大数据支撑银行个人贷款何处发展

㈠ 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。

㈡ 如何利用大数据来解决中国的巨大的信贷差距问题

作为银行的一项主要资产业务，贷款资产的运动是一种以“两权分离、按期偿还”为本质特征的特殊价值运动。在现实经济活动中，银行的信贷活动，会受事先无法预料的不确定性因素影响，例如使银行贷款资金有可能遭受损失事件发生。主要表现为贷款到期不能按时收回和贷款的贬值等，这样就产生了贷款风险。从目前国有商业银行贷款资产质量的现状看，形势较为严峻。 国有商业银行信贷风险分析 政府行政干预带来的风险。按照经济发展的客观要求，国有银行是资金配置的主体，政府职能只限于宏观调控。然而在现实中，作为国有商业银行，虽然在人事、行政、业务上不受政府直接管控，但并不等于不受政府影响。作为资金配置的主体，政府并未从实际运作的干预中退出，中心地位并未淡化，往往造成部份项目投资效益不高，形成贷款沉淀。 社会保障机制滞后带来的风险。由于企业破产失业救济制度不完善，国有银行贷款风险无法直接分散和转移。企业与社会的问题没有解决，企业把生产所需资金缺口留给银行贷款解决，形成贷款风险压力；企业保险制度不健全，使银行无法保全贷款资产的安全性，增加了损失的概率。 法制不健全带来的风险。尽管我国陆续出台了银行法、票据法等许多法律，但是这些法律大多内容比较简单，有些内容有待于重新修订，并且有些法律与国家的某些政策相悖，银行在保全债权方面将会遇到较大的阻力，加大了银行的信贷经营风险。 缺乏科学经营管理带来的风险。国有商业银行缺乏科学规范的经营管理方式主要表现在：在经营上把效益性放在首位，而忽视安全隐患；没有建立起完善的责权对等的管理机制，一旦贷款出现问题，很难分清责任，更谈不上追究责任。 借款人(企业)还贷意愿不确定带来的风险。借款人(企业)还贷意愿与其(法定代表)的信用相关，还贷能力强的借款人(企业)还贷意愿不一定强；还贷能力弱的借款人(企业)还贷意愿不一定差。并且，信用度很难进行比较准确的考查、判断。所以，借款人还贷意愿存在很大的不确定性，这种不确定性必然带来一定的风险。 国有商业银行信贷风险的控制对策 为有效防止和化解国有商业银行信贷风险，避免由此带来的金融震荡和经济风险，通过上述对我国商业银行目前面临的信贷风险原因的分析，我们可以从如下几个方面着手治理商业银行的信贷风险。 进一步加强政府监督职能。政企不分一直严重困扰我国企业改革和发展。我国信用的深层次问题很大程度上表现为政府行为和地方保护主义。由于政府尚未完成由市场的参与者向市场的管理者的转变，为了政绩需要而急功近利，期望短期内地方经济有较大起色，过分干预银行贷款，削弱了市场功能作用和市场法则权威。因此，必须重新界定政府职能、规范政府行为。政府职能是弥补市场缺陷、维护社会公平，着力为企业经营提供必要的经济环境，同时支持并配合银行防范和制止企业逃废债务，确保金融资产的安全运行。 建立健全社会保障体系。形成全社会信用是提高银行资产质量的重要保证。恶意逃避银行债务、恶意欠款的单位必须受经济和法律制裁。作为政府部门，央行应对企业改制中兼并、重组、破产等跟踪监督，协助金融机构依法维护金融债权；应健全企业信息披露制度，解决银、企信息不对称问题：严格规范企业会计信息和信息处理标准化，并提高信息公开程度，以降低银行系统风险。

㈢ 大数据在银行传统信贷全流程中，有哪些关键作用

我来说说吧，以芝麻信用为例，当发生电商交易，信用卡还款；亦或是导入领英账号信息，录入车辆信息，导入住房公积金信息。以上种种行为体现在信用分上，都会以提高芝麻信用分的形式体现出来。也即，在芝麻信用的体系中，将以上行为定义为好的，正面的行为。那么问题就在于，此类行为的好与坏，是由何种标准定义的，是否能经过检验。当然，以人们常规的认识，上述行为必然是好的行为。但，是否不符合以上行为的人群，其违约风险一定会高？按照以上的标准将人群进行区分，违约率是否会有显著差异？其差异是否达到了统计学显著的标准，从而可以作为结论使用？大数据提供了检验的方法，在其背后的所涵盖的统计学，计量经济学，以至于神经网络中，有大量的知识和技能用于验证上述定义是否有其科学依据。如果——不幸的——上述行为只是基于一般认识所得出来的结论，不加验证的将其纳入到大数据的信用评分体系中，那么最终得到的结果，对于大数据来说是可悲的。因为在这一方法论下，大数据只是作为约定俗称的惯常思维的眼神，只是相当于海量的信贷专家坐在一起进行讨论。我所希望的大数据，应该要像AlphaGo学习围棋一样，不管定式，不管手筋。从胜率的角度去评价每一个点位落子的价值，最终找出能够走向胜利的最优下法。应用在信贷审核中，就是抛掉所有约定俗成的见解，去重新寻找经过大数据验证的信用风险影响因素，并以此为基础，重新建立信用风险审核的新体系。

