论文部分内容阅读
摘要：互联网时代，大數据应用于各行各业，在普惠金融领域作用更是凸显。商业银行相继推出各类信贷产品，借助内外部大数据分析，解决信息不对称、缺少押品、财务制度不健全等问题，以满足普惠客户多样化融资需求，支持实体经济发展。同时，借助大数据分析，对客户进行全息画像，帮助客户经理完成对客户的风险评价和贷后行为管理。本文主要从客户选择、风险控制角度对大数据技术在银行普惠金融业务发展中的应用进行阐述。
关键词：大数据技术;普惠金融;应用
信息时代，数据的应用优势日益凸显，被银行普惠金融业务广泛应用。借助大数据分析，对潜在客户群体进行精准定位，对具体客户行为进行全息画像，帮助行业人员有效获客及控制风险。
一、大数据与普惠金融
（一）大数据
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
IBM提出大数据的5V特点：volume（大量）、velocity（高速）、variety（多样）、value（低价值密度）、veracity（真实性）。
大数据的价值不在于“大”，而在于“有用”。价值含量、挖掘成本比数量更重要。对很多行业而言，如何利用这些大规模数据是赢得竞争的关键。
（二）普惠金融
“普惠金融”最早由联合国在2005年提出，当年中国开始研究和建设“中国普惠金融体系”，2013年在《中共中央关于全面深化改革若干重大问题的决定》中提出“发展普惠金融，鼓励金融创新，丰富金融市场层次和产品”，国务院2015年出台了《推进普惠金融发展规划（2016—2020年）》。
普惠金融的四个特点，即可获得性、可负担性、全面性和商业可持续性。普惠金融首先强调的是“普”，即普遍。能够享受到金融服务的群体足够广泛，取得的途径足够便捷，各阶层、各行业、各收入群体都能方便、快捷的取得金融服务。其次，普惠金融应关注“惠”，即优惠。社会大众取得金融服务所需付出的成本要合适，能够让大家以可负担的成本获取优质的服务。第三，是“久”，即持续、长久，要保证金融服务机构自身的利益，实现长久的可持续发展。
二、大数据在银行普惠金融业务中的应用情况
商业银行应用大数据发展普惠金融业务，主要是由业务驱动，在精准营销、风险控制、改善经营和服务创新等方面实现创新和突破。
在精准营销方面，通过对大量用户信息的筛选和分析，构建用户全息画像，对细分客群进行精准营销、实时营销等个性化智慧营销。在风险控制方面，借助大数据，可以统一管理银行内部多源异构数据与外部征信数据，可以更好的完善风控体系。在改善经营方面，通过大数据分析改善经营决策，为管理层提供可靠的数据支撑，使经营决策更加高效、敏捷，精准度更高。在服务创新方面，通过大数据应用，改善与客户之间的交互、增加用户粘性，为客户提供增值服务，不断增强银行业务的核心竞争力。
三、银行普惠金融业务发展中的大数据应用风险
银行发展普惠金融业务，主要依托于大数据分析，所以数据的真实性、有效性、完整性、充足性显得尤为重要。获取数据的渠道、提供数据的人的素质也值得关注。
（一）数据真实有效性风险
银行普惠金融业务主要通过数据筛选来确定目标客户，因此数据的真实有效性是关键的风险点，由于此类业务的发展时间不长，可能存在客户挖掘筛选中的瑕疵、数据造假风险等。
（二）数据来源不足风险
银行对大数据的开发和应用，主要针对内部数据，对外部数据的利用只停留在工商、水务、人行等，而对司法、行政、交通、电力、海关、第三方平台等相关数据来源不足，外部信息不足会影响数据模型对客户判断的方向和准确性。
（三）数据模型及参数设置风险
大数据分析过程中可能存在两类错误（假阳性错误、假阴性错误）。贷前客户筛选阶段，如果数据模型设计不完善，会导致把实际上比较优质的客户排除在潜在客户以外，出现假阳性错误。如果数据模型缺少一些反映客户某些风险特征的要素，将会导致筛选的潜在客户里存在实际上比较劣质的客户，出现假阴性错误。贷后阶段，风险预警指标和日常监测指标参数设置不合理，将导致风险不能及时暴露，也会带来风险隐患。
四、对银行普惠金融业务中大数据应用的建议
针对大数据应用过程中的风险，建议从以下几个方面制定措施予以防范：
（一）确保数据信息的真实有效性
手工录入信息要保质保量。对于日常分散的客户信息数据，特别是员工手工录入的数据，要制定规则，确保数据真实、有效，客观反映出企业及企业主的真实情况。规定动作要落实到位。已通过大数据初步筛选的客户，需要信贷人员调查核实的，要认真核实、认真审查、亲眼所见。避免出现假阴性错误。重要财务指标要深入分析。通过深入分析客户的账户结算、POS结算、纳税情况、企业主家庭经济情况、银行流水、完税证明等，判断客户经营的真实情况。
