金融机构利用大数据提高服务效率

㈠ 如何提高金融机构的服务质量

如何提升银行服务质量

在如今银行业竞争是趋激烈的大环境下，柜面服务从一定程度上体现了银行的实力和竞争力。银行业不同于某些制造业，靠的是产品的质量说话。从某种角度上讲，银行的核心竞争力就是服务。那到底怎么样的服务才算是好的服务？为什么有时候我们的柜员在里忙得不可开交，得到的却还是老百姓的不满？农村商业银行作为支持“三农”发展的主力军，其服务对象主要是广大农民群众，大多数人文化水平普遍较低，员工与某些客户之间的沟通较为困难。所以如何提升服务质量早已迫在眉睫。我作为一名入行不久的新员工，对银行的柜面服务理解的还不是很深，只能浅谈以下几点看法。
一是改善服务态度。抛开所有的客观因素不说，首先我们应该从自身起。柜面服务有好坏，直接影响到我们营业网点和农商行的声誉。临柜人员要有良好的工作作风和思想作风，要做到主动热情，耐心周到，文明服务，不能面无表情，不理不睬。当顾客走到柜台前时，营业人员应主动打招呼“你好、请问你办理什么业务，请慢走”等礼貌用语常挂嘴边。因此，临柜人员要学习和掌握语言技术，出言吐语要句句讲文明，字字讲礼貌。工作中要恰到好处地运用礼貌语言与客户交谈，根据客户外貌、衣着称呼，通过我们的礼貌和文明的语言，来体现我们的热情服务，进而给客户建立起融洽的关系，促进农商行的发展。优质服务其实是心与心的交流，只要用心服务，从客户的需求出发，才能真正抓住客户。营业人员要根据不同客户需求，主动热情，耐心地介绍金融产品，讲解时语气要肯定、准确、突出业务的性质和特点，当顾客对金融业务不了解想请柜面人员咨询时，柜面人员应本着“顾客永远是对的，我们永远是会的”思想，站在客户的角度做好耐心细致的讲解，让客户亲切地感受到你就是他们的贴心人，农商行是可以信赖的金融机构。
二是加强大堂的服务质量。如果有客户找到你把你当成救命稻草，来向你反映我们的工作人员存在什么问题，不要急于去辩解什么，无论谁对谁错，这本身并不重要，因为这不是法庭，就算你驳倒了客户也许带来的是更糟的结果。首先要真诚的向客户道歉，因为你代表的不是你自己，你首先要取得客户对你的好感，这样才可能很好的进行以下的沟通，其次，要弄清楚客户他的需求是什么，要尽快帮客户解决他的问题，如果这个问题的确与制度冲突，要耐心的聆听客户为什么如此的为难，要给他发泄的渠道，不要插嘴，因为有些客户他可能并不是真的就要逆着我们的制度办事，他需要的是一种宣泄，也可能他是在其他方面生气来到你这发泄，而我们要想解决问题能做的就是一种理解，你可能觉得做到这一点太委屈也太难，的确，这就需要一个良好的心态。
三是要创造舒适的服务环境。优美的服务环境是基层网点搞好优质服务的重要组成部分。做好优质服务工作，要确保社容社貌好、服务设施好、文明用语好的“三好”标准，努力给顾客营造一种舒心的环境。对重要客户实行差异化服务，尽快解决客户存、取款排长队的问题。为了使服务环境规范化，在营业室开门前，做好迎接客户的准备工作，要把营业室的环境、用具搞得舒适、清洁、花草树木摆放整齐，业务柜台标志摆放明显，放在客户尽可能方便处所和时间，在亲切、和谐的气氛和舒适、愉快的环境中办理业务。临柜人员上岗要以振作的精神，大方的神态，温和的面容，和蔼的态度接待每一位客户，做到热情主动，彬彬有礼。要做到衣着庄重大方、整洁合体，办理业务时，站姿坐态要端庄文雅，精神要饱满，思想要集中，做到忙而不乱，闲而不散，工号牌不得乱挂歪载，言行文明，做一个有素养、有礼貌、品德高尚的临柜人员，去迎接我们的每一位客户。
四是加强电子银行业务、其他新业务的培训。通过组织对辖内员工多种形式的集中学习或培训，使广大员工全面了解和掌握新知识、新业务的基本特点和操作流程，提高临柜人员的业务操作技能和柜面宣传、营销以及服务水平。促进员工柜面服务意识和服务水平的提升。另外，加强电子银行业务有助于我们能在柜面压力比较大的时候分担掉一点人流。例如，在每月十号左右是发退休金的高峰时间段，也是一些企业忙于发工资的时候。这时，我们如果能对企业的会计进行指导，让一些员工比较少企业自行在企业网银上操作，这样的话会大大减少我们柜面的压力，也会让企业觉得网银代发工资其实是件双赢的事。
应该说，在市场经济条件下，金融机构之间的竞争环境是平等的，我们比的是服务、是质量、是效率、是安全。柜面服务人员更是要做到准确把握客户意图，以主人翁的姿态服务每一名客户，努力规范操作程序，尽量减少中间环节，在保证不出差错的前提下，快速、准确的办理每笔业务，主动服务客户、方便客户，使柜面服务真正成为能够提升农村信用社社会影响力的有力手段，成为提高农村信用社经营效益的有效途径。