㈣ 在大数据、云计算形势下,个人贷款有哪些创新

◆ 概念的不同
从宏观的概念上来讲，云计算改变了IT，而大数据则改变了业回务。同答时，大数据必须有云作为它的基础架构，才能得以顺畅推广并体现出强大的实用价值。
◆ 目标受众的区别
双方的目标受众也是不一样的，云计算代表着一种IT层面的解决方案，是面向CIO的；而大数据则是一种战略构架，是面向管理者和业务层的，它能让我们在业务上展示出更强大的竞争力，完全提升综合实力。

㈤ 大数据能为银行做什么

随着移动互联网、云计算、物联网和社交网络的广泛应用，人类社会已经迈入一个全新的“大数据”信息化时代。而银行信贷的未来，也离不开大数据。
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。从发展趋势来看，银行大数据应用总的可以分为四大方面：
第一方面：客户画像应用。
客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于自身拥有的数据有时难以得出理想的结果甚至可能得出错误的结论。
比如，如果某位信用卡客户月均刷卡8次，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；
（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
第二方面：精准营销
在客户画像的基础上银行可以有效的开展精准营销，包括：
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
第三方面：风险管控
包括中小企业贷款风险评估和欺诈交易识别等手段。
（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯。
第四方面：运营优化。
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
银行是经营信用的企业，数据的力量尤为关键和重要。在“大数据”时代，以互联网为代表的现代信息科技，特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展，移动支付、搜索引擎和云计算的广泛应用，构建起了全新的虚拟客户信息体系，并将改变现代金融运营模式。
大数据海量化、多样化、传输快速化和价值化等特征，将给商业银行市场竞争带来全新的挑战和机遇。数据时代，智者生存，未来的银行信贷，是从数据中赢得未来，是从风控中获得安稳。

㈥ 银行信贷引入大数据的意义

应用大数据对商业银行信贷业务与风险管理，能够有效地加强银行内部信贷业务评价体系的构建效果，进一步发展银行业务，更好地对风险因素的构成进行数学统计分析，按照指标体系的要求构建更加科学和客观的内容。在这个过程中，需要进一步对当前市场金融信息进行集结，让商业银行信贷风险业务的评价更客观，制定定性和定量的评价方式才能够符合商业银行风险预控理论的要求。在实际应用过程中，必须按照客观公正的研究方式对当前银行业务风险评价进行分析，并根据我国当前经济发展新趋势，按照大数据背景下的实际要求为我国商业银行业务风险提供控制策略，有助于我国商业银行进一步完善信贷业务风险预控体系，将大数据应用到信贷业务当中，提高信贷业务的市场竞争力，促进银行平稳发展，获得持续有效的进步。所以，大数据助推商业银行信贷业务风险管理是当前银行信贷业务发展的重要形式，能够促进风险管控信贷业务的稳定进行。

㈦ 大数据时代，该如何申请信用贷款

不知道大家有没有遇到这种事情，某一天你在蹲便时因为无聊，点开了一个广告页面，那么在接下来很长一段时间，你会经常看到类似产品的广告推荐，而且除了手机、电脑上也会出现。是不是觉得很恐怖。

这到底是怎么回事？ 这是因为你生活在大数据时代。

大数据时代的特点

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

我是这样理解的：但凡与互联网连接的每一个行为都会留下痕迹，都会形成信息，而这些信息都可能被抓取并加以分析利用。

有人会较真，不用手机、不上网不就行了吗？

是的，这样的话只是你切断了自己主动向互联网发送信息的端口，被采集信息的端口你是关不掉的。不用手机支付你得取钱吧！银行采集你的信息。出行乘车不用说，车站会采集你的信息。即便是走路也有无数的天眼摄像头会捕捉到你。 所以，除非你脱离这个 社会 、独处深山隐居，你是无法摆脱大数据对你信息的采集的。

理论上讲，大数据可以将每一个人特定维度的信息进行收集、整理、分析、量化。 打个比方，你在淘系平台所有的行为信息汇总分析后，支付宝给了你芝麻分、淘宝给了你淘气值，这些都是经过数学模型、智能算法加工后得出的一个非常直观、具有参考价值的量化数值。

2015年，马云曾经在一次演讲当中表示，10年20年之后，最珍贵的资源一定不是石油，一定是数据。如果要制造时代变成创造时代，就一定要善用好数据。

什么是信用贷款？

网络里面的解释： 信用贷款是指以借款人的信誉发放的贷款， 借款人不需要提供担保。其特征就是债务人无需提供抵押品或第三方担保仅凭自己的信誉就能取得贷款，并以借款人信用程度作为还款保证的。

我要补充的是，这里的抵押品泛指物权法里面所规定的一切可以用于担保的不动产、动产、权利、有价证券等；这里的第三方担保指的是与借款人没有关联关系的独立第三方，夫妻关系、直系亲属关系、股权关联关系都不能视为独立的第三方。

