1.2 银行数字化风控演进的4个阶段

银行经营的本质是对风险的承担与管理，也就是风控能力。

在一家银行的经营管理过程中，有两个因素决定其最终风险承担能力。

一是资本金管理。资本充足率高的银行具有更强的竞争力，也有能力接受高风险、高收益的项目。3个版本的巴塞尔协议的核心内容，都是对银行核心资本充足率的具体要求。

二是风险管理水平。资本充足率决定了银行承担风险的潜力，而银行承担的风险能否带来实际收益，最终还是取决于一家银行的风控能力。

我们有必要了解银行是如何从传统风控模式，逐渐演进到数字化风控模式的。一般来讲，银行风控的演进大致经历了4个阶段，如图1-2所示。

1.2.1 第一个阶段：KYC与专家经验式风控

在现代化银行信贷风控的第一个阶段，主要做法是以专家经验为主，辅之以早期的KYC规则，实施风险管理。那么，什么是KYC呢？银行人对此应该是十分熟悉的。

KYC（Know Your Customer，了解你的客户）也可称为投资者适当性管理体系。在《中华人民共和国反洗钱法》中，KYC被具体表述为客户身份识别。KYC是指金融机构在与客户建立业务的过程中，对客户身份进行识别和背景调查，了解客户及其交易目的、账户实际控制人与受益人的流程。

1998年12月，巴塞尔银行监管委员会在《关于防止犯罪分子利用银行系统洗钱的声明》中，明确提出金融机构在提供服务时，应当对客户信息和客户画像进行采集和识别。随后，KYC规则被各国的监管机构所接受并推行。

在信贷领域，如果银行不能清晰地识别客户身份，客户经理、审查审批人员不了解目标企业的营业范围、公司规模、经营状况、法定代表人、疑似实际控制人、股东、对外投资企业等基本状况及风险状况，那么银行是不会发放贷款的。

一般而言，基于KYC的专家经验式风控具有以下4个特征。

• 一般是以国有银行及股份制银行在各省级行政区设立的分行或当地支行网点为主体，也有一些区域性银行以总行为主体。一笔贷款能否获得审批，在风控因素上主要依据分、支行行长的认知程度来做最终判断，而这种判断一般主观性较强。

• 银行获取客户的方式以线下营销、关系营销为主，如熟人、亲属、朋友、同学、邻居等，各种社交关系网络都是银行贷款客户的重要来源。与此同时，关系贷款、面子贷款、人情贷款等种种非正常业务也时有出现。

• 大部分银行在授权、授信管理方面并不严谨，总行在向分支机构授权时，往往是以对分、支行行长的经验判断为主，信得过的行长权限高一些，觉得能力不足的行长权限就低一些。对于授信管理，也主要基于行长对客户的主观印象。

• 此阶段的风险管理是最为原始也最为薄弱的，还谈不上技术、风控。负责任的分、支行行长，大多数会要求客户提供担保物或抵押品，对于第一还款来源、现金流分析等其他因素并不看重。同时，整个信贷流程冗长而缓慢，做一笔贷款花上大半年时间是常有的事。

这一阶段的银行风控主要依靠专家经验，并不严谨，也不科学。

1.2.2 第二个阶段：5C与要素分析式风控

在现代化银行信贷风控的第二个阶段，主要做法是在专家经验的基础上，提炼关键要素，并在授信过程中逐一分析。相较第一个阶段，银行风控技术含量有了大幅提升，业界一般称之为C要素分析法，是西方经济学家就企业客户信用要素分析归纳、提炼、总结的重要风控技术。从最初的3C分析法到普遍运用的5C分析法，C要素分析法在不断增加分析要素的过程中，逐渐趋于成熟稳定。

1.3C分析法

衡量企业的信用要素，最早出现的是3C分析法。3C分别指品德（Character）、能力（Capacity）和资本（Capital），能够体现客户最基本的品质，是企业信用分析的基础要素。因为这3个要素的英文单词开头字母均为C，所以称为3C分析法，主要含义如下。

• 品德：侧重于了解企业过往的信用记录。

• 能力：侧重于考察企业的还款能力。

• 资本：侧重于探求企业的“家底”，分析其资本实力。

2.4C分析法

4C分析法，在3C分析法的基础上，增加了担保品（Collateral）要素。担保品要素是指客户在拒付款项或无力支付款项时，可以被用作抵押的资产。一旦不能如期收到欠款，银行就会处置抵押物。是否增加担保，对于首次贷款或信用状况存有疑点的客户非常重要。一家银行的风控能力，在一定程度上可以从其对担保品要素的分析及运用上看出来，特别是信贷退出机制。当然，银行在分析担保品的时候，也需要避免“抵押物崇拜”[3]的认识误区。

