本文共字，预计阅读时间。

近些年，大数据概念迅速火热，大数据风控作为数据技术在金融领域的应用被专家学者屡屡探讨。银行、非银行金融机构、P2P平台等大大小小的市场主体也纷纷试水数据风控。但如数据挖掘、数据分析、机器学习这样的数据技术毕竟属于“技术”范畴，其和风险控制这个“金融”范畴的差距在哪？二者如何衔接？数据风控背后的金融逻辑又在哪？针对这个问题粗略的发表一些看法。

国内外传统金融机构如何开展小额商业贷款业务？

“小微企业融资难”曾是一个世界难题。从机构组织形式看，国际上流行的小额信贷机构主要有孟加拉“乡村银行”、印度尼西亚人民银行的乡村贷款部、玻利维亚阳光银行三种模式。其中，孟加拉村镇银行最初是由2006年诺贝尔和平奖得主穆罕默德.尤努斯创建的一个扶贫实验项目，后逐渐发展成为一个银行机构。

从贷款技术看，国际上流行的信贷技术则可以分为“基于群组的信贷技术”和“基于个体的信贷技术”两类。基于群组的信贷技术的核心思想是通过建立群组来降低信贷成本和控制风险，其本质是通过“互保”的形式来实现风险控制。基于个体的信贷技术主要是信贷员通过实地访问贷款人员的经营场所和家庭，了解借贷者的真实经济情况和还款能力。

国内小额商业贷款的快速发展主要集中在2005年之后，在银监会推动下，社区银行和农村银行迅速建立试点，一些传统的商业银行机构也开始进行战略转型，快速进军小额信贷领域。从信贷技术看，国内传统金融机构开展小额商业贷款业务主要以“德国IPC微贷技术”和“信贷工厂技术”两类。两种信贷技术在贷款流程和组织分工上有所差异，目的却都是通过考察小微企业的“还款能力”和“还款意愿”来控制风险。

以“德国IPC微贷技术”为例，看传统金融机构的风控技术。

(一)   硬信息之还款能力

硬信息主要是指能够反映企业还款能力的财务信息，小微企业往往没有合规的财务报表，甚至没有良好的记账习惯。这些信息需要客户经理通过贷前调查手工获取，通过“问（问问题）、要（要凭证）、验（交叉检验）”等调查手段获取较为完整的信息并通过交叉检验确定信息的准确性以便确定企业的还款能力。

(二)   软信息之还款意愿

软信息是指除了财务信息之外的能够反映企业还款意愿的信息，对于小额贷款来说，还款意愿往往是比还款能力还要重要的指标。所谓“天使的左手，恶魔的右手，善恶全在一念之间”，小额贷款本身额度不大，且多采用分期还款的方式，每月还款金额并不多。如果客户有好的还款意愿，即使偶有状况，没有足够的还款能力，还是能够通过其他方式进行临时周转及时还款。反之，如果客户申请贷款之初就是为了骗贷，即使其还款能力强也无济于事。

如何利用大数据进行风险控制？

利用大数据进行风控主要可以分为三个步骤，采集数据、建立风控指标和风控模型从而实现贷款决策、持续的贷后监控。

(一)   采集数据

数据风控时代，一般会通过电子化的手段采集商家的基本身份信息、经营信息、资金流、物流、社交信息等数据，并将不同来源的信息相互验证，以保证信息的真实完整。

电子化的数据采集手段取代了传统金融机构通过客户经理线下调查、询问的方式。节省了大量的人力物力。但数据获取方式虽不同，数据质量依然参差不起，需要对数据进行筛选。如网商贷款者可能存在“刷单”现象，就需要配合物流信息来进行检验。

(二)   建立风控指标和风控模型从而实现贷款决策

建立如商户基本情况、买家会员信息、会员浏览信息、年经营收入、资产负债情况、现金流动情况，淡旺季分布等指标体系，进而形成统一的风控模型。模型在数据挖掘和开发方式上都和传统方式有很大不同。由于数据源的差异，如会员浏览信息这样的数据在传统贷款模式上根本不可能获取。而且传统手工方式为了权衡成本收益效应，风控不可能极尽细致，而数据风控边际成本很小，只要搭建好风控模型并建立好模型的完善机制，针对每笔贷款的边际成本几乎为零。相应的模型所包含的风控指标自然比传统贷款要更加完善。

(三)   持续的贷后监控

在贷款发放后，基于互联网持续产生的数据，可以用户持续的贷款监控，便于贷款者控制风险；如第三方支付企业这样能够掌控客户现金流的贷款发放者可以通过掌控的或者合作的支付账户截留商户销售回款创新还款方式，用于贷款资金的偿还。

数据风控在采集信息和分析信息从而进行贷款决策的过程中都利用技术手段和计算机程序进行，节省了大量的贷前调查成本和人力分析成本。但没有面对面的交流，对还款意愿的控制还需要更多数据来源使数据模型和各项指标更加科学和完善。这也是数据风控目前要加强完善之处。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。