信用贷款主要考察哪些方面？

我把它分成三块：过去、当下、未来。怎么说？客官往下看。

过去： 过去你做过什么？有没有和金融机构发生过信贷交易？还款情况如何？有没有被起诉、被执行等情况？有没有被记载的刑事、行政处罚？

当下： 资产、负债状况如何？年龄、 健康 、婚姻状况如何？工作、经营、收入状况如何？借钱的用途是什么？

未来： 你的第一还款来源是什么？预计净收入能否覆盖本金和利息？还款计划是否符合实际？如果第一还款来源不足，还有哪些风险补救措施？

觉得很空洞，是不是？那就来点具体的吧！

1、 身份证： 可以直观的知道你的年龄、性别、户籍所在地等信息，通过互联网查询到你是否有未结诉讼和被执行，以及其他需要知道的公开信息；

2、 结婚证： 可以了解你当前的婚姻状况，配偶姓名、相貌、身份证号码等信息；

3、 户口簿： 可以知道你的籍贯、户籍迁移轨迹、 历史 家庭成员、身高、血型等等信息；

4、 房产证： 可以知道你的房屋面积、坐落位置、楼层、抵押登记状况，预估你的不动产价值；

5、 营业执照： 可以知道你的经营场所、经营范围、经营年限、 历史 变更信息、 历史 被处罚信息，预估你的经营收入情况；

6、 银行流水: 根据你一段时间的银行账户资金流入流出数据进一步佐证你的 历史 收入情况，预判你未来的收入情况；

7、 征信报告： 可以知道你的基本信息（包括个人公积金、养老金信息）和信用交易信息，主要内容是交易信用信息，包括信用卡开卡、销户、使用、还款、逾期等信息，已发生的所有贷款的贷款品种、金额、期限、放贷机构、放还款时间、担保方式等信息；详细版的征信报告除了信贷逾期外，欠税、民事判决、强制执行、行政处罚、生活缴费未按时和担保等行为等情况，报告中或将有所陈列。 另外，授权金融机构查询本人征信报告的信息也被如实记录在报告最后。这一点很重要，后面会讲到。

8、 金税盘： 根据你企业的纳税情况反推你的经营、收入情况？根据你的开票信息知道你的主要销售对象，从而判断你的未来经营收入是否稳定；

9、 财务报表： 根据你的财务报表可以测算你短长期偿债能力、运营能力、盈利能力、发展能力、现金流状况等，以此判断你的企业经营是否 健康 ，未来是否有持续性和成长空间；

10、 购销合同： 通过购销合同知道你的主要上下游客户，推断你的经营情况，与银行流水可以互相佐证。

说了这么多，到底要注意哪些细节呢？

1、 绝对不能成"黑户"，但也不要是"白户"。 所谓"黑户"是指两年内连续三期或累计六期逾期、当前有逾期等等金融机构认为不能增加信用额度的客户，说白了就是你的 历史 还款记录很糟糕，金融机构已经不再相信你了。那么"白户"是指在金融系统没有任何的信贷、信用卡使用记录，金融机构无法获取你的 历史 信用记录，从而无法对你进行评估。怎么办呢？最简单的就是办信用卡啊！初始额度不会很高，开了卡就用，额度不要用太满，以消费、经营支付为主，养成按时还款的习惯。嫌额度小可以申请提额，再不行就换一家银行，批的额度绝对比之前的要高。信用卡也不要申请太多，每月刷卡金额与自己的消费、经营所需匹配就行，不要大起大落。

2、 银行流水要充足。 银行流水能最直观的反映你的账户现金流，进而评估你的经营、收入情况。不管是对公、还是个人账户，收付款账户不要太多。一般银行会要求你提供半年以上的流水，也就是说，你要提前半年开始筹划，有人是提前筹划了，但是到头来是无用功：同户名进出、同金额进出、当天进出的那些转账可能会被剔除。

3、 财务数据要合理。 一般来说，对公业务都会涉及财务数据的录入，系统模型会根据这些数据测算你的偿债能力、发展能力、资金缺口等等。过于完美和太糟糕都是不好的，因为过于完美你就根本不差钱，而太糟糕你根本还不起钱。合理两个字写起来简单，做起来相当难。为什么很多做助贷的人做房抵贷轻车熟路，一旦涉及对公业务要调整报表就抓瞎？因为房产有评估价，银行有抵押成数，很容易就可以算出来。财务报表各个科目一下罗列几十项，各项之间的勾稽关系，牵一发而动全身，不是精通财务的人根本就无从下手。

4、 购销合同很重要。 如果你的银行流水无法支撑你的报表收入，那么准备的销售合同就派上大用场了，你在合同里面可以从销售额、付款方式、付款时间等等方面做出对自己有利的铺垫，从而让你在必要时对自己的报表收入与银行流水不符能够自圆其说。另外，如果是受托支付，你还要细心准备一份采购合同，这个关系到你的贷款出去了怎么回来，非常重要，银行客户经理会告诉你这么弄。

5、 网贷、小贷最好不要碰。 因为这些不能解决你大问题的小额信贷信息会在你的征信报告里面留存5年，而银行金融机构往往把这一类贷款视同为民间借贷、高利贷，这类客户也被视同为高风险客户。那种要你注册查询额度的事，你试都不要试，因为你一试就可能在你的征信报告里面多了一条某某某小贷公司查询记录，恶心你2年。

6、 不要轻易授权他人查询征信。 哪怕是正规的银行，查询次数多了对你申请信用贷款都有影响。因为机构查询你的征信无非就是信用卡、贷款审批，以及贷后检查。查的次数越多，越是证明你缺钱。银行只做锦上添花，不做雪中送炭——这就是现实。如果确实需要怎么办呢？自己拿了身份证去打呀！打印点在哪里？以前只能在人民银行，现在很多了，网络一下就知道了！

