大数据在商业银行信贷业务中的应用

西安交通大学城市学院本科毕业设计（论文）本科毕业设计论文题目大数据在商业银行信贷中的应用1.毕业设计（论文）课题的主要任务（说明：课题背景、意义和培养目标，工程设计类课题应有技术经济分析要求）：在互联网、云计算和物联网的高速发展下，大数据走入了人们的视野。大数据作为一次颠覆性的技术变革，已经引起了各行业高度的重视。银行业作为数据集中管理型行业，在大数据背景下如何进行数据挖掘、分析、加工和利用是银行业发展的重要课题之一。信贷业务作为银行业务中的传统核心业务，也是商业银行最重要的盈利资产，探讨大数据在银行信贷中的应用，对银行提升自身竞争力有着积极意义。论文写作过程中，需要阅读大量的文献资料，运用所学的金融理论，银行信贷业务及互联网、大数据等相关知识，对我国商业银行信贷业务中大数据应用现状及存在的问题进行分析,并阐述大数据技术在信贷业务各流程的创新运用，最后提出解决商业银行运用大数据的瓶颈和约束建议。2.课题的具体工作内容（原始数据、技术要求、案例分析资料、工作要求等。说明：工科类“技术要求”要有指标参数的具体要求。）：工作内容：查阅相关资料，并到商业银行信贷部门进行调研。（2）分析资料，提出观点。（3）编写论文大纲。（4）撰写论文初稿，并交由指导老师修改。（5）论文初稿的修改、定稿，准备论文答辩。技术与工作要求：（1）阐述选题背景及意义；（2）查阅参考资料，做出与论文相关的文献综述；（3）描述银行信贷、互联网、大数据等的理论基础；（4）分析我国商业银行信贷业务中大数据应用的现状及瓶颈；（5）通过案例分析，大数据在商业银行传统的贷前、贷中、贷后各个环节的创新应用。（6）提出相关建议。3.课题完成后提交的书面材料要求（论文字数，图纸规格、数量，实物样品，外文翻译字数等）：（1）毕业论文开题报告。（2）毕业论文任务书。（3）最终所提交的论文其正文部分不少于15000字，全文不少于20000字（包括中英文摘要、关键词、目录、前言、正文、结论、致谢、参考文献、外文翻译、附录等内容）。（4）提交20000字符左右的与自己论文题目有关的外文以及翻译资料。（5）论文体系完整，符合西安交通大学城市学院本科生论文规范化要求。（6）书面材料能反映文章主旨，中心突出，主题明确，表达自己的思想和观点，文字表达清晰、连贯、逻辑性强，重点突出。4.主要参考文献（指导教师应向学生列出明确的参考文献不少于5篇，至少1篇外文文献，不包括词典、手册。学生论文最终引用参考文献不限于任务书所列文献，须达到要求篇数）：[1]陈平.商业银行企业级反欺诈实践与趋势[J].中国银行业，2018[2]朱良平.大数据在银行信贷业务中的应用实践及建议[J].中国金融电脑，2015[3]杨瑾.大数据助推商业银行信贷业务与风险管理创新[J].全国商情，2016[4]周辉栋.探析大数据在银行信贷业务中的应用[J].现代经济信息，2017[5]方梓行.大数据背景下优化贵州仁怀茅台农商银行信贷业务的建议[J],现代商贸工业，2018[6]陈惠娟.加云岗.大数据时代下的信贷风险预警系统研究[J].软件，2018[7]李宏博.商业银行大数据时代的SWOT分析及战略探讨[J].时代金融,第18期，2013[8]中国农村金融杂志社.当前农商银行信贷管理存在的主要问题及对策，2018[9]古跃.基于大数据的商业银行个人信贷风险管理研究，2018[10]张皓.我国商业银行在大数据时代面临的挑战及对策，2018[11]新华社,银监会：当前我国银行业运行稳健，抵御风险弹药充足[J]，2018/shuju/2018-02/09/content_5265486.htm[12]南方日报.改进商业银行贷后管理工作的几点思考2014-11-18[13]朱玲.《大数据时代商业银行集约化运营风险管控的思考》，2018[14]ZhongWenLiuChunpingZhuJinXiaDeshen.BankCreditClientAssessmentBasedonDSTheoryandDataFusionAlgorithm[J]JournalofNanjingUniversityofScienceandTechnology,2003要求完成日期：2019年5月31日指导教师（签名）：闵绥艳接受任务日期：2018年12月1日学生（签名）：摘要在互联网、云计算和物联网的高速发展下，人类进入了大数据时代。作为一种全新的技术，大数据一经问世就对社会生产和人们生活带来了巨大改变，当前已经在很多行业里得到广泛应用。银行业的日常业务中涉及大量数据管理，因此在大数据时代，如何利用大数据技术，对业务数据进行挖掘、分析、加工和利用是银行业发展的重要课题之一。