來源：銀行家雜志 作者：合合信息啟信數據專家 康龍
近年來，國家大力推動城鄉(xiāng)均衡發(fā)展、促進中小企業(yè)成長，監(jiān)管部門也頒布了《關于2022年銀行業(yè)保險業(yè)服務全面推進鄉(xiāng)村振興重點工作的通知》等系列政策，強調商業(yè)銀行要結合業(yè)務特長開展農村金融服務，加大首貸戶拓展力度，提升縣域貸存比等要求。
大行業(yè)務下沉，普遍面臨“三高”問題：獲客成本高、服務成本高、風險成本高。大行作為全國性銀行，對當地中小企業(yè)客戶的資信水平、經營狀況的掌握缺乏地緣性優(yōu)勢和時效優(yōu)勢，導致銀企之間信息不對稱?；谶@種情況，銀行傳統的解決方式是要求企業(yè)補充大量信貸資料，或提高客戶申貸門檻，或要求其提供抵押物進行信用增級，這些都讓大量小微企業(yè)望而卻步。
此外，部分大行對普惠業(yè)務不設置利潤征收方面的考核，開展業(yè)務時，通過降低利率來達到獲客目的。該舉措一定程度上能讓利于普惠小微客戶，但由此產生的高成本、低利率也對大行的經營效率有所影響，不利于其穩(wěn)健經營和金融風險防控。
大行業(yè)務下沉，中小銀行業(yè)務也開始承壓。與大行相比，地方性中小型銀行在數據量等方面更處于競爭劣勢。同質化競爭加劇，優(yōu)質客戶流失，讓相關銀行進入了“逆水行舟”的尷尬階段。
透過現象看本質，部分銀行在縣域等“下沉”市場的推進中，暴露出對公業(yè)務數字化體系建設里存在的短板。目前，銀行雖然已經建立了一定的數據資產，但這些數據需要專業(yè)人才和工具對其進一步的深度挖掘，以及在業(yè)務場景中應用落地。與此同時，外部數據在銀行對公信貸業(yè)務中的價值釋放還有明顯的提升空間。
對公信貸數據
建設和應用的難點及解決辦法
難點一：數據建設和業(yè)務應用之間存在“鴻溝“
多數銀行在數據資產、大數據平臺等數據中臺基礎設施建設上已進行了相關部署，但數據建設與業(yè)務應用之間仍存在鴻溝，導致業(yè)務不能及時、按需獲得數據支持。
究其根本，受制于崗位劃分和專業(yè)背景，科技/數據部門往往不夠了解業(yè)務，而業(yè)務部門又不懂技術/數據。例如業(yè)務部門覺得科技/數據部門的數據建設成熟度很低，很多業(yè)務需要的數據都沒有；科技/數據部門認為業(yè)務部門沒有需求，所以不會建設對應的數據。這種看似簡單的矛盾在銀行內部普遍存在。
數據的建設和應用，要求從業(yè)人員同時具備數據和業(yè)務相關的知識和能力。銀行可以靠自身人才培養(yǎng)，例如派駐科技/數據部門人員到業(yè)務部門去支持，逐漸提高業(yè)務知識，也可借力在業(yè)務、數據、技術方面具備整合性優(yōu)勢的廠商，讓其提供咨詢服務、數據服務、系統建設服務。
難點二：內部數據治理及價值挖掘能力不足
銀行在日常經營活動中積累了大量數據，這些數據除了支持銀行前臺業(yè)務流程運轉之外，越來越多地被用于決策支持領域。精準營銷、產品定價、風險管理、績效考核等管理決策過程，都需要大量高質量數據支持。近幾年，雖然各大銀行都在建設數據中臺，進行數據治理，形成了自身的數據資產目錄，但是這些數據大多沒有被充分利用起來，數據沒有發(fā)揮出應有的價值。相反，數據建設和數據治理的投入，以及后續(xù)的數據存儲和運維成本越來越高。
造成這種現象的原因主要是銀行前期做數據建設和治理時，只考慮了數據歸集和標準化治理本身，從業(yè)務需求層面考慮不夠。例如，同樣是數據表，業(yè)務應用需要的表結構和當時數據治理時存儲的表結構可能有較大區(qū)別，對數據的歸類和計算邏輯可能也不符合業(yè)務應用的需求。
另外，對于很多銀行內部的數據，看似對業(yè)務應用沒有什么幫助，往往會被忽略，但是如果和其他數據關聯并進一步加工、挖掘，就能成為對業(yè)務有應用價值的數據。
難點三：外部數據資源引入和應用不充分
當前，銀行對公業(yè)務面向的企業(yè)客戶，呈現出客戶主體多元化、集團客戶跨區(qū)域、業(yè)務范圍跨行業(yè)等特征，企業(yè)信息識別不充分、客戶信用狀況參差不齊、企業(yè)關聯關系錯綜復雜、貸后風險管理存在時滯等原因，對銀行大數據應用能力提出了很大的挑戰(zhàn)。