7、 找靠谱的人咨询协办。 这个人一定要深入了解你的资金需求、还款来源，同时更要熟悉各个银行的金融产品。因为每一个银行的信用贷款都有差异，要么准入条件、要么审批额度、要么利率标准、要么贷款期限、要么还款方式，林林总总。专业人士和你聊上半个小时，基本上就能够判断你的情况能不能申请，获批的概率哪一家更大，资金成本哪一家更低，期限和还款方式哪一家更灵活。不要说为什么他知道而银行的人不知道？因为银行客户经理整天疲于应付各种指标考核，自家的产品吃透都难，更别说所有银行的，而吃这碗饭的人不受银行的条条框框约束，坚持拿来主义、为我所用的原则，整天就在琢磨哪家银行出了新政策、新产品，哪个产品有哪些优点有哪些不足，哪家银行批的快、批的高，哪一家头寸足，哪一家批了没钱放。可能你会说找这些人会花钱。是的，这个世界哪有免费的午餐。你花钱买到的是让你少走弯路的时间、买到的是更符合你的金融产品信息。之前说时间最宝贵，现在说数据最值钱，两样你都买到了，怎么会觉得不值呢？

㈧ 大数据助银行提高征信水平和风险监控能力

大数据助银行提高征信水平和风险监控能力
在智慧科技产业飞速发展的当下，以大数据技术为依托的若干大数据产品在金融领域逐渐开拓出广阔的运用空间。特别是在控制银行风险和降低不良资产领域，目前已经有了较为成熟的实践。事实上，不良贷款的产生除了受近年来国内外经济大环境影响外，还与现有的征信体系和银行传统的征信方式不适应现代经济发展的实际情况有关，而大数据正是解决这一难题的有力工具。

我国征信体系建设起步于1992年，但现有征信体系覆盖范围仍很有限。个人征信系统中反映的仅是个人或企业与银行间发生的信用情况，企业与企业间的商业信用关系以及个人与多方面的信用关系并没有得到系统的记录与反映。
与此同时，银行传统的征信方式也无法满足现代经济发展的实际情况。现代经济发展使企业和个人的经济活动发生了巨大变化，涉及范围更大、内容更加丰富，因此，衡量信用的维度更多样。银行仅仅依靠财务报表已无法了解企业的真实情况，而权威机构的公开信息系统还无法涵盖有关企业及个人社会行为的所有信用信息。这些不足导致现有银行的征信系统对客户了解的信息维度不够，信息真实性不高，信息采集、分类的科学性不强，进而使银行无法准确地对客户的诚信作出判断，对客户经营活动无从掌握，对客户的未来发展无法预测。
大数据技术手段的应用，为现有征信体系建设提供了很好的补充和强化作用。当前一些企业所做的尝试表明，大数据可以帮助银行提高征信水平和风险监控能力。
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监控。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。
值得一提的是，大数据技术将有效解决中小微企业融资难题。银行发展中小微企业客户既是国家的要求，也是银行自身改善客户结构的需要。但是，有融资需求的中小微企业普遍存在资产少、担保不足的问题。运用金电联行的工具，在企业提供反映其真实经营状况的历史数据的基础上，通过大数据挖掘和分析技术，可挖掘出企业真实的经营状况、健康状况、盈利能力及企业历史信用积累情况，真正展现出企业实际经营信息，并给出企业的信用等级和信用额度，从而为银行或相关金融机构提供贷款依据，缓解中小微企业融资难题，挖掘潜在优质客户。
除此之外，还可以提高信用卡发卡质量，合理增信，防止不良客户产生。大数据企业有多项独特的个人外部数据来源和评分系统来协助银行进行信用卡新卡发卡审批、审批额度、增信、交易监控等业务管理环节。
金融的本质是经营风险，如何做好风控尤为重要。特别是在当前经济新常态下，中小企业承受着不同程度的压力，银行风险开始涌现。在此背景下，金融机构如何对已贷款客户进行有效的风险度量，无疑是迫切的现实需求。由此，提前抑制风险就成为银行利用大数据技术所要实现的首要目标。
某股份制银行董事长曾谈到量化风险管理给银行带来的三大收获：“一是至少可以比其他银行跑得快一点儿；二是实现了最大限度的信息对称；三是效率与准确度大幅度提升，摆脱大量人工之后，有利于将贷后风险管理上收总行及分行，大幅提升管理透明度。”而据某商业银行测算，大数据技术能有效降低不良率47%以上。
由于大数据技术在某种程度上相当于给中小微企业加了一套体检设备，这样筛查出来的好企业，银行就敢于放贷，从而很好地解决了融资难的问题。此外，通过大数据技术催生新的金融服务模式，实现了全线上的流程再造。即将传统的人工点对点模式升级为智能、批量的高效模式，可以最大程度地降低成本，助推金融机构转型发展。
特别是，针对以往基层银行客户多、人员少，无法做到实时监控，难以及时发现风险的状况，大数据产品的运用，则可以帮助银行做到风险监控实时化、动态化，从而避免和减少损失。

㈨ 大数据金融创新与发展

img src=' https://p26 . toutiaoimg.com/large/c5f 00022 e 860696 a06b '/

近年来，大数据已经成为重塑金融竞争格局的重要支撑和抓手。特别是“十三五”规划纲要明确提出实施国家大数据战略，把大数据作为基础性战略资源，加快数据资源共享、开放和发展。

在此背景下，为全面落实“十三五”规划提出的国家大数据战略，推动金融业转型升级和创新发展，助力上海建设国际金融中心和科技创新中心，“大数据时代的金融野盯服务与创新”论坛于8月17日在中国金融信息中心举行。论坛由上海市经济和信息化委员会、上海市金融服务办公室和上海银监局指导。由新华社中国经济信息社、新华社新闻信息中心、新华网、上海证券报、中国金融信息中心、中国银行上海市分行主办，易迅财经协办，证大财富特别支持。

img src=' https://P3 . toutiaoimg.com/large/c5b 00057 DCC 4232 c 44 e '/

大数据之父勋伯格曾说，“大数据开启了时代的重大变革。正如望远镜让我们感受宇宙，显微镜让我们观察微生物一样，大数据正在改变我们的生活和我们理解世界的方式，成为新发明和服务的来源，更多的变化即将发生”。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510 CD 74d 6298 '/