信贷业务作为银行业务中的传统核心业务，也是商业银行最重要的盈利资产，探讨大数据在银行信贷中的应用，对银行提升自身竞争力有着积极意义。论文写作过程中，在阅读大量的文献资料，运用所学的金融理论，银行信贷业务及互联网、大数据等相关知识的基础上，对我国商业银行信贷业务中大数据应用现状及存在的问题进行分析,对大数据技术在银行信贷业务流程中的应用进行创新性探索，最后结合笔者的专业知识，提出了突破商业银行运用大数据的瓶颈和约束的建议。关键词：互联网；大数据；商业银行；信贷ABSTRACTWiththerapiddevelopmentofInternet,cloudcomputingandInternetofThings,humanbeingshaveenteredtheeraofbigdata.Asanewtechnology,bigdatahasbroughtgreatchangestosocialproductionandpeople'slivesonceitcomesout,andithasbeenwidelyusedinmanyindustries.Thedailybusinessofthebankingindustryinvolvesalotofdatamanagement,sointheeraofbigdata,howtousebigdatatechnologytomine,analyze,processandutilizebusinessdataisoneoftheimportanttopicsinthedevelopmentofthebankingindustry.Asthetraditionalcorebusinessinbankingbusiness,creditbusinessisalsothemostimportantprofitableassetofcommercialbanks.Exploringtheapplicationofbigdatainbankcredithasapositivesignificanceforbankstoenhancetheircompetitiveness.Intheprocessofwritingthispaper,onthebasisofreadingalargenumberofdocuments,usingthefinancialtheory,bankcreditbusiness,internet,bigdataandotherrelatedknowledge,thispaperanalysesthecurrentsituationandexistingproblemsoftheapplicationofbigdatainthecreditbusinessofcommercialbanksinChina,exploresinnovativelytheapplicationofbigdatatechnologyinthebankcreditbusinessprocess,andfinallycombineswiththeauthor.Withprofessionalknowledge,thispaperputsforwardsomesuggestionstobreakthroughthebottleneckandconstraintsofcommercialbanksinusingbigdata.KEYWORDS:Internet;bigdata;commercialbanks;credit目录TOC\o"1-3"\h\u173541绪论 绪论1.1选题背景及意义近年来我国信息技术得到突飞猛进的发展，互联网和电子产品的普及催生了大量数据的产生，人类此次迈入了大数据时代。大数据具有数据类型多样、结构化程度不同、应用处理特征各异以及价值密度不均衡等一系列显著特征。大数据时代的到来，为我国各行业带来了新的发展机遇，但同时也带来风险和挑战。对于商业银行而言，信贷业务是其主要盈利渠道，也是我国商业银行最重要的业务类型，在信贷业务中的多个环节必须依赖信贷人员的职业经验判断，如此会带来一些失误给银行导致不良贷款，使银行遭受损失。但是在大数据时代，如果商业银行可以合理的运用大数据信息，可以有效的规避风险，使信贷业务更加的简便且有效。理论意义：在现有研究成果基础上，对相关文献和理论进行了梳理，有助于我国商业银行信贷业务风险管理理论框架体系的完善；本文将信贷管理与大数据结合，以期望为我国信贷提供新思路。