我今天和大家分享的主题是互联网金融风险控制模式,主要是基于个人在工作当中的一些体会,我将从以下四个方面的内容进行探讨。

第一,互联网金融的三个层次与阶段

互联网金融的发展,我以个人的理解划分为三个阶段,第一个阶段是把互联网作为服务的渠道,在这个阶段主要是在安全和体验这两个方面进行改进。电子渠道和网络金融最早解决的就是安全问题,早期就有调查显示90%的用户是因为担心安全问题而拒绝使用电子银行渠道,所以强化安全机制是电子渠道早期发展的重点,包括传输的安全、认证的安全等等,这其实和物理网点要从各个方面进行严密的安防是一样的,银行首要给用户建立的就是安全的概念。第二个方面是体验,让客户感觉更好用、方便、快捷、体验好,最好是傻瓜式的,任何人都能用。过去在网点,是把简单的留给客户,客户到柜台只要简单填写单子就可以,而复杂的操作过程留给银行自己进行,后来更推出了免填单服务。但是在互联网时代,客户完全是自助式服务,他们需要在自己的数字终端处理银行的业务,这时就需要把银行的业务简单化,让客户随时随地找到需要的功能,很方便的处理业务,客户的使用体验是非常重要的。这其实也和银行在网点改善服务体验类似,通过配沙发、配咖啡、配叫号机等各种手段优化环境和体验。所以在渠道阶段,我们一直在做的,最主要的两件事就是安全和体验,银行在虚拟空间和物理空间做的事情其实差不多。

第二个阶段是把互联网作为营销的渠道。不仅仅是满足客户来办理业务的需求,银行还要主动向客户推送自己的产品和服务,在这个阶段主要强调的是人机交互,如何运用WEB2.0的技术,银行的机器和系统怎么跟客户进行交互、人机对话,此外还有运用大数据、数据挖掘的技术去分析客户的行为。

第三个阶段是银行如何利用互联网和大数据去做风控。风险控制是针对客户的不良行为,比如欺诈行为、骗贷行为等,如何进行防范。这个阶段比服务渠道和营销渠道更加复杂,它需要大数据、需要人工智能、需要计算机辅助决策,也就是说通过互联网获取大数据,然后再通过商业智能去分析客户的行为,从而帮助银行进行风险控制。在这个阶段,我们的风控可能在客户的开户环节就要开始介入,直到客户申请贷款、发放贷款、贷后管理、风险预警等都需要用到。随着远程开户的逐步放开,对于开户环节也会增加风控的要求,但更多风控需求还是在信贷业务方面,如何在贷前调查、贷中审查和贷后检查各个环节去体现对客户风险防控的要求。

我们在看这整个发展过程时,发现银行的渠道发生了很大的变化。首先是银行提供场所、提供设备、提供人员,也就是我们传统的物理网点;其次是银行提供场所、提供设备,但不提供人员,即我们的24小时自助银行;然后是银行提供设备,但不提供场所和人员,比如ATM、POS机;最后阶段银行设备、场所、人员都不提供,只提供APP、网站或者系统,这就是进化到我们现在的移动互联网时代、移动金融,客户完全是通过一个智能终端接入到网络,然后就可以享受银行的服务了。

银行的电子渠道因为它具有三A的特征(即任意时间、任意地点、任意方式),以及广覆盖、低成本、高效率的优势,所以这个渠道的发展非常快,下图显示出从80年代到未来2020年的发展预测,电子银行渠道的作用一直在上升,而传统网点、甚至ATM机和呼叫中心则一直在下降。将来的银行网点将越来越少,可能其功能将转化为顾问型销售,银行将更多通过网上银行的渠道给客户提供服务。

 

实际上,我们现在看到,国内有些银行的网上银行已经非常像虚拟营业厅,比如招商银行和中信银行。可能未来大家看到的银行更多的并不是物理网点,而是在手机端、Pad或者电脑桌面,用户可以随时任意选择产品,很方便的购买,如果有问题,可以立即和签约时约定的客服人员进行对话。


第二,互联网金融的风险控制模式

互联网金融跟传统金融的区别,主要表现在以下四个方面。第一、服务理念,传统银行是把客户分类分层,二八定律,主要针对20%高端客户进行定制服务,而互联网金融是普惠金融,做的是长尾市场,越是零散的小客户越是它的目标;第二、从服务渠道来讲,传统银行是网点+网络,而互联网金融只有网络这一个渠道;第三、服务方式不同,传统金融是银行提供服务、客户享受服务,但在互联网金融时代,客户参与到银行金融产品的生产过程当中,所谓“产销者”,就是他既是消费者,同时也参加了生产,金融产品的设计甚至会包含客户的意愿,就是个人定制、私人定制;最后一个区别风险控制,传统银行的风险控制是基于客户的现金流、抵押或者担保,而互联网金融的风险控制主要基于客户的数据。