㈡ 有没有金融机构利用技术服务实体经济的案例

在掌握自己核心科研能力的基础上，还通过为银行、保险等金融机构技术赋能，带动金融行业提供创新的金融产品和服务，提升金融服务的覆盖率和可得性，切实满足实体经济发展的需要
以三峡人寿公司为例，马上金融为其提供人脸活体识别、声纹识别、智能客服、智能文字语音处理等相关人工智能产品，助力三峡人寿提升客户体验和运营效率。
同时，借助人工智能的身份识别、智能客服以及区块链平台等技术，帮助三峡人寿打造互联网金融业务系统架构、客户管理体系、互联网营销解决方案，云解决方案、运营支持系统等，实现场景金融所需要的场景快速适配能力，数据决策的实时审核能力，大数据风控能力，亿级保单处理能力，灵活的账户体系架构，缩短了业务操作流程，服务实体经济的效率大幅提高。

㈢ 怎么通过大数据提升金融机构营销效率

行业内的金融数据解决方案供应商Mo‌bT‌ech，通过自有庞大数据结合金融机构一方数据得出用户属性和App行为倾向，并通过机器学习算法和机器学习模型做出评估，在营销前判别客户意向，改善营销规划。例如，高价值用户(80-100分)电话&短信交替触达；高价值沉默(60~79分)精准广告推荐高质量产品；低价值活跃用户(30~59分)优惠促销活动大力找回；低价值沉默用户(30分以下)暂时不做营销投入。

㈣ 如何运用大数据提升信用卡运营效率

大数据的核心命题

估计，未来大数据的玩法和打麻将会比较相似。

每一个能上桌的公司（运营商、金融公司、互联网公司、传统企业）手里头都会有几张牌（几十上百套系统，几千上万张表、十万上百万的字段） ，在牌桌和麻将（服务器、系统）的支持下，通过开放 API 接口（摸牌、放牌） ，你借借我的牌（数据） ，我借借你的牌数据） ，几圈下来（商业运营） ，大部分公司都会给自己做好大龙（提升企业运营水平） ，当然可能也会有少部分企业会因为手里的好牌被别人换干净了而下桌。

所以在这个过程中有这么几点很重要：

1， 看清楚自己的牌面（自有的数据分布情况、系统分布情况等） ；

2， 想清楚自己的战略（想做什么样的大龙，核心目标是什么？）

3， 可以利用的牌和可以让出的牌（数据库底表里头哪些可以共享给其他公司？需要哪些数据）等

4， 争取看到别人的牌面（其他公司的底层数据库表结构）

在这个过程中相对而言下边的几项虽然必须，但可能并不是核心问题：

1， 用什么牌？象牙的还是竹片的？（底层数据库？DB2？oracle？hadoop？）

2， 用什么样的牌桌？黄金的？白银的？紫檀的？（底层操作系统是什么？用什么语言开发系统？java？python？。 。。 ）等

所以，会玩的机构关注的核心是牌上的字是啥？一万？东风？（系统里边数据的经济含义？），而不是这牌和牌桌是啥做的？紫檀？象牙？（系统技术架构？）

信用卡机构运营的三个核心命题

对于信用卡运营机构而言，三个指标是衡量一个信用卡机构运营水平的核心标准：

用户数量、单卡消费以及风险管控。

如果用图形加以表述的话基本可以体现成为以下的形式：

在整个过程中，这三部分互相配合，共促进整个信用卡运营效率的整体提升，具体详细说明如下：

用户数量

用户数量是信用卡机构生存的基础，没有成规模的用户数量，信用卡机构的立足之本将不复存在。

单卡消费

单卡消费是衡量一个信用卡机构客户质量的重要标志之一，健康、高消费能力且长期可持续的稳定信用卡消费是整个信用卡机构能够永续存在的基础。

风险管控

风险管控是保障整个信用卡机构能够稳定健康前行的机制保障。稳健、动态、持续高效的风险管控机制和风险管控策略是保障信用卡机构避免出现系统性风险的基石。

银行内部信息的深度开发

兴业银行作为卡中心的母体机构，现在下辖商业银行所有职能。有零售金融、企业金融、同业业务以及信托等多种商业业态，目前估计拥有零售客户超过三千万户，企业金融客户约有百万。对于这些商业资源的开发利用可以充分实现低成本信用卡部门商业运营业绩提升，个人认为可以在以下的几个方面有所作为。

用户扩展方面

如上所述，兴业银行现在拥有超过三千万的零售银行个人客户，完全可以通过大数据挖掘的方法实现用户引流，形成零售客户信用卡绑定策略。实现以下目标：

1， 低成本扩张零售客户用户基数；

2， 充分满足零售客户的商业服务需求，提升客户粘性。

消费提升方面

通过分析目前兴业总行一百四十套系统中，零售客户数据资料，深度挖掘客户潜在需求。可以进一步提升已有客户的商业消费能力，初步预计可以在以下几个方面有所作为：

1， 精准分析用户资金流动趋势，进行日常消费推荐；

2， 根据客户的金融消费品方面相关资金流动记录，大力开发信用卡替代，增加信用卡消费能力提升。

3， 绑定用户普通账户，开发其他多功能的商业开发。

风险管控方面

目前，卡中心的风险管控系统数据来源基本上仅仅只是来源于客户资料，征信系统以及历史消费还款记录等方面信息，不能充分覆盖用户的所有潜在风险状况。

根据前述分析，兴业银行现有 140 套左右系统，底层数据表超过两万张，覆盖的字段结构数量超过四十万个。我们完全可以通过打通兴业银行与卡中心底层系统数据表之间的方式实现对于兴业银行卡中心用户的实际风险管控。