实践意义：在发展新常态经济的背景下，商业银行对信贷风险进行管理的关键在于通过数据分析对客户进行信用评级，在此基础上采取相关事前防范措施和事后解决措施。虽然各家银行都有各自的信贷管理方法，但大多采用的是传统的方法，这些方法存在信息搜集不全，分析结果不够精确等问题，而结合大数据技术，弥补这些缺陷，对商业银行信贷风险管理进行优化，提升客户信息挖掘，处理和预测能力，对风险及时进行防范，以此降低不良贷款率，这对提升银行业竞争力的良好发展有重要的实践意义。1.2文献综述1.2.1国内研究现状古跃在《基于大数据的商业银行个人信贷风险管理研究》中指出目前，我国个人信用体系并未形成完整的理论框架，不够成糊，存在信息不对称，信息不全面，信息不及时等问题，商业银行个人信贷风险管理体系受起现状的影响，存在漏洞。而将大数据技术与银行信贷风险管理体系相结合，充分发挥大数据技术的优势，则可以弥补这一缺陷，使得数据搜集更全面，数据获取更快速，数据处理更精准，从而有效识别信贷过程中的潜在风险，达到事前风险防范的效果，有效降低风险损失，如何将大数据技术与个人信贷风险管理有效结合，完善个人信贷风险管理体系，是一个需要解决的重要问题。张皓在《我国商业银行在大数据时代面临的挑战与对策》中提出，大数据是互联网时代的典型特征，是高科技时代的产物，大数据时代有着大量、告诉、多样和有价值的资料，大数据不再是局限于随机抽样，而是对全体数据进行提炼，使所有数据都变得有可测性和可处理性。大数据时代为我国互联网金融的发展提供了更多的可能性，要想大数据也能为我国商业银行所用且从中获得更加详细、丰富及更有价值的资料，我国商业银行必须正确使用大数据，对处理数据模式进行创新。中国建设银行风控部领导朱良平在《大数据在银行信贷业务中的应用实践及建议》中。对商业银行信贷业务应用大数据的前景进行了展望，他认为，在客户营销环节的应用、客户准入（授信审批、定价和额度管理）环节的应用、贷后监控和预警的应用、以及客户流失分析等多个环节中，大数据都能够充分发挥作用。朱良平还提出了大数据在银行信贷业务应用的有关建议：重视大数据分析应用，积极应对大数据挑战、设计开发基于大数据的金融产品和服务，取得直接效果、制定银行大数据管理策略，实现数据价值最大化、建设大数据分析技术平台提高大数据应用、处理好数据应用过程中的客户隐私问题我国多家商业银行在大数据应用方面已经取得了较为理想的成果，具体应用领域包括智能风控、跨界合作、市场动态分析以及精准营销等多方面。大数据技术的应用，有效提升了银行的产品效率计算、风险管控等多方面的能力，促进了银行竞争力的提升。随着大数据技术在商业银行贷款业务中应用越来越广泛，国内相关的研究也是日益增多。中国建设银行股份有限公司风险管理部朱良平（2015）表示基于大数据对银行传统信贷业务进行精细化分析管理，是以较低成本投入实现银行经营业绩快速提升的重要手段之一，也是银行未来需要修炼的“内功”。建行台州分行的杨瑾（2016）认为，我国商业银行在开展信贷业务时，利用大数据可以实现个性化推荐、精准化营销以及交叉营销，有望显著提高营销的效果。此外，在优化信贷评级模型、客户生命周期管理和信贷风险管理策略制定等业务中，大数据技术都能够发挥较大的作用。渤海银行股份有限公司的周辉栋（2017）在《探析大数据在银行信贷业务中的应用》中提出，虽然大数据目前在我国商业银行信贷业务中的应用已经十分广泛，但是绝大多数银行对大数据的使用仅仅局限于数据管理以及客户档案等静态数据的应用方面，为了进一步提升大数据的应用范围，商业银行首先要提高对大数据价值的重视程度，充分认识到大数据的价值和作用，并对大数据进行整合，利用大数据实现资源利用效率的最大化。方梓行（2018）以贵州农商银行信贷业务为研究对象，对该银行使用大数据前后，信贷业务的服务模式变化和盈利模式变化进行对比分析。研究的结论表明，由于大数据的应用，贵州农商银行信贷业务运营模式得到革新，业务质量得到显著提高。此外，他还认为，该商业银行应该利用科学的计算方法客观的量化风险，充分利用现有数据进行风险量化。1.2.2国外研究1）英国商业银行：渐进式道路在大数据时代，商业银行从被动接受，到主动使用大数据的过程被称为商业银行的大数据渐进式发展道路。这个过程体现了从量表到质变的特点，具体包括搭建搭框架和业务模式演变两个方面，其中，前者指的是通过各种软件和硬件设施组成的一套完整系统，利用该系统可以实现对海量数据后潜在信息价值的挖掘和利用。从英国商业银行的发展道路来看，大数据技术的应用，开始让英国的商业银行逐步发生变化，体现出了稳步前进的特点。