金融機構利用大數據提高服務效率

㈠ 如何提高金融機構的服務質量

如何提升銀行服務質量

在如今銀行業競爭是趨激烈的大環境下，櫃面服務從一定程度上體現了銀行的實力和競爭力。銀行業不同於某些製造業，靠的是產品的質量說話。從某種角度上講，銀行的核心競爭力就是服務。那到底怎麼樣的服務才算是好的服務？為什麼有時候我們的櫃員在里忙得不可開交，得到的卻還是老百姓的不滿？農村商業銀行作為支持「三農」發展的主力軍，其服務對象主要是廣大農民群眾，大多數人文化水平普遍較低，員工與某些客戶之間的溝通較為困難。所以如何提升服務質量早已迫在眉睫。我作為一名入行不久的新員工，對銀行的櫃面服務理解的還不是很深，只能淺談以下幾點看法。
一是改善服務態度。拋開所有的客觀因素不說，首先我們應該從自身起。櫃面服務有好壞，直接影響到我們營業網點和農商行的聲譽。臨櫃人員要有良好的工作作風和思想作風，要做到主動熱情，耐心周到，文明服務，不能面無表情，不理不睬。當顧客走到櫃台前時，營業人員應主動打招呼「你好、請問你辦理什麼業務，請慢走」等禮貌用語常掛嘴邊。因此，臨櫃人員要學習和掌握語言技術，出言吐語要句句講文明，字字講禮貌。工作中要恰到好處地運用禮貌語言與客戶交談，根據客戶外貌、衣著稱呼，通過我們的禮貌和文明的語言，來體現我們的熱情服務，進而給客戶建立起融洽的關系，促進農商行的發展。優質服務其實是心與心的交流，只要用心服務，從客戶的需求出發，才能真正抓住客戶。營業人員要根據不同客戶需求，主動熱情，耐心地介紹金融產品，講解時語氣要肯定、准確、突出業務的性質和特點，當顧客對金融業務不了解想請櫃面人員咨詢時，櫃面人員應本著「顧客永遠是對的，我們永遠是會的」思想，站在客戶的角度做好耐心細致的講解，讓客戶親切地感受到你就是他們的貼心人，農商行是可以信賴的金融機構。
二是加強大堂的服務質量。如果有客戶找到你把你當成救命稻草，來向你反映我們的工作人員存在什麼問題，不要急於去辯解什麼，無論誰對誰錯，這本身並不重要，因為這不是法庭，就算你駁倒了客戶也許帶來的是更糟的結果。首先要真誠的向客戶道歉，因為你代表的不是你自己，你首先要取得客戶對你的好感，這樣才可能很好的進行以下的溝通，其次，要弄清楚客戶他的需求是什麼，要盡快幫客戶解決他的問題，如果這個問題的確與制度沖突，要耐心的聆聽客戶為什麼如此的為難，要給他發泄的渠道，不要插嘴，因為有些客戶他可能並不是真的就要逆著我們的制度辦事，他需要的是一種宣洩，也可能他是在其他方面生氣來到你這發泄，而我們要想解決問題能做的就是一種理解，你可能覺得做到這一點太委屈也太難，的確，這就需要一個良好的心態。
三是要創造舒適的服務環境。優美的服務環境是基層網點搞好優質服務的重要組成部分。做好優質服務工作，要確保社容社貌好、服務設施好、文明用語好的「三好」標准，努力給顧客營造一種舒心的環境。對重要客戶實行差異化服務，盡快解決客戶存、取款排長隊的問題。為了使服務環境規范化，在營業室開門前，做好迎接客戶的准備工作，要把營業室的環境、用具搞得舒適、清潔、花草樹木擺放整齊，業務櫃台標志擺放明顯，放在客戶盡可能方便處所和時間，在親切、和諧的氣氛和舒適、愉快的環境中辦理業務。臨櫃人員上崗要以振作的精神，大方的神態，溫和的面容，和藹的態度接待每一位客戶，做到熱情主動，彬彬有禮。要做到衣著莊重大方、整潔合體，辦理業務時，站姿坐態要端莊文雅，精神要飽滿，思想要集中，做到忙而不亂，閑而不散，工號牌不得亂掛歪載，言行文明，做一個有素養、有禮貌、品德高尚的臨櫃人員，去迎接我們的每一位客戶。
四是加強電子銀行業務、其他新業務的培訓。通過組織對轄內員工多種形式的集中學習或培訓，使廣大員工全面了解和掌握新知識、新業務的基本特點和操作流程，提高臨櫃人員的業務操作技能和櫃面宣傳、營銷以及服務水平。促進員工櫃面服務意識和服務水平的提升。另外，加強電子銀行業務有助於我們能在櫃面壓力比較大的時候分擔掉一點人流。例如，在每月十號左右是發退休金的高峰時間段，也是一些企業忙於發工資的時候。這時，我們如果能對企業的會計進行指導，讓一些員工比較少企業自行在企業網銀上操作，這樣的話會大大減少我們櫃面的壓力，也會讓企業覺得網銀代發工資其實是件雙贏的事。
應該說，在市場經濟條件下，金融機構之間的競爭環境是平等的，我們比的是服務、是質量、是效率、是安全。櫃面服務人員更是要做到准確把握客戶意圖，以主人翁的姿態服務每一名客戶，努力規范操作程序，盡量減少中間環節，在保證不出差錯的前提下，快速、准確的辦理每筆業務，主動服務客戶、方便客戶，使櫃面服務真正成為能夠提升農村信用社社會影響力的有力手段，成為提高農村信用社經營效益的有效途徑。

