大數(shù)據(jù)在農(nóng)村金融機(jī)構(gòu)中信用風(fēng)險(xiǎn)的分析與應(yīng)用

張勝 安徽涇縣銅源村鎮(zhèn)銀行股份有限公司

引言：互聯(lián)網(wǎng)的快速發(fā)展，社會(huì)進(jìn)入大數(shù)據(jù)時(shí)代，農(nóng)村金融機(jī)構(gòu)面臨的風(fēng)險(xiǎn)和挑戰(zhàn)逐漸增加，信用風(fēng)險(xiǎn)主要體現(xiàn)在業(yè)務(wù)風(fēng)險(xiǎn)和資金風(fēng)險(xiǎn)等方面，對(duì)于信貸資金未能展開(kāi)有效監(jiān)管，同時(shí)，對(duì)于客戶(hù)風(fēng)險(xiǎn)的把關(guān)存在問(wèn)題，沒(méi)有將授信統(tǒng)一，導(dǎo)致貸款發(fā)放不合理，對(duì)此，需要利用大數(shù)據(jù)，建立風(fēng)險(xiǎn)評(píng)估體系，及時(shí)掌握客戶(hù)信息，做好信用風(fēng)險(xiǎn)管理，保證金融機(jī)構(gòu)的信貸資金安全。

一、大數(shù)據(jù)概念和特點(diǎn)介紹

大數(shù)據(jù)主要指在特定時(shí)間內(nèi)產(chǎn)生的各類(lèi)數(shù)據(jù)，這些數(shù)據(jù)難以使用傳統(tǒng)方法進(jìn)行收集，而且大數(shù)據(jù)平臺(tái)具有實(shí)效性，能夠動(dòng)態(tài)化發(fā)展。大數(shù)據(jù)的數(shù)量以TB、ZB等標(biāo)準(zhǔn)為主，并且不斷上漲，難以在規(guī)定的范圍之內(nèi)進(jìn)行儲(chǔ)存和計(jì)算，數(shù)據(jù)流轉(zhuǎn)階段，以快速、動(dòng)態(tài)化狀態(tài)進(jìn)行，包括結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)價(jià)值密度相對(duì)較低，但是商業(yè)價(jià)值相對(duì)較高。

二、數(shù)據(jù)分析對(duì)于農(nóng)村金融機(jī)構(gòu)的重要性

當(dāng)前，市場(chǎng)利率化形勢(shì)明顯，金融機(jī)構(gòu)利差收入的優(yōu)勢(shì)受到影響，特別是農(nóng)村地區(qū)的金融機(jī)構(gòu)，營(yíng)業(yè)收入出現(xiàn)下滑狀態(tài)。隨著大數(shù)據(jù)時(shí)代的到來(lái)，為農(nóng)村金融機(jī)構(gòu)的發(fā)展提供全新機(jī)遇，利用大數(shù)據(jù)分析方法對(duì)于農(nóng)村金融機(jī)構(gòu)重要性主要體現(xiàn)在如下幾方面：

第一，為農(nóng)村的金融機(jī)構(gòu)帶來(lái)更廣闊的業(yè)務(wù)空間，互聯(lián)網(wǎng)的快速發(fā)展，電商平臺(tái)應(yīng)運(yùn)而生，金融機(jī)構(gòu)網(wǎng)點(diǎn)也出現(xiàn)變化，產(chǎn)生各類(lèi)結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)大數(shù)據(jù)技術(shù)，能夠?qū)蛻?hù)信息深入挖掘，找出潛在客戶(hù)，為銀行產(chǎn)品創(chuàng)新提供全新途徑，拓寬農(nóng)村金融機(jī)構(gòu)業(yè)務(wù)空間。

第二，大數(shù)據(jù)的應(yīng)用，能夠提高農(nóng)村金融機(jī)構(gòu)決策與判斷能力。信息時(shí)代，銀行業(yè)務(wù)的開(kāi)展需要依托數(shù)據(jù)信息制定運(yùn)營(yíng)決策，應(yīng)用大數(shù)據(jù)，通過(guò)海量數(shù)據(jù)信息當(dāng)中尋找利于銀行經(jīng)營(yíng)的數(shù)據(jù)信息，對(duì)于業(yè)務(wù)風(fēng)險(xiǎn)合理評(píng)估，并對(duì)資源展開(kāi)優(yōu)化配置。