3.5C分析法

5C分析法，在4C分析法的基础上，增加了环境状况（Condition）要素。环境状况是指可能对中小企业客户的履约偿付能力产生影响的所有因素，包括政治的、经济的、文化的因素，以及客户所从事的行业、所处的经济发展区域和地理位置、经营软环境等。环境状况要素是由外部引起中小企业履约偿付能力变化的因素，是中小企业自身无法控制的。

4.其他要素分析法

在要素分析方面，业内常见的还有3F分析法、5P分析法以及10M分析法等，都是通过定性与定量相结合的分析方法，剖析企业客户的信用风险。

（1）3F分析法

美国罗伯特·莫里斯协会将5C分析法归纳、提炼、概括为3F分析法。其中，品德和能力要素合并为个人要素（Personal Factor），资本和担保品合并为财务要素（Financial Factor），环境状况要素则改为经济要素（Economy Factor）。

（2）5P分析法

5P分析法立足于信贷实践的需要，主张实用性和完整性，具有鲜明特色。例如，在分析贷款资金用途时，更加凸显从银行角度分析信贷资金的流向和安全性，也顺应了监管部门的要求。5P分析法的主要内容如下。

• 个人要素（Personal Factor）：注重人的分析，关注企业实际控制人。

• 资金用途要素（Purpose Factor）：评估企业贷款客户的资金用途。

• 还款来源要素（Payment Factor）：重点考察企业的还款意愿。

• 债权保障要素（Protection Factor）：重点关注授信合约的限制条件，以及担保品的种类、性质、价值及变现性等内容。

• 企业前景要素（Perspective Factor）：重点研究宏观经济周期规律与银行信贷的关系，分析企业生命周期规律，预判企业破产的概率。

（3）10M分析法

10M分析法力求多维度、全方位、系统化分析企业客户的信用状况，主要内容如下。

• 人力（Man）：经营者的品质、能力、经验、作风和技术水平。

• 财力（Money）：从财务角度分析客户资本结构，包括资金的流动性、安全性和收益性，并辅助考察资金长期、短期筹集和运用的计划情况。

• 机器设备能力（Machinery）：重点了解企业的机器设备配备、规格、出厂日期、价值、折旧、产能等信息。

• 销售能力（Market）：分析授信客户销售能力对其收益能力的影响程度。

• 管理能力（Management）：分析客户高管层的领导能力、组织能力、协调能力和计划执行能力。

• 原材料供应能力（Material）：分析客户的原材料品质、价格、成本、存量等因素对其经营造成的影响。

• 计划能力（Making Plan）：从客户有无制定长期、短期经营活动的方针，制定的方针是否适合其经营和发展等方面进行分析。

• 制造能力（Manufacturing）：从客户的人力、财力、机器设备能力、原材料购买能力等多方面分析其制造能力。

• 方法（Method）：透过生产、经营、技术等角度分析客户持续发展的能力。

• 获利能力（Margin）：回归信贷经营的本质。

1.2.3 第三个阶段：数据库与信贷生命周期分析

随着数据库的出现，现代化银行信贷风控进入了第三个阶段，银行更加看重对客户信贷生命周期的分析。在信贷业务中，常见的贷款流程为申请→审批→签约→放款→贷后管理→催收回收→资产处置，也就是人们常说的，信贷生命周期管理。随着数据库的发展及其在银行的广泛应用，信贷生命周期管理得以实现。

数据库是按照数据结构来组织、存储和管理数据的仓库。随着信息技术和市场的发展，特别是20世纪90年代以后，数据管理不再仅仅是存储和管理数据，而转变成用户所需要的各种数据管理的方式。在信息化时代，充分有效地管理和利用各类信息资源，是进行科学研究和决策管理的前提。数据库技术是管理信息系统、办公自动化系统、决策支持系统等各类信息系统的核心部分，是进行科学研究和决策管理的重要技术手段。

随着银行信息化建设进程的加快，数据库在银行风控中发挥了独特作用，特别是在信用周期（Credit Cycle）的风险管理方面。此时，风控跟营销、业务以及盈利形成共同体，更加强调银行资产之间的互补性与协调性。客户一旦逾期不还，要做相应的贷后处置，泛称资产管理。为了能够明确获悉此笔业务的最终盈亏状况，银行需要针对每一个客户建立数据库，从各个维度进行分析。