㈡ 有沒有金融機構利用技術服務實體經濟的案例

在掌握自己核心科研能力的基礎上，還通過為銀行、保險等金融機構技術賦能，帶動金融行業提供創新的金融產品和服務，提升金融服務的覆蓋率和可得性，切實滿足實體經濟發展的需要
以三峽人壽公司為例，馬上金融為其提供人臉活體識別、聲紋識別、智能客服、智能文字語音處理等相關人工智慧產品，助力三峽人壽提升客戶體驗和運營效率。
同時，藉助人工智慧的身份識別、智能客服以及區塊鏈平台等技術，幫助三峽人壽打造互聯網金融業務系統架構、客戶管理體系、互聯網營銷解決方案，雲解決方案、運營支持系統等，實現場景金融所需要的場景快速適配能力，數據決策的實時審核能力，大數據風控能力，億級保單處理能力，靈活的賬戶體系架構，縮短了業務操作流程，服務實體經濟的效率大幅提高。

㈢ 怎麼通過大數據提升金融機構營銷效率

行業內的金融數據解決方案供應商Mo‌bT‌ech，通過自有龐大數據結合金融機構一方數據得出用戶屬性和App行為傾向，並通過機器學習演算法和機器學習模型做出評估，在營銷前判別客戶意向，改善營銷規劃。例如，高價值用戶(80-100分)電話&簡訊交替觸達；高價值沉默(60~79分)精準廣告推薦高質量產品；低價值活躍用戶(30~59分)優惠促銷活動大力找回；低價值沉默用戶(30分以下)暫時不做營銷投入。

㈣ 如何運用大數據提升信用卡運營效率

大數據的核心命題

估計，未來大數據的玩法和打麻將會比較相似。

每一個能上桌的公司（運營商、金融公司、互聯網公司、傳統企業）手裡頭都會有幾張牌（幾十上百套系統，幾千上萬張表、十萬上百萬的欄位） ，在牌桌和麻將（伺服器、系統）的支持下，通過開放 API 介面（摸牌、放牌） ，你借借我的牌（數據） ，我借借你的牌數據） ，幾圈下來（商業運營） ，大部分公司都會給自己做好大龍（提升企業運營水平） ，當然可能也會有少部分企業會因為手裡的好牌被別人換干凈了而下桌。

所以在這個過程中有這么幾點很重要：

1， 看清楚自己的牌面（自有的數據分布情況、系統分布情況等） ；

2， 想清楚自己的戰略（想做什麼樣的大龍，核心目標是什麼？）

3， 可以利用的牌和可以讓出的牌（資料庫底表裡頭哪些可以共享給其他公司？需要哪些數據）等

4， 爭取看到別人的牌面（其他公司的底層資料庫表結構）

在這個過程中相對而言下邊的幾項雖然必須，但可能並不是核心問題：

1， 用什麼牌？象牙的還是竹片的？（底層資料庫？DB2？oracle？hadoop？）

2， 用什麼樣的牌桌？黃金的？白銀的？紫檀的？（底層操作系統是什麼？用什麼語言開發系統？java？python？。 。。 ）等

所以，會玩的機構關注的核心是牌上的字是啥？一萬？東風？（系統里邊數據的經濟含義？），而不是這牌和牌桌是啥做的？紫檀？象牙？（系統技術架構？）

信用卡機構運營的三個核心命題

對於信用卡運營機構而言，三個指標是衡量一個信用卡機構運營水平的核心標准：

用戶數量、單卡消費以及風險管控。

如果用圖形加以表述的話基本可以體現成為以下的形式：

在整個過程中，這三部分互相配合，共促進整個信用卡運營效率的整體提升，具體詳細說明如下：

用戶數量

用戶數量是信用卡機構生存的基礎，沒有成規模的用戶數量，信用卡機構的立足之本將不復存在。

單卡消費

單卡消費是衡量一個信用卡機構客戶質量的重要標志之一，健康、高消費能力且長期可持續的穩定信用卡消費是整個信用卡機構能夠永續存在的基礎。

風險管控

風險管控是保障整個信用卡機構能夠穩定健康前行的機制保障。穩健、動態、持續高效的風險管控機制和風險管控策略是保障信用卡機構避免出現系統性風險的基石。

銀行內部信息的深度開發

興業銀行作為卡中心的母體機構，現在下轄商業銀行所有職能。有零售金融、企業金融、同業業務以及信託等多種商業業態，目前估計擁有零售客戶超過三千萬戶，企業金融客戶約有百萬。對於這些商業資源的開發利用可以充分實現低成本信用卡部門商業運營業績提升，個人認為可以在以下的幾個方面有所作為。

用戶擴展方面

如上所述，興業銀行現在擁有超過三千萬的零售銀行個人客戶，完全可以通過大數據挖掘的方法實現用戶引流，形成零售客戶信用卡綁定策略。實現以下目標：

1， 低成本擴張零售客戶用戶基數；

2， 充分滿足零售客戶的商業服務需求，提升客戶粘性。

消費提升方面

通過分析目前興業總行一百四十套系統中，零售客戶數據資料，深度挖掘客戶潛在需求。可以進一步提升已有客戶的商業消費能力，初步預計可以在以下幾個方面有所作為：

1， 精準分析用戶資金流動趨勢，進行日常消費推薦；

2， 根據客戶的金融消費品方面相關資金流動記錄，大力開發信用卡替代，增加信用卡消費能力提升。

3， 綁定用戶普通賬戶，開發其他多功能的商業開發。

風險管控方面

目前，卡中心的風險管控系統數據來源基本上僅僅只是來源於客戶資料，徵信系統以及歷史消費還款記錄等方面信息，不能充分覆蓋用戶的所有潛在風險狀況。

根據前述分析，興業銀行現有 140 套左右系統，底層數據表超過兩萬張，覆蓋的欄位結構數量超過四十萬個。我們完全可以通過打通興業銀行與卡中心底層系統數據表之間的方式實現對於興業銀行卡中心用戶的實際風險管控。

