大数据征信与银行风控创新

大数据征信与银行风控创新

数据将是未来银行的核心竞争力之一,这已经成为银行业的知识。大数据时代,银行面临的竞争不仅来自同业内部,还来自外部的挑战。互联网、电子商务等新兴企业在产品创新能力、市场敏感度、大数据处理经验等方面优势明显。在这种形势下,利用大数据创新和提升银行的风险控制,逐渐成为业内关注和讨论的重要话题。

银行业在风险控制方面的不足

普华永道发布的《2015年中国金融与银行业展望》指出,截至2014年三季度末,中国商业银行不良贷款总额增长36%,达到7670亿元,创四年新高。预测2015年不良贷款上升趋势仍将持续。上述数据的背后,除了经济下行导致逾期风险上升的原因,银行风控的漏洞和缺陷也是重要原因。

信息不对称与贷款欺诈

随着P2P、小贷等民间借贷的兴起,借款人通过非银行渠道获得贷款越来越容易。而民间借贷机构不需要向人民银行上报数据,非银行系统贷款申请、债务、逾期情况等信息不清晰、不透明、不可预测的矛盾越来越突出。往往是直到借款人逾期甚至失联,银行才被动了解到民间借贷领域借款人的一些历史逾期贷款或者过度负债。

贷款欺诈是银行面临的另一个问题,尤其是在信用卡领域和一些以信贷工厂模式运作的贷款产品。银行固化的发卡审核流程和信贷工厂的运作模式,早已不是秘密。目前,信用卡、贷款包装、集团诈骗屡见不鲜,尤其是在信用贷款领域。约60%的信用贷款来自欺诈,其中一半以上是因为身份欺诈和数据包装。在数据维度不完整的情况下,银行等贷款机构由于缺乏第三方大数据的支持,缺乏充分有效的交叉验证手段,很容易被集团诈骗分子利用。

信息不及时与贷后风险防范

信息获取不及时也给银行贷后风险管理带来了不同程度的麻烦。比如,银行往往希望第一时间了解一个企业客户获得贷款后是否会面临新的法律诉讼,但大多数银行只是依靠信贷经理时不时地手动查询当地法院网站来获取信息,具有很大的不确定性。一旦信贷经理忘记查询或操作失误,贷后司法程序的监控将失效。这还不包括持续监控客户在民间借贷中的申请、负债、逾期情况。银行在贷后风险防范过程中的手段和效率极大地制约了银行风险控制的效果。

成本与效率的矛盾

为了解决信息不对称和信息获取不及时的问题,银行往往需要收集大量的数据来辅助判断。然而,在数据收集过程中通常采用的方法是要求借款人或企业提供大量的补充信息,这涉及到大量的人力成本和时间成本。为了提高效率,需要构建一套能够自动采集部分数据、自动化程度较高的后台管理系统,但对于很多中小银行来说,组建专门的工程师团队、开展大量的IT开发工作也是一个沉重的负担。

大数据征信与贷款风险控制

大数据征信行业的兴起

2065438+2005年6月,中国人民银行发布《关于做好个人征信准备工作的通知》,要求芝麻信用管理有限公司、腾讯征信有限公司、拉卡拉征信管理有限公司等8家机构做好6个月的个人征信准备工作。这意味着,这8家机构将成为国内首批商业性个人征信机构。由此,大数据征信行业的序幕正式拉开,个人征信市场的增长空间被打开。基于600亿美元的个人征信市场规模,再考虑到中国庞大的人口基数,未来中国个人征信的市场空间很可能达到6543.8+000亿元。

值得注意的是,大数据征信已经成为互联网巨头的必争之地。除了阿里巴巴和腾讯,百度、京东金融、小米金融、360金融等互联网公司也表示将建设互联网征信体系,并有意申请第二批个人征信牌照。一些机构已经向中国人民银行提交了申请。互联网公司的高调介入表明,一方面,互联网公司的创新特性和快速扩张给传统征信领域带来了新的活力和机遇;另一方面,互联网公司大数据和应用场景的不同优势,将使得征信市场的竞争日益激烈。

