1.2 銀行數字化風控演進的4個階段

銀行經營的本質是對風險的承擔與管理，也就是風控能力。

在一家銀行的經營管理過程中，有兩個因素決定其最終風險承擔能力。

一是資本金管理。資本充足率高的銀行具有更強的競爭力，也有能力接受高風險、高收益的項目。3個版本的巴塞爾協議的核心內容，都是對銀行核心資本充足率的具體要求。

二是風險管理水平。資本充足率決定了銀行承擔風險的潛力，而銀行承擔的風險能否帶來實際收益，最終還是取決于一家銀行的風控能力。

我們有必要了解銀行是如何從傳統風控模式，逐漸演進到數字化風控模式的。一般來講，銀行風控的演進大致經歷了4個階段，如圖1-2所示。

1.2.1 第一個階段：KYC與專家經驗式風控

在現代化銀行信貸風控的第一個階段，主要做法是以專家經驗為主，輔之以早期的KYC規則，實施風險管理。那么，什么是KYC呢？銀行人對此應該是十分熟悉的。

KYC（Know Your Customer，了解你的客戶）也可稱為投資者適當性管理體系。在《中華人民共和國反洗錢法》中，KYC被具體表述為客戶身份識別。KYC是指金融機構在與客戶建立業務的過程中，對客戶身份進行識別和背景調查，了解客戶及其交易目的、賬戶實際控制人與受益人的流程。

1998年12月，巴塞爾銀行監管委員會在《關于防止犯罪分子利用銀行系統洗錢的聲明》中，明確提出金融機構在提供服務時，應當對客戶信息和客戶畫像進行采集和識別。隨后，KYC規則被各國的監管機構所接受并推行。

在信貸領域，如果銀行不能清晰地識別客戶身份，客戶經理、審查審批人員不了解目標企業的營業范圍、公司規模、經營狀況、法定代表人、疑似實際控制人、股東、對外投資企業等基本狀況及風險狀況，那么銀行是不會發放貸款的。

一般而言，基于KYC的專家經驗式風控具有以下4個特征。

? 一般是以國有銀行及股份制銀行在各省級行政區設立的分行或當地支行網點為主體，也有一些區域性銀行以總行為主體。一筆貸款能否獲得審批，在風控因素上主要依據分、支行行長的認知程度來做最終判斷，而這種判斷一般主觀性較強。

? 銀行獲取客戶的方式以線下營銷、關系營銷為主，如熟人、親屬、朋友、同學、鄰居等，各種社交關系網絡都是銀行貸款客戶的重要來源。與此同時，關系貸款、面子貸款、人情貸款等種種非正常業務也時有出現。

? 大部分銀行在授權、授信管理方面并不嚴謹，總行在向分支機構授權時，往往是以對分、支行行長的經驗判斷為主，信得過的行長權限高一些，覺得能力不足的行長權限就低一些。對于授信管理，也主要基于行長對客戶的主觀印象。

? 此階段的風險管理是最為原始也最為薄弱的，還談不上技術、風控。負責任的分、支行行長，大多數會要求客戶提供擔保物或抵押品，對于第一還款來源、現金流分析等其他因素并不看重。同時，整個信貸流程冗長而緩慢，做一筆貸款花上大半年時間是常有的事。

這一階段的銀行風控主要依靠專家經驗，并不嚴謹，也不科學。

1.2.2 第二個階段：5C與要素分析式風控

在現代化銀行信貸風控的第二個階段，主要做法是在專家經驗的基礎上，提煉關鍵要素，并在授信過程中逐一分析。相較第一個階段，銀行風控技術含量有了大幅提升，業界一般稱之為C要素分析法，是西方經濟學家就企業客戶信用要素分析歸納、提煉、總結的重要風控技術。從最初的3C分析法到普遍運用的5C分析法，C要素分析法在不斷增加分析要素的過程中，逐漸趨于成熟穩定。

1.3C分析法

衡量企業的信用要素，最早出現的是3C分析法。3C分別指品德（Character）、能力（Capacity）和資本（Capital），能夠體現客戶最基本的品質，是企業信用分析的基礎要素。因為這3個要素的英文單詞開頭字母均為C，所以稱為3C分析法，主要含義如下。

? 品德：側重于了解企業過往的信用記錄。

? 能力：側重于考察企業的還款能力。

? 資本：側重于探求企業的“家底”，分析其資本實力。

2.4C分析法

4C分析法，在3C分析法的基礎上，增加了擔保品（Collateral）要素。擔保品要素是指客戶在拒付款項或無力支付款項時，可以被用作抵押的資產。一旦不能如期收到欠款，銀行就會處置抵押物。是否增加擔保，對于首次貸款或信用狀況存有疑點的客戶非常重要。一家銀行的風控能力，在一定程度上可以從其對擔保品要素的分析及運用上看出來，特別是信貸退出機制。當然，銀行在分析擔保品的時候，也需要避免“抵押物崇拜”[3]的認識誤區。