举例如下：

1， 打通现有零售系统与卡中心之间客户底层数据表结构，利用总行零售客户信息进行全方位信用卡客户的风险管控。

2， 打通用户资金托管账户与卡中心用户的风险管控系统，实时监控信用卡用户的动态风险状况。

3， 其他尚未想到的可能应用。

金融同业信息的有效利用（以保险为例）

在大数据时代条件下，信用卡部应该积极参与相关金融同业机构之间的交流（保险、信托证券等）充分山寨平安系、招商系、光大系的大金融协同作战模式。通过扩展其他金融渠道扩张信用卡的市场规模。在这方面，兴业银行由于不具备保险、证券等方面的产业。相比平安、招商而言。单一行业性质保险公司以及证券公司可能对于兴业信用卡部门的防范心理不会过于严重，在市场拓展方面，兴业银行具有一定程度的优势。

用户拓展

以平安集团为例，平安目前的主要战略是通过将其 8 千万的保险用户引流至商业银行以及其他平安集团内部产业中，满足其一站式提供金融产品战略。

为此我们可以主要在以下的几个方面发力扩张信用卡基础客户数量：

1， 积极参与大、中、小型保险公司的商业拓展活动，结成保险+支付战略联盟。通过绑定对于保险公司的商业支付工具提升信用卡的基础用户数量。

2， 积极参与小额贷款公司的支付结算体系建设，通过账期合作模式在小贷公司中扩张信用卡用户基数。

3， 其他的可行性商业模式。

消费提升

在与其他的金融机构合作基础上，通过开放共享 API 数据接口方式，及时获取个人用户的其他潜在需求，绑定支付工具，可以在一定程度上提升单卡用户的消费能力。举例来说：

1， 通过绑定策略，促使兴业信用卡成为用户的主要保险、信托以及其他金融产品主要支付手段。

2， 积极与其他金融机构合作，采取积分等商业策略提升信用卡用户的商业消费能力。

3， 其他可行的商业措施

风险管控

在风险管控方面，我们可以通过 API 开放接口合作方式（与央行征信系统方式类似），打通兴业卡中心与各大保险公司的底层数据库系统，通过实时分析客户保险、信托等金融账户变动情况，动态控制信用卡用户风险。举例如下：

1， 通过并表方式，组合分析保险公司于兴业银行自有数据，更好的控制信用卡用户的用卡风险。

2， 开展实施动态监督机制，实施监控信用卡用户的用卡风险，控制兴业信用卡整体的风险管控水平。

3， 其他的数据共享类风险管控措施。

可利用的互联网资源简介

社交媒体属性互联网资源

QQ、微博、微信、陌陌等其他社交工具

电商属性互联网资源

外贸平台电商

慧聪网、敦煌网、阿里巴巴等。

内贸平台电商

淘宝、京东、亚马逊、当当等。

垂直电商

凡客、小米等等。

地理信息系统属性互联网资源

基础地图平台

网络地图、腾讯地图、高德地图、搜狐地图等等

地图细分应用

日常生活类：大众点评（衣食住行）、丁丁优惠（餐饮） 、五八同城、赶集网等

团购 O2O 类：美团网、糯米网等。

行业应用

打车软件：嘀嘀打车、快地打车、大黄蜂等

教育：沪江网（外语教育）等

互联网行业可以被信用卡利用的模式

用户拓展方面的模式转变

传统的信用卡营销一般都是获取客户联系资料，然后推送相关广告信息的模式进行信用卡用户的拓展，但是在互联网商业化应用已经如此发达的今天，完全可以转变思路。通过与各个发展期电商企业开展绑定合作，进行信用卡新卡发行的尝试。

例如：

1， 与打车软件合作进行闭环支付，首次开卡享受折扣。

2， 与除阿里系以外（信用卡应该搞大陆均势，避免一家独大）的电商企业合作，首次开卡支付享受优惠政策，积极扶持电商企业发展。

3， 与大众点评等企业开展信用卡绑定，支持首次开卡优惠，支持大众点评的 O2O 闭环战略。

4， 与网络地图等企业开展信用卡支付的支持策略，开卡优惠等。

刷卡消费提升方面的模式转变

在与互联网公司合作中，信用卡部门应该积极投身快速发展的电商企业自建的支付体系闭环过程中，例如：

1， 嘀嘀打车支付；

2， 携程飞机票、火车票信用卡支付。

3， 大众点评餐饮信用卡支付。

通过不断替代传统现金支付手段和方式，积极介入对于现金支付方式的取代和替代升级。不断提升单卡消费金额。

风险控制方面的模式转变

通过与前述的互联网公司进行合作，双方可以共享部分各自数据开发 API 接口互相调用。

例如：

1， 兴业信用卡与大众点评合作，兴业为大众点评提供支付结算工具，同时大众点评可以为兴业提供用户在大众点评上的浏览搜索记录开发 API 接口供信用卡部门作为传统央行征信体系的外部数据补充，充分评估持卡人风险状况。进行风险管控。