舉例如下：

1， 打通現有零售系統與卡中心之間客戶底層數據表結構，利用總行零售客戶信息進行全方位信用卡客戶的風險管控。

2， 打通用戶資金託管賬戶與卡中心用戶的風險管控系統，實時監控信用卡用戶的動態風險狀況。

3， 其他尚未想到的可能應用。

金融同業信息的有效利用（以保險為例）

在大數據時代條件下，信用卡部應該積極參與相關金融同業機構之間的交流（保險、信託證券等）充分山寨平安系、招商系、光大系的大金融協同作戰模式。通過擴展其他金融渠道擴張信用卡的市場規模。在這方面，興業銀行由於不具備保險、證券等方面的產業。相比平安、招商而言。單一行業性質保險公司以及證券公司可能對於興業信用卡部門的防範心理不會過於嚴重，在市場拓展方面，興業銀行具有一定程度的優勢。

用戶拓展

以平安集團為例，平安目前的主要戰略是通過將其 8 千萬的保險用戶引流至商業銀行以及其他平安集團內部產業中，滿足其一站式提供金融產品戰略。

為此我們可以主要在以下的幾個方面發力擴張信用卡基礎客戶數量：

1， 積極參與大、中、小型保險公司的商業拓展活動，結成保險+支付戰略聯盟。通過綁定對於保險公司的商業支付工具提升信用卡的基礎用戶數量。

2， 積極參與小額貸款公司的支付結算體系建設，通過賬期合作模式在小貸公司中擴張信用卡用戶基數。

3， 其他的可行性商業模式。

消費提升

在與其他的金融機構合作基礎上，通過開放共享 API 數據介面方式，及時獲取個人用戶的其他潛在需求，綁定支付工具，可以在一定程度上提升單卡用戶的消費能力。舉例來說：

1， 通過綁定策略，促使興業信用卡成為用戶的主要保險、信託以及其他金融產品主要支付手段。

2， 積極與其他金融機構合作，採取積分等商業策略提升信用卡用戶的商業消費能力。

3， 其他可行的商業措施

風險管控

在風險管控方面，我們可以通過 API 開放介面合作方式（與央行徵信系統方式類似），打通興業卡中心與各大保險公司的底層資料庫系統，通過實時分析客戶保險、信託等金融賬戶變動情況，動態控制信用卡用戶風險。舉例如下：

1， 通過並表方式，組合分析保險公司於興業銀行自有數據，更好的控制信用卡用戶的用卡風險。

2， 開展實施動態監督機制，實施監控信用卡用戶的用卡風險，控制興業信用卡整體的風險管控水平。

3， 其他的數據共享類風險管控措施。

可利用的互聯網資源簡介

社交媒體屬性互聯網資源

QQ、微博、微信、陌陌等其他社交工具

電商屬性互聯網資源

外貿平台電商

慧聰網、敦煌網、阿里巴巴等。

內貿平台電商

淘寶、京東、亞馬遜、當當等。

垂直電商

凡客、小米等等。

地理信息系統屬性互聯網資源

基礎地圖平台

網路地圖、騰訊地圖、高德地圖、搜狐地圖等等

地圖細分應用

日常生活類：大眾點評（衣食住行）、丁丁優惠（餐飲） 、五八同城、趕集網等

團購 O2O 類：美團網、糯米網等。

行業應用

打車軟體：嘀嘀打車、快地打車、大黃蜂等

教育：滬江網（外語教育）等

互聯網行業可以被信用卡利用的模式

用戶拓展方面的模式轉變

傳統的信用卡營銷一般都是獲取客戶聯系資料，然後推送相關廣告信息的模式進行信用卡用戶的拓展，但是在互聯網商業化應用已經如此發達的今天，完全可以轉變思路。通過與各個發展期電商企業開展綁定合作，進行信用卡新卡發行的嘗試。

例如：

1， 與打車軟體合作進行閉環支付，首次開卡享受折扣。

2， 與除阿里系以外（信用卡應該搞大陸均勢，避免一家獨大）的電商企業合作，首次開卡支付享受優惠政策，積極扶持電商企業發展。

3， 與大眾點評等企業開展信用卡綁定，支持首次開卡優惠，支持大眾點評的 O2O 閉環戰略。

4， 與網路地圖等企業開展信用卡支付的支持策略，開卡優惠等。

刷卡消費提升方面的模式轉變

在與互聯網公司合作中，信用卡部門應該積極投身快速發展的電商企業自建的支付體系閉環過程中，例如：

1， 嘀嘀打車支付；

2， 攜程飛機票、火車票信用卡支付。

3， 大眾點評餐飲信用卡支付。

通過不斷替代傳統現金支付手段和方式，積極介入對於現金支付方式的取代和替代升級。不斷提升單卡消費金額。

風險控制方面的模式轉變

通過與前述的互聯網公司進行合作，雙方可以共享部分各自數據開發 API 介面互相調用。

例如：

1， 興業信用卡與大眾點評合作，興業為大眾點評提供支付結算工具，同時大眾點評可以為興業提供用戶在大眾點評上的瀏覽搜索記錄開發 API 介面供信用卡部門作為傳統央行徵信體系的外部數據補充，充分評估持卡人風險狀況。進行風險管控。

