近年來，我國經濟增速逐漸放緩，加上國際貿易摩擦頻發，間接引發各類信貸違約事件，銀行業整體面臨著不良貸款上升的局面。根據中國銀保監會的數據，2017年我國銀行業整體不良貸款余額為15795億元，此后的幾年里，該指標快速上升，特別是受疫情影響比較嚴重的2020年，整體不良貸款增長率超過了25%。截至2022年二季度末，商業銀行不良貸款余額3萬億元，不良貸款率1.67%，處于較高水平。

隨著金融科技領域的持續發展，新興金融業態不斷出現，為客戶提供了極大便利，尤其是個人客戶與小微企業能夠更加便捷的獲得金融服務，快速的搶占著傳統銀行的市場份額。同時，人們對金融服務的時效性與個性化需求也越來越高，商業銀行若仍使用傳統的風控模式，通過人工審批和評分卡建模，借助企業或個人征信報告、企業財務報告和抵押物等信息評估客戶的信用風險情況，已經無法滿足在金融科技時代商業銀行對金融服務及時、精準、便捷以及低成本的風險管理業務的需求。

在上述背景下，商業銀行風險管理必將迎來“智能化”時代，只有大力發展智能化的風險管理，才能適應未來數字化社會的發展趨勢。伴隨著社會信息化、數字化體系建設，商業銀行主要業務的線上化程度越來越高，監管機構也對商業銀行的業務流程、數據標準、數據質量、數據報送等方面提出了更高要求。因此，各大銀行開始積極布局金融科技，應用先進技術手段推進數字化轉型，給智能風控奠定了強有力的基礎。

智能風控將科技手段與風險管理緊密結合，通過信息數字化，依托人工智能、大數據、云計算、區塊鏈等技術，尋找與風險評估有關聯的關鍵信息，串聯各類數據并建立分析模型，實現對目標風險水平與風險偏好的精準分析。智能風控體系的建設依托于構建完善的數據來源，盡可能消除信息不對稱，充分利用大數據分析模型，在貸前審批和貸中、貸后管理環節做好風險識別與預警。

1.構建高質量數據庫，快速識別捕捉客戶信息

完整準確的數據源是精準識別風險和有效評估風險的基礎，商業銀行需要擴大數據采集來源，構建完善的數據庫，提升智能風控質量。一方面充分利用行內個人客戶和對公客戶信息等現有數據資源開展分析；另一方面，通過與行業協會、政府部門、司法機構、信息技術平臺等外部機構合作，提高外部數據的實效性，拓寬信息來源，拉長信息跨度，確保銀行與客戶的信息能夠完全對稱，為銀行的風險識別提供強有力的數據支撐。

針對個人客戶，商業銀行內部用于貸款風險控制的數據主要基于貸款客戶的基本信息，如年齡、受教育程度、銀行賬戶流水、行業、所在地區、負債信息等，這些數據變量和貸款客戶的還款行為具有較強的關聯性，是進行風險管理的首選數據。同時，銀行外部的客戶信息，例如消費行為、違法行為、客戶偏好、生活方式、身體健康狀況等也可以反映客戶的風險水平。上述各類數據需要充分發掘，積累足夠時間跨度的歷史數據并充分分析，從中找出高風險客戶的特點，評估各類變量信息對客戶違約概率的影響，將這些分析結果作為影響客戶信用評級的重要依據。

針對對公客戶，大數據應用的場景更加多元，大數據應用的范圍更加廣泛，商業銀行可以通過網絡抓取企業所在行業的整體經營水平，企業近五年來的經營狀況，企業產品線的生命周期，企業競爭對手的經營狀況，企業供應鏈相關的上下游企業信息，企業管理層成員的個人信息以及其資產負債情況，公眾對于企業的評價等，這些信息的整合對于準確評估企業貸款申請以及后續企業的償還能力具有重要參考意義。通過大數據工具構建數據模型，對各類數據進行全方位分析，以此建立更加客觀的信用評價體系。

評估信貸風險的大數據需要全面采集，不斷積累。例如，有關企業的經營情況，經營狀態變化，所處行業前景等數據信息是長期跟蹤收集得到的，缺少全面有效反映企業狀態的數據，任何分析方法對風險事件的發現都收效甚微。