2， 通过与携程进行合作，在为携程提供支付结算体系的同时，共同开发符合携程模式的风险评估系统，作为央行征信体系的风险管控措施补充。

大数据技术的未来预期和行内实践

数据库技术未来预期

对于大数据 IT 技术层面，个人一直坚持，在技术路线方面应该坚持保守策略，不应该太过激进。毕竟对于兴业银行来讲：

1， 兴业银行本身是一个金融商业机构，并不是 IT 公司。

2， 兴业银行自身数据量也远远没有到必须要开展激进大数据技术的必要。

3， IT 技术这种东西，就兴业银行来讲，最重要的是性能稳定，不是技术领先。

4， 可以预见，未来一两年之内，IBM，甲骨文等公司必将推出稳定的相关服务器产品，兴业银行只需采购即可。

技术与业务相分离

在传统的 IT 系统开发模式下，总是在强调让科技了解业务，但是在关系型数据库条件下，所有的系统开发说白了只是干四件事：

1， 往数据库底层表内部存数据；

2， 从底层数据库表内读取数据；

3， 对数据库表内字段进行遍历匹配；

4， 根据相关结果进行后续触发。

几乎所有的系统核心都是上述四种数据库操作的组合。在大数据条件下，在兴业银行内，主要的开发问题集中起来就是科技部门工程师和业务部门人员的内部沟通问题，举例如下：

1， 往哪张数据表里存写数据？

2， 从哪张库表里边读取数据？

3， 遍历哪张数据表？

4， 触发后进行那种方式？操作哪张数据表？

只要能够在最短的时间内科技开发人员和业务人员能够在上述问题上达成一致，系统开发将是一件很容易的事情。

个人认为所谓的大数据对于商业公司而言，目标就是：

尽可能快的将业务人员想要的和潜在想要的系统准确的开发出来，上线，稳定运行。。。

为此，个人认为必须将兴业银行底层数据库表结构整合，制作成为能够让业务部门容易理解和日常使用的工具（让业务看清楚自己麻将桌上的牌面，并快速制定商业策略） ，方便业务与科技部门之间进行系统开发的沟通。这对于兴业的大数据促进作用远大于激进简单的采购几个 IT 设备。

积极压低公司内部沟通成本

在企业运营方面，互联网时代公司的运营扁平化是一个不可阻挡的趋势，按照之前的一个分析报告，积极引入企业内部通讯交流工具每年可以提升的公司整体绩效超过 10%，按照信用卡部超过两千人来看，仅内部通讯工具一项就可以节省人力资源成本超过三千万。

小结

就像最开始本文所讲述的那样，大数据时代，每一个能上桌的公司都是一个麻将玩家。

为此必须要：

1， 看清楚自己的牌面（详细构建自己的元数据管控系统） ；

2， 及时保持和旁边参谋以及作战部队的沟通（积极构建公司内部通讯系统） ；

3， 想清楚自己的战略（扩张用户数量、提升消费能力、积极控制风险） ；

4， 梳理自己想要的牌（需要内外部数据的详细清单情况？） ；

5， 自己能够出让的牌（能够和其他公司共享的数据？）

6， 做出想要的系统，摸牌、打牌，瞅准时机做该做的事情。

相比较而言，至于牌和牌桌本身的材质问题，可能是必须的，但不是最重要的。

同时必须加强系统建设工程师和业务人员开展之间的内部沟通，积极降低其之间的沟通成本，竭力压缩内部在沟通问题上的时间浪费，提升系统开发效率。能够快速精准的将业务部门想要的系统开发出来，稳定上线。

为此以下的两个东西将必不可缺：

1， 准确的内部元数据管控系统建设。只有让业务部门零成本的看到所有兴业银行信息系统的底层库表结构（麻将桌上的牌面） ，业务部门才能够想清楚战略。并切实可落地的设计出符合兴业核心利益的商业策略。

2， 构建零成本的企业内部通讯工具。只有构建能够 7*24 小时公司内部所有人可以零成本沟通的内部沟通工具，才能提升整体公司运营效率。关于这方面论述有详细分析报告。