首先,我们来看银行自己做风控的模式。传统银行要转型为互联网银行就要改变为互联网金融的风险控制模式,基于客户行为数据进行风控,我们需要对客户信息进行收集,比如客户行为、客户表现,不仅仅是他在本行的表现,还有在他行的表现,以及在各个政府部门、市场、供货商、客户等方方面面的表现,这些信息全部搜集起来并且数据化,再通过搭建各种规则和模型,对这些数据进行智能化的分析,再经过系统进行自动化的处理,才能把客户的业务进行不落地的、直通式的处理。直销银行是大势所趋,其实我觉得这个概念不准确,从国外Direct Bank而言,更准确的概念应该是直通银行,怎么直通?两个关键点,一个是远程开户,这在技术上不成问题,只要政策放开就行;另一个直通的难点就是授信,面签、实地调查等必须经过人工处理,但是通过互联网、通过对客户大数据的智能化、自动化的分析处理,授信这个直通的难点是可以解决的。或者说,在银行的信贷上,不通过互联网和大数据,我们是不可能实现直通的。

第二种风控模式,银行并不是自己做风控,而是搭建一个平台,客户自己做风控,就是典型的P2P模式。银行把资产端的客户放在这个平台上,把有资金端的客户也拉上来,让他们直接进行点对点的交易。这个时候,银行就是一个平台型企业,而不是像以前一样,自己买断资金再卖出去。作为间接融资的中介,银行要做的事情就是这么几件:第一,进行格式化的数据处理,必须按照规范的格式化的要求,让客户把自己的数据披露在这个平台上;第二,银行还会拿到一些外部数据,非客户自己能提供的,比如人行的征信数据、各个政府部门的数据等,让资金端的客户自己做评估、做风控;此外,还有一些银行会做征信安排,比如陆金所,给资产进行信用的征集。我们不难看出,这时的银行已经不是传统的银行了,因为按照金融中介理论,银行存在的必要性是由于投融资双方信息不对称,投资方(或者说存款人)没有能力、也没有精力、而且也不经济去做融资方的信息搜集和处理,但是互联网改变了这一切,收集信息和处理信息变得非常容易,高效率、低成本,借助互联网的手段会让整个交易成本大为下降,那么银行作为间接融资中介的存在还有必要吗?银行是不是要主动转变为纯粹的平台型企业?比如证券公司,已经可以完全成为平台型企业,它把投融资的客户拉到一起,自己只是做信息的披露和专业分析,以及辅助客户进行决策,它做的是股权融资。那么银行做债券融资是不是也可以这样?改变以往先把存款吸收过来,再去找贷款客户把钱发放出去的模式,而只是帮助客户搜集信息、处理信息、以及进行一些征信行为,借由客户自主做风控的模式。


第三,大数据在互联网金融风控中的应用

下面这个示意图简单概括了如何运用大数据进行风控的模型,也是我们现在在做的一些事情。

 

银行本身就拥有很多数据,比如客户开户的数据、账户交易数据、客户在银行做信贷的流程数据,还有客户在银行购买产品的数据、资金使用情况数据、甚至违约的数据等等。另外,银行还可以掌握很多外部数据,特别是人行的征信信息,银监会的数据,工商、税务、环保等政府部门的数据,还有外部舆情的数据等等,我们通过互联网技术,比如批量的直连接口、爬虫技术、脱机的批量导入等等,把这些数据全部整合在一起、整合在一个信息平台上,再通过规则、模型等一些商业智能工具,对这些数据进行智能处理,然后把结果应用于银行的整个信贷全流程,包括对客户的贷前调查、贷中的审查审批、放款、贷后管理各个环节,甚至是资产保全的环节,所有客户的内部和外部数据,像一条河流一样一直在贯穿信贷的全流程当中。未来就不需要银行的客户经理主动去搜集这些东西,而是通过系统把客户的所有数据抓取过来,提供给客户经理,由他们去做分析和判断。现在的客户经理很辛苦,拿着一大堆清单找客户索取各种数据,而这些数据都是客户单方面提供的,很难保证其客观性和真实性。如果我们将来能跟所有相关系统进行直通,比如与客户的ERP系统实现直通,那么财务报表很难作假;再比如跟税务部门系统进行直通,获得的税收数据也很难作假;再比如在抵押方面,也能获得真实的抵押房产的情况。现在通过互联网、通过直通,我们可以获得更加真实和准确的数据,而且成本很低,所以银行现在也在积极推动大数据技术的应用。