第三，大數(shù)據(jù)的應(yīng)用能夠提高信用風(fēng)險(xiǎn)的管理能力，運(yùn)用大數(shù)據(jù)技術(shù)展開(kāi)精細(xì)化管理，為農(nóng)村金融機(jī)構(gòu)產(chǎn)品創(chuàng)新以及風(fēng)險(xiǎn)控制提供全新途徑，轉(zhuǎn)變傳統(tǒng)經(jīng)營(yíng)模式，和電商之間進(jìn)行聯(lián)合，控制信用風(fēng)險(xiǎn)，提高風(fēng)險(xiǎn)管理工作水平[1]。

三、大數(shù)據(jù)在農(nóng)村金融機(jī)構(gòu)信用風(fēng)險(xiǎn)的分析和應(yīng)用

（一）數(shù)據(jù)的挖掘

農(nóng)村金融機(jī)構(gòu)的大數(shù)據(jù)平臺(tái)包括如下信息源系統(tǒng)：一是核心系統(tǒng)，二是信貸系統(tǒng)，三是外圍系統(tǒng)，通過(guò)上述系統(tǒng)對(duì)于文本文件進(jìn)行采集，并對(duì)元數(shù)據(jù)進(jìn)行清洗，通過(guò)轉(zhuǎn)換變?yōu)闃?biāo)準(zhǔn)化數(shù)據(jù)，并按照法人機(jī)構(gòu)進(jìn)行區(qū)分，拆分?jǐn)?shù)據(jù)信息，利用固定模型將數(shù)據(jù)整合，最終形成數(shù)據(jù)視圖。這樣后臺(tái)可以按照賬戶(hù)、客戶(hù)以及機(jī)構(gòu)各層次展開(kāi)匯總，便于前臺(tái)對(duì)于數(shù)據(jù)的利用。數(shù)據(jù)挖掘過(guò)程包括數(shù)據(jù)信息采集、清洗、轉(zhuǎn)換、整合、處理等內(nèi)容。

（二）決策樹(shù)分析

數(shù)據(jù)挖掘方法種類(lèi)多樣化，將挖掘目標(biāo)、數(shù)據(jù)模型等作為基礎(chǔ)，建立多個(gè)模型形式，其中包括聚類(lèi)分析、偏差檢測(cè)以及關(guān)聯(lián)規(guī)則等模型，金融機(jī)構(gòu)可借助上述模型獲取更高商業(yè)價(jià)值，提高金融機(jī)構(gòu)核心競(jìng)爭(zhēng)力。

決策樹(shù)主要是樹(shù)形結(jié)構(gòu)，能夠?qū)Ψ诸?lèi)預(yù)測(cè)起決定性作用，分析過(guò)程，不同節(jié)點(diǎn)都代表樹(shù)形測(cè)試，各分支則代表測(cè)試輸出，使用決策樹(shù)算法具有分類(lèi)精度高、生成模式相對(duì)簡(jiǎn)單、噪聲數(shù)據(jù)優(yōu)越等特點(diǎn)，所以取得廣泛應(yīng)用。

（三）數(shù)據(jù)分析

本研究所用的數(shù)據(jù)源為某農(nóng)村金融機(jī)構(gòu)中個(gè)人貸款的客戶(hù)數(shù)據(jù)，選擇個(gè)人工商戶(hù)、小額信用貸以及企事業(yè)貸款，通過(guò)分析上述客戶(hù)類(lèi)型貸款情況，客戶(hù)信息和貸款不良率信息如表1所示：

表1 客戶(hù)信息和貸款不良率信息

可知小額貸款的人數(shù)相對(duì)較多，超過(guò)99%，由此可以看出，該金融機(jī)構(gòu)面向的客戶(hù)主要為農(nóng)戶(hù)。