㈤ 大数据如何助力银行业金融机构舆情防控

金融企业运用大数据和机器学习算法，对欠款客户进行人群聚类并根据聚类的结果识别骗贷、恶意欠款、恶意透支、盗刷盗用、对交易有疑问拒绝还款、经济状况恶化无力还贷、遗忘还贷等多种欠款类型；从而准确预测客户的还款概率和金额，从而进行催收策略评估，最大限度降低催收成本。
中国建设银行资产总行风险管理部/资产保全部副总经理谭兴民曾详尽分析大数据何以帮助银行提高征信水平和风险管控能力：
首先，一站式征信平台可以进行贷前客户甄别。目前，银行查询客户的情况既费时、费力，又增加银行费用，而利用企业的一站式征信平台，则可以最大限度地节省银行的人力、物力及时间，并确保数据有效、及时、准确。
其次，风险量化平台可以助力贷后风险管控。平台基于企业日常经营数据，结合平台数据模型，采用动态、实时的云端数据抓取技术，对企业的发展进行分析和评测，给出风险量化分数，并第一时间发现企业的生产经营异动，在风险触发前3到6个月预警，使银行等金融机构能够及时采取相应措施，防止和减少损失发生。
同时，利用“企业族谱”查询，对不良贷款进行监控。如一些企业通过关联交易转移利润、制造亏损的假象，为不偿还银行贷款寻找理由；或者通过关联交易制造虚假业绩，为继续获得银行贷款提供依据，这些假象通过关联交易查询，都可以很快发现蛛丝马迹，让企业造假暴露原形，可防止银行上当受骗。
大数据风控相对于传统风控来说，建模方式和原理其实是一样的，其核心是侧重在利用更多维的数据，更多互联网的足迹，更多传统金融没有触及到的数据。比如电商的网页浏览、客户在app的行为轨迹、甚至GPS的位置信息等，这些信息看似和一个客户是否可能违约没有直接关系，但实则通过大量的数据累积，能够产生出非常有效的识别客户的能力。
在运行逻辑上，大数据风控不强调较强的因果关系，看重统计学上的相关性是大数据风控区别于传统金融风控的典型特征。传统金融机构强调因果，讲究两个变量之间必须存在逻辑上能够讲通因果。
在数据维度这个层级，传统金融风控和大数据风控还有一个显著的区别在于传统金融数据和非传统金融数据的应用。传统的金融数据包括上文中提及的个人社会特征、收入、借贷情况等等。而互金公司的大数据风控，采纳了大量的非传统金融数据。
相对于传统金融机构，互金公司扩大了非传统数据获取的途径，对于新客户群体的风险定价，是一种风险数据的补充。当然，这些数据的金融属性有多强，仍然有待验证。
巨头优势明显，并不代表创业公司的路已被堵死。大公司不可能面面俱到，布局各种场景。在互联网巨头尚未涉及的领域，小步快跑，比巨头更早的抢下赛道，拿到数据，并且优化自己的数据应用能力，成为创业公司杀出重围的一条路径。

㈥ 如何运用大数据为征信服务

二十多年间，伴随着经济体系的变革，我国企业信贷体系发生了重大的变化，由以大型企业为主要贷款群转变为中、小、微企业成为贷款主力军。面对新的贷款群体，银行等资金机构无法充分地给予资金，造成了日益严重的“中小微企业融资困境”。小微企业贷款的瓶颈是“缺乏高效率、低成本、高精度基础征信服务”。在此背景下，小宇宙给大家讲解几种大数据征信的探索之路。

一、 大数据征信诞生的背景

二十多年间，伴随着经济体系的变革，我国企业信贷体系发生了重大的变化，由以大型企业为主要贷款群转变为中、小、微企业成为贷款主力军。面对新的贷款群体，银行等资金机构无法充分地给予资金，造成了日益严重的“中小微企业融资困境”。林毅夫早在2001年《经济研究》发表的文章《中小金融机构发展与中小企业融资》，认为小型金融机构更适合服务于小企业，奠定了我国之后大力推动中小型金融机构发展的理论基础。城市商业银行、农村信用社、小额贷款公司纷纷成立，带动全社会的小微企业贷款产品激增，资金供给量大大提高，数年间小微企业融资环境得到了很大的改变。

然而，小型资金机构的出现并没有从根本上解决小微融资的困境，相对于大企业，小微企业对资金的占用比例极低（约30%），与小微企业对GDP的贡献（约70%）极不相称。近年来，小微企业的生存压力不断增大，传统行业竞争激烈，利润空间被不断挤压，赊销使小微企业面临残酷的资金周转压力，因资金链断裂倒闭的小微企业比比皆是。这种情况更加剧了资金机构“惜贷”行为，对小微企业贷款的负面预期导致小微企业贷款收缩，小微企业、小型金融机构两方陷入恶性循环。小微企业和小型资金机构处于整个信贷体系的最底层。

小微企业信贷的困局看似很复杂，牵扯宏观、微观各方的行为，但实际我们看所有小微信贷的难点，全部集中于一点：资金方认为无法看清小微企业的风险，自然不能放款，这称之为“信息不对称风险”；既然无法识别风险，资金方制定了回避小微借款的贷款政策，形成了“逆向选择”，小微信贷就此止步，陷入无钱可贷的困境。无论是大型银行，还是小型资金机构，都面临同样的问题，所以都对小微信贷无计可施。这个问题可以笼统地称为社会诚信体系欠缺导致信用风险高。

信用体系欠缺导致资金方难以看清小企业实际情况，这有着现实的原因。我国的小微企业内部管理是很随意的，很多交易不会以规范的方式记录下来。正规的资金方需要经过严密的尽职调查第一还款来源（依靠经营偿还借款），辅之以第二还款来源（抵押品），才能做出决策。这个过程可以称之为“征信”或者“信用审核”。前面我们已经分析过，由于资金方缺乏有效的可利用于小微企业的信用调查、审核手段，对于小微贷款项目，这个过程不但冗长成本很高，而且通常难以找到准确、真实、有价值的信息，阻碍了小企业信贷的成功率性。同样，对于那些私募资金机构、民间资金机构，本来没有能力进行相关调查，放贷只能靠感觉和其他手段，风险更大。

