分享到微信![]() 打开微信，点击底部的“发现”，
使用“扫一扫”即可将网页分享至朋友圈。 |
洞见未来，探索中小银行“零售信贷数字化转型”的破局之术
第一财经 2022-04-20 21:21:34
作者：未来金融 责编：张健
这些资源禀赋的不同，也导致国内各家银行在零售业务数字化转型的进程中呈现出分化加剧的竞争格局。具体来说，中小银行在零售业务数字化转型中面临了以下的主要难点与挑战：
首先，以数据驱动为导向的获客能力不足。目前绝大多数中小银行在零售线上贷款的贷前、贷中和贷后管理的全流程风控环节或多或少都部署了自动化风控决策体系，但普遍存在过度依赖专家冷启动规则或外采黑箱模型的现象，无法充分挖掘自身客群属性数据，在客户准入以及贷后持续监控阶段对客户进行精细化的量化分层，进而无法前瞻性的预测高风险客户并计量组合层面的风险。
近年来，数字化转型已渐成国内银行业开展零售业务的趋势，各家银行纷纷利用先进的金融科技技术，通过零售业务的线上化发展迅速向数字化转型靠拢，不论在客户触点的拓展，还是在流程和风险管理方面的降本增效，都大大提升了银行整体的竞争力。而零售业务的数字化转型也是个系统工程，有赖于差异化的场景生态、丰富的产品供给、扎实的数字化科技底座，也有赖于快速决策的组织人力架构。这些资源禀赋的不同，也导致国内各家银行在零售业务数字化转型的进程中呈现出分化加剧的竞争格局。
国有大行和全国股份制银行不论在零售客群资源、资金投入还是金融科技人才支撑方面，都拥有着较大的优势，使得过去几年零售业务数字化转型中“强者愈强”；但是对于那些获客渠道有限、客群相对下沉、自主风控能力偏弱以及科技和人才支撑不足的中小银行来说，在过去“流量为王、规模优先”的游戏规则驱动下，过度依赖互联网流量平台的获客和风控，尚未建立其数字化转型的“护城河”，如今面临着硬性的监管要求，中小银行在零售信贷领域更加举步维艰。具体来说，中小银行在零售业务数字化转型中面临了以下的主要难点与挑战：
一方面过去多数中小型银行通过对接互联网平台流量的方式获客，对于这些参与市场的流量方，多数银行并不具备量化评价并且动态分析这类合作机构从接入到持续风险监控客群资质的方法和工具，进而限制了零售拓客的渠道；另一方面，实践表明中小型银行只有着手积极拓展属地特色的生活场景、产业场景，才能在自主获客方面与拥有优质存量客户资源的大型银行“错位竞争”，但是特色场景融入难、深度认知潜在客户的数据分析手段弱，仍然成为制约中小银行零售信贷业务规模化获客的重要因素。
目前绝大多数中小银行在零售线上贷款的贷前、贷中和贷后管理的全流程风控环节或多或少都部署了自动化风控决策体系，但普遍存在过度依赖“专家冷启动”规则或外采“黑箱模型”的现象，无法充分挖掘自身客群属性数据，在客户准入以及贷后持续监控阶段对客户进行精细化的量化分层，进而无法前瞻性的预测高风险客户并计量组合层面的风险。
再者，无法从“主动应对风险”的角度做到风险前瞻与预判。
零售线上业务不同于传统线下业务，客群风险变化更快更频繁，但银行往往“被动管控风险”，仅当不良率大幅攀升时才开始采取管控措施，或是调整风控策略，或是直接叫停业务，对稳定展业带来了负面影响。导致这一现象的原因是缺乏一套前瞻性的风险监控体系来提前研判客户风险变化的趋势，进而快速迭代优化风险模型和策略体系。
传统的零售信贷业务一二道防线的划分相对清晰，有独立的线下人工审批团队，但对于新的线上业务，风险决策通过自动化的模型和策略集中完成。传统风控的组织架构难以适应敏捷的风控决策体系迭代需求，因此如何建立敏捷的组织体系以支持零售信贷数字化转型是必须要面对的另一问题。
破解中小型银行零售信贷业务数字化转型的困局，提升银行在零售信贷领域真正的核心竞争力需要从以下多个方面进行全方位的思考：
