产品体系，为每个群体量身定做独特的解决方案与产品，运用大数据模拟实境，发掘新的需求，驱动产品研发。第二，在小微金融产品开发过程中，进行模拟测试。第三，与小微企业客户开展多渠道互动，全面评估商业银行自身的产品和服务在客户中的满意度，适时改进产品设计，在第一时间争取主动。香港银行界通过建立专门的团队对客户反馈数据、客户评价、同业同类产品情况纳入分析，据以改善下一代产品的开发，提供创新性售后服务，较大地提高了产品管理水平。第四，对产品进行精算，对产品的业绩进行评价，综合分析产品价值，决定其策略直至退出市场。
在商业模式管理方面，大数据及云计算的引入，能够使商业银行成为资源聚合的主导者，因而也成为商业模式创新的主导力量。目前商业银行在产品经理、风险经理、客户经理之外配备了模式经理，充分说明商业银行对于模式的重视。一方面，银行可以作为资源聚合与分享的参与者，与金融同业和第三方紧密协作，创新金融服务模式，并分享价值。特别是，由于数据的重要性得到空前的提升，因而，如果在小微企业客户信息来源方面得到拓展，服务于小微企业的利益相关者就会重新构建，新的商业模式就会产生。另一方面，商业银行能够利用数据挖掘技术，计算并优化不同商业模式下，商业银行与小微企业各自的交易成本与费用，并不断寻找优化商业模式的路径，持续改善小微企业客户体验。
在大数据模式下，商业银行对小微企业的服务将广泛采取银企互联的模式，以现金管理为服务界面，广泛整合以理财为代表的资财管理业务、以贷款为代表的融资业务、以财务顾问为代表的咨询类业务、以资本运作为代表的投行业务等各类金融服务，最终成为小微企业的主办银行、核心银行。在这个过程中，为了能够向小微企业提供更加贴身更加全方位的服务，产品创新、服务模式的创新将层出不穷，大数据的分析将成为这些创新的基本依据，从而使商业银行小微金融服务从反应式走向预见式。

小微金融运营管理、渠道管理的数字化
及IT架构蓝图
大数据对于商业银行小微企业金融服务渠道和运营体系的重塑是显而易见的。一方面，随着技术的进步与大数据的广泛应用，未来小微企业的服务渠道必然走向智能化、交互化。渠道的创新不断强化，对渠道的整合、渠道的管理与分析都提出了更高的要求。另一方面，商业银行原有的小微企业金融服务运营架构需要重新评估，并进行改革。
首先，大数据时代渠道创新更加活跃。大数据服务模式推动现场业务与非现场业务相结合、线上业务与线下业务相结合。通过电子渠道，客户与银行的实时交互模式不断得到优化。在此过程中对于金融服务渠道提出了很高的要求。工商银行已开始搭建金融云平台的工作，并进入初步体验使用状态。
其次，通过数据分析，比较不同小微企业客户的渠道偏好。通过对各渠道、各类数据的整合与挖掘，定量化地描述和分析客户体验，形成渠道与客户需求的良好互动关系。
第三，借助大数据的处理和挖掘实现全渠道精细化管理，进行广泛的渠道整合，实现多渠道服务的无缝对接，为小微企业客户提供全新的体验。
第四，基于大数据与云计算技术，对于小微企业金融服务前后台的关系需要进行重新定义。目前，小微金融专营机构、信贷工厂模式发展快速，并且取得了很好的成效。大数据处理技术的不断提高，将进一步强化批量授信的模式，更加强化数据信息收集与抓取——数据集中处理——授信业务办理的流程。总之，未来小微金融服务的流程以及运营架构将更加简洁。
在大数据的时代发展小微金融，需要对IT系统进行重构。如前文的分析，大数据处理的对象既包括银行运行过程中产生的结构化数据，也包括大量存在于不同数据平台的非结构化数据。因而对于数据抓取和存放的技术，对于搜素引擎等技术都有很高的要求。同时，大数据处理涉及众多数据挖掘技术，因而对数据处理软件及编程有较高的要求。目前，商业银行已将数据挖掘定位于发展大数据战略的核心驱动力，是大数据信息化建设的重中之重。对于0DS层（即业务处理层），仍沿用高性能关系型数据库模式；对于 ADS层（即数据消费层），采用分布式数据库模式。当前分布式数据库的主流处理技术为MPP和Hadoop。由于数据的架构发生了较大的变化，因而，商业银行需要重新设定全新的数据治理架构，重新制定有关数据的来源、数据标准和数据处理以及数据处理平台的管理制度。同时，由于数据基础不同、数据平台不同，基于大数据分析的管理应用系统须进行较大幅度的优化，重新构建应用系统功能模块，重新考虑对各类数据的调用及与各类数据平台的关系，充分考虑目前各行业特别是银行业在大数据及云计算领域的领先实践，重整IT架构。
综上可以看出，鉴于大数据的数据积累和技术运用的日臻完善，小微企业金融服务专营化的趋势将得到进一步强化。对于小微金融板块的绩效管理与战略管理也相对独立。基于大数据的运用，商业银行小微金融板块的业绩管理乃至战略管理将更加趋于精细化。运用大数据技术，商业银行能够实现账户级的精准信用风险分析，借助大数据处理技术，能够实现基础业务分析、风险分析的源头化，即从市场与客户出发进行各项业务分析和评价。这将极大地提高对小微企业专营机构的绩效分析的精细程度。更重要的是，商业银行能够借助大数据处理技术建立客户行为与业务发展乃至业绩的关系，从海量数据中发掘出最有效的商业银行市场绩效度量指标，通过分析、预测这些度量指标，适时评价经营行为，从而做出最快的反应。商业银行也能够利用大数据技术和思维，对小微金融的管理技术、管理理念、管理模式、战略管理的有效性进行对比、检验，从而确定适合本行的管理技术，找到适合本行的小微金融战略及战略管理的有效方式。
小微企业融资难、融资贵的问题在不同的地区、不同的历史阶段表现出不同的特点，但是毫无疑问，小微企业融资问题是一个世界性的难题。基于大数据技术的小微金融数字化管理的逐步实现，在不久的未来，将彻底解决这一难题。小微金融的数字化管理不仅意味着小微企业金融服务的问题取得重大突破，也意味着金融服务实体经济取得重大突破，因而具有划时代的意义。

上一篇：商业银行投行业务助力新型城镇化建设
下一篇：推出交叉汇率期货丰富外汇避险工具

大数据与商业银行小微金融数字化管理

管理日志