张笑君表示，传统金融行业如何利用大数据技术和思维实现产业转型变革，推动金融服务创新发展，是每个企业都应该深入思考的问题；如何利用大数据降低金融风险，促进“大数据新金融”的可持续发展，使其发挥更大的社会价值，也是政府部门和监管部门面临的新课题。

据了解，2016年是“十三五”的开局之年，也是新华社业务转型发展的重要一年。2016年7月底，新华社全面完成国内分支机构采编管理“两分离两加强”重大机构改革。7月1日，新闻信息中心上海中心正式成立，这也标志着新华社在上海的各项事业进入了一个新阶颂罩和段。

“在保持传统信息产品和业务优势的同时，上海证券报将能够专注于国家战略和上海本地事业的整体发展。在垂直管理体制和上海分社的双重领导下，将继续夯实基础、求新求变，进一步扩大新华社新闻产品市场的覆盖面和影响力，为上海“四个中心”建设做出我们的贡献。”张笑君说。

img src=' https://P6 . toutiaoimg.com/large/c5d 000581 f 9 CB 43 f 6 c 4 '/

上海市经济和信息化委员会副主任邵志清

上海市经济和信息化委员会副主任邵志清表示，这次论坛主要是为了规划所谓的“形势、战略和技术”。所谓“趋势”，永远不应该是趋势的敌人。一个人，一个企业做一件事，一定要顺应时代潮流，顺势而为。今天，我们已经进入了信息文明时代，其中第一个是PC时代，第二个是网络时代，第三个是大数据时代。

大数据可以开发成引擎吗？邵志清讲了三个方面。首先，世界进入了一个新时代。90年代中期加入互联网大家庭，实现了人际交往的突破，让“一条家信抵一吨金”不复存在。现在，世界各国都在计划实现大数据时代的国家发展，因为大数据已经是一种资源，一种资产。显然，它已经成为一项国家发展战略。大数据能力已经成为综闷凯合国际竞争力和国际影响力不可或缺的方面。

第二，大数据已经成为我们的生产要素。大数据为计算开辟了新模式和新路径。产业方面，有新业务、新商业模式、新业态，给新经济带来很多活力。现在政府掌握了大量的大数据资源，如何服务社会和市场，从而激发市场的活力和社会的创造力，在社会治理方面如何管理网格。大数据也带来了很多机会，例如，它可以用于控制城市基础设施、环境保护、食品药品安全和交通运输。

第三，利用大数据安装创新驱动发展的强大引擎，要从资源、技术、使用、产业、安全等几个方面着力。

邵志清表示，最近上海也在制定大数据发展的实施意见，对接国家层面的战略，结合上海实际，大概有几个方面要做：要素供给、使用创新、产业发展。他认为，要加快几个方面的建设：一是整合共享的资源流通体系。二是创新活跃的行业使用体系。三是发展自主可控的数据技术服务体系。第四是世界一流的大数据基础设施体系。第五，可信、安全、独立的担保体系。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510d 22 a 7942 e '/

上海数据交易中心首席运营官沈翔宇

“在具体循环方面，我们对所有数据做了从高风险到低风险的评估。从用户产生的原始数据到后来产生的数据，无论是对个人还是对群体，都有几个要求。进入流通，我们有自主知识产权的六要素标准：数据要有ID，数据要有维度主键，也就是Key。这是分配ID、分配key、设置限制、数据提供及时性、设置交易价格的角度。”他们把数据交易中心能给大家提供的服务分为会员、挂牌、撮合、分销、清算服务等五个方面。沈翔宇说会有一个交易平台给大家用。

img src=' https://P6 . toutiaoimg.com/large/C5 c 00057 e 30 BF 384969 '/

上海大数据联盟

常务副秘书长马慧民

上海大数据联盟常务副秘书长马慧民演讲主题是《大数据推动产业创新》。市场交易成本主要是由信息成本和讨价还价成本构成。他说，企业组织成本主要是指维持企业内部各个部门运转所需要的各类行政成本和协调成本。

当企业内的组织管理成本扩大到等于市场交易费用时，企业达到其最大边界。比如说大数据、移动互联网等新型技术让出租车行业交易费用大幅度降低，传统出租车公司逐渐被中间市场——平台公司影响。比如说滴滴打车、Uber，有了这些平台，交易成本大大降低了。互联网促进和推动这个产业的发展，同时为产业的生产也带来了变革。大数据和相关技术解决了某种信息不对称领域引起的交易成本增加的过程。

通过大数据可以进行精准营销。“我们通过很多数据采集之后，我们会形成一个用户画像，无论是线上数据还是线下的数据，集合在一起之后就知道这个个人或者是企业需要什么样的东西。这里就解决了一个问题，就是线上、线下数据加在一起的个人标签。”马慧民说。

上海交通大学互联网金融研究所所长罗明雄

上海交通大学互联网金融研究所所长罗明雄分享的主题是《从互联网金融投融资看大数据金融》。他说，互联网金融等同于P2P、等同于骗子这是非常不准确的，P2P只是互联网金融当中的一个分支，而骗子只是打着P2P的旗号去做的行骗。他把大数据产业链条分为四个部分包括数据源、数据采集与存储、数据分析与挖掘和大数据使用。