3.5C分析法

5C分析法，在4C分析法的基礎上，增加了環境狀況（Condition）要素。環境狀況是指可能對中小企業客戶的履約償付能力產生影響的所有因素，包括政治的、經濟的、文化的因素，以及客戶所從事的行業、所處的經濟發展區域和地理位置、經營軟環境等。環境狀況要素是由外部引起中小企業履約償付能力變化的因素，是中小企業自身無法控制的。

4.其他要素分析法

在要素分析方面，業內常見的還有3F分析法、5P分析法以及10M分析法等，都是通過定性與定量相結合的分析方法，剖析企業客戶的信用風險。

（1）3F分析法

美國羅伯特·莫里斯協會將5C分析法歸納、提煉、概括為3F分析法。其中，品德和能力要素合并為個人要素（Personal Factor），資本和擔保品合并為財務要素（Financial Factor），環境狀況要素則改為經濟要素（Economy Factor）。

（2）5P分析法

5P分析法立足于信貸實踐的需要，主張實用性和完整性，具有鮮明特色。例如，在分析貸款資金用途時，更加凸顯從銀行角度分析信貸資金的流向和安全性，也順應了監管部門的要求。5P分析法的主要內容如下。

? 個人要素（Personal Factor）：注重人的分析，關注企業實際控制人。

? 資金用途要素（Purpose Factor）：評估企業貸款客戶的資金用途。

? 還款來源要素（Payment Factor）：重點考察企業的還款意愿。

? 債權保障要素（Protection Factor）：重點關注授信合約的限制條件，以及擔保品的種類、性質、價值及變現性等內容。

? 企業前景要素（Perspective Factor）：重點研究宏觀經濟周期規律與銀行信貸的關系，分析企業生命周期規律，預判企業破產的概率。

（3）10M分析法

10M分析法力求多維度、全方位、系統化分析企業客戶的信用狀況，主要內容如下。

? 人力（Man）：經營者的品質、能力、經驗、作風和技術水平。

? 財力（Money）：從財務角度分析客戶資本結構，包括資金的流動性、安全性和收益性，并輔助考察資金長期、短期籌集和運用的計劃情況。

? 機器設備能力（Machinery）：重點了解企業的機器設備配備、規格、出廠日期、價值、折舊、產能等信息。

? 銷售能力（Market）：分析授信客戶銷售能力對其收益能力的影響程度。

? 管理能力（Management）：分析客戶高管層的領導能力、組織能力、協調能力和計劃執行能力。

? 原材料供應能力（Material）：分析客戶的原材料品質、價格、成本、存量等因素對其經營造成的影響。

? 計劃能力（Making Plan）：從客戶有無制定長期、短期經營活動的方針，制定的方針是否適合其經營和發展等方面進行分析。

? 制造能力（Manufacturing）：從客戶的人力、財力、機器設備能力、原材料購買能力等多方面分析其制造能力。

? 方法（Method）：透過生產、經營、技術等角度分析客戶持續發展的能力。

? 獲利能力（Margin）：回歸信貸經營的本質。

1.2.3 第三個階段：數據庫與信貸生命周期分析

隨著數據庫的出現，現代化銀行信貸風控進入了第三個階段，銀行更加看重對客戶信貸生命周期的分析。在信貸業務中，常見的貸款流程為申請→審批→簽約→放款→貸后管理→催收回收→資產處置，也就是人們常說的，信貸生命周期管理。隨著數據庫的發展及其在銀行的廣泛應用，信貸生命周期管理得以實現。

數據庫是按照數據結構來組織、存儲和管理數據的倉庫。隨著信息技術和市場的發展，特別是20世紀90年代以后，數據管理不再僅僅是存儲和管理數據，而轉變成用戶所需要的各種數據管理的方式。在信息化時代，充分有效地管理和利用各類信息資源，是進行科學研究和決策管理的前提。數據庫技術是管理信息系統、辦公自動化系統、決策支持系統等各類信息系統的核心部分，是進行科學研究和決策管理的重要技術手段。

隨著銀行信息化建設進程的加快，數據庫在銀行風控中發揮了獨特作用，特別是在信用周期（Credit Cycle）的風險管理方面。此時，風控跟營銷、業務以及盈利形成共同體，更加強調銀行資產之間的互補性與協調性。客戶一旦逾期不還，要做相應的貸后處置，泛稱資產管理。為了能夠明確獲悉此筆業務的最終盈虧狀況，銀行需要針對每一個客戶建立數據庫，從各個維度進行分析。