尽管当前英国商业银行在应用大数据方面还处于摸索期间，但目前来看已经取得了一定的成果，主要体现在两个方面，第一是大数据基础平台基本搭建完毕，该平台的建立，为英国商业银行带来了很多新颖的技术和工具；第二是银行利用这些技术和工具，可以提高各项业务开展的质量和效率。当前一些英国商业银行开展了大数据试点项目，期望探索出能够为人们生活提供更大的便捷。2）法国商业银行：跨越式道路商业银行从长远战略出发，以重点领域为突破口，在经营方式和技术创新等方面实现了跨越式发展，这种模式被称为跨越式发展路径。利用技术创新，商业银行打破原有的技术框架的制约，在数据采集和应用方面实现了一体化，通过建立智能化、可控的信息生态闭环，能够为商业银行的业务开展提供更加优越的信息环境。经营方式的创新指的是商业银行对客户的风险偏好、个性化需求等因素进行综合考虑后，结合银行自身的特点，制定出的差异化营销战略。通过差异化营销战略在市场竞争中建立和巩固自身的优势。互联网的普及和信息技术的飞速发展，为法国商业银行营造了良好的外部环境，很多法国商业银行充分利用大数据进行业务升级和战略模式的调整，为了促进大数据技术在金融服务方面的应用投入了大量资金。以客户需求为导向对业务结构进行调整，以轻资本、高效的业务模式为主攻方向，将优质资源用于发展核心业务，从而实现了成本的节省，并提高了客户体验，全面提升了银行的竞争力。3）美国商业银行—组合式道路组合式道路体现了跨越式路径和渐进式路径的结合，一般以“数据——信息——商业智能”为发展轨迹。商业银行要走好组合式发展道路，需要从两个方面进行努力，第一是加强基础设施建设，建立起完善的数据存储体系和信息平台；第二是从顶层设计的视角，利用差异化营销策略，建立起完善的大数据整合和管理体系。商业银行利用组合式道路，有望逐渐走上精细化的发展路线，这对于为客户提供个性化金融服务、提高银行商业服务特色等具有十分积极的意义。美国的计算机技术起步较早，早在20世纪末期美国就开始了数据仓库的建立，通过数据挖掘，对商业银行的营销模式、管理模式不断优化和调整，因此提高了商业银行的风险管理水平和客户关系管理能力。此外，美国商业银行注重先进科技的运用，数据搜集体系和评估方法体系等都快速得到完善；量化模型的开发、测试和监控，都实现全生命周期管理，确保了模型的先进性得到保障。美国商业银行根据大数据产业特点和发展趋势，及时打破自身业务界限，确保各业务条线之间无数据壁垒，实现内外部数据的有效整合。以上提到的这些国外的银行尽管他们的经营理念不尽相同，但是他们都取得了成功，原因不外乎是他们都具有足够的分析真实社会关系的能力，能够通过数据分析出与自己的经营模式最匹配的社会关系，由此可见，大数据是完全可以运用于银行信贷，有助于银行挖掘出更多潜在客户。1.3研究方法1.3.1文献法在进行本文创造之前，笔者通过互联网和图书馆查阅了大量相关文献，掌握了当前商业银行应用大数据的现状以及学术界在该领域的研究成果，通过对大量文献的整理，为本文的创造提供了参考思路。1.3.2案例分析 本文使用了多个案例，通过案例分析揭示了当前大数据在银行信贷业务中的应用障碍，并且通过贷前、贷中、贷后依次分析大数据在商业银行信贷中的应用。1.3.3定性分析本文在对商业银行的信贷业务的不良贷款率进行研究时，使用定性分析的研究方式。1.4研究内容本文主要包括以下六个章节。前言。本章首先介绍了关于大数据在商业银行信贷业务中应用的相关背景，然后介绍了本选题的研究意义和研究目的。大数据的相关理论基础。本章主要介绍大数据和商业银行信贷相关概念，为后文的分析提供理论基础。第三章，商业银行大数据的运用现状及瓶颈。讨论我国商业银行信贷中大数据的应用现状，同时分析其存在的问题和制约大数据运用的瓶颈。第四章，大数据的创新应用。主要探讨大数据对商业银行传统的贷前、贷中、贷后各个环节的创新应用。第五章，大数据在商业银行信贷中的应用建议。通过对银行信贷业务中各个环节的讨论分析得出问题，给出大数据应用的建议。第六章，结论。2银行信贷及大数据的相关理论基础2.1银行信贷理论基础2.1.1信贷及银行信贷相关的概念信贷即公民通过自身信用度来借出需付利息的贷款。银行信贷指的则是借款对象是银行，通过向银行借贷来得到有息借款。当银行作为信贷的中间人，其信用的判定的方式和后续发展阶段就有了界限。银行信贷单指借贷行为通过银行发生，不包括其他形式的信用关系借贷，如企业间商业信用、国债的国家信用等。在现在经济全球化的条件下，银行早已是独立而且专精的金融中介机构，结合证券信用、消费信用等，其通过公民存款进行间接融资。以偿还计息为条件，即指银行借贷行为不是公益行为，而是有收益的，需要设定还本付息的条件的商业行为。