什么人可以做好大数据金融，罗明雄说，一个是可以合法拿到大量的非结构化数据，二是能够对这些非结构化数据进行专业的挖掘、梳理、清洗。他建议大家不要把银行完全想像成传统金融机构，银行业在变，银行会通过很多领域来进行思考，要做风控，会拿到很多的数据，然后把这些数据打通，包括你的信贷风控、精准营销、运行决策优化。他说，银行的电商把信息打通，本质就非常类似于余额宝，余额宝就是利用信息化手段，让老百姓以极低门槛享受一个私人银行般的理财服务。

罗明祥说，传统的供应链金融是以银行或传统金融机构主导，通过绑定核心企业通过给核心企业授信，并给予其上下游企业一定支持，对供应链金融企业的BD能力以及自身资源能力提出很大的挑战。近期以B2B或者是SaaS模式切入供应链金融，从“三流”切入成为供应链金融最容易弯道超车的商业模式。供应链金融的本质是你能够抓到中小的企业为他提供整套供应链金融服务。

万达金融集团总裁助理兼万达征信公司总经理嵇磊

万达金融集团总裁助理兼万达征信公司总经理嵇磊结合他在银行、信贷行业和征信领域的工作体会与大家分享了征信行业的发展机遇。

国外征信行业发展情况来讲，美国的征信体系最为成熟，现已形成从数据采集、数据标准化、数据处理到信用使用等成熟完整的产业链布局，从而形成全球最大的市场规模。嵇磊说，美国征信行业的发展历程、动因及趋势，对我国征信市场及机构发展具有很好的借鉴意义。从发展路径看，美国的征信行业经历了快速发展、法律完善、行业整合及成熟发展四大阶段，最后经过行业洗牌整合，机构数量从最多时的2000家减少至500家，并逐渐出现全国性征信巨头。

研究分析国外市场，是为了更好的研判中国征信市场。至2015年末，央行征信系统已收录8.8亿自然人信息，其中3.8亿有信贷记录;收录企业及其他组织2120万户，其中577万户有信贷记录。伴随着庞大消费市场的逐步成熟、消费信贷的快速增长、互联网及大数据使用的跨越式发展，更多的社会第三方征信机构参与到我国征信体系建设中。

尽管成立背景不同、数据类型各异，但在个人征信业务的具体规划上，各家征信公司均不约而同地突出了“大数据”和“互联网征信”。互联网征信机构收集信息面宽，可以覆盖无法在银行留下信贷记录的庞大群体，从而成为央行征信体系的有益补充。

嵇磊认为，征信业最好的时代已经到来。随着法律法规的进一步完善、消费经济持续增长以及大数据、互联网技术的发展，征信行业正面临前所未有的发展机遇：一是法律法规的完善为征信发展提供支持；二是消费经济增长推动征信业持续发展；三是大数据及互联网促动征信业务全面升级；四是社会发展提高人们对信用价值的认知。

翼勋金融总经理孙海江

翼勋金融总经理孙海江表示，大数据的成长速度非常快，现在整体的大数据，人类90%数据都是在最近三年产生的。每天要使用消费类的软件，比如说滴滴打车这样的工具类软件以及金融软件等等，都会产生大量的数据。这些数据的服务能够产生价值，同时这些数据使用也能够带来价值。但是其实这个当中还有数据为我们带来的困扰。

在圆桌讨论环节，光大云付副董事长兼总裁夏令武、绿地金服CEO杨晓冬、上海互联网大数据工程研究中心主任陆晋军、证大财富总裁戴卫新、前海征信副总经理施奕明围绕四个议题展开，分别是：大数据时代为金融业带来的新机遇；大数据 金融如何服务小微企业；如何管理大数据征信使用中存在的挑战与风险；政府如何监管并服务于大数据金融创新。

光大云付副董事长兼总裁夏令武

光大云付副董事长兼总裁夏令武说，大数据和互联网最近几年的飞速发展给金融业带来很多机遇。这种机遇是两个方面，一个方面是给传统金融机构带来了更大、更强的生存能力。有人说互联网会颠覆传统机构。现在如果说从大数据维度来看，其实不是的。传统金融机构掌控了金融业、经济部门最大的数据。因为金融机构就是经营数据的。所以我想大数据增强了传统金融机构的能力。另一方面，大数据也推动了新的金融服务形式的产生，而光大云付就是这两方面的结合。

绿地金服CEO杨晓冬

作为陆金所创始管理团队之一，绿地金服CEO杨晓冬说，大数据最重要的是要降低企业的成本，从经营角度来说，大数据可以帮助我们提高风控能力。我对大数据未来的远景还是充满信心的，但目前的状况还是不令人满意的。举一个例子，在美国，这是我在90年代做的项目。90年代的时候，你在美国就可以在互联网上开户，我不用1秒钟就可以知道所有的信息。但是在目前，在中国的信息还是岛式的信息，没有一个统一的信息可以证明这个人是可信的，可以线上开户。市场数据成本是否合理，是关系到大数据能否成功的关键。他希望政府可以为不仅是金融企业，要为所有企业提供公共信息。这样才可以帮助金融企业降低成本。