2， 通過與攜程進行合作，在為攜程提供支付結算體系的同時，共同開發符合攜程模式的風險評估系統，作為央行徵信體系的風險管控措施補充。

大數據技術的未來預期和行內實踐

資料庫技術未來預期

對於大數據 IT 技術層面，個人一直堅持，在技術路線方面應該堅持保守策略，不應該太過激進。畢竟對於興業銀行來講：

1， 興業銀行本身是一個金融商業機構，並不是 IT 公司。

2， 興業銀行自身數據量也遠遠沒有到必須要開展激進大數據技術的必要。

3， IT 技術這種東西，就興業銀行來講，最重要的是性能穩定，不是技術領先。

4， 可以預見，未來一兩年之內，IBM，甲骨文等公司必將推出穩定的相關伺服器產品，興業銀行只需采購即可。

技術與業務相分離

在傳統的 IT 系統開發模式下，總是在強調讓科技了解業務，但是在關系型資料庫條件下，所有的系統開發說白了只是干四件事：

1， 往資料庫底層表內部存數據；

2， 從底層資料庫表內讀取數據；

3， 對資料庫表內欄位進行遍歷匹配；

4， 根據相關結果進行後續觸發。

幾乎所有的系統核心都是上述四種資料庫操作的組合。在大數據條件下，在興業銀行內，主要的開發問題集中起來就是科技部門工程師和業務部門人員的內部溝通問題，舉例如下：

1， 往哪張數據表裡存寫數據？

2， 從哪張庫表裡邊讀取數據？

3， 遍歷哪張數據表？

4， 觸發後進行那種方式？操作哪張數據表？

只要能夠在最短的時間內科技開發人員和業務人員能夠在上述問題上達成一致，系統開發將是一件很容易的事情。

個人認為所謂的大數據對於商業公司而言，目標就是：

盡可能快的將業務人員想要的和潛在想要的系統准確的開發出來，上線，穩定運行。。。

為此，個人認為必須將興業銀行底層資料庫表結構整合，製作成為能夠讓業務部門容易理解和日常使用的工具（讓業務看清楚自己麻將桌上的牌面，並快速制定商業策略） ，方便業務與科技部門之間進行系統開發的溝通。這對於興業的大數據促進作用遠大於激進簡單的采購幾個 IT 設備。

積極壓低公司內部溝通成本

在企業運營方面，互聯網時代公司的運營扁平化是一個不可阻擋的趨勢，按照之前的一個分析報告，積極引入企業內部通訊交流工具每年可以提升的公司整體績效超過 10%，按照信用卡部超過兩千人來看，僅內部通訊工具一項就可以節省人力資源成本超過三千萬。

小結

就像最開始本文所講述的那樣，大數據時代，每一個能上桌的公司都是一個麻將玩家。

為此必須要：

1， 看清楚自己的牌面（詳細構建自己的元數據管控系統） ；

2， 及時保持和旁邊參謀以及作戰部隊的溝通（積極構建公司內部通訊系統） ；

3， 想清楚自己的戰略（擴張用戶數量、提升消費能力、積極控制風險） ；

4， 梳理自己想要的牌（需要內外部數據的詳細清單情況？） ；

5， 自己能夠出讓的牌（能夠和其他公司共享的數據？）

6， 做出想要的系統，摸牌、打牌，瞅准時機做該做的事情。

相比較而言，至於牌和牌桌本身的材質問題，可能是必須的，但不是最重要的。

同時必須加強系統建設工程師和業務人員開展之間的內部溝通，積極降低其之間的溝通成本，竭力壓縮內部在溝通問題上的時間浪費，提升系統開發效率。能夠快速精準的將業務部門想要的系統開發出來，穩定上線。

為此以下的兩個東西將必不可缺：

1， 准確的內部元數據管控系統建設。只有讓業務部門零成本的看到所有興業銀行信息系統的底層庫表結構（麻將桌上的牌面） ，業務部門才能夠想清楚戰略。並切實可落地的設計出符合興業核心利益的商業策略。

2， 構建零成本的企業內部通訊工具。只有構建能夠 7*24 小時公司內部所有人可以零成本溝通的內部溝通工具，才能提升整體公司運營效率。關於這方面論述有詳細分析報告。