由此，我们可以得出结论：小微企业贷款的瓶颈是“缺乏高效率、低成本、高精度基础征信服务”。可以想象，如果资金方有能力以一种低成本的方式准确识别小企业是否可信，再加以辅助风控措施（担保、抵押等），小微业务将变得有利可图，资金通道可以就此而打开，小微信贷就会变得顺畅而有序。大数据征信正是在这种社会背景下应运而生的。

二、 大数据征信技术的几条探索之路

随着大数据技术在各行业的深入应用，运用大数据为征信打开一条通路，逐渐成为了社会主流的意识。信用服务从业者、政府信用办公室、互联网金融公司对此进行了不懈的探索，期待找到一种可以针对于小微企业的量化深度评判方法。下面我们分析一下当前主要几种方法的特点。

(一) 量化信用评价（评级）模型（由内而外型）

多年以来，信贷机构、征信机构和评级机构一直期待着能够形成一个量化信用模型，将各方面的数据导入模型之后，能够自动生成评级结果，提示是否可以放贷。经过长期的探索、研究、试验之后，这个理想的模型一直没有出炉。我国部分有实力的资金方引进日本、美国知名咨询公司的信用分析模型，但这些模型对我国的实际情况的适用性很差，没有达到期待的效果——导入相关数据后即可对企业偿还能力和偿还意愿作出可靠的判断。

国外的先进模型以及国内机构的多年模型探索，都没有形成一个普遍性有效的评判小企业的量化模型，主要原因是我国小企业的数据质量低下。由于无论国内外使用的企业数据主要是财务报表数据，而财务数据是会计师事务所出具的。我国诚信体系存在巨大缺失，会计师事务所出具的审计报告几乎是制造出来的，其可信度很低。对于诚信企业，这份报告具有较大的参考性，而对于蓄意骗贷企业，也未必能够从审计报告中看出破绽。各种量化模型的探索之所以没有得到令人满意的结果，正是由于其所依据的数据质量是低下的，所以无论如何也不可能得出真正有价值的信息。这种方法基本上宣告了是无效的。

(二) 外部数据库接入（由外向内）模式

在企业内部数据质量不佳的条件下，各类机构开始向外寻找广度更大、更加可靠的数据来源，例如政府各部门的数据，税务系统数据、工商信息、行业主管单位业务数据、海关数据等，各行业协会的经营性数据等，也有在电商平台上积累的交易数据（如淘宝上的交易数据）。基于这些数据查找与某企业相关的数据并进行综合分析。我们称之为“由外向内型”的数据体系，也就是企业征信服务不再是从被评价的企业提取数据，而是运用外部数据体系实现。

这种模式的优势在于：数据库系统形成之后，单个企业的征信信息采集将非常容易，征信服务的边际成本极低，且速度极快，直接带来的好处是征信服务的收费将非常低廉，并且服务量很大。但这种模式也存在自身的劣势：对接多部门数据入口是一项巨大的系统工程，建设、磨合的成本很高，当前除了工商信息可以达到全国联网外，其他部门信息均在分布在市级部门，整合工作相当巨大。另外，也是最严重的问题还是数据质量。我国的小企业对外报送的经营信息具有很大的随意性，都是根据具体需要编出来的，例如为了避税、贷款或者其他目的。有些地区政府为了鼓励当地企业发展，给予很高的纳税优惠，比如核定一个固定纳税额度，这样的话就不会要求企业如实报送。因此，从各部门搜集到的数据恐怕与实际情况相差较远，如果用做征信服务，可信性也会遭到质疑。同时，一个企业产生的数据并非全部对外报送，事实上，对外报送的数据仅占一小部分，如基础财务报表、应纳税额等，而大部分的能够说明企业情况的数据沉淀在企业内部，如供销信息、产品品类、资金流转等，这些数据无法通过外部数据库找到。外部数据库的数据量虽大，但针对于某单一企业，却显得容量不足了。如果是电商内部生态圈数据也相对片面，因为一个企业不会仅仅通过一个电商渠道销售，单一电商交易数据显然是不够全面的。

如果用外部数据编织数据网的话，这张网将是巨大的，几乎可以覆盖全国的企业。但由于关于某一企业的数据量不足，这张网的数据线条比较稀疏，也就是数据网眼很大，多数关于企业的有价值信息都被漏掉了，有效信息过小，不足得出可信的结论。这就是由外向内建立征信数据体系的探索。

自国务院交办发改委建立全国信用体系以来，各级政府信用办公室主导将辖区内各个掌握数据的政府部门连接起来，形成一个统一的信用信息平台，由专业的第三方公司或者设立下属公司运营，出具满足社会需求的征信报告。除政府外，也有社会征信机构做类似的事情，接入一些政府端数据并运营。从目前的发展来看，这类征信服务当前能够提供的最主要的信息是工商注册类的信息，以及少量的各部门备案信息。这类征信服务提供的信息简单，收费低廉，但对于信贷业务而言，基本上没有发挥太大的作用。