1. 积累适应零售信贷业务的强大数据资产和数据应用能力
不论是获客能力还是自主风控能力的建立，积累底层适用于零售信贷业务的数据资产，并且在产品和场景上赋予数据正确的应用方法是零售信贷数字化转型成功的第一步。首先需要收集以客户为中心的全域数据，不仅采集银行各个业务条线的数据，还要包含其它外部渠道数据，并进行统一客户维度的打通。其次对数据进行数据标准化处理，降低数据缺失异常给后续决策结果带来的偏差；最后在对客户和业务的正确理解之上设计出一套全行级特征指标体系，以此支持营销、风险等场景的模型和策略开发。
首先中小银行若通过合作平台获取客户流量时，建议充分分析其平台的财务能力、经营管理水平、合作担保情况等维度，合作机构一旦准入后，应及时对合作业务实行资产质量的风险监控，并且建立风险收益两维的量化体系，确保风险可控的前提下收益符合银行自身的预期。同时，中小银行应该充分结合得天独厚的属地资源，自建或与第三方合作，融入1-2个有本地化服务特色且营销成本可控的场景，集中资源营销这些渠道获取的客户。其中重点是需要将通过场景获取的特色数据，与通用的零售客户数据充分整合，构建全面的客户画像，通过客户标签和价值分层将客户需求、产品以及场景进行有机关联，制定差异化的客户营销策略，推动以客户为中心的数字化营销。
3. 完善“主动应对风险”的数字化风控体系
一套完善的数字化风控体系覆盖反欺诈模型、信用评分模型和准入策略、风险定价和授信额度模型以及贷后预警和催收模型等，对于零售线上业务，银行需要建立自动化风险决策流程，但由于开展初期数据积累不足，往往采用冷启动方法设计模型和策略，随着业务的积累以及产品的不断丰富，需要深入挖掘各类细分客群背后的内外部数据，开发数据驱动的反欺诈、信用评分模型，以及针对不同细分客群的设计准入和额度策略。
其次，传统零售信贷业务的风险监控更偏向事后，监控指标单一，但线上零售贷款具有分散和快速反馈的特点，要求银行从“被动风险控制”到“主动应对风险”转变，快速及时的风险计量和风险策略的快速调整，并且要做到在客户层和组合层的动态风险损失的预测和管理。对未来的风险损失的科学准确的量化，就成了非常重要的能力。建立基于vintage全生命周期的风险损失预测模型，可以很好地解决这个问题。
对于零售线上业务，不少国有大行为适应敏捷的风控决策体系动态高频迭代的需求，在零售业务条线设立专业风控团队，负责线上各类风控模型和策略的集中设计和迭代，将传统二道防线风控的职责向业务端前移，实现风险管理内嵌至业务条线。同时在《商业银行互联网贷款管理暂时办法（征求意见稿）》中又提到了银行需要建立模型评审委员会集中对“数字化风控模型体系”进行独立的监督和评估，确保风控决策体系的有效性和稳定性。这些零售信贷数字化转型带来的风控组织架构调整也是银行成功应对业务和市场快速变化的重要保障。
针对以上中小银行零售信贷数字化转型的需求和面临的挑战，毕马威结合多年服务经验设计了一套完整从顶层设计到底层执行的零售信贷数字化转型“一站式”解决方案，覆盖战略规划、治理架构设计、管控能力和业务流程、数据化营销体系、数字化风控体系等领域，帮助银行更好地应对零售信贷业务快速发展的敏捷管理需求。我们可提供的具体服务包括：
零售信贷业务顶层设计；零售信贷管理制度、业务流程及报告体系优化；支持各类零售信贷数字化场景的特征指标库设计；数字化营销方案设计；大数据反欺诈模型与策略设计；信用评分模型和准入策略设计；额度和定价策略设计；贷后预警与催收方案设计；零售信贷模型策略监控和迭代体系设计。
【本文主要作者】
王大鹏 毕马威中国 金融业监管与风控科技咨询服务主管合伙人
举报