下面简要介绍一下目前各种外部数据的应用情况。

1、 工商数据

工商总局已经实现了全国工商数据的联网,囊括了企业登记的基本信息,比如营业执照的所有信息、股东和出资方的信息、主要管理人员的信息、法定代表人及其对外投资的信息、股权被质押的信息、企业对外投资的信息等等,这些数据对于我们识别一个授信企业主体的信息,就已经比较全面了,而且相对真实。

2、 税务数据

现在我们很难拿到客户真实的税务信息,包括申报的信息、缴税的信息,但是已经可以拿到涉税违法信息、停业注销信息、欠税缴税信息、纳税大户排名的信息等,也就是说,我们可以拿到的是好和坏两头的信息,好的纳税信息我们可以用来做营销,不好的纳税信息就可以用于风控。

3、 司法数据

目前司法信息的情况不是特别好,到地市这一级的数据就不是很统一,披露程度的多少差别很大,格式化程度也不高。但是好在有一些专门做大数据的公司已经把这些司法信息整理的比较好,包括从立案公告到开庭、判决、执行、破产、催收、清算、拍卖,银行的授信主体(包括企业和个人)在司法诉讼这方面,从源头到最后终点,全过程的司法信息还是可以获取的。

4、 环保数据

我们做一些项目贷款,尤其是排污或者能耗高的企业,就会非常关注这方面的信息,比如环保处罚、欠费等。

5、 上市公司财务数据

我们现在可以获得上市公司所有全量的财务信息,包括加工以后的最佳值、最差值、终值、平均值等等这些数据。银行可以把授信主体跟这些上市公司的指标进行比较,判断客户处于什么水平。

6、 舆情数据

我们可以把大量的舆情数据进行格式化的处理,一旦客户发生了重大变故,比如股东变化、安全事故、资产冻结、司法诉讼、违规违法经营,甚至个人股东、实际控股人、高管的个人不良行为,我们都能及时抓取这些数据,对银行整个的信贷风险控制都有很大的帮助。


所有这些大数据都是通过云服务来获取的,因为如果由银行自己去对接所有这些系统有两个问题:第一个是谈判的商务成本太高,第二个是技术接口的开发量过大,所以现在有专业的企业来提供这些方面的数据服务,他会把所有数据集成起来,通过云服务推送给各家银行。


  第四,信贷风险预警系统

最后简单介绍一下我们正在做的信贷风险预警系统。目前信贷风险预警偏重于贷后,但是我们的目标是要做到全流程,特别是对于连续授信的客户,如果能够在贷前调查就能做到预警,就能够减少客户经理和信审方面的资源投入。

风险预警包括三个方面:第一是如何获取客户的风险信息,进而把它数据化、格式化;第二是如何搭建风险预警的规则和模型;第三是如何做到信贷全流程的应用。这个过程有点类似企业的生产过程,第一个就相当于企业的材料采购,第二个仿佛是生产车间,第三个就是物流或销售,怎么获取原材料,怎么加工,变成商品,最后怎么送到客户手里。其中最关键的还是中间这个环节,如何搭建规则和模型,因为通过规则和模型我们可以高效率、大批量的处理风险信息,但是有一个问题,它会误判,它没有人脑聪明,所以我们既要依靠规则和模型、依靠计算机的辅助决策,也还是需要人工去处理,尤其是大客户,还是需要定制化的处理,不能完全应用规则和模型,而对于小微企业或个人则完全可以采用直通式的、批量的信息处理和风险控制。

我们目前的工作重点就是如何把外部和内部的数据全部搜集过来后,经过规则和模型的处理,把它变成预警信号,再把预警信号经过层层的决策,变成对客户进行处置的一种指令,然后再贯穿到信贷工作的各个层面,通过各个流程结点去对客户进行风险控制。

风险预警是各家银行都在面临的新课题,希望我们目前正在做的这个信贷风险预警系统在完成以后,能够对商业银行的互联网金融业务发展都有所帮助。我认为,只有基于互联网和大数据的风险控制,我们才能真正做到直销银行,对于所有零售客户,包括小微企业和个人用户,才能真正做到直通式的处理,这是我们开展互联网金融最终要实现的目标。   

2015年09月11日

化繁为简,银行大数据应用实践
云计算和大数据助力金融互联网创新

上一篇

下一篇

互联网金融风险控制模式

本网站由阿里云提供云计算及安全服务 Powered by CloudDream