上海互联网大数据工程研究中心主任陆晋军

上海互联网大数据工程研究中心主任陆晋军说，现在整个大数据行业存在一个乱象。一方面拥有数据的，比如说政府、银行、运营商很难开放。另一方面，有很多公司又号称有数据。但这个数据哪里来?可能会涉及到到隐私泄露的问题。围绕金融谈大数据，谈移动互联网，这是真正可以改变金融领域供给侧改革的技术和手段。因为有了移动互联网、各种宝、各种贷，为老百姓提供了更多的选择，当然选择过程当中又带来了很多风险。这是做技术、管理、监管的人要去解决的问题。通过大数据一定程度可以解决客户画像、客户获取、征信等等的问题，要把它做好。

陆晋军说，大数据一定要开放，一定要跨境。如果说你是封闭群体的数据也可以做数据分析，但是只有打开了通路，和不同领域的数据做交换、结合之后才可以产生更多的价值。这也是大数据交易所面临的一个非常重要的课题，而且要注重大数据的安全。

证大财富CEO戴卫新

证大财富的CEO戴卫新认为精准营销和风险管理两者结合度是非常高的。他们公司在两年前就做了“淘宝达人贷”，面对的客户是专门在淘宝上有消费的人群做信用贷款。在推出这个产品的时候，芝麻信用分还没有出来，通过这两年的数据积累，未来在大数据使用上，可以做一些改善。可以结合芝麻信用分来看我们客户的表现以及真实的芝麻信用分有巨大的关联性，来验证芝麻信用分在这样一个领域的市场，是不是有更好的使用场景。

戴卫新表示，金融最大的要点就是风险控制，大家数据共享可以有效降低在这一块上的损失。他说证大财富一直和上海官方机构、民营征信机构等合作，做数据共享。

前海征信副总经理施奕明

前海征信副总经理施奕明从征信和金融的关系谈了他的看法。金融的核心是风险定价，风险控制是非常重要的手段。原来传统的金融方式都是以线下方面为主，比如说贷款必须要面签。但是现在很多都是远程化、线上化的方式，如果说没有像现代征信业的发展，像远程开户、人脸识别这样的技术是不可能实现的。未来大数据在金融行业将会越来越重要。

施奕明介绍征信业面临的挑战是信息孤岛问题、安全合规问题和技术创新问题。

他说，现在征信把信息分为三大类，第一类是公共信用数据，第二类是金融信用数据，第三类是生活信用数据。这三方面的数据分别在各个不同的地方，要把这三类进行整合，需要一个大的战略，数据联盟、数据交易中心的出现为数据整合提供了很好的基础，也会成为征信业未来发展的契机。

大数据时代一个很大的问题就是个人信息披露泛滥。前海征信操作是非常规范的，任何数据的采集和披露都是要遵照合法的途径和规矩来做的，大数据的前提是合法合规。

在大数据征信时代有很多的创新点，但必须要谨慎。传统的金融征信其实已经被验证过无数次了，是可以非常有效的判断一个人的信用风险的。现在大数据发展很快，但是这些信息和标签是不是可以真正的防止风险，这是需要待验证的。因此并不会把所有创新都推向市场，需要经过长期验证之后，才会非常负责地推向市场。

主持人：第一财经广播主持人叶柳

相关问答：

㈩ 商业银行应用大数据之策

商业银行应用大数据之策

随着以社交网络为代表的web2.0 的兴起、智能手机的普及、各种监控系统及传感器的大量分布，人类正在进入一个数据大爆炸的时代，“大数据”的概念应运而生。大数据被誉为继云计算、物联网之后IT产业又一次颠覆性的技术变革，已经引起各方面的高度关注。大数据的意义在于从海量数据中及时识别和获取信息价值，金融业在IT基础设施、数据掌控力和人才富集度方面较之其他产业更具优势，具备了深度“掘金”的潜力。但是，大数据也给金融业带来剧烈的挑战与冲击，我国商业银行需要树立“数据治行”理念，明确大数据战略的顶层设计，加强大数据基础设施建设，实施稳妥的大数据安全策略，方能从容迎接大数据时代。

大数据带来的冲击与挑战

(一)传统发展战略面临冲击。传统银行发展战略，是在预计未来金融政策、经济环境的前提下,根据现有银行人员、网点、客户、资本、存贷款规模等资源占有状况,以及竞争对手、客户需求状况，来确定其战略目标及发展路径和方式的。步入大数据时代后, 对数据资源的占有及其整合应用能力是决定一家银行成功与否的关键因素,而传统的网点、人员、资本等因素则趋于淡化,未来商业银行的客户营销,将主要依靠对不同类型客户需求数据的掌握，并开发设计出安全、便捷、个性化的金融产品。因此，这就要求各商业银行在评判竞争对手实力与自身优势时，要注重考量IT能力与大数据实力；在制定战略目标时，必须兼顾财务承受能力来决定对大数据的投入,从而确保战略规划与大数据支撑相适应；在确定战略目标的实施路径时，必须将互联网金融、电子渠道、数据的收集与挖掘作为向客户提供服务的重要方式和手段。

(二)传统经营方式面临重大转变。在大数据时代, 金融业务与互联网深度融合, 商业银行的经营方式将会发生彻底改变。在产品开发、营销方面,通过对海量交易、行为数据的收集、分析和挖掘,科学构建数据模型, 分层客户的不同金融需求可以得到充分展示,进而针对客户需要、市场需求研发产品、开展营销,真正做到以客户为中心开发设计产品,并实现精准营销,而不是以银行为中心制造、推销产品。在风险防控方面,许多商业银行在风险分析和评估中，虽然已经引入了数量分析方式,但是因历史数据的积累不足,经验判断依然在风险管理、决策中起主导作用。依托大数据，对客户实施多维度评价,其风险模型将会更加贴近市场实际,对客户违约率的取值变得更加精准,长期以来银行凭经验办业务的经营范式将会得到根本改善。在绩效管理方面,可以通过对大数据的有效利用,并借助通讯、视频、移动终端等技术手段，对商业银行员工的工作方式、频率、业绩等做出更加准确的评价,有助于充分发挥绩效考核的正向激励作用。

