微众税银耿心伟：大数据在银行小微金融领域的运用

 长期以来，信息不对称是横亘在银行与小微企业之间的一条鸿沟。顺应时代发展、在国家推动“数据共享”的背景下，银税互动政策落地。企业的税务大数据打通之后，新的问题又产生了：如何解读企业涉税数据，如何高效处理数据，如何把数据应用于银行对于小微企业融资服务的全流程？这些成为传统银行转型升级中无法绕开的话题。

    数据共享解决银企信息不对称

    缺少抵押物品导致中小微企业融资难、融资贵，这只是外在表征；信息不对称带来的融资受阻或高成本，这才是中小微企业融资困境的症结所在。

    推动企业数据共享，使银行完整、及时掌握企业的经营情况、资产负债情况、销售动态和关联企业状况，通过洞察小微企业还款能力和还款意愿打破信息不对称，才能够从根本上解决小微企业的融资难题。

    银税互动打破“信息孤岛”

    2015年国家税务总局联合中国银监会共同推动的银税互动，实现了小微企业涉税数据的互通，让长期困扰银行的信息不对称难题得到了缓解。在2017年，该政策又再次扩面升级，数据的开放范围和推进深度广度都有所增加。

    银税互动的主旨是让各地税务局与银行通过建立税银合作机制、搭建合作平台、共享交换信息等方式为企业增信，解决小微企业的融资难问题。

    此前，在税务局系统中累积了大量真实有效的小微企业纳税数据，可以反映企业财务状况、经营稳定性等。有了企业涉税数据的开放和及时传输，能够改善银行与企业间信息不对称的尴尬局面。

    纳税数据共享不等于数据可用

    当数据可以互通，银行可以通过授权获取小微企业纳税信用数据之后，新的问题又产生了：第一，各省市税务局的数据格式并不统一，统计的口径也不相同，除了结构化数据外，还有大量的半结构化和非结构化数据。第二，对企业税务数据的解读，是非常专业的领域，部分银行现有人才对税务数据的理解也不专业，很多数据读不懂、看不明白。第三，纳税数据没有纳入银行现有的风控系统，很难仅凭一堆纳税数字来评判企业的信用风险状况。

    那么，如何才能正确解读涉税数据，使数据可以运用于银行小微企业融资服务的全流程之中？微众税银通过研究发现，纳税数据除了能反映纳税多少之外，还包含了企业的基本信息、资债变化、纳税信用评级、稽查评估、上下游稳定性等情况，银行可据此精准描绘出一副完整的“企业画像”。

    大数据助力银行信贷流程成本管控

    大数据结合先进的金融科技可以实现信贷流程的成本管控、风险控制和效率提升。构建一套在线化、全流程数据化的方案覆盖贷前、贷中、贷后，才是一条高效便捷的出路。

    利用数据模型做用户初筛。对纳税信用等级高的企业，根据银行个性化的条件做初筛，通过数据模型，可以瞬间获取大量优质的企业用户。用数据模型初筛的好处是高效精准，最大限度节省了人力成本。

    在信贷审批决策过程引入数据做辅助决策。将企业涉税数据结合工商、司法、征信等数据，通过数据模型分析处理转化为可视化、指标化的企业征信报告，结合数据驱动模型和审批规则，可为审批决策提供可靠的助力。在此阶段引入数据与风控模型，可节省大量的上门调查时间与成本，提升效率。

    在贷后引入大数据风险监测。利用成千项数据指标、数据模型以及预警规则，可形成预警信息，结合银行的个性需求，对企业做动态监控，一旦数据超过正常范围，则发送预警给检查人员做线下核实处理。这就解决了贷后人工成本高、效率低的问题，提升贷后管理的针对性。总行甚至可以通过系统管控风险、规避贷后管理自下而上的道德风险。

    全流程的数据化改造。对一些体量较小的银行，引入一套贷前筛选、贷中审批、贷后监控的全流程自动化、数据化、标准化解决方案，并部署到银行的客户管理、信贷管理、贷后管控系统中，可以最大程度上节省小微企业信贷服务的成本，同时控制不良率的发生。

    用好大数据的五条“秘诀”

    未来，大数据将成为行业变革的重要驱动力。大数据的处理运用能力将直接影响银行的核心竞争力。理解大数据、用好大数据，可以简单概括为：“大数无界、数往知来、心中有数、流数不腐、数不胜数”。

    “大数无界”——数据使用场景没有界限。经营可以是跨界的，数据的使用也是可以跨界的。解决小微企业的融资难题，更需要跨界的数据融合，不仅需要银行内部的、电商企业生态内的、物流企业体系内的数据，更需要通过跨界的资金流、信息流、物流的融合解决信息的不对称，并通过各种刚性场景触达客户。

    “数往知来”——用过去的数据对未来的违约、风险、商机进行探知。社会重视过往信用数据的利用，有利于提高全社会信用水平，识别信用破产的企业和个人，降低风险。

    “心中有数”——在决策和工作中善用数据。应当摒弃过往管理人员关起门来，凭感觉、拍脑袋、靠经验的决策方式，向以数据驱动的决策方式转变。摒弃所有事情依靠人工处理、人工验证判断的做法，改为数据化、自动化的流程，这能减少成本、提高效率，减少差错率和人为风险。

    “流数不腐”——流动的数据才最有价值。数据也讲求“鲜活”、及时。打个比方，企业去年、前年没有发生问题，不代表它最近三个月经营正常，也不代表它这一秒没有正在发生问题。只有及时的数据才能够最大限度反映真实状况、防范风险的发生。

    “数不胜数”——计算机助力大数据时代发展。此处的数不胜数要解读为，大数据的运算能力，已经能够处理海量复杂的数据。依托于日新月异的先进技术手段，大数据挖掘和分析，也将向机器学习和人工智能等方向逐渐过渡。

    本文载于《中国银行业》杂志2018年第1期，原文有删减