淺析如何利用大數據做好信用卡前端審核的風險管理
來源:用戶上傳
作者:
【摘 要】近年來，許多商業銀行已經將信用卡業務作為其業務增長和轉型升級的重要抓手，并且在信用卡業務上投入了大量資源。目前的人民銀行數據顯示，截至2018年三季度末，信用卡和借貸合一卡在用發卡數量共計6.59 億張，環比增長3.36%。三季度末信用卡授信總額14.69萬億元，環比增長5.05%;應收賬款余額6.61萬億元，環比增長5.68%。我國信用卡在快速發展的同時，系統性風險上升的問題也已經凸顯，這也是各家商務銀行不容忽視的。
【Abstract】In recent years， many commercial banks have taken the credit card business as an important starting point for their business growth and transformation and upgrading， and have invested a lot of resources in the credit card business. Current data from the people's bank of China shows that at the end of the third quarter of 2018， a total of 659 million credit cards and debit and credit cards were issued， up 3.36 percent from the end of the previous quarter. At the end of the third quarter， total credit extended by credit cards reached 14.69 trillion yuan， an increase of 5.05% over the previous quarter. The balance of accounts receivable reached 6.61 trillion yuan， up by 5.68% month on month. Along with the rapid development of credit cards in China， the problem of rising systemic risk has also been highlighted， which cannot be ignored by commercial banks.
【關鍵詞】大數據;信用卡風險;風險管理
【Keywords】big data; credit card risk; risk management
【中圖分類號】F832.2 【文獻標志碼】A 【文章編號】1673-1069（2019）03-0177-02
1 引言
2018年以來，信用卡業務風險明顯上升，資產質量下降明顯。截至2018年三季度末，信用卡逾期半年以上未償信貸總額881億元，占信用卡應償信貸余額的1.34%，分別比上個季度上升16.4%和10.8%。
在業務快速增長和風險快速上升的形勢下，各家商業銀行根據自身的業務結構和風險偏好，在嚴控風險和快速增長之間進行權衡，使得信用卡行業發展策略出現了明顯分化，且不論其是非對錯，但風控能力已然成為可持續健康發展最大的挑戰和最重要的核心競爭力。
因信用卡行業兼具金融和大數據的雙重基因，面對當前嚴峻的風險情況，各家銀行均可通過大數據技術與傳統風控模型的結合，構建并完善更加智能化的風控體系，為該行業保駕護航。
2 利用大數據做好信用卡前端審核風險管理的措施
2.1 構建智能的風控體系，提升風控效率
近十年來，各家商業銀行采取跑馬圈地的方式擴展信用卡業務，并且獲得了穩定的收益，但是目前逾期風險也在持續增加，信用卡的風險問題正在面臨嚴峻的挑戰。從人民銀行顯示的數據來看，這與銀行傳統的風險控制模式無法滿足目前風控水平的現狀有關。因其傳統的風險控制模式有無法及時更新、內部數據較為局限、過度地依賴工作人員等問題，這就導致了在信用卡風險上跟蹤監測困難、風險評估質量不穩定以及人力成本過高等問題[1]。因此，商業銀行應當在智能風險控制體系的建設中引入大數據和人工智能的技術，將銀行現有的傳統風險控制模式加以改進和完善，在現有信息收集、儲存平臺和現有的數據挖掘的技術下，建立更加完備的數據模型和決策樹，將風險監控打造成可持續發展，并可自我學習改進的過程，形成實時監控的動態風控體系。因為信用卡循環信貸的特性決定了消費支付、用戶行為和交易場景都是不斷變化的，因此，風險控制系統本身也應當是動態的。系統利用客戶數據，對交易情況做出瞬時反映，特別需要設計信用卡套現和欺詐交易的警報措施，將傳統的損失后補救轉變為損失前攔截。