(三)数据基础设施建设面临严峻考验。进入大数据时代，数据来源的多元化主要体现在两个层面：一是在金融业务链条之外。移动网络设备和网络社交媒体产生了极其丰富的实时化的客户行为数据，在这种环境下，客户行为偏好数据往往隐藏在社交网络之中。如果要实施“大数据工程”，商业银行必须搜集开放的网络数据，但现有的银行IT系统、技术手段还无力搜集、分析、利用大数据。二是在金融业务链条内部。随着专业细分与金融外包的趋势愈加明朗，由一家或少数几家银行掌控关键业务数据的时代已经走向终结，业务数据产生、流转于金融业务链条的各个结点，业务数据、客户行为数据不可能自动集成至某个机构，这对“大数据工程”的实施提出了严峻挑战。

商业银行的应对与谋变

(一)优先搞好大数据战略的顶层设计。大数据战略必须超越电子银行部或IT部门的狭隘视角，面向全局、面向未来，以客户需求、市场需求为导向，建立自身的大数据架构。完整的客户数据必须是多维度的，至少包含以下几个方面：一是客户的基本信息，譬如信用信息、社交关系信息等；二是客户的偏好信息，譬如金融产品偏好、金融服务偏好等；三是客户的行为信息，譬如银行范围内的行为数据、外部行为数据等；四是客户的分析数据，譬如客户风险度、客户价值度等。要想使这些不同维度的数据信息具有分析价值，首先必须具有合理的数据结构。但现实情况却不尽如人意，各银行的数据结构基本上是条块分割的。为此，各银行必须优先搞好顶层机制的设计与改革，逐步打破业务界限，重组业务流程，确保数据灵活性。

在总行层面上，需要抓紧制定大数据工作规划，建立大数据工作推进机制。主管数据部门负责组织协调，对大数据工作进行统筹规划、集中管理；业务部门负责大数据的搜集、整理、存储、分析和应用，全面采集、多方式整合商业银行内外部各类数据，形成数据管理、数据使用、数据推广的有效工作机制。

(二)科学谋划和打造大数据平台。一方面各银行要积极与社交网络、电商、电信等大数据平台开展战略合作，建立数据信息交流、共享机制，全面梳理、整合客户各类信息，将金融服务与社交网络、电子商务、移动网络等深度融合。另一方面各银行也可考虑自行打造大数据平台，以便牢牢掌握核心话语权。

(三)积极建设大数据仓库。着眼于大数据挖掘和分析，对海量数据的持续实时处理，建设数据仓库项目，为服务质量改善、经营效率提升、服务模式创新提供支撑，全面提升运营管理水平。在项目建设中，通过梳理整合经营管理关键数据，建立数据管控体系，搭建基础数据平台。通过数据仓库建设，运用数据挖掘和分析，全方位调整管理模式、产品结构、营销模式、信息战略，从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平，实现多系统数据的业务逻辑整合，形成全行级客户、产品等主题数据。

(四)以大数据思维推进金融互联网化战略。进入大数据时代，金融产业与信息技术将实现深度融合, 金融电子化的深度、广度将日渐强化。各银行必须顺势而为, 紧紧追随迅猛发展的互联网、移动互联网浪潮, 积极实施金融互联化战略, 尝试构建电子化金融商业模式, 着力发展直销银行、社区智能银行、互联网金融、电子商务等业务。这就要求各银行应当从发展战略的高度，将金融互联网作为未来提供金融服务、提升核心竞争力的主渠道。

(五)依托大数据技术实现风险管理的精细化。大数据时代，商业银行可以消除信息孤岛，全面整合客户的多渠道交易数据，通过经营者个人金融、消费、行为等信息进行授信，有效破解传统信贷风险管理中的信息不对称难题，降低信贷风险。为此，各银行必须深化风险管理体制改革，运用大数据理念来构建以客户为中心的全面风险管理体系，理顺部门间的职责，淡化部门色彩，彻底打破以往小数据模式下形成的部门、机构、区域、产品间数据信息分隔管理以及由分支机构各自分散识别风险的做法，形成按客户集中统一管理数据信息和高效协调机制。

要积极推行把现场调查与非现场数据信息挖掘分析相结合、模型筛查与经验判断相结合，以定性信息与定量财务、经营等多重数据信息的勾稽核验等为重点内容的风险管理创新。总行要通过大量数据信息的挖掘分析，勾画出客户的全景视图，更加全面地评估客户风险状况，有效提升贷前风险判断和贷后风险预警能力。

要进一步完善基于大数据信息平台的集中式风险审查审批体制，采用大数据方式来验证借款人的数据信息，校正申报机构或部门对借款人的风险判断。运用合理的参数和模型，计量出可接受的最大风险敞口，精准识别和动态审查借款人的每一笔融资业务。再利用习惯性数据信息和常识性、逻辑性分析，作出更专业的判断，使风险识别、防范、决策更加可靠、更加贴近实际。

以上是小编为大家分享的关于商业银行应用大数据之策的相关内容，更多信息可以关注环球青藤分享更多干货