表2 客戶(hù)年齡層次信用貸款信息表

分析客戶(hù)年齡層次，處于（18，25]歲年齡段的客戶(hù)，貸款不良率為2.75%；處于（25，30]歲年齡段的客戶(hù)，貸款不良率為2.52%；處于（30，35]歲年齡段的客戶(hù)，貸款不良率為3.44%；處于（35，40]歲年齡段的客戶(hù)，貸款不良率為2.73%；處于（40，45]歲年齡段的客戶(hù)，貸款不良率為3.38%；處于（45，50]歲年齡段的客戶(hù)，貸款不良率為4.53%；處于（50，55]歲年齡段的客戶(hù)，貸款不良率為4.2%；處于（55，60]歲年齡段的客戶(hù)，貸款不良率為4.15%；超過(guò)60歲年齡段的客戶(hù)，貸款不良率為6%。發(fā)現(xiàn)不同年齡段之間貸款不良差距相對(duì)較小，超過(guò)60歲的客戶(hù)在貸款不良率方面相對(duì)較高。

表3 為客戶(hù)年收入信息表

對(duì)于客戶(hù)收入進(jìn)行分析，理論上來(lái)講，客戶(hù)擁有高收入，代表其還款能力相對(duì)較強(qiáng)，在貸款不良率方面應(yīng)該低于低收入的客戶(hù)。但是結(jié)果顯示，收入≥20萬(wàn)的群體，貸款不良率3%；收入處于（10，20]萬(wàn)客戶(hù)，貸款不良率1.36%；收入處于（5，10]萬(wàn)客戶(hù)，貸款不良率1.29%；收入處于（2，5]萬(wàn)客戶(hù)，貸款不良率0.88%；收入≤2萬(wàn)的客戶(hù)，貸款不良率1.39%；高收入人群貸款不良率相對(duì)較高，和理論存在差異，因此，需要對(duì)其中原因展開(kāi)深入探索。

表4 為客戶(hù)學(xué)歷和貸款不良率信息關(guān)系表

分析客戶(hù)學(xué)歷以及貸款不良率二者之間關(guān)系，無(wú)學(xué)歷客戶(hù)貸款不良率1.72%；小學(xué)學(xué)歷客戶(hù)貸款不良率1.60%；初中學(xué)歷客戶(hù)貸款不良率1.62%；高中學(xué)歷客戶(hù)貸款不良率10.76%；技校學(xué)歷客戶(hù)貸款不良率5.91%；中專(zhuān)學(xué)歷客戶(hù)貸款不良率1.69%；大專(zhuān)學(xué)歷客戶(hù)貸款不良率3.39%；本科學(xué)歷客戶(hù)貸款不良率0.98%；研究生學(xué)歷客戶(hù)貸款不良率0.00%；呈現(xiàn)出“中間高，兩頭低”這一問(wèn)題，小學(xué)學(xué)歷人貸款人數(shù)相對(duì)較高，和農(nóng)村地區(qū)實(shí)際情況相符[2]。

通過(guò)上述案例分析，可以看出大數(shù)據(jù)在農(nóng)村金融機(jī)構(gòu)的客戶(hù)信息和客戶(hù)篩選方面不但高效，而且準(zhǔn)確度高，可對(duì)農(nóng)村金融的信用風(fēng)險(xiǎn)分析過(guò)程起到指導(dǎo)性作用。

四、農(nóng)村金融機(jī)構(gòu)大數(shù)據(jù)應(yīng)用存在問(wèn)題和解決措施

（一）存在問(wèn)題

大部分農(nóng)村地區(qū)已經(jīng)設(shè)立了金融機(jī)構(gòu)網(wǎng)點(diǎn)，面向農(nóng)民提供信貸業(yè)務(wù)。利用大數(shù)據(jù)平臺(tái)，可對(duì)客戶(hù)職業(yè)、年齡相關(guān)信息進(jìn)行挖掘，尋找客戶(hù)信息和信用風(fēng)險(xiǎn)存在的關(guān)聯(lián)，結(jié)合風(fēng)險(xiǎn)信息對(duì)于客戶(hù)進(jìn)行管理，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)。然而，農(nóng)村的金融機(jī)構(gòu)信用風(fēng)險(xiǎn)的管理還存在不同程度問(wèn)題，主要表現(xiàn)在如下幾方面：