（二）强化现有数据的深度挖掘与整理
激活沉没数据。现有系统和档案积累了海量企业数据，应将大量沉没数据调取出来，深入分析并加以运用。提高数据应用水平。要提高大数据技术应用水平，增强有效的数据分析处理手段，将数据的价值发挥出来。
（三）打通外部数据共享机制
加强与政府机构及部门信息共享。在与工商、水务、银保监局、人行合作的基础上，加强与海关、司法、交通、电力、公安、民政、不动产、医疗、社保、公共事业缴费等部门联动，积极对外扩展信息源，既实现精准营销，又可以通过第三方的交叉验证，强化风控。积极争取与核心企业ERP系统对接。充分挖掘上下游普惠企业的订单信息、供货周期、产品质量等信息，拓展供应链金融。探索与大数据公司合作。
（四）加快系统开发、联动、整合
优化客户筛选模型。强化数据分析，基于结算、交易、存款、代缴税、代发工资等数据资源，筛选和储备符合准入条件的优质客户。提升流程操作的电子化、自动化水平。以系统自动取数代替手工填报，确保数据真实性、准确性，提高流程效率。多层次交叉验证信息。通过行内条线系统的无缝衔接，数据库资源系统的整合，形成多层次的交叉验证体系，有效降低信息不对称可能产生的风险。
（五）建立完备的数据积累标准
建立一个完备的普惠业务数据收集标准，明确准入条件，明确收集清单，明确数据录入标准，相关人员在规定时间内按要求完整准确录入，形成全员共享的数据源，再由数据管理部门定期归档和整理，满足各条线接口的需要。
（六）加速相关人才培养
积极培养数据分析人员，打造一支数量充足、结构合理、素质优良、既懂业务、又懂技术的数据分析专业队伍。同时提高全员的大数据应用能力，从思想上提高认识，主动学习，提高技能，把相关工具、系统、措施学习好、应用好。
参考文献：
[1]张珊.我国大型商业银行开展普惠金融业务的SWOT分析[J].对外经贸，2020（07）：100-102+105.
[2]周猛.江苏省银行业普惠金融业务发展现状及对策研究[J].商业经济，2020（07）：170-173.
[3]王悦.实施商业银行创新驱动发展战略亟须提高大数据应用能力——以小企业客户营销管理为例[J].黑龙江金融，2014（04）：57-59.
[4]刘荣，崔琳琳.大数据技术在中小企业信用体系建设中的应用[J].征信，2015，33（04）：40-43.
关键词：大数据技术;普惠金融;应用
信息时代，数据的应用优势日益凸显，被银行普惠金融业务广泛应用。借助大数据分析，对潜在客户群体进行精准定位，对具体客户行为进行全息画像，帮助行业人员有效获客及控制风险。
一、大数据与普惠金融
（一）大数据
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
IBM提出大数据的5V特点：volume（大量）、velocity（高速）、variety（多样）、value（低价值密度）、veracity（真实性）。
大数据的价值不在于“大”，而在于“有用”。价值含量、挖掘成本比数量更重要。对很多行业而言，如何利用这些大规模数据是赢得竞争的关键。
（二）普惠金融
“普惠金融”最早由联合国在2005年提出，当年中国开始研究和建设“中国普惠金融体系”，2013年在《中共中央关于全面深化改革若干重大问题的决定》中提出“发展普惠金融，鼓励金融创新，丰富金融市场层次和产品”，国务院2015年出台了《推进普惠金融发展规划（2016—2020年）》。
普惠金融的四个特点，即可获得性、可负担性、全面性和商业可持续性。普惠金融首先强调的是“普”，即普遍。能够享受到金融服务的群体足够广泛，取得的途径足够便捷，各阶层、各行业、各收入群体都能方便、快捷的取得金融服务。其次，普惠金融应关注“惠”，即优惠。社会大众取得金融服务所需付出的成本要合适，能够让大家以可负担的成本获取优质的服务。第三，是“久”，即持续、长久，要保证金融服务机构自身的利益，实现长久的可持续发展。
二、大数据在银行普惠金融业务中的应用情况
商业银行应用大数据发展普惠金融业务，主要是由业务驱动，在精准营销、风险控制、改善经营和服务创新等方面实现创新和突破。
