龐姬樺女士畢業于北京大學和美國哥倫比亞大學，目前擔任PayPal公司消費者風險管理總監，負責通過大數據實現對互聯網金融風險的偵測、跟蹤、管控和防范。在加入PayPal之前，曾任職于渣打銀行（中國）和美國運通公司，具有超過15年的銀行風險管理和研發豐富從業經驗。

?

導言

DataPipeline致力于幫助企業打通內外部的各種數據，小微企業的貸款是涵蓋大量內外部數據源的一個典型場景，無論是貸前、貸中還是貸后，都需要融合大量的、及時的數據以判斷小微企業的經營水平。傳統的做法看的是紙質的報表，近幾年的做法是引進外部數據接口作為信貸的輔助依據，未來五年區域性銀行值得探索的是如何充分利用數據營銷獲客，與擁有數據勢能的第三方合作，加快對數據的運用和理解。大數據不僅僅是數據量大，數據獲取的速度越來越快，如何在第一時間分析、處理、消化這些數據并甄別出優質客戶，是未來的核心競爭力之一。本次我們特邀PayPal消費者風險管理總監龐姬樺女士，和我們聊聊數據對于小微貸款的價值。

?

一、區域性城商行能否在金融科技的助力下深耕客戶？?

地區性銀行在促進經濟發展和服務本地用戶方面有著不可或缺的作用。和全國性國有銀行和股份制大行相比，他們在滿足當地發展需求，整合多方資源和爭取政府支持上有著得天獨厚的優勢，占據了“天時、地利、人和”。因此，近年來地區銀行發展迅速，在小微企業中樹立了良好的信譽和口碑。

然而，地區銀行也有其先天不足的一面。由于成立時間相對較短，存款用戶與全國性大行相比處于劣勢，造成了資金成本較高，很難依靠價格優勢吸引到低風險的優質企業。怎樣從廣大有著迫切資金需求的小微企業中甄選出優質或次優企業，成功促進他們的健康發展，是地區銀行制勝的關鍵，也是其義不容辭的責任。那么，如何甄選好客戶，促進存貸業務的健康成長呢？唯有學習、運用好大數據。

大數據和人工智能已經不是互聯網獨角獸的獨門武器，它已經成了銀行業不可小覷的發展浪潮，這個浪潮可能比我們的想象來得更猛烈更具顛覆性。能不能迅速地理解，適應和駕馭大數據，決定了企業能不能贏得市場，開創新金融時代。只有學會把大數據和AI運用到銀行服務的方方面面，滲透到貸前貸中貸后的各個環節，才能更好地定位目標客戶， 更全面更準確地把脈企業風險，更精準更及時地對癥下藥。

?

二、那么，大數據在對小微企業的金融服務上有哪些運用呢？

1.可以更全面地了解企業

大數據，顧名思義就是大量的數據。在過去的十多年中，銀行一直在對系統更新換代，建立內部數據庫，尋求和外部的合作與數據共享，漸漸從依靠審批員的經驗和判斷，到運用技術和統計方法，把決策過程不斷量化。但是這些數據還遠遠不夠。一方面，信用評分卡，線性回歸，決策引擎等在銀行信貸中已被廣泛應用。類似于財務報表，交稅情況，負債情況等有限的內容，是各大銀行都熟悉的數據，做出的授信決定趨于同化。另一方面，在風險較高的小微企業中，如何挑選出具有發展潛力的優質或次優企業一直是銀行面臨的難題。只有依賴更多更全的信息，建立更廣闊的視野，不遺漏小微企業表現出的個性和細微差別，才能在挑選小微企業時獨具慧眼。我們的每一次授信審核，都是在為企業做體檢。

大數據技術的運用，使得我們的體檢報告不只局限在傳統三高指標上，我們可以涵蓋更多更全的內容，把各項血液指標，身體各部位的骨密度，X-光片上各個陰影的位置和大小等每個細節，都嚴密記錄和排查，必要時發出警示信號并做出風險判定。只有這樣我們才能從看似健康的貸款企業中，找出那個產品老化缺乏競爭力，即將出現財務危機的企業并采取行動。也只有這樣，銀行才能從大行不予貸款的企業中，發現那些相對健康并發展潛力巨大的企業，對他們進行資金支持，幫助他們繼續成長。?

2.可以更快地捕捉需求、發現風險

大數據，也是動態的數據。過去，銀行的授信審核是建立在靜態數據的基礎上的。根據企業在某一時間點的征信信息，收入能力和負債情況，推斷出企業對于一定授信額度的償還能力。然而小微企業是對經濟大環境最為敏感的群體，他們規模小，產品相對單一，資金鏈緊張。在當前民間投資低迷，中美貿易局勢不明朗的情況下，他們時刻在經受大環境的考驗。過去依賴月度報表的方法已完全無法跟上小微企業的經營進程，快速準確地捕捉到小微企業經營狀況的變化。

對數據的運用，正在經歷一場量變到質變的革命。一加一的數據結合，完全不僅僅會得到二，還會帶來強大的信息內涵。比如，在月度財務報表之前，甚至小微企業經營者自己還未察覺之前，大數據，就可以通過市場，網絡，上下游企業，訂單，電信甚至水電煤的變化，互相之間變化的規律，頻率等等，告訴銀行該企業即將產生的貸款需求，或即將遇到的還款困難，使得銀行可以最快速的作出反應。打個簡單的比方，我們可以通過小微企業網上客服收到的詢價問題的數量改變，并結合訂單變化趨勢，提前數月捕捉到企業擴大生產規模的信號，從而早于他行在同類企業中選出有需求有潛力的小微企業。

3.可以自我學習，降低運營成本

大數據，更是智能的數據。它可以極大提高銀行效率。大數據并不是簡單的對大量數據的堆砌，除了上述從數據中發現有效信息，預測發展趨勢和判斷最終結果的能力，大數據還具有在數據中總結規律，并用最新的信息自動測試、修正和不斷改進預測模型的能力，這就是大家所說的 AI人工智能。AI技術不僅可以用來下棋，用來自動駕駛，用來讓機器手臂開門鎖。

AI能用靈活、快速、自動的方式運用大量的數據。目前的 AI技術已經完全可以部分解放繁瑣的人工流程，自動幫助銀行追蹤信貸政策的有效性，修正對小微企業的篩選條件，在數據，決策和效果三者中建立自動反饋機制，具備了基本的機器學習能力。銀行不用擔心數據量的指數型變大，會帶來相應數據管理人員和運營成本的增加。相反，大數據和 AI可以極大的提高銀行的運營效率。

目前，銀行對大數據的運用還剛剛起步。面臨的挑戰是，業務人員和系統技術人員雖在各自的專業領域非常精通，但是對對方領域卻只有有限的了解，這在一定程度上阻礙了數據時代新視野新模式的建立。銀行可以和具有尖端科技能力，豐富大數據經驗的第三方科技企業合作，充分利用內部金融方面的經驗和長期積累的管理能力，與最新的技術結合，盡快從舊金融走向新金融。

?

點擊這里，免費申請DataPipeline產品試用

轉載于:https://www.cnblogs.com/DataPipeline2018/p/9596750.html

總結

以上是生活随笔為你收集整理的DataPipeline | PayPal庞姬桦：大数据在小微企业贷款上的运用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。