第一，數(shù)據(jù)標(biāo)準(zhǔn)尚未完全建立，還存在大量冗余數(shù)據(jù)，難以共享，雖然收集到大量數(shù)據(jù)，但是，由于數(shù)據(jù)形式?jīng)]有統(tǒng)一，導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊，數(shù)據(jù)處理以及標(biāo)準(zhǔn)化體系的建設(shè)還不深入，難以以獲得理想的分析結(jié)果[1]。

第二，數(shù)據(jù)種類(lèi)不豐富，對(duì)比商業(yè)銀行互聯(lián)網(wǎng)金融，農(nóng)村金融機(jī)構(gòu)在數(shù)據(jù)采集方面略顯不足，對(duì)此，可與電商平臺(tái)或者政府機(jī)構(gòu)展開(kāi)合作，將數(shù)據(jù)結(jié)構(gòu)加以豐富。

第三，專(zhuān)業(yè)人員素質(zhì)有待提升，部分農(nóng)村金融機(jī)構(gòu)尚未設(shè)置數(shù)據(jù)分析相關(guān)部門(mén)，都是將數(shù)據(jù)分析過(guò)程外包給專(zhuān)業(yè)公司，由于金融機(jī)構(gòu)缺乏專(zhuān)業(yè)數(shù)據(jù)分析人才，對(duì)于信用風(fēng)險(xiǎn)的分析相對(duì)不足，數(shù)據(jù)覆蓋面窄，難以將業(yè)務(wù)有效聯(lián)系。

（二）解決措施

第一，建立數(shù)據(jù)標(biāo)準(zhǔn)，將冗余數(shù)據(jù)刪除，統(tǒng)一數(shù)據(jù)格式，保證數(shù)據(jù)分析過(guò)程信息獲取質(zhì)量，對(duì)于農(nóng)村金融機(jī)構(gòu)客戶(hù)基本信息展開(kāi)深入分析，制定營(yíng)銷(xiāo)策略，展現(xiàn)數(shù)據(jù)分析價(jià)值。

第二，豐富數(shù)據(jù)類(lèi)型，可借鑒商業(yè)銀行的運(yùn)作模式，利用“互聯(lián)網(wǎng)＋金融”的形式，采集信用信息數(shù)據(jù)，或者和政府部門(mén)、電商平臺(tái)等展開(kāi)合作，豐富數(shù)據(jù)結(jié)構(gòu)，提高信用信息數(shù)據(jù)獲取的真實(shí)性。

第三，培養(yǎng)專(zhuān)業(yè)人才，農(nóng)村金融機(jī)構(gòu)可設(shè)立數(shù)據(jù)分析部門(mén)，培養(yǎng)大數(shù)據(jù)技術(shù)人才，聯(lián)系自身業(yè)務(wù)，對(duì)于信用風(fēng)險(xiǎn)數(shù)據(jù)展開(kāi)全面挖掘和分析，通過(guò)人才培養(yǎng)，不斷拓寬數(shù)據(jù)信息覆蓋面積，對(duì)于信用風(fēng)險(xiǎn)原因展開(kāi)全面分析，展現(xiàn)大數(shù)據(jù)在信用風(fēng)險(xiǎn)防范方面的應(yīng)用價(jià)值。

結(jié)束語(yǔ)：總之，結(jié)合農(nóng)村金融機(jī)構(gòu)面臨的信用風(fēng)險(xiǎn)問(wèn)題，依托大數(shù)據(jù)技術(shù)建立管理平臺(tái)，并利用決策樹(shù)模型，建立完善的信用風(fēng)險(xiǎn)體系，為相關(guān)人員制定決策提供依據(jù)。大數(shù)據(jù)管理平臺(tái)的應(yīng)用，能夠減輕機(jī)構(gòu)管理信用風(fēng)險(xiǎn)期間各項(xiàng)成本，并提供精準(zhǔn)數(shù)據(jù)支持，保證銀行數(shù)據(jù)和客戶(hù)信息的對(duì)稱(chēng)性，對(duì)于信用風(fēng)險(xiǎn)全面管理。