1.产品设计

结合数据库及信用周期分析，产品设计主要包括以下内容。

• 确定目标市场。

• 进行产品调研和市场调研。

• 分析产品利润结构。

• 评估损失率。

• 制定产品调整和复盘规范。

• 制定产品启用、还款、逾期的处理方法。

2.营销配置

营销配置主要包括以下内容。

• 渠道配置，包括在线、网点、门店、委外。

• 制定营销管理规则。

• 制定营销激励办法。

• 设计营销及获客流程。

3.风控政策审批

风控政策审批主要包括以下内容。

• 制定授信规则。

• 制定授信流程。

• 制定审批授权办法。

• 制定违例审批办法。

• 制定政策执行细则。

• 编制风控报表。

• 制定政策调整。

4.贷中管理与客户维护

贷中管理与客户维护主要包括以下内容。

• 获取客户还款记录数据。

• 对客户进行电话回访。

• 预防优质客户流失。

• 对客户分层分类维护。

5.贷后/资产管理

贷后/资产管理主要包括以下内容。

• 催收部署，包括发短信催收、电话催收、上门催收、法务催收、委外催收。

• 不良资产综合管理，包括不良贷款、毛损失、净损失、不良回收。

6.盈亏分析

盈亏分析主要包括以下内容。

• 获利（或损失）分析。

• 有利因素分析。

• 不利因素分析。

• 制定解决方案。

• 进行全流程检讨。

1.2.4 第四个阶段：大数据与银行数字化风控

近年来，以大数据、云计算和人工智能等技术为代表的金融科技，正在改变和重塑传统银行的业务流程、经营模式乃至风险理念，推动银行向数字化、智能化的银行4.0时代迈进。大数据作为云计算和人工智能的重要技术基础，经过多年发展，已取得瞩目成效，特别是在金融领域的作用更加明显。

2021年，《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》先后落地实施，再加上2017年施行的《中华人民共和国网络安全法》，国家在法律层面严格规范了数据使用与对个人隐私的保护。近几年，确实也有相当一部分大数据公司或金融科技公司因涉嫌违法相继被查，引发行业风波，客户隐私保护等敏感问题再次受到公众热议。随着整肃深入，行业风波已经波及助贷业务，并向信用卡共债风险蔓延，部分中小银行也暂停了风控相关的大数据合作业务。在大数据应用上，银行必须坚守合法合规的安全底线。

大数据的广泛使用推动银行走上数字化转型之路。大数据风控技术则帮助银行在构建数字化风控体系方面取得了极大进展。下面介绍大数据技术在贷前、贷中及贷后的全流程应用分析中带给银行的3个方面重要改善。

1.贷前：有效解决信息不对称问题

应用大数据技术，让银行有能力服务更多的小微企业，让普惠金融成为可能。服务小微客户，实现普惠金融，从政府到监管部门，再到银行层面，已经说了很多年，但实际效果非常不理想。最关键的原因就是传统风控模式无法解决信息不对称的难题，导致银行不愿做、不敢做。具体来看，可以归结为以下3个原因。

（1）收益低下

与传统对公贷款相比，小微贷款具有单笔金额低、借贷频率高、用款要求急的特点。同时，业内普遍认为，小微贷款存在“三高”现象，即风险成本高、运营成本高、获客成本高。在传统风控模式下，银行在小微贷款上的收益非常低。

（2）风险极大

绝大多数小微企业成立时间短，抵御风险能力弱，受经济波动影响大，存在极大的不确定性。同时，由于缺乏长期经营数据，也没有合适的担保，对于银行而言，信息不对称、不透明，按照传统风控做法，难以有效识别风险。

（3）定价困难

传统银行很难做大小微企业贷款，也难以实现真正的普惠。高风险高收益，低风险低收益，是风控定价要优先考虑的因素。然而，与个人业务相比，小微贷款客户对价格的敏感度却非常高，也导致银行不愿过深介入小微企业贷款。

大数据与智能风控的出现，首先解决了信息不对称的难题；其次，银行可以凭借金融科技的手段，全方位、多角度了解企业整体情况，根据企业画像进行分层分类管理，大幅降低企业尽职调查成本，提高边际收益；最后，银行还可以对企业进行更多的风险识别和评估，大幅提升风控精准度。

2.贷中：大幅提升模型精准度

随着人工智能的广泛应用，在相同数据基础的情况下，分别用传统方式和机器学习算法构建模型，在性能方面可以提升20%～30%。例如在某项目中，基于相同的数据源，分析人员分别用传统算法与机器学习算法，得到两个不同版本的模型。经过性能对比可知，传统算法模型的KS值为0.31；机器学习算法模型的KS值可以达到0.37，提升幅度非常大。无论我们开发什么模型，有了机器学习、深度学习等人工智能技术的参与，性能提升都十分明显。

3.贷后：明显提高逾期催回率

在传统风控模式中，贷后管理与催收主要依靠人工完成，辅之以客服系统，不仅工作效率低、催回率不高，客户体验也很差。建设数字化风控体系，引入互动式语音应答（Interactive Voice Response，IVR）系统、文字机器人、外呼机器人，制定机器人催收策略，对传统贷后管理模式进行数字化智能改造，能够发现，智能催收可以大幅降低催收成本。某行实际数据显示，催收成本可以降低1/3左右，同时催回率得到大幅提升。

在M1阶段（逾期1-30日），智能催收可以替代90%以上的人工作业。智能催收相对人工催收来说，产能是无限的，产能不够时，只需要增加线路，不像人工催收短缺时，银行还要进行招聘、培训、考核之类的烦琐工作。