目前，多家商業銀行已在研制開發智能化系統。平安銀行信用卡中心基于大數據技術自主研發了智能反欺詐系統，該系統是從億量級別的金融數據中建立用戶行為畫像、訓練大數據監測模型，同時搭載高效的決策引擎，實現了毫秒級決策響應的全天候實時反欺詐監測，可有效防堵欺詐盜刷交易。 另外，金融行業逐漸要從“互聯網+金融”向“智能科技+金融”的方向轉型，智能風控以大數據為基礎，通過機器學習模型和算法等模擬人類的“智慧能力”，運用于信用卡貸前
審核的風險管理領域，從而實現數據驅動的精益化風險管理。
2.2 構建完善的信息管理系統，降低風險概率
在信用卡的貸前審批階段，銀行可利用自身豐富的數據來源，打通結構化數據和非結構化數據的運用界限，通過業務邏輯對數據進行深入挖掘及關聯處理，并以數據可視化技術呈現，積極引入黑名單、不良記錄等外部數據，綜合運用金融科技防控業務中的各種風險，進一步提升審批業務的質量[2]。除了運用自身的數據外，還可與第三方機構合作，廣泛借助現代互聯網技術，引入場景行為數據，建立客戶數據模型，在了解各個客戶的基本情況、基礎信息之后，評估客戶的信用狀況，對整體信息進行核實，再判斷客戶是否符合信用卡審批資質。銀行在信息數據收集的基礎上，需要集成各個相關業務系統，不僅是采用征信系統的評估，還可以與不同的信息數據渠道進行合作，比如公安、社保、學信網等信息，建立以大數據倉庫為基礎的數據挖掘和分析系統，推進客戶管理系統、資產負債管理系統、收益貢獻度分析系統等信息技術的建立和應用，全方位地采集客戶信息，以更好地保障信用卡風險控制管理工作的運作質量與效率。
比如，交通銀行信用卡中心正在通過引入百融等外部數據，提前識別互金高風險、拖欠高風險客群，在準入環節加以控制攔截。又比如，交通銀行信用卡正準備上線社保數據，結合申請評分及征信評分，開發差異化的準入策略，提升優質客群占比。
2.3 利用大數據加強對特約商戶的管理，規范用卡環境
在信用卡審批后，其風險重點則在于持卡人使用過程中套現和違約的風險。首先，商業銀行可利用大數據的客戶畫像，對不同的客戶進行分層處理，實行差異化的風險防范。優質的高凈值客戶實行白名單制度，對于中等及以下的客戶也進行有區別的風險防范跟蹤。同時，搭建客戶實時監控系統，對其收入、消費、償債能力進行實時監督，再采取客戶生命周期風險管理措施，利用大數據技術，記錄客戶用卡的時間、地點、額度、方式等用卡軌跡，將這些數據與用戶的授信額度進行實時關聯，以防客戶出現違約風險，將違約風險的防范再次前置。而對于套現風險的防范，則利用社交網絡分析、神經網絡模型等反欺詐技術手段，對虛假交易進行實時偵測，提高套現識別和管理能力。
客戶在獲得了信用卡后，主要的消費場所基本都是商業銀行的特約商戶，因此，特約商戶管理的好壞會極大地影響持卡人的服務體驗與商業銀行的信用貸款風險。一些不法商戶或者不法工作人員在受理信用卡時，會有意地盜取信用卡的基本信息，并將信息賣給社會上制作假信用卡的機構或者直接利用票據進行套現，給持卡人帶來巨大的經濟損失，也給商業銀行帶來了巨大的信用卡風險，因此，需要加強對特約商戶的風險管理工作。
2.4 建立高素質的風險管理隊伍，做好風險前端防控
銀行信用卡風險管理工作的開展，不僅需要專業化的技術支撐，更需要一批高素質高水平的風險管理人員[3]。信用卡的風險從辦卡開始就已經存在，并且一直伴隨著整個信用卡的使用過程，因此銀行信用卡風險分析對專業知識的要求較高，對從事這方面工作的員工的專業能力、風險分析能力的要求也較高。這也需要這些員工具備一定的專業知識和較為扎實的理論基礎。為此，各家商業銀行可以先對內部員工的基本數據進行分析，對相關操作人員按不同崗位要求，針對不同員工的業務薄弱環節進行點對點的培訓，專項開展系統操作、數據分析、金融風險等方面的知識培訓，有效提高操作人員對風險識別的敏感度，在操作層面降低風險發生的可能性[4]。
3 結語
在我國社會發展日趨成熟的情況下，信用卡產業在近十年期間得到了突飛猛進的發展，但隨之而來的信用風險問題也逐漸顯現，信用卡的不良資產呈現逐年大幅增長態勢，這對信用卡產業的發展帶來了極大的挑戰。如今，大數據環境的出現為銀行信用卡風險管理業務提供了機遇。因此，各家商業銀行都在積極利用大數據技術進行改進，在搭建基于大數據的智能風險控制系統上，在信用卡業務拓展和維護的各個風險環節中，利用大數據資源的價值，做好風險控制管理業務，促進信用卡行業的深度化和廣度化發展，可以實現國家普惠業務的落地。
【參考文獻】
【1】伍楠林.中國金融市場風險預警研究[D].北京：中國經濟出版社，2012.
【2】聞岳春.金融業綜合經營的風險預警與控制[D].北京：化學工業出版社，2013.
【3】劉暢，張學明，郭敏.我國商業銀行中小企業貸款信用風險預警體系[D].成都：西南財經大學出版社，2013.
【4】許傳華.開放條件下金融風險預警指標體系研究[D].武漢：湖北人民出版社，2012.
轉載注明來源:http://www.hailuomaifang.com/3/view-14909834.htm
