浅析如何利用大数据做好信用卡前端审核的风险管理

来源:用户上传      作者:

　　【摘 要】近年来，许多商业银行已经将信用卡业务作为其业务增长和转型升级的重要抓手，并且在信用卡业务上投入了大量资源。目前的人民银行数据显示，截至2018年三季度末，信用卡和借贷合一卡在用发卡数量共计6.59 亿张，环比增长3.36%。三季度末信用卡授信总额14.69万亿元，环比增长5.05%;应收账款余额6.61万亿元，环比增长5.68%。我国信用卡在快速发展的同时，系统性风险上升的问题也已经凸显，这也是各家商务银行不容忽视的。
　　【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.
　　【关键词】大数据;信用卡风险;风险管理
　　【Keywords】big data; credit card risk; risk management
　　【中图分类号】F832.2                                       【文献标志码】A                                            【文章编号】1673-1069（2019）03-0177-02
　　1 引言
　　2018年以来，信用卡业务风险明显上升，资产质量下降明显。截至2018年三季度末，信用卡逾期半年以上未偿信贷总额881亿元，占信用卡应偿信贷余额的1.34%，分别比上个季度上升16.4%和10.8%。
　　在业务快速增长和风险快速上升的形势下，各家商业银行根据自身的业务结构和风险偏好，在严控风险和快速增长之间进行权衡，使得信用卡行业发展策略出现了明显分化，且不论其是非对错，但风控能力已然成为可持续健康发展最大的挑战和最重要的核心竞争力。
　　因信用卡行业兼具金融和大数据的双重基因，面对当前严峻的风险情况，各家银行均可通过大数据技术与传统风控模型的结合，构建并完善更加智能化的风控体系，为该行业保驾护航。
　　2 利用大数据做好信用卡前端审核风险管理的措施
　　2.1 构建智能的风控体系，提升风控效率
　　近十年来，各家商业银行采取跑马圈地的方式扩展信用卡业务，并且获得了稳定的收益，但是目前逾期风险也在持续增加，信用卡的风险问题正在面临严峻的挑战。从人民银行显示的数据来看，这与银行传统的风险控制模式无法满足目前风控水平的现状有关。因其传统的风险控制模式有无法及时更新、内部数据较为局限、过度地依赖工作人员等问题，这就导致了在信用卡风险上跟踪监测困难、风险评估质量不稳定以及人力成本过高等问题[1]。因此，商业银行应当在智能风险控制体系的建设中引入大数据和人工智能的技术，将银行现有的传统风险控制模式加以改进和完善，在现有信息收集、储存平台和现有的数据挖掘的技术下，建立更加完备的数据模型和决策树，将风险监控打造成可持续发展，并可自我学习改进的过程，形成实时监控的动态风控体系。因为信用卡循环信贷的特性决定了消费支付、用户行为和交易场景都是不断变化的，因此，风险控制系统本身也应当是动态的。系统利用客户数据，对交易情况做出瞬时反映，特别需要设计信用卡套现和欺诈交易的警报措施，将传统的损失后补救转变为损失前拦截。
　　目前，多家商业银行已在研制开发智能化系统。平安银行信用卡中心基于大数据技术自主研发了智能反欺诈系统，该系统是从亿量级别的金融数据中建立用户行为画像、訓练大数据监测模型，同时搭载高效的决策引擎，实现了毫秒级决策响应的全天候实时反欺诈监测，可有效防堵欺诈盗刷交易。 　　另外，金融行业逐渐要从“互联网+金融”向“智能科技+金融”的方向转型，智能风控以大数据为基础，通过机器学习模型和算法等模拟人类的“智慧能力”，运用于信用卡贷前
　　审核的风险管理领域，从而实现数据驱动的精益化风险管理。
　　2.2 构建完善的信息管理系统，降低风险概率