当银行交易活动涉及到借债、用债、收债时就必须遵守收取利息的原则，倘若银行不计利息就会导致破产，危机社会经济安全。但对国家财政拨款、企业自持的货币、用于公益的捐助等则无需以偿还本金加利息为必要条件了。对于货币借贷，被借出的只能是货币，不能是其他形式的物品。银行借贷，只对货币借贷，这是由于货币可以换取任何的商品，是财富的代表，只有借贷货币，银行借贷菜具有普适性和广泛性，才能发挥其促进社会资源合理分配、流动的作用，以及促进借贷双方成本减低。银行信贷是依靠公民存款的，它将一部分的存款暂借给企业或者事业单位，供其使用，并规定收回这些钱的时间，还要求有一定利息作为回报。2.1.2贷款“5c”原则5C贷款评估法，主要分析以下五个方面信用要素：1)借款人品德：首先对借款人的品德有以下要求，首先必须讲诚信，可靠并且熟练地进行商务活动。一般来说，我们需要过去的记录来进行分析，并且要以已知的现状调查为辅。一般都包括年龄、文化、级树结构、统计行、领导能力、惩戒处分、团结协作、组织能力等。2)经营能力：再次还要对企业的一些经营能力进行评估。主要包括借款企业的生产、运转能力、收益性、管理系统的安全性、产品生产和销售的健全性、竞争力、事业规模等，与此同时，营业能力是否逐步扩增、财务情况是否稳定也是重要的考察指标。3)资本因素：衡量企业财务能力和融资能力的决定性因素是企业资本，一个资本雄厚的企业往往具有较强的资产后盾和抗压能力。因此，在信用分析中，企业资产或负债资本的保护程度应该通过借调查企业资本和负债比例的规模来反映。4)资产抵押。可以用作贷款担保及担保使用之一的便是资产，有时也可以由其他公司担保来进行贷款。信贷有安全保障的前提便是必须有担保抵押。信用分析需要考虑以下几个因素，首先是担保人信誉的可靠程度，其次担保手续的齐全性，最后是担保的评价和出售的安全性。5)经济环境。经济环境不仅影响着企业信用，也在一定程度上影响着企业发展前途。信用分析必须建立在以下几个因素进行分析——行业发展的趋势、企业未来发展的展望、市场供需的改变，并以此来判断其对企业收益的影响。2.1.3信贷风险管理的基础理论理论一：企业生命周期理论：认清企业从生到到死的阶段，是做好信贷风险防控的关键。理论二：信息不对称的理论。简单来说，就是在市场交易的过程中，交易的双方之间没有进行信息的有效沟通从而出现决策失误以及办事效率低的事情。因此，市场交易过程中经济个体之间显著的特点就是信息分布的不对称性以及不均匀性。但是也是有差异存在的，例如，没有充分掌握信息的一方则会处于非常不利的地位，很好掌握信息的一方则不然。理论三：配给的理论。根据配给理论，信贷配给可以定义为信贷机构以配给的方式与借款人进行信贷的交易，在这其中，信贷机构对各方面（例如风险、利润等）进行考察评估后，再以贷款人的身份进行信贷交易的。配给理论重点凸显出利率管理、信贷信息对称的重要作用，尤其是在信贷风险管理过程中；并且我国建立的金融风险管理制度和信贷市场的信息公开性的要求也都是以配给理论中的信贷机构风险防范措施为基础的。理论四：鸡蛋理论。也简称篮子理论，主要阐述了增加风险的承载主体数量，目的是降低资源集中在一个主体时产生的风险，还有就是使资产组合最优化以及尽可能减小由于一个风险事件引发的集体受损事情的发生。这类似于人们常说的鸡蛋不能放到同一个篮子里一样，篮子出现问题就会导致鸡蛋全部破碎，要尽可能避免这样的事情发生。理论五：大数定律理论。同时又被称作大数律、大法则，这是数学学科中的概念，意思是意指数量的增加会使平均值更加接近于期望值。大数定律理论一般用于预测结果概率，例如在开始小微企业信贷业务前，信贷机构都会应用大数定律理论预测，之后又通过具体数据、产品设计以及风险控制技术等将实际过程中的风险损失降到最低从而实现盈利。理论六：博弈理论。博弈理论定义为在特定条件下，多个团队或者个体之间在研究对策项目时，找到最佳的行动方案以及对自己的方案进行评估。在日常生活中，博弈存在于互动与竞争之中。理论七：大数据风控理论。这个理论主要是指大数据是一种增长率高并且多样化的信息资产，具有非常强的洞察力和高效的决策力，但这需要经过新处理模式后才具备的；与此同时，在一定时间内，大数据也是不能通过普通软件来进行管理或者处理的数据大集合。2.2大数据理论基础2.2.1大数据1）大数据的定义大数据研究机构Gartner将大数据（bigdata）定义为大数据是一种新兴处理方式，该产业需要新的处理方式，经过信息收集加工才能具有更加强大的决策力、敏锐的洞察力以及优化的流程以适应大量的、高增长率、多种多样的信息产业。