(三) 单体企业数据征信服务（由内向外）

另外一种数据征信服务，是从企业内部挖掘有用信息，从这个角度来说，这种方法和传统的征信方法是一致的，不同的是采集的信息和分析模式。现在有些专业征信公司也在研发由内而外的数据征信方法。这种方法利用的数据量不像社会征信的数据量那么大（因此称“小数据”），但与贷款相关度很高，再保证真实度的基础上，可以得到很多有价值的信息（“大信息”），并且均为信贷业务中资金方最关注的信息。该项服务可以帮助资金方在最短的时间内评判该企业是否能达到可以贷款的条件，为资金方节约大量的调研时间和成本，适应小微企业融资的效率要求和风控要求。

数据征信虽然应用的基础数据量不像政府部门数据那样多，那样大，但采集到的都是相关度最高的信息，可以捕捉企业真实经营情况和偿还能力。如果从数据网的角度看，这种方法形成的数据网较小（只适用于某单个企业），但数据“网眼”恰好适合保留住关于该企业的大量有价值信息，而筛查掉无关信息、干扰信息，形成深度、高质量的征信报告，为信贷决策提供可靠依据。

这种数据征信服务的优势是，启动快，无需长期建设成本，很好地适应我国现有的信息基础和社会现实。其难点在于如何取得借款企业的充分信任因此愿意提供深度数据。

企业数据征信技术已非一个技术上的构想，而是已经开始了大量的实践。数据征信已经在担保业务、小贷业务中发挥了重要作用，帮助担保公司和小贷公司排查风险、清晰评估项目、提高业务效率。相信随着市场环境的变化，将有越来越多的人意识到这种技术的价值。

㈦ 金融机构在大数据方面仍然存在 弊端

大数据的基础设施和安全管理亟待加强。在大数据时代，除传统的账务报表外，金融机构还增加了影像、图片、音频等非结构化数据，传统分析方法已不适应大数据的管理需要，软件和硬件基础设施建设都亟待加强。同时，金融大数据的安全问题日益突出，一旦处理不当可能遭受毁灭性损失。近年来，国内金融企业一直在数据安全方面增加投入，但业务链拉长、云计算模式普及、自身系统复杂度提高等，都进一步增加了大数据的风险隐患