国内大数据征信行业发展趋势

各类大数据公司涉足大数据征信市场,数据维度和类型较两年前有了很大的丰富。特别是随着移动互联网时代的兴起,围绕移动互联网设备信息、地理位置信息、运营商信息的大数据公司和大数据服务层出不穷,并开始用于P2P贷款审核和交叉验证。然而,数据的来源和有效性仍然制约着大数据征信行业的发展。目前行业还处于早期探索阶段,没有成熟的“杀手锏”应用工具。

信息孤岛依然存在。信息孤岛是目前制约国内征信业发展的重要因素。信息不对称和不透明带来了大量的长期债务风险和欺诈风险。当国内大数据征信行业兴起,市场对消除信息不透明、打破信息孤岛寄予厚望。从目前行业的发展来看,信息孤岛不可能在短期内完全消失。

首先,与贷款风控密切相关的信息,如公共事业缴费、固定资产、社保、住所等,仍然属于政府相关部门。虽然工商、司法等信息已经向社会公开,但政府信息的公开程度仍然较低,这将是一个漫长而复杂的过程。

其次,拥有大量公民信息的互联网公司之间很难互通。目前,国内的社交数据、电子商务数据、地理位置数据、搜索数据、移动设备使用行为数据等互联网信息集中在阿里、百度、腾讯、JD.COM、360等互联网巨头手中。这些公司在跑马圈地的过程中存在大量的竞争关系,它们之间能够交换数据和享受信息的可能性似乎极小。

最后,征信公司之间的信息也难以沟通。征信公司的核心竞争力在于拥有自己独特的信息。作为直接的竞争对手,征信公司不可能利用自己的核心数据来提升竞争对手的竞争力。可以说,一方面信用公司致力于解决信息不对称,另一方面信用公司也在构筑数据壁垒。

应用场景逐渐丰富,组合信用评估可能成为主流。纵观征信业发达的美国,征信的应用早已不局限于金融领域,如招聘、租房、租车、交友等行业和领域都需要使用个人征信。随着“互联网+”、大数据概念的推广和P2P互联网金融的发展,国内征信公司也在探索和尝试应用场景的丰富。

从国内大数据征信行业的发展现状来看,信息孤岛、数据共享不完全的现状将长期存在。当行业发展到一定阶段,就会出现组合信用评估。比如要求当事人同时出具多家机构的信用报告,从社交、电商、招聘、浏览行为、地理位置等不同角度对当事人进行全息用户画像,判断其综合情况。这是因为单方面的信用评估已经无法全面评估一个人,需要充分发挥各大数据征信公司的信息优势才能全面评估。

大数据征信在贷款风险领域的应用案例

反映电商信用行为的芝麻信用。芝麻信用基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据,与公安网等公共机构和合作伙伴建立了数据合作。数据涵盖信用卡还款、网购、转账、理财、水电煤缴费、租房信息、地址搬迁历史、社会关系等等。芝麻信用以芝麻分直观呈现信用等级,主要包括用户信用记录、行为偏好、履约能力、身份特征、个人关系五个维度。从950到350分五个档次。分数越高,信用水平越好,违约的可能性越低。芝麻征信还发布了个人征信报告,主要由央行征信中心提供,记录了个人基本信息、贷款信息、信用卡信息和征信报告查询记录。

反映互联网社会行为的腾讯征信。腾讯的征信数据更多的是社交数据,其征信产品有两类:一类是反欺诈产品,包括人脸识别和欺诈评估;二是信用评级产品,包括信用评分和信用报告。腾讯征信反欺诈产品的主要服务对象包括银行、证券、保险、消费金融、小贷、P2P等商业机构。它可以帮助企业识别用户,防止黑账户或有组织的欺诈,找到恶意或涉嫌欺诈的客户,避免财务损失。对于之前没有个人信用报告的蓝领、学生、个体户、自由职业者等用户,腾讯利用社交、门户、游戏、支付等服务,通过海量数据挖掘和分析技术,预测其风险表现和信用价值,为其建立个人信用评分。