銀行自身積累的企業(yè)客戶數據有限，對外部數據資源的引入和應用也不充分。如果能夠借助和引入外部成熟的企業(yè)大數據，同時考慮內外部數據的融合應用，將最大化發(fā)揮數據的價值，才能實現真正的數字化轉型。比如在貸后管理中，行內定期排查的企業(yè)經營狀況、財務數據，與外部的工商、司法、高頻輿情風控大數據結合，更能全面地監(jiān)測、及早地識別企業(yè)客戶潛在的違約風險。
外部數據應用的關鍵，是了解這些數據的種類，以及數據在具體的業(yè)務場景和具體的環(huán)節(jié)中可以發(fā)揮的作用。以銀行對公業(yè)務為例，啟信數據團隊在實踐中將該場景服務流程初步歸納為“存客盤點->潛客挖掘->客戶分層->商機線索挖掘->客戶分配和觸達營銷->準入盡調->授信和用信->貸后監(jiān)控->存客拓新”，其中每一個環(huán)節(jié)都能夠通過外部數據的賦能，大幅提高數字化效果。
數據服務對公信貸全流程
例如，銀行在拓客時會有途徑獲取一些潛客名單，但名單中出現的企業(yè)數量龐大，數據顆粒度卻嚴重不足，營銷人員無法判斷哪些潛客價值更高，實際賦能效果有限，構建客戶分層評分模型至關重要?？蛻舴謱雍蜕虣C線索的優(yōu)先級排序都需要模型支撐，包括客戶價值模型、線索有效性模型等；對于潛客名單，可以先利用外部數據，對名單做批量風險排查，提前篩掉有風險的企業(yè)，避免客戶經理浪費營銷時間，實現降本增效。對于這些場景的數字化賦能，外部數據起到了重要的補充作用。
啟信數據團隊基于啟信寶旗下商業(yè)大數據技術和境內2.3億家企業(yè)等組織機構的超過1,000億條實時動態(tài)商業(yè)大數據，研發(fā)了系列數據和解決方案產品，如營銷線索數據，用戶畫像數據，產業(yè)鏈/供應鏈數據，科創(chuàng)信貸等各類專項數據，能夠幫助銀行去解決具體場景中數據缺乏、數據質量不高的問題。
面對銀行業(yè)務下沉趨勢，啟信數據團隊還推出了網格化營銷方案，基于分支行地理位置及輻射范圍，自動挖掘分支行周邊企業(yè)、園區(qū)、協會、新增企業(yè)、新商機、存量客戶商機 ，助力銀行采取差異化、網格化的經營策略，實現資源精準分配。
網格化營銷解決方案-新增企業(yè)挖掘功能
難點四：從“信息化”到“數字化”，模型研發(fā)挑戰(zhàn)重重
銀行對公業(yè)務從“信息化”到“數字化”轉型，需要模型能力加持。
在對公營銷領域，上述內容中涉及的客戶分層以及商機線索的有效性排序，都需要模型支撐，包括客戶價值模型、線索有效性模型等。以科創(chuàng)信貸等專項業(yè)務場景為例，銀行需要量化的評估模型來識別客戶的科技創(chuàng)新能力；對于產業(yè)分析，需要構建產業(yè)景氣度模型來分析判斷產業(yè)的發(fā)展趨勢；風控領域，需要針對每一類風險數據，構建細分的風控子模型，并將這些模型和傳統的風控模型融合應用；對于反洗錢需求，需要構建空殼指數模型和反洗錢風險識別模型等等。
從模型定義、設計、開發(fā)、驗證、應用、監(jiān)控，到調優(yōu)迭代的全生命周期，每個環(huán)節(jié)都對從業(yè)人員的專業(yè)度提出了較高的要求，需要同時具備優(yōu)秀的數據知識、業(yè)務知識和建模能力，而現階段銀行普遍缺乏這樣的復合型人才，模型研發(fā)挑戰(zhàn)重重。啟信數據團隊在服務銀行的過程中，積累了大量的數據模型，幫助銀行加速實現“數智化”。
總體來看，大行業(yè)務下沉將成為常態(tài)化，中小銀行的發(fā)展空間會受到一定程度的擠壓，但這一切并不完全是在存量中博弈的零和游戲。商業(yè)大數據技術和高質量數據的引入將助力銀行實現數據“下沉”，賦能對公業(yè)務全流程數字化轉型，幫助中小銀行在小微客戶群體中增量擴面，對大行也有 “降本增效”的作用，使銀行更好地支持實體經濟發(fā)展，實現行業(yè)共贏。