[1]

另一种定义由麦肯锡研究所给出：大数据具有海量数据、数据流转快、数据类型多样、价值密度低这四大特征，其是一种规模远超传统数据库软件的大规模获取、管理、存储、分析的数据集合。

[4]

大数据的根本意义在于，经过数据处理后体现出的信息，而不是庞大数据信息本身。用通俗说法，就是大数据产业盈利的关键就在于对数据“加工能力”的提升，通过对数据的加工实现“增值”

[5]

从技术层面将讲，大数据与云计算就如同硬币正反面一般，管理密切并不可分割，大数据信息量巨大，不能依靠单台服务器处理，必须使用分布式计算的处理方式，对数据进行挖掘，提取高价值信息。大数据必须依托云计算服务中的分布式数据库、分布式计算、计算机虚拟化技术以及云储存。

[2]

大数据（Bigdata）随着云时代的来临而走进人们视野，越来越多的人员对其感兴趣。大数据分析团队指出，大数据（Bigdata）一般情况下是指公司创造的大量非结构化数据或者半结构化数据，对这些数据进行分析处理时需要花费大量的金钱和时间。之所以将大数据与云计算联系到一起，是因为大型数据分析需要MaoReduce这样的框架协同成百上千台服务器对数据进行处理。大数据（Bigdata）之所以能够有效的处理容忍经过时间内的数据信息，是需要与传统不同的技术，这些特殊技术包括：数据挖掘、分布式文件管理系统、云计算平台服务、分布式数据库、大规模并行处理数据库以及可扩展的文件存储系统。2）大数据的特点大数据（Bigdata）的特点便是5“V”，这5“V”分别为：“第一：Volume，数据量十分巨大，数据规模TB~PB级别；第二，Velocity，可以从各类型的数据中迅速获取很有价值的讯息；第三，Variety（多样），大数据类型多种多样，形式各异；第四，Value（低价值密度），通过合理地对数据进行分析，以低成本得到很高的价值回报；第五，Veracity（真实性），数据获得大多是根据客户行为或实际信息得到的真实有效的数据，这使得数据具有较高的可靠性”大数据（Bigdata）的意义不在于掌握这些海量数据，而是对这些海量数据进行特殊处理，使用大数据相关技术对其进行分析处理，将隐藏在这些海量数据中的高价值信息挖掘出来，实现对数据的增值2.2.2大数据分析的基础大数据的主要特点便是5“V”，这些数据集中并不是都是有用的信息，怎样甄别这些混乱复杂的信息，是大数据相关行业的重点难点，也是人们重点讨论的话题，数据的价值性、安全性等问题受到越来越多人的重视，那么现在都是基于什么基础对大数据进行分析的。

第一、看图说话

将数据信息通过buto那个指标和基数体现在一些类型的图表上，大数据分析处理结果不仅仅是呈现给研究人员查看，同时这些数据结果也需要呈现给普通人员，因此，大数据分析结果需要具有直观的、可视化的、容易被普通群众接受的特点，这样才能是结果易读，容易被普通大众所接受。

第二、数据统计方法

数据图表也是依托在数据统计的方式上制作而成的，通过各种不同的大数据算法，分析结果能够呈现出不同的数据特点，通过对这些数据结果统计后，能够体现出数据隐藏意义，如果是一些简单的算法，统计不能够实现发现数据隐藏价值，通过对这些数据进行挖掘，能够得到这些数据的特征点以及数据的隐藏价值。

第三、预测分析

通过对大数据的处理分析，能够科学预测数据未来发展方向，更好的为行业的发展提供预测性数据，预测分析主要就是通过挖掘数据的特点，建立科学的数据模型，带入新的数据，得出新的预测结果，作为发展过程中的参考，这是大数据分析的使用价值之一。

第四、语义引擎

要从数量庞大、价值分布密度低的数据中挖掘出隐藏价值以及数据特点是一件极具挑战的工作，通过一些特殊的分析工具，通过一些关键词和具有代表意义的句子对结构不同的数据进行处理分析，才能够从大数据中提取出有价值的数据，对相应数据进行归类。