㈤ 大數據如何助力銀行業金融機構輿情防控

金融企業運用大數據和機器學習演算法，對欠款客戶進行人群聚類並根據聚類的結果識別騙貸、惡意欠款、惡意透支、盜刷盜用、對交易有疑問拒絕還款、經濟狀況惡化無力還貸、遺忘還貸等多種欠款類型；從而准確預測客戶的還款概率和金額，從而進行催收策略評估，最大限度降低催收成本。
中國建設銀行資產總行風險管理部/資產保全部副總經理譚興民曾詳盡分析大數據何以幫助銀行提高徵信水平和風險管控能力：
首先，一站式徵信平台可以進行貸前客戶甄別。目前，銀行查詢客戶的情況既費時、費力，又增加銀行費用，而利用企業的一站式徵信平台，則可以最大限度地節省銀行的人力、物力及時間，並確保數據有效、及時、准確。
其次，風險量化平台可以助力貸後風險管控。平台基於企業日常經營數據，結合平台數據模型，採用動態、實時的雲端數據抓取技術，對企業的發展進行分析和評測，給出風險量化分數，並第一時間發現企業的生產經營異動，在風險觸發前3到6個月預警，使銀行等金融機構能夠及時採取相應措施，防止和減少損失發生。
同時，利用「企業族譜」查詢，對不良貸款進行監控。如一些企業通過關聯交易轉移利潤、製造虧損的假象，為不償還銀行貸款尋找理由；或者通過關聯交易製造虛假業績，為繼續獲得銀行貸款提供依據，這些假象通過關聯交易查詢，都可以很快發現蛛絲馬跡，讓企業造假暴露原形，可防止銀行上當受騙。
大數據風控相對於傳統風控來說，建模方式和原理其實是一樣的，其核心是側重在利用更多維的數據，更多互聯網的足跡，更多傳統金融沒有觸及到的數據。比如電商的網頁瀏覽、客戶在app的行為軌跡、甚至GPS的位置信息等，這些信息看似和一個客戶是否可能違約沒有直接關系，但實則通過大量的數據累積，能夠產生出非常有效的識別客戶的能力。
在運行邏輯上，大數據風控不強調較強的因果關系，看重統計學上的相關性是大數據風控區別於傳統金融風控的典型特徵。傳統金融機構強調因果，講究兩個變數之間必須存在邏輯上能夠講通因果。
在數據維度這個層級，傳統金融風控和大數據風控還有一個顯著的區別在於傳統金融數據和非傳統金融數據的應用。傳統的金融數據包括上文中提及的個人社會特徵、收入、借貸情況等等。而互金公司的大數據風控，採納了大量的非傳統金融數據。
相對於傳統金融機構，互金公司擴大了非傳統數據獲取的途徑，對於新客戶群體的風險定價，是一種風險數據的補充。當然，這些數據的金融屬性有多強，仍然有待驗證。
巨頭優勢明顯，並不代表創業公司的路已被堵死。大公司不可能面面俱到，布局各種場景。在互聯網巨頭尚未涉及的領域，小步快跑，比巨頭更早的搶下賽道，拿到數據，並且優化自己的數據應用能力，成為創業公司殺出重圍的一條路徑。

㈥ 如何運用大數據為徵信服務

二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的「中小微企業融資困境」。小微企業貸款的瓶頸是「缺乏高效率、低成本、高精度基礎徵信服務」。在此背景下，小宇宙給大家講解幾種大數據徵信的探索之路。

一、 大數據徵信誕生的背景

二十多年間，伴隨著經濟體系的變革，我國企業信貸體系發生了重大的變化，由以大型企業為主要貸款群轉變為中、小、微企業成為貸款主力軍。面對新的貸款群體，銀行等資金機構無法充分地給予資金，造成了日益嚴重的「中小微企業融資困境」。林毅夫早在2001年《經濟研究》發表的文章《中小金融機構發展與中小企業融資》，認為小型金融機構更適合服務於小企業，奠定了我國之後大力推動中小型金融機構發展的理論基礎。城市商業銀行、農村信用社、小額貸款公司紛紛成立，帶動全社會的小微企業貸款產品激增，資金供給量大大提高，數年間小微企業融資環境得到了很大的改變。

然而，小型資金機構的出現並沒有從根本上解決小微融資的困境，相對於大企業，小微企業對資金的佔用比例極低（約30%），與小微企業對GDP的貢獻（約70%）極不相稱。近年來，小微企業的生存壓力不斷增大，傳統行業競爭激烈，利潤空間被不斷擠壓，賒銷使小微企業面臨殘酷的資金周轉壓力，因資金鏈斷裂倒閉的小微企業比比皆是。這種情況更加劇了資金機構「惜貸」行為，對小微企業貸款的負面預期導致小微企業貸款收縮，小微企業、小型金融機構兩方陷入惡性循環。小微企業和小型資金機構處於整個信貸體系的最底層。

小微企業信貸的困局看似很復雜，牽扯宏觀、微觀各方的行為，但實際我們看所有小微信貸的難點，全部集中於一點：資金方認為無法看清小微企業的風險，自然不能放款，這稱之為「信息不對稱風險」；既然無法識別風險，資金方制定了迴避小微借款的貸款政策，形成了「逆向選擇」，小微信貸就此止步，陷入無錢可貸的困境。無論是大型銀行，還是小型資金機構，都面臨同樣的問題，所以都對小微信貸無計可施。這個問題可以籠統地稱為社會誠信體系欠缺導致信用風險高。

信用體系欠缺導致資金方難以看清小企業實際情況，這有著現實的原因。我國的小微企業內部管理是很隨意的，很多交易不會以規范的方式記錄下來。正規的資金方需要經過嚴密的盡職調查第一還款來源（依靠經營償還借款），輔之以第二還款來源（抵押品），才能做出決策。這個過程可以稱之為「徵信」或者「信用審核」。前面我們已經分析過，由於資金方缺乏有效的可利用於小微企業的信用調查、審核手段，對於小微貸款項目，這個過程不但冗長成本很高，而且通常難以找到准確、真實、有價值的信息，阻礙了小企業信貸的成功率性。同樣，對於那些私募資金機構、民間資金機構，本來沒有能力進行相關調查，放貸只能靠感覺和其他手段，風險更大。