　　在信用卡的贷前审批阶段，银行可利用自身丰富的数据来源，打通结构化数据和非结构化数据的运用界限，通过业务逻辑对数据进行深入挖掘及关联处理，并以数据可视化技术呈现，积极引入黑名单、不良记录等外部数据，综合运用金融科技防控业务中的各种风险，进一步提升审批业务的质量[2]。除了运用自身的数据外，还可与第三方机构合作，广泛借助现代互联网技术，引入场景行为数据，建立客户数据模型，在了解各个客户的基本情况、基础信息之后，评估客户的信用状况，对整体信息进行核实，再判断客户是否符合信用卡审批资质。银行在信息数据收集的基础上，需要集成各个相关业务系统，不仅是采用征信系统的评估，还可以与不同的信息数据渠道进行合作，比如公安、社保、学信网等信息，建立以大数据仓库为基础的数据挖掘和分析系统，推进客户管理系统、资产负债管理系统、收益贡献度分析系统等信息技术的建立和应用，全方位地采集客户信息，以更好地保障信用卡风险控制管理工作的运作质量与效率。
　　比如，交通银行信用卡中心正在通过引入百融等外部数据，提前识别互金高风险、拖欠高风险客群，在准入环节加以控制拦截。又比如，交通银行信用卡正准备上线社保数据，结合申请评分及征信评分，开发差异化的准入策略，提升优质客群占比。
　　2.3 利用大數据加强对特约商户的管理，规范用卡环境
　　在信用卡审批后，其风险重点则在于持卡人使用过程中套现和违约的风险。首先，商业银行可利用大数据的客户画像，对不同的客户进行分层处理，实行差异化的风险防范。优质的高净值客户实行白名单制度，对于中等及以下的客户也进行有区别的风险防范跟踪。同时，搭建客户实时监控系统，对其收入、消费、偿债能力进行实时监督，再采取客户生命周期风险管理措施，利用大数据技术，记录客户用卡的时间、地点、额度、方式等用卡轨迹，将这些数据与用户的授信额度进行实时关联，以防客户出现违约风险，将违约风险的防范再次前置。而对于套现风险的防范，则利用社交网络分析、神经网络模型等反欺诈技术手段，对虚假交易进行实时侦测，提高套现识别和管理能力。
　　客户在获得了信用卡后，主要的消费场所基本都是商业银行的特约商户，因此，特约商户管理的好坏会极大地影响持卡人的服务体验与商业银行的信用贷款风险。一些不法商户或者不法工作人员在受理信用卡时，会有意地盗取信用卡的基本信息，并将信息卖给社会上制作假信用卡的机构或者直接利用票据进行套现，给持卡人带来巨大的经济损失，也给商业银行带来了巨大的信用卡风险，因此，需要加强对特约商户的风险管理工作。
　　2.4 建立高素质的风险管理队伍，做好风险前端防控
　　银行信用卡风险管理工作的开展，不仅需要专业化的技术支撑，更需要一批高素质高水平的风险管理人员[3]。信用卡的风险从办卡开始就已经存在，并且一直伴随着整个信用卡的使用过程，因此银行信用卡风险分析对专业知识的要求较高，对从事这方面工作的员工的专业能力、风险分析能力的要求也较高。这也需要这些员工具备一定的专业知识和较为扎实的理论基础。为此，各家商业银行可以先对内部员工的基本数据进行分析，对相关操作人员按不同岗位要求，针对不同员工的业务薄弱环节进行点对点的培训，专项开展系统操作、数据分析、金融风险等方面的知识培训，有效提高操作人员对风险识别的敏感度，在操作层面降低风险发生的可能性[4]。
　　3 结语
　　在我国社会发展日趋成熟的情况下，信用卡产业在近十年期间得到了突飞猛进的发展，但随之而来的信用风险问题也逐渐显现，信用卡的不良资产呈现逐年大幅增长态势，这对信用卡产业的发展带来了极大的挑战。如今，大数据环境的出现为银行信用卡风险管理业务提供了机遇。因此，各家商业银行都在积极利用大数据技术进行改进，在搭建基于大数据的智能风险控制系统上，在信用卡业务拓展和维护的各个风险环节中，利用大数据资源的价值，做好风险控制管理业务，促进信用卡行业的深度化和广度化发展，可以实现国家普惠业务的落地。
　　【参考文献】
　　【1】伍楠林.中国金融市场风险预警研究[D].北京：中国经济出版社，2012.
　　【2】闻岳春.金融业综合经营的风险预警与控制[D].北京：化学工业出版社，2013.
　　【3】刘畅，张学明，郭敏.我国商业银行中小企业贷款信用风险预警体系[D].成都：西南财经大学出版社，2013.
　　【4】许传华.开放条件下金融风险预警指标体系研究[D].武汉：湖北人民出版社，2012.
转载注明来源:https://www.xzbu.com/3/view-14909834.htm