第五、高效的数据管理

数据质量是否有保障以及大数据分析结果是否与真实情况相匹配，这也是要考验大数据分析结果的重要方面，也决定了数据真正是不是有价值，能不能提取出高质量的数据，这就需要有效的数据的管理。3我国商业银行信贷业务中大数据应用现状及瓶颈3.1大数据应用的现状由于发达国家的互联网技术起步更早，因此大数据已经被西方发达国家的商业银行应用于其信贷业务之中，已经逐渐完善并建立了一套自己商业银行信贷业务中大数据的应用制度。我国在技术等方面和西方国家有差距，因此大数据在商业银行信贷中应用并不全面。当前，商业银行将大数据主要应用于客户营销、产品创新、运营优化及风险管理四个领域，构建全新的场景，全面提升竞争力。3.1.1增强营销能力大数据不再探求事物的因果关系，更加强调相关关系，这种转化释放出了巨大的潜在价值。商业银行通过大数据挖掘、分析、整合，深入洞察了解企业经营、财务、市场等各综合情况，通过对客户行为的深入研究，将客户分为更多细致的类别；通过研究客户之间业务和资金情况，确定客户之间的关联，判断客户价值，并挖掘潜力客户，从而提高银行的营销能力。2015年9月，腾讯公司在搜集大量用户数据的基础上，推出了一款适合互联网消费群体特点的金融产品“微粒贷”。这是一款小额信贷产品，具有免抵押、低利息、审核快、发放快等特点，因此，该产品推出后很快受到了网民的追逐。微粒贷能够为客户提供更加安全、快捷、便利的贷款服务，实现小额信贷最快45秒，最慢90秒的发放速度。3.1.2促进产品创新通过对大数据的挖掘，分析客户的消费行为，掌握客户的需求，判断客户的消费能力和风险承受能力，同时分析客户的信用等级，做出风险评估结果，然后在上述工作的基础上，为不同客户提供相应的差异化服务，满足不同客户的信贷需求。2015年7月，浦发银行正式宣布实施“SPDB+”互联网金融战略，正式针对网络消费者提供了一款“浦银点贷”的贷款产品，该产品据具有免审核、纯信用、在线审批等特点，从客户在线申请开始到贷款发放到客户银行卡，全过程最快可以在一分钟内实现。该产品产品首期面向浦发银行存量代发、理财、房贷客户办理，打造了智能化、定制化、个性化的消费信贷融资服务。3.1.3优化运营模式在分析的基础上进行预测，是大数据的主要功能。海量的数据是商业银行进行大数据分析的基础，通过分析判断事件发生的概率，从而为运营决策的制定和网点的优化的布局的提供基础，并提高内部管理的质量，针对存在问题制定有针对性的改进措施，采取符合自身特点的管理模式，降低运营成本。此外，通过大数据分析建立网点选址模型，掌握客户的消费习惯和行为特征，为客户提供全新的贴心服务。民生银行基于大数据开发出了“蒲公英”平台，该平台通过数据分析可以自动为客户推荐合适的产品。该平台的建立，是民生银行对大量数据成功整合和挖掘的体现，利用该平台，可以实现为客户自动推荐符合不同客户需求的产品。平台凭借数据信息推送的时效性和准确性功能，随时随地满足“在路上”的客户经理和业务管理人员的工作需求。推出4个月“蒲公英”给民生银行带来19000余个新产品、近7000个新客户，以及296亿元存款、134亿元贷款。3.1.4提升风险管理水平商业银行基于大数据建立金融风险模型、偿付与资本优化、实时欺诈监测模型，降低由于信息不对称情况下为银行带来的风险。大数据技术的应用，提高了商业银行的风险管理能力。银行以往获取客户业务信息，只能靠查看客户财务报表的方式来实现，但大数据技术问世后，商业银行通过分析客户财务流失，资金往来情况依据相关业务数据，即可对客户的资产现状进行掌握，从而对客户的还款能力进行评估。3.2大数据在银行信贷业务应用中的瓶颈现如今大数据时代发展逐渐加快，而我国商业银行追赶大数据时代发展的步伐从未停歇，但在大数据背景下，我国商业银行在快速发展的同时也存在着许多问题。3.2.1我国大数据人才和技术相对落后大数据专业人才需要掌握对业务建模/数据应用/系统建设和技术管理等方面的知识结构和技能体系，这与传统型人才的需求有很大的不同，缺乏掌握大数据技术的新型人才将严重制约银行大数据应用。并且我国互联网的普及率在近几年才普遍，对于互联网大数据的技术和西方国家还存在一定的差距，也是大数据在信贷业务中应用的一大瓶颈。3.2.2数据处理复杂，充分挖掘困难商业银行有着一套数据系统，数据量众多，数据处理流程复杂，因此往往会产生很多问题，主要包括：第一，数据处理体系不够完善不够系统化，数量治理质量低下，数据的分类和加工难以快速实现。第二，数据资源整合力度不够，很多商业银行的数据处于各自分离的状态，无法实现数据共享，信息利用率较低。第三，由于非结构化数据过多，而且数据构造方法复杂，重复率高，导致数据类型复杂，数据价值挖掘难度大。3.2.3数据应用难度大，制约因素多1)大数据技术框架从框架结构看，大数据技术框架主要包括计算模型、平台和数据处理系统三个主要部分。进行数据处理时，首先要求系统保持稳定运行，能够支持离线数据处理和实时处理以及数据的集中存储。其次，为了提高硬件资源的利用效率，要能够解决数据调度和管理和硬件资源的抽象处理问题，这就对平台基础提出了更高的要求；第三，性能优化、可扩展、成本函数和机器参数等模型三要素齐全，这是计算机模型需要具备的基本性能。通过上述要求可以看出，大数据技术框架的建立是有一定的难度要求的。2)大数据应用推进和落地当前，在商业银行的征信查询管理、反欺诈、风险防控等方面，大数据技术已经发挥了一定的作用，但在其他领域的应用才处于起步阶段。造成这种情况的主因包括了两个方面，第一是数据必须经过分析后才能转换为业务方式，进而才能体现出价值；第二，很多商业银行在建立应用系统时，对大数据分析的特点、技术要点、战略以及流程的认识程度不够，缺乏数据思维。在上述两项因素的制约作用下，大数据应用投资效果不明显，在很多领域的应用也受到了限制。3)数据安全与个人隐私当前，由于相关法规的不完善，商业银行对客户信息的搜集、使用和管理都存在不够规范的情况。对于客户而言，隐私权经常受到侵犯。我国金融法律法规体系尚不够健全，相关监管机制也不够完善，但近年来公民个人信息泄露问题一直是社会公众关注的焦点之一，一些商业银行担心搜集数据的过程不小心违规，不愿意轻易触碰法律的高压线，因此在大数据技术开发应用方面存在束手束脚的情况。3.2.4商业银行数据整合较为困难

当前我国商业银行都掌握了一定数量的业务数据，但受到体制等因素的影响，银行的信息和数据始终无法得到有效整合，数据的利用率被降低。职能部门、经营机构以及业务条线等组成部分都拥有各自独立的数据信息资源。银行不同机构和职能部门各自所拥有的信息和数据之间缺少良好的互通与共享机制，因此直接导致了商业银行中大量的数据都处于分散失效状态，与大数据技术运用所需的数据资源的形式存在一定的矛盾，不利于大数据在商业银行数据信息管理方面得到有效运用[1]。