在精准营销方面，通过对大量用户信息的筛选和分析，构建用户全息画像，对细分客群进行精准营销、实时营销等个性化智慧营销。在风险控制方面，借助大数据，可以统一管理银行内部多源异构数据与外部征信数据，可以更好的完善风控体系。在改善经营方面，通过大数据分析改善经营决策，为管理层提供可靠的数据支撑，使经营决策更加高效、敏捷，精准度更高。在服务创新方面，通过大数据应用，改善与客户之间的交互、增加用户粘性，为客户提供增值服务，不断增强银行业务的核心竞争力。
三、银行普惠金融业务发展中的大数据应用风险
银行发展普惠金融业务，主要依托于大数据分析，所以数据的真实性、有效性、完整性、充足性显得尤为重要。获取数据的渠道、提供数据的人的素质也值得关注。
（一）数据真实有效性风险
银行普惠金融业务主要通过数据筛选来确定目标客户，因此数据的真实有效性是关键的风险点，由于此类业务的发展时间不长，可能存在客户挖掘筛选中的瑕疵、数据造假风险等。
（二）数据来源不足风险
银行对大数据的开发和应用，主要针对内部数据，对外部数据的利用只停留在工商、水务、人行等，而对司法、行政、交通、电力、海关、第三方平台等相关数据来源不足，外部信息不足会影响数据模型对客户判断的方向和准确性。
（三）数据模型及参数设置风险
大数据分析过程中可能存在两类错误（假阳性错误、假阴性错误）。贷前客户筛选阶段，如果数据模型设计不完善，会导致把实际上比较优质的客户排除在潜在客户以外，出现假阳性错误。如果数据模型缺少一些反映客户某些风险特征的要素，将会导致筛选的潜在客户里存在实际上比较劣质的客户，出现假阴性错误。贷后阶段，风险预警指标和日常监测指标参数设置不合理，将导致风险不能及时暴露，也会带来风险隐患。
四、对银行普惠金融业务中大数据应用的建议
针对大数据应用过程中的风险，建议从以下几个方面制定措施予以防范：
（一）确保数据信息的真实有效性
手工录入信息要保质保量。对于日常分散的客户信息数据，特别是员工手工录入的数据，要制定规则，确保数据真实、有效，客观反映出企业及企业主的真实情况。规定动作要落实到位。已通过大数据初步筛选的客户，需要信贷人员调查核实的，要认真核实、认真审查、亲眼所见。避免出现假阴性错误。重要财务指标要深入分析。通过深入分析客户的账户结算、POS结算、纳税情况、企业主家庭经济情况、银行流水、完税证明等，判断客户经营的真实情况。
（二）强化现有数据的深度挖掘与整理
激活沉没数据。现有系统和档案积累了海量企业数据，应将大量沉没数据调取出来，深入分析并加以运用。提高数据应用水平。要提高大数据技术应用水平，增强有效的数据分析处理手段，将数据的价值发挥出来。
（三）打通外部数据共享机制
加强与政府机构及部门信息共享。在与工商、水务、银保监局、人行合作的基础上，加强与海关、司法、交通、电力、公安、民政、不动产、医疗、社保、公共事业缴费等部门联动，积极对外扩展信息源，既实现精准营销，又可以通过第三方的交叉验证，强化风控。积极争取与核心企业ERP系统对接。充分挖掘上下游普惠企业的订单信息、供货周期、产品质量等信息，拓展供应链金融。探索与大数据公司合作。
（四）加快系统开发、联动、整合
优化客户筛选模型。强化数据分析，基于结算、交易、存款、代缴税、代发工资等数据资源，筛选和储备符合准入条件的优质客户。提升流程操作的电子化、自动化水平。以系统自动取数代替手工填报，确保数据真实性、准确性，提高流程效率。多层次交叉验证信息。通过行内条线系统的无缝衔接，数据库资源系统的整合，形成多层次的交叉验证体系，有效降低信息不对称可能产生的风险。
（五）建立完备的数据积累标准
建立一个完备的普惠业务数据收集标准，明确准入条件，明确收集清单，明确数据录入标准，相关人员在规定时间内按要求完整准确录入，形成全员共享的数据源，再由数据管理部门定期归档和整理，满足各条线接口的需要。
（六）加速相关人才培养
积极培养数据分析人员，打造一支数量充足、结构合理、素质优良、既懂业务、又懂技术的数据分析专业队伍。同时提高全员的大数据应用能力，从思想上提高认识，主动学习，提高技能，把相关工具、系统、措施学习好、应用好。
参考文献：
[1]张珊.我国大型商业银行开展普惠金融业务的SWOT分析[J].对外经贸，2020（07）：100-102+105.
[2]周猛.江苏省银行业普惠金融业务发展现状及对策研究[J].商业经济，2020（07）：170-173.
[3]王悦.实施商业银行创新驱动发展战略亟须提高大数据应用能力——以小企业客户营销管理为例[J].黑龙江金融，2014（04）：57-59.
[4]刘荣，崔琳琳.大数据技术在中小企业信用体系建设中的应用[J].征信，2015，33（04）：40-43.