由此，我們可以得出結論：小微企業貸款的瓶頸是「缺乏高效率、低成本、高精度基礎徵信服務」。可以想像，如果資金方有能力以一種低成本的方式准確識別小企業是否可信，再加以輔助風控措施（擔保、抵押等），小微業務將變得有利可圖，資金通道可以就此而打開，小微信貸就會變得順暢而有序。大數據徵信正是在這種社會背景下應運而生的。

二、 大數據徵信技術的幾條探索之路

隨著大數據技術在各行業的深入應用，運用大數據為徵信打開一條通路，逐漸成為了社會主流的意識。信用服務從業者、政府信用辦公室、互聯網金融公司對此進行了不懈的探索，期待找到一種可以針對於小微企業的量化深度評判方法。下面我們分析一下當前主要幾種方法的特點。

(一) 量化信用評價（評級）模型（由內而外型）

多年以來，信貸機構、徵信機構和評級機構一直期待著能夠形成一個量化信用模型，將各方面的數據導入模型之後，能夠自動生成評級結果，提示是否可以放貸。經過長期的探索、研究、試驗之後，這個理想的模型一直沒有出爐。我國部分有實力的資金方引進日本、美國知名咨詢公司的信用分析模型，但這些模型對我國的實際情況的適用性很差，沒有達到期待的效果——導入相關數據後即可對企業償還能力和償還意願作出可靠的判斷。

國外的先進模型以及國內機構的多年模型探索，都沒有形成一個普遍性有效的評判小企業的量化模型，主要原因是我國小企業的數據質量低下。由於無論國內外使用的企業數據主要是財務報表數據，而財務數據是會計師事務所出具的。我國誠信體系存在巨大缺失，會計師事務所出具的審計報告幾乎是製造出來的，其可信度很低。對於誠信企業，這份報告具有較大的參考性，而對於蓄意騙貸企業，也未必能夠從審計報告中看出破綻。各種量化模型的探索之所以沒有得到令人滿意的結果，正是由於其所依據的數據質量是低下的，所以無論如何也不可能得出真正有價值的信息。這種方法基本上宣告了是無效的。

(二) 外部資料庫接入（由外向內）模式

在企業內部數據質量不佳的條件下，各類機構開始向外尋找廣度更大、更加可靠的數據來源，例如政府各部門的數據，稅務系統數據、工商信息、行業主管單位業務數據、海關數據等，各行業協會的經營性數據等，也有在電商平台上積累的交易數據（如淘寶上的交易數據）。基於這些數據查找與某企業相關的數據並進行綜合分析。我們稱之為「由外向內型」的數據體系，也就是企業徵信服務不再是從被評價的企業提取數據，而是運用外部數據體系實現。

這種模式的優勢在於：資料庫系統形成之後，單個企業的徵信信息採集將非常容易，徵信服務的邊際成本極低，且速度極快，直接帶來的好處是徵信服務的收費將非常低廉，並且服務量很大。但這種模式也存在自身的劣勢：對接多部門數據入口是一項巨大的系統工程，建設、磨合的成本很高，當前除了工商信息可以達到全國聯網外，其他部門信息均在分布在市級部門，整合工作相當巨大。另外，也是最嚴重的問題還是數據質量。我國的小企業對外報送的經營信息具有很大的隨意性，都是根據具體需要編出來的，例如為了避稅、貸款或者其他目的。有些地區政府為了鼓勵當地企業發展，給予很高的納稅優惠，比如核定一個固定納稅額度，這樣的話就不會要求企業如實報送。因此，從各部門搜集到的數據恐怕與實際情況相差較遠，如果用做徵信服務，可信性也會遭到質疑。同時，一個企業產生的數據並非全部對外報送，事實上，對外報送的數據僅佔一小部分，如基礎財務報表、應納稅額等，而大部分的能夠說明企業情況的數據沉澱在企業內部，如供銷信息、產品品類、資金流轉等，這些數據無法通過外部資料庫找到。外部資料庫的數據量雖大，但針對於某單一企業，卻顯得容量不足了。如果是電商內部生態圈數據也相對片面，因為一個企業不會僅僅通過一個電商渠道銷售，單一電商交易數據顯然是不夠全面的。

如果用外部數據編織數據網的話，這張網將是巨大的，幾乎可以覆蓋全國的企業。但由於關於某一企業的數據量不足，這張網的數據線條比較稀疏，也就是數據網眼很大，多數關於企業的有價值信息都被漏掉了，有效信息過小，不足得出可信的結論。這就是由外向內建立徵信數據體系的探索。

自國務院交辦發改委建立全國信用體系以來，各級政府信用辦公室主導將轄區內各個掌握數據的政府部門連接起來，形成一個統一的信用信息平台，由專業的第三方公司或者設立下屬公司運營，出具滿足社會需求的徵信報告。除政府外，也有社會徵信機構做類似的事情，接入一些政府端數據並運營。從目前的發展來看，這類徵信服務當前能夠提供的最主要的信息是工商注冊類的信息，以及少量的各部門備案信息。這類徵信服務提供的信息簡單，收費低廉，但對於信貸業務而言，基本上沒有發揮太大的作用。

