文章来源：灵犀科技•灵犀观察

随着金融业转型发展步伐加快，银行业自身对信息技术、数字技术依赖程度越来越高，银行业开始通过加大金融科技投入推进数字化转型，掌握数字经济时代发展的主动权。

目前，银行业主要通过分析大数据，识别潜在客户、提高风险管理能力、预测市场趋势、优化市场推广策略等。

一方面，银行通过分析客户的交易数据、借贷记录、社交媒体等信息，可以根据客户的需求和偏好，提供个性化的产品和服务，如个人贷款、投资理财建议等。这可以增强客户的满意度并提升客户忠诚度。另一方面，银行开始通过企业大数据，进行企业深度信息调研，挖掘企业背后的深层关键信息，助力业务开展。

就企业大数据展开来看，主要赋能领域在于银行的信贷业务全流程，即包含信贷拓客、贷前准入调查、贷中授信审批、贷后预警监控4大环节。

1、信贷拓客

信贷拓客领域，产业大数据最广泛的应用是优质企业名单的提供。银行科技信贷产品大部分面向专精特新、科技型中小企业等科技含量较高且有特定科技认定的企业，这些企业主要资质集中于科技型中小企业、高新企业、专精特新企业、民营科技企业、企业技术中心、雏鹰企业、科技小巨人企业等经过国家地方部委科技认定类企业名单，并可根据省份地区、所在行业、企业背景、企业规模、资质标签、参保人数、注册资本、成立时间等标签组合，精准筛选营销名单。

第二则是通过供应链关系图谱进行拓客，银行通过基于本行已合作的存量核心企业，其供应链上下游的小微企业进行“链式”营销与授信。

第三则是以产业链的方式进行拓客。借助区域产业优势，精耕细作，找到区域内高增长产业、细分产业环节与对应企业，掌握本地优势或特色产业链的空间分布与产业集群情况，判断产业链发展态势，理清产业链结构及具体产业环节、各环节对应企业名单，结合多种评分、标签体系，梳理出详细目标客户清单。

最后则是通过一些概念型的标签进行拓客，比如人工智能、互联网、电子商务、生物科技等，通过这些概念型的标签，找到符合标签的优质认证、榜单企业、高成长企业、企业类型、企业特点、企业规模、科技认定等企业，进行名单筛选后拓客。

2、贷前准入调查 

贷前准入调查阶段，主要的信息挖掘重心在于企业的关键信息、关联关系情况。

关键信息可以帮助银行快速了解主体企业及关联人员、关联企业信息，如企业工商、涉诉、经营、资质，人员对外投资任职、涉诉、股权质押等多维度信息。这些信息可以帮助银行实现客户的快速全面了解。

关联关系信息的价值体现在银行需要对企业的股权结构、股东背景、实控人、最终受益人、关联方、董监高任职等进行多方位识别认定，排查关联风险。比如某集团企业需要进行统一授信，集团家谱内的所有企业共享授信额度，银行通过关联关系挖掘可以防止多头重复授信、过度授信。该场景下银行面临集团关系难以判定、成员企业发生股权大额转让风险。

贷中授信审批

授信审批需要关注企业财务信息，财报是财务信息的首要来源，银行信贷要求企业提供最近三年的财报，通过分析财报揭示企业一定时期的财务状况、经营成果和现金流量。

除此之外，在公开信息领域，银行需要对客户经理提交的客户资料与调查报告进行审查，规避因贷前调查不尽职引发的操作风险、道德风险。还需要理清企业关系，识别呈现股东、高管、对外投资、裁判文书、法院公告、历史股东、疑似关系等多种维度的企业关系。

贷后预警监控

实践表明，客户在逾期前往往都是有征兆的，为了实现早期风险预警，银行需要对有贷户（曾经在银行或其他金融机构获得过贷款的贫困户）的动向和风险进行密切监控，如对企业的工商变更、行政处罚、司法风险、违法违规、经营异常、负面舆情等。

总结来看，大数据技术在银行业风险管理方面具有积极推动作用，在很大程度上变革了整个金融行业的业务模式，创造了新的业务价值，提供了更好的管理工具。从未来的方向看，大数据更好为银行所用，关键点在于提高数据的准确定、全面性、及时性和挖掘性，从而更好地推动银行业风险管理转型，做出更准确的商业决策。