反映借款人风险的好贷云风控。好贷云风控是由好贷网与全球最大的个人信用评级机构FICO(菲戈)联合打造的大数据风控平台。整合了征信公司、司法数据、工商数据、消费数据等重要数据源,构建了金融借贷机构风险控制所需的所有行业和领域的风险数据库,包括反欺诈风险清单数据库、重大风险识别清单数据库、贷款申请记录清单数据库,共计7000多万。超过6000个维度的数据库,不仅可以有效补充贷款机构的本地数据库,帮助其大幅提升反欺诈识别和信用风险识别能力,同时结合FICO的信用决策引擎,为信贷机构提供服务。金融机构不用投入巨资自建系统,也不用花费巨大的精力和成本去寻找各种风控数据。

银行风控与大数据征信的结合

大数据很难解决所有问题,但可以作为一个有效的工具。大数据能给征信行业带来什么价值?笔者的判断是,未来一段时间,大数据还不能解决信用风险控制中的所有问题;或者说单纯依靠大数据进行信用风险控制和审批的贷款种类还是非常有限的。

然而,大数据已经可以解决信贷行业的一些问题,并将发挥越来越重要的作用。比如大数据在反欺诈识别、风险动态监控、用户行为分析、用户画像等领域的应用越来越多。银行机构要拥抱大数据,敢于并善于利用大数据辅助风险控制。

通过大数据让民间借贷信息对银行透明。通过大数据征信的数据,银行机构可以了解借款人民间借贷的信息。目前大数据征信公司提供的民间借贷相关信息主要有黑名单信息、贷款申请信息和被查询信息。以好贷云风控为例,其中包括各类征信公司的黑名单信息,以及好贷云风控平台整合的数十家P2P平台的黑名单信息。同时还包括好贷网654.38+00万的借款申请记录和每周翻倍的查询信息。这些信息从侧面反映了借款人的民间借贷情况。通过大数据征信,民间借贷信息对银行机构将越来越透明,识别更多的民间借贷风险,更好地进行贷款审核和反欺诈识别。

丰富数据维度,提高信贷档案客户的风险控制能力。2014政策与经济研究委员会(PERC)关于非金融信息(也已成为替代信息)在信贷决策中的作用的研究表明,将水、电、煤、有线电视、手机等非金融信息纳入征信系统,显著提高了有信用档案的人的信用获取能力。

目前,很多银行逐渐意识到已经被银行传统数据库收录的信息并不丰富和完整,开始频繁地主动与第三方大数据征信公司接触和合作,比如银行拥有的客户信息、客户基本身份信息等。但是客户的其他信息,比如性格特征、兴趣爱好、生活习惯、行业领域、生活状况等。,银行很难准确把握;另一方面,客户的资金交易信息、网页浏览的行为信息、服务呼叫的语音信息、营业厅和ATM的视频信息等多种异构数据很难分析,但除了结构化数据,其他数据都无法分析,更不用说综合分析多种信息,无法打破“信息孤岛”的格局。通过与第三方大数据征信公司的合作,尽量弥补自身在获取信息维度和数据挖掘分析能力上的不足。

综上所述,笔者认为,银行要想进一步加快转型步伐,实现诚信社会和普惠金融的愿景,肩负起信用风险管理的重任,就必须依托互联网在信息使用、贷前调查、贷中监控等风险控制方面的优势,拥抱大数据征信,充分利用国内外各类信息做好客户征信增信工作,进一步提升风险控制和管理水平。

以上是边肖分享的关于大数据征信和银行风控创新的相关内容。更多信息可以关注环球常春藤分享更多干货。