(三) 單體企業數據徵信服務（由內向外）

另外一種數據徵信服務，是從企業內部挖掘有用信息，從這個角度來說，這種方法和傳統的徵信方法是一致的，不同的是採集的信息和分析模式。現在有些專業徵信公司也在研發由內而外的數據徵信方法。這種方法利用的數據量不像社會徵信的數據量那麼大（因此稱「小數據」），但與貸款相關度很高，再保證真實度的基礎上，可以得到很多有價值的信息（「大信息」），並且均為信貸業務中資金方最關注的信息。該項服務可以幫助資金方在最短的時間內評判該企業是否能達到可以貸款的條件，為資金方節約大量的調研時間和成本，適應小微企業融資的效率要求和風控要求。

數據徵信雖然應用的基礎數據量不像政府部門數據那樣多，那樣大，但採集到的都是相關度最高的信息，可以捕捉企業真實經營情況和償還能力。如果從數據網的角度看，這種方法形成的數據網較小（只適用於某單個企業），但數據「網眼」恰好適合保留住關於該企業的大量有價值信息，而篩查掉無關信息、干擾信息，形成深度、高質量的徵信報告，為信貸決策提供可靠依據。

這種數據徵信服務的優勢是，啟動快，無需長期建設成本，很好地適應我國現有的信息基礎和社會現實。其難點在於如何取得借款企業的充分信任因此願意提供深度數據。

企業數據徵信技術已非一個技術上的構想，而是已經開始了大量的實踐。數據徵信已經在擔保業務、小貸業務中發揮了重要作用，幫助擔保公司和小貸公司排查風險、清晰評估項目、提高業務效率。相信隨著市場環境的變化，將有越來越多的人意識到這種技術的價值。

㈦ 金融機構在大數據方面仍然存在 弊端

大數據的基礎設施和安全管理亟待加強。在大數據時代，除傳統的賬務報表外，金融機構還增加了影像、圖片、音頻等非結構化數據，傳統分析方法已不適應大數據的管理需要，軟體和硬體基礎設施建設都亟待加強。同時，金融大數據的安全問題日益突出，一旦處理不當可能遭受毀滅性損失。近年來，國內金融企業一直在數據安全方面增加投入，但業務鏈拉長、雲計算模式普及、自身系統復雜度提高等，都進一步增加了大數據的風險隱患