2.應用智能評分模式，提升授信審批精準性

構建完善的信貸風險評估系統，推行系統智能評分模式。商業銀行可構建出數字化的授信審批模式，基于現有的信息系統整合數據庫儲存的行內客戶信息及外部數據自動給出評分，通過多維度的客戶信息，商業銀行可以獲得更加精準的信用評價依據，構建更加準確的信用評價方法，有效提升審批結論的準確性。

針對小額標準化產品，可由銀行的數字員工借助決策引擎分析客戶的償還能力和狀態，進行快速審批，使得審批方式更加客觀、高效，降低銀行的人工成本；對于大額非標準化產品，則可采用人、機結合共同審批的方式，對照人工審批和系統自動審批的結果，分析人、機審批之間的差異性，將風險控制在授信審批前，最大限度降低銀行風險。

3.推行智能風險預警系統，做好貸中貸后動態監測

針對貸中、貸后管理，商業銀行需要運用數據庫中不斷更新的信息構建完善的風險預警系統。

一是制定數字風險指標，需涵蓋各種合法性指標：行業準入、工商轉入、經營情況、金融信用指標等，通過風險指標設置，如果客戶違背，則系統自動觸發預警，從而針對性的來控制。

二是可重點關注數據庫內的客戶負面信息。銀行內部的負面客戶信息包括：信用卡透支記錄、貸款本息逾期記錄、黑名單信息等；銀行外部的負面信息包括：P2P/小貸公司等黑名單信息、司法訴訟案件信息、國家行政機關處罰信息(工商、稅務、法院、公安等)以及互聯網負面輿情信息(違規處罰、虛假宣傳、欠薪倒閉等)等。基于這些負面信息，全方位對個人及對公客戶在銀行的風險等級進行評估，為銀行的風險防范決策奠定基礎。

三是利用大數據動態追蹤客戶貸款資金使用情況，根據客戶經營情況和生產經營周期有針對性地分階段投放貸款資金，以動態監測客戶生產經營情況，提升貸中、貸后管理質效。

有效的智能風控依賴于良好的數據質量，良好的數據質量是對模型結果可信度的基本保障，是大數據驅動智能風控發展的有力支撐，但任何先進的模型算法都無法離開底層數據。

對商業銀行來說，保證數據質量的難點主要有三方面。一是數據量大，數據質量問題多，部分系統上線時間較早，當時的系統構造未能充分考慮到當前的用數及分析需求，改造難度大，改造周期長，導致數據采集和維護困難；二是數據的來源和屬性不同造成各個數據源系統間的數據標準存在差異，不同業務條線有自己的數據存儲和應用邏輯，不同部門、不同業務、不同系統之間數據串聯存在障礙，改造壓力大；三是數據在傳輸的各個環節中，會出現由系統異常、流程設置不當、人為疏忽或管理缺陷等原因造成的數據錯誤、數據丟失等數據質量問題。

商業銀行可從完善數據采集機制、統一數據標準、建立數據監測三個方面夯實數據質量。一是建立完善的數據采集和維護機制，覆蓋數據全生命周期，實現數據動態更新，確保數據的時效性；二是基于業務數據體系，結合各項業務的統計標準要求，自上而下梳理邏輯，形成一套統一的數據標準；三是在數據傳輸和加工過程中建立接口質量和數據質量的雙重監控機制，對接口穩定性進行可視化圖表監測，對數據進行異常率、空值率等日常監測并設置預警和推送機制，以及時整改數據質量問題，確保數據準確性、完整性，為智能風控打下堅實的基礎。

防范化解重大風險是金融工作的重要內容，商業銀行進行數字化轉型，探索智能風控新模式已成為大勢所趨。智能風控通過風險事件的事前預警與事后控制，對商業銀行降低不良貸款率，精準評估客戶信用風險等級，提高信貸審批效率產生了積極影響。同時，商業銀行需要不斷提高底層數據質量，建立統一的數據標準體系，廣泛采集行內外各類數據以支撐智能風控模型，從而獲取可靠的信貸風險評估結果，在金融科技時代下不斷提升自身競爭力。