㈧ 大数据时代来临，银行怎么办

大数据概念的兴起似乎还是昨天的事，但托这个高速发展时代的福，我们已经可以看到很多成熟的大数据应用工具了。在很短的时间内，我们就能在茫茫的数据海洋中精确定位、分析，并拿到自己想要的结果。当然，这些技术的进步并非由银行推动，大型零售商、网上商城和各种门类的技术公司才是大数据的主导者，只不过，经过他们的探索之后，大数据也为银行打开了一扇精确营销的大门。从长远来看，银行如能充分利用大数据的优势，可以在市场细分、客户服务、客户研究、产品研发、产品测试等等方面取得重大进步，并在某种程度上彻底改变银行服务客户、销售产品的方式和渠道。 当然，这一切的前提是银行能找对切入大数据时代的方法和工具。对于银行来说，以正确的数量模型和分析方式来契合银行目前的业务需求，是合理利用大数据，达成更多经济回报的关键。其他行业的经验已经证明，大数据固然好，但如果不能对数据进行有效筛选和正确利用，最后只会赔了夫人又折兵。尤其银行是一个比较特殊且敏感的行业，在全局层面彻底进行所谓大数据革命是不实际的，正确的做法是从小的具体业务和关键节点入手，以能被银行现有管理架构和外部监管机制接受的方式，逐步将大数据纳入银行的经营体系中来。 举例来说，当前银行业普遍在为两件事头疼：留住客户、满足客户的期待。对于这两个难题，大数据机制下的情绪分析和行为预测可以发挥意想不到的作用。 分析客户情绪 传统的客户意见收集及调查方式往往以一个组别为单位，通过对于部分群体客户的调查和研究，银行可以得到客户方方面面的情况。随着时代的进步，这样的方式在获得客户金融消费的最新趋势、挖掘客户隐藏的需求等方面已不太管用。最为致命的一点是，这样的客户信息、数据收集方式往往耗时较长，花费更多，但最终得出的结果又往往无法应对客户实时产生的需求变化。 所谓情绪分析，是指收集客户在包括社交网络在内的网络平台上的言论和活动，不仅包括他自己的部分，还包括他最近关联到的其他好友，由此得到的数据，经过一套科学设计过的计算、分析系统，得出某个具体客户近期的情绪走向，为预测客户行动、帮助银行指定具体的应对措施提供帮助。 在这里，“情绪”并不简单代表客户的情感变化，还包括客户的态度立场、情感倾向等等。这在以往的调查分析工具中，是极难把握的东西，但在这个自媒体时代，这样的信息散布在网络上，极易获取、分析。而且抓取、分析这些数据的方法已经相当成熟，从宅在家里的技术男，到正经严肃的学院派，大家都在推出这样的工具。银行只需要选择一个比较稳定的技术供应商，并将结果实时反馈、整合到自己的系统中来，就能在第一时间确定客户对于银行的产品、服务、定价或政策调整的反应，并采取合适的方式应对。如果客户的反应对银行有利，银行可以及时介入，对客户的情绪加以引导，以实现更好的服务和销售；如果客户对银行表露出不太好的情感，银行也能及时发觉并积极处理，进一步提升客户的服务体验。 下面举出几个银行必须及时关注的客户表态例子： “XXX银行在小微业务上的确很好用，但缺乏合适的当天到账服务就太那啥了！” “XX银行的网上查阅账户余额功能的确设计得不错，但客户服务的一些细节真的有待改善。” 以普通人的角度，这不过是两句简单的客户意见表达而已。但在情绪分析工具的帮助下，通过对于“好用”、“缺乏”、“改善”等关键词汇的识别与统计，以及对于上下文意思的了解，就可以形成一张完整的客户情绪变化表，将更多的客户情绪变化汇集到一起，就可以形成一份颇具价值的报告（所谓舆情监控就是这类报告的简单形态）。通过这些报告，银行可以知道自己在客户心中真实的反馈，并知道客户最需要银行在哪些方面做出改变。也就是说，银行可以得知客户的“心愿单”，并将此纳入自己的产品、服务革新计划当中，逐一予以满足。 对于银行来说，客户情绪分析最有用的一点是帮助银行更有效率地回馈客户。我们都组织过各种客户回馈活动，但又不知究竟应当挑选哪些客户进行回馈、哪些客户经过我们的维护可以促成更多的交易——大部分时候，银行只是完成既定的任务，将礼品派送出去就完事，以为这样就能在激烈的竞争中留住自己的目标客户。而现在，银行可以在客户情绪分析工具的帮助下更有选择的进行类似的活动。例如，近期要做一个针对产品的活动，就以产品为关键词，对当前的客户情绪进行研判，得出主流客户群体对于我们产品的态度，再依照态度的不同来选择不同的活动策略和活动力度。这样不仅能帮银行节约成本、提高效率，最为重要的是，这也是维持现有客户忠诚度，并尽可能多地吸收目标客户的有效方式。 当然，批评者会说，目前虽然有大量的客户情绪分析工具，但这些工具的可行性与分析结果的真实性一直都存在疑问。已经有一些银行依照这些工具的帮助进行了一些实验，效果并未如想象中理想。那么，银行应当怎么应对这种尚处在完善过程当中的新兴事物呢？我们的态度很明确：虽然这还是一个有待完善的工具，但大数据的整体趋势是不容置疑的。当银行等到一切都齐备完善到不会出错时，其实就已经落后于时代的脚步了。要想成为行业的领军者，就必须承受创新可能带来的负面效应。 预测客户行为 比分析客户情绪更大的挑战是预测客户行为。关于大数据如何应用于预测客户行为最早最著名的例子，来自美国第二大超市塔吉特百货。明尼苏达州一家塔吉特门店曾被客户投诉，一位中年男子指控塔吉特将婴儿产品优惠券寄给他的女儿——一个高中生。但没多久他却来电道歉，因为女儿经他逼问后坦承自己真的怀孕了。塔吉特百货就是靠着分析用户所有的购物数据，然后通过相关关系分析得出事情的真实状况。 对于银行来说，正确地预计消费者的需求，并及时组织好可匹配的产品与服务响应客户的需求还是一件比较难完成的任务。这需要大量历史数据的储存与分析，还需要有应对各种行为可能的预测机制（不同的行为意味着不同的算法），才能实现塔吉特百货那样“料事如神”的效果。令人头疼的是，零售银行所需的数据关联性与零售商业的数据存在着一定的差异，因此需要针对银行产品和服务的特点进行重新设计。只要银行能解决这样的问题，并把分析的结果实时、具象的体现在前端营销人员的电脑、手机里，就能帮银行解决很多眼下头疼的问题。在全局层面上，这样的预测机制也能帮银行少走很多弯路，避免不必要的资源浪费。 银行可以根据客户以往的消费记录，尤其是与金融产品直接相关的消费记录，以及目前所持有的银行产品的使用情况建立数据收集模型，通过一定时间的数据收集和分析之后，便能为银行下一步的产品策划与营销提供翔实的数据参考。在此基础上，诸如交叉销售、深度挖潜、提升单个客户贡献度、保持客户忠诚度等等业绩或营销目标都能更轻松的完成。当你知道客户的情绪变化，还知道客户可能的购买需求，只要你能以合适的方式将客户所需要的东西及时递上，客户自然会乐意接受。 以合适的方式来发挥大数据的效用非常重要。大数据可能带来的一个负面效应就是客户隐私的被侵犯，前面提到的塔吉特百货就是一个例子。在这个事件之后，塔吉特百货调整了自己寄送优惠广告的方式：当发现某位客户可能怀孕之后，塔吉特百货还是会寄送一份包含孕妇所需产品的小册子到她手上，只不过通过视觉排版、其他品类产品交叉排列等等方式，在不引发客户那种“被窥视”的反感的前提下，实现了产品的精准推荐。最终，在大数据的帮助下，2002年到2010年间，塔吉特百货的销售额从440亿美元增长到了670亿美元。 值得一提的是，大数据应用还能帮助银行实现有效的风控。国外已经有一些金融机构利用大数据来帮助金融产品交易、信用卡消费等方面的风控。尤其是在信用卡、无抵押贷款等产品上，通过大数据建立的模型，银行能准确的知晓某个客户的生活和消费情况，从而选择是不是要发放卡片/贷款给他，或者要不要给他提升额度、延迟还款期。一旦某个客户出现异常行为，银行也能在最短的时间内知晓，并采取相应的措施防止风险案件的发生。 总之，虽然还不够完善，但大数据拥有无可限量的未来。