㈧ 大數據時代來臨，銀行怎麼辦

大數據概念的興起似乎還是昨天的事，但托這個高速發展時代的福，我們已經可以看到很多成熟的大數據應用工具了。在很短的時間內，我們就能在茫茫的數據海洋中精確定位、分析，並拿到自己想要的結果。當然，這些技術的進步並非由銀行推動，大型零售商、網上商城和各種門類的技術公司才是大數據的主導者，只不過，經過他們的探索之後，大數據也為銀行打開了一扇精確營銷的大門。從長遠來看，銀行如能充分利用大數據的優勢，可以在市場細分、客戶服務、客戶研究、產品研發、產品測試等等方面取得重大進步，並在某種程度上徹底改變銀行服務客戶、銷售產品的方式和渠道。 當然，這一切的前提是銀行能找對切入大數據時代的方法和工具。對於銀行來說，以正確的數量模型和分析方式來契合銀行目前的業務需求，是合理利用大數據，達成更多經濟回報的關鍵。其他行業的經驗已經證明，大數據固然好，但如果不能對數據進行有效篩選和正確利用，最後只會賠了夫人又折兵。尤其銀行是一個比較特殊且敏感的行業，在全局層面徹底進行所謂大數據革命是不實際的，正確的做法是從小的具體業務和關鍵節點入手，以能被銀行現有管理架構和外部監管機制接受的方式，逐步將大數據納入銀行的經營體系中來。 舉例來說，當前銀行業普遍在為兩件事頭疼：留住客戶、滿足客戶的期待。對於這兩個難題，大數據機制下的情緒分析和行為預測可以發揮意想不到的作用。 分析客戶情緒 傳統的客戶意見收集及調查方式往往以一個組別為單位，通過對於部分群體客戶的調查和研究，銀行可以得到客戶方方面面的情況。隨著時代的進步，這樣的方式在獲得客戶金融消費的最新趨勢、挖掘客戶隱藏的需求等方面已不太管用。最為致命的一點是，這樣的客戶信息、數據收集方式往往耗時較長，花費更多，但最終得出的結果又往往無法應對客戶實時產生的需求變化。 所謂情緒分析，是指收集客戶在包括社交網路在內的網路平台上的言論和活動，不僅包括他自己的部分，還包括他最近關聯到的其他好友，由此得到的數據，經過一套科學設計過的計算、分析系統，得出某個具體客戶近期的情緒走向，為預測客戶行動、幫助銀行指定具體的應對措施提供幫助。 在這里，「情緒」並不簡單代表客戶的情感變化，還包括客戶的態度立場、情感傾向等等。這在以往的調查分析工具中，是極難把握的東西，但在這個自媒體時代，這樣的信息散布在網路上，極易獲取、分析。而且抓取、分析這些數據的方法已經相當成熟，從宅在家裡的技術男，到正經嚴肅的學院派，大家都在推出這樣的工具。銀行只需要選擇一個比較穩定的技術供應商，並將結果實時反饋、整合到自己的系統中來，就能在第一時間確定客戶對於銀行的產品、服務、定價或政策調整的反應，並採取合適的方式應對。如果客戶的反應對銀行有利，銀行可以及時介入，對客戶的情緒加以引導，以實現更好的服務和銷售；如果客戶對銀行表露出不太好的情感，銀行也能及時發覺並積極處理，進一步提升客戶的服務體驗。 下面舉出幾個銀行必須及時關注的客戶表態例子： 「XXX銀行在小微業務上的確很好用，但缺乏合適的當天到賬服務就太那啥了！」 「XX銀行的網上查閱賬戶余額功能的確設計得不錯，但客戶服務的一些細節真的有待改善。」 以普通人的角度，這不過是兩句簡單的客戶意見表達而已。但在情緒分析工具的幫助下，通過對於「好用」、「缺乏」、「改善」等關鍵詞彙的識別與統計，以及對於上下文意思的了解，就可以形成一張完整的客戶情緒變化表，將更多的客戶情緒變化匯集到一起，就可以形成一份頗具價值的報告（所謂輿情監控就是這類報告的簡單形態）。通過這些報告，銀行可以知道自己在客戶心中真實的反饋，並知道客戶最需要銀行在哪些方面做出改變。也就是說，銀行可以得知客戶的「心願單」，並將此納入自己的產品、服務革新計劃當中，逐一予以滿足。 對於銀行來說，客戶情緒分析最有用的一點是幫助銀行更有效率地回饋客戶。我們都組織過各種客戶回饋活動，但又不知究竟應當挑選哪些客戶進行回饋、哪些客戶經過我們的維護可以促成更多的交易——大部分時候，銀行只是完成既定的任務，將禮品派送出去就完事，以為這樣就能在激烈的競爭中留住自己的目標客戶。而現在，銀行可以在客戶情緒分析工具的幫助下更有選擇的進行類似的活動。例如，近期要做一個針對產品的活動，就以產品為關鍵詞，對當前的客戶情緒進行研判，得出主流客戶群體對於我們產品的態度，再依照態度的不同來選擇不同的活動策略和活動力度。這樣不僅能幫銀行節約成本、提高效率，最為重要的是，這也是維持現有客戶忠誠度，並盡可能多地吸收目標客戶的有效方式。 當然，批評者會說，目前雖然有大量的客戶情緒分析工具，但這些工具的可行性與分析結果的真實性一直都存在疑問。已經有一些銀行依照這些工具的幫助進行了一些實驗，效果並未如想像中理想。那麼，銀行應當怎麼應對這種尚處在完善過程當中的新興事物呢？我們的態度很明確：雖然這還是一個有待完善的工具，但大數據的整體趨勢是不容置疑的。當銀行等到一切都齊備完善到不會出錯時，其實就已經落後於時代的腳步了。要想成為行業的領軍者，就必須承受創新可能帶來的負面效應。 預測客戶行為 比分析客戶情緒更大的挑戰是預測客戶行為。關於大數據如何應用於預測客戶行為最早最著名的例子，來自美國第二大超市塔吉特百貨。明尼蘇達州一家塔吉特門店曾被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問後坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然後通過相關關系分析得出事情的真實狀況。 對於銀行來說，正確地預計消費者的需求，並及時組織好可匹配的產品與服務響應客戶的需求還是一件比較難完成的任務。這需要大量歷史數據的儲存與分析，還需要有應對各種行為可能的預測機制（不同的行為意味著不同的演算法），才能實現塔吉特百貨那樣「料事如神」的效果。令人頭疼的是，零售銀行所需的數據關聯性與零售商業的數據存在著一定的差異，因此需要針對銀行產品和服務的特點進行重新設計。只要銀行能解決這樣的問題，並把分析的結果實時、具象的體現在前端營銷人員的電腦、手機里，就能幫銀行解決很多眼下頭疼的問題。在全局層面上，這樣的預測機制也能幫銀行少走很多彎路，避免不必要的資源浪費。 銀行可以根據客戶以往的消費記錄，尤其是與金融產品直接相關的消費記錄，以及目前所持有的銀行產品的使用情況建立數據收集模型，通過一定時間的數據收集和分析之後，便能為銀行下一步的產品策劃與營銷提供翔實的數據參考。在此基礎上，諸如交叉銷售、深度挖潛、提升單個客戶貢獻度、保持客戶忠誠度等等業績或營銷目標都能更輕松的完成。當你知道客戶的情緒變化，還知道客戶可能的購買需求，只要你能以合適的方式將客戶所需要的東西及時遞上，客戶自然會樂意接受。 以合適的方式來發揮大數據的效用非常重要。大數據可能帶來的一個負面效應就是客戶隱私的被侵犯，前面提到的塔吉特百貨就是一個例子。在這個事件之後，塔吉特百貨調整了自己寄送優惠廣告的方式：當發現某位客戶可能懷孕之後，塔吉特百貨還是會寄送一份包含孕婦所需產品的小冊子到她手上，只不過通過視覺排版、其他品類產品交叉排列等等方式，在不引發客戶那種「被窺視」的反感的前提下，實現了產品的精準推薦。最終，在大數據的幫助下，2002年到2010年間，塔吉特百貨的銷售額從440億美元增長到了670億美元。 值得一提的是，大數據應用還能幫助銀行實現有效的風控。國外已經有一些金融機構利用大數據來幫助金融產品交易、信用卡消費等方面的風控。尤其是在信用卡、無抵押貸款等產品上，通過大數據建立的模型，銀行能准確的知曉某個客戶的生活和消費情況，從而選擇是不是要發放卡片/貸款給他，或者要不要給他提升額度、延遲還款期。一旦某個客戶出現異常行為，銀行也能在最短的時間內知曉，並採取相應的措施防止風險案件的發生。 總之，雖然還不夠完善，但大數據擁有無可限量的未來。