1.產品設計

結合數據庫及信用周期分析，產品設計主要包括以下內容。

? 確定目標市場。

? 進行產品調研和市場調研。

? 分析產品利潤結構。

? 評估損失率。

? 制定產品調整和復盤規范。

? 制定產品啟用、還款、逾期的處理方法。

2.營銷配置

營銷配置主要包括以下內容。

? 渠道配置，包括在線、網點、門店、委外。

? 制定營銷管理規則。

? 制定營銷激勵辦法。

? 設計營銷及獲客流程。

3.風控政策審批

風控政策審批主要包括以下內容。

? 制定授信規則。

? 制定授信流程。

? 制定審批授權辦法。

? 制定違例審批辦法。

? 制定政策執行細則。

? 編制風控報表。

? 制定政策調整。

4.貸中管理與客戶維護

貸中管理與客戶維護主要包括以下內容。

? 獲取客戶還款記錄數據。

? 對客戶進行電話回訪。

? 預防優質客戶流失。

? 對客戶分層分類維護。

5.貸后/資產管理

貸后/資產管理主要包括以下內容。

? 催收部署，包括發短信催收、電話催收、上門催收、法務催收、委外催收。

? 不良資產綜合管理，包括不良貸款、毛損失、凈損失、不良回收。

6.盈虧分析

盈虧分析主要包括以下內容。

? 獲利（或損失）分析。

? 有利因素分析。

? 不利因素分析。

? 制定解決方案。

? 進行全流程檢討。

1.2.4 第四個階段：大數據與銀行數字化風控

近年來，以大數據、云計算和人工智能等技術為代表的金融科技，正在改變和重塑傳統銀行的業務流程、經營模式乃至風險理念，推動銀行向數字化、智能化的銀行4.0時代邁進。大數據作為云計算和人工智能的重要技術基礎，經過多年發展，已取得矚目成效，特別是在金融領域的作用更加明顯。

2021年，《中華人民共和國數據安全法》《中華人民共和國個人信息保護法》先后落地實施，再加上2017年施行的《中華人民共和國網絡安全法》，國家在法律層面嚴格規范了數據使用與對個人隱私的保護。近幾年，確實也有相當一部分大數據公司或金融科技公司因涉嫌違法相繼被查，引發行業風波，客戶隱私保護等敏感問題再次受到公眾熱議。隨著整肅深入，行業風波已經波及助貸業務，并向信用卡共債風險蔓延，部分中小銀行也暫停了風控相關的大數據合作業務。在大數據應用上，銀行必須堅守合法合規的安全底線。

大數據的廣泛使用推動銀行走上數字化轉型之路。大數據風控技術則幫助銀行在構建數字化風控體系方面取得了極大進展。下面介紹大數據技術在貸前、貸中及貸后的全流程應用分析中帶給銀行的3個方面重要改善。

1.貸前：有效解決信息不對稱問題

應用大數據技術，讓銀行有能力服務更多的小微企業，讓普惠金融成為可能。服務小微客戶，實現普惠金融，從政府到監管部門，再到銀行層面，已經說了很多年，但實際效果非常不理想。最關鍵的原因就是傳統風控模式無法解決信息不對稱的難題，導致銀行不愿做、不敢做。具體來看，可以歸結為以下3個原因。

（1）收益低下

與傳統對公貸款相比，小微貸款具有單筆金額低、借貸頻率高、用款要求急的特點。同時，業內普遍認為，小微貸款存在“三高”現象，即風險成本高、運營成本高、獲客成本高。在傳統風控模式下，銀行在小微貸款上的收益非常低。

（2）風險極大

絕大多數小微企業成立時間短，抵御風險能力弱，受經濟波動影響大，存在極大的不確定性。同時，由于缺乏長期經營數據，也沒有合適的擔保，對于銀行而言，信息不對稱、不透明，按照傳統風控做法，難以有效識別風險。

（3）定價困難

傳統銀行很難做大小微企業貸款，也難以實現真正的普惠。高風險高收益，低風險低收益，是風控定價要優先考慮的因素。然而，與個人業務相比，小微貸款客戶對價格的敏感度卻非常高，也導致銀行不愿過深介入小微企業貸款。

大數據與智能風控的出現，首先解決了信息不對稱的難題；其次，銀行可以憑借金融科技的手段，全方位、多角度了解企業整體情況，根據企業畫像進行分層分類管理，大幅降低企業盡職調查成本，提高邊際收益；最后，銀行還可以對企業進行更多的風險識別和評估，大幅提升風控精準度。

2.貸中：大幅提升模型精準度

隨著人工智能的廣泛應用，在相同數據基礎的情況下，分別用傳統方式和機器學習算法構建模型，在性能方面可以提升20%～30%。例如在某項目中，基于相同的數據源，分析人員分別用傳統算法與機器學習算法，得到兩個不同版本的模型。經過性能對比可知，傳統算法模型的KS值為0.31；機器學習算法模型的KS值可以達到0.37，提升幅度非常大。無論我們開發什么模型，有了機器學習、深度學習等人工智能技術的參與，性能提升都十分明顯。

3.貸后：明顯提高逾期催回率

在傳統風控模式中，貸后管理與催收主要依靠人工完成，輔之以客服系統，不僅工作效率低、催回率不高，客戶體驗也很差。建設數字化風控體系，引入互動式語音應答（Interactive Voice Response，IVR）系統、文字機器人、外呼機器人，制定機器人催收策略，對傳統貸后管理模式進行數字化智能改造，能夠發現，智能催收可以大幅降低催收成本。某行實際數據顯示，催收成本可以降低1/3左右，同時催回率得到大幅提升。

在M1階段（逾期1-30日），智能催收可以替代90%以上的人工作業。智能催收相對人工催收來說，產能是無限的，產能不夠時，只需要增加線路，不像人工催收短缺時，銀行還要進行招聘、培訓、考核之類的煩瑣工作。