3.2.5商业银行大数据实施协调困难

因为商业银行各部门职能分工较细，并且部门与部门之间缺少有效的交流和信息共享的渠道，所以在商业银行中运用大数据信息管理技术存在一定的困难。加之当前我国在大数据和云计算等数据信息处理计算平台方面发展程度较低，专业领域中具有较好综合素质的人才较少，且商业银行的薪酬福利制度无法有效吸引大数据专业人才的加入，导致大数据在商业银行中实际应用和协调存在一定的难度。3.2.6隐私保护和商业版权限制银行获取数据在这个信息开放的时代，社会公众对个人隐私的保护更加慎重，同时商业机构也加强了对版权的保护，这在一定程度上会影响银行队大数据的使用。想要打破这种约束，一方面，国家应该完善相应的法律法规，加强个人及机构的隐私信息保护，促进数据的共享；另一方面，商业银行要建立有效的数据安全保障机制，增加客户及机构对银行的信任，从而更好的获取数据。4大数据在银行信贷业务应用中的案例分析4.1案例介绍案例1:张某是石家庄中国银行的客户，平时通过该银行办理了不少业务，而且在去年购买一定量的理财产品，因此较为在意该银行的产品和服务功能的变化。最近张某购置了一套房子，房子的装修款还差10万元。这时候张某想到了中国银行前不久推出的“中银E贷”业务。张某试着通过手机APP了解该业务，然后根据提示一步步输入相关信息。张某对此没有报太大的希望，但仅仅过了半小时，就收到款项到账的短信提示。张某仔细查看了贷款相关手续，发现该信贷产品的利息很低。“真是既方便又快捷。”张某颇为感慨地说，没有任何抵押、不需要去银行排队，也不需要等候获批以及放款，这样的贷款体验让人觉得中行的金融服务“触手可及”。贷款近1个月后，张先生的一部分理财产品正好到期，他立刻归还了这笔贷款。“算了一下，总共利息才400元左右。而且可以随借随还，相当实惠。”北京的周女士也是“中银E贷”的用户，据她介绍，去年她当时由于想投资一门生意，但资金出现了十余万元的缺口，情急之下她想起了“中银E贷”，抱着试一试的心理，她申请了贷款，结果很快通过审批，并且赶上该产品搞活动，利息得到了较大幅度的折扣。当天十多万元就下发到了她的卡里，资金缺口快速被弥补，生意顺利进行。周女士表示“贷款利息一共才十多万元，却让我享受了近万元折扣，非常划算。”“中银E贷”是中国银行利用大数据技术成功开发的一项信贷产品。通过大数据技术，搜集了客户的信用数据和消费数据，对信用记录良好的客户提供较高额度的贷款，并且提供在线申请、在线审批、快速放款等功能。该产品可通过决策引擎实现贷款“秒批”，让客户享受“无等候”体验。此外，对于本地公积金缴纳一年以上、房贷还款记录优良的客户，都有机会获得“中银E贷”的贷款。公司APP会自动向符合要求的客户发放贷款广告，实现了精准化营销。客户可通过手机或者电脑进行操作，十分方便快捷，可为家装、购车、教育、医疗等个人合法合理消费支出获得中国银行的贷款支持。中国银行不断利用大数据技术拓宽业务功能。据了解，当前当前中国银行手机银行的功能较为齐全，除了支付转账和金融理财等主要业务，还提供了医院挂号、水电气费的在线缴纳等使用功能，还推出多种线上贷款、理财等服务以及产品，受到客户青睐。分析：“中银E贷”是中国银行推出的一款新的贷款产品，具有审批简单、放款速度快等特点，将大数据与银行信贷紧紧结合，减免去了很多繁琐的流程但是却比以前的效率更高。通过筛选中国银行的优质客户，为其推荐产品，并且通过大数据分析借贷人的信用、资产等情况评估出合适的额度。方便与实用相结合。案例2：2015年5月，腾讯公司旗下的微粒贷业务正式上线。这也是腾讯公司利用大数据技术为网民提供一款贷款产品。微粒贷提供全天候在线申请功能。在客户识别方面，微粒贷采取了白名单制度，通过大数据技术，对信用记录良好，有消费实力的客户进行识别，然后将其纳入白名单的范畴，系统会通过微信、QQ等社交工具向这类用户发送贷款信息。微粒贷利息较低，在绝大多数用户能够承受的范围内，而且客户在申请贷款时还能够享受到一定的优惠。用户之所以能够得到方便快捷的金融服务，与腾讯公司充分利用大数据技术密不可分。正式在大数据技术的推动，腾讯公司大胆进行了业务创新，实现普惠金融，一方面为大量用户提供了资金支持，同时也拓宽了公司的盈利渠道，有效降低了边际业务的成本。微粒贷的推出，标志着互联网企业正式成功进军金融领域。推出3年多来，微粒贷一直自我定位于“传统金融的补充者”，通过不断摸索，解决了大量用户难以通过大型商业银行获得贷款的问题，一直以来，微粒贷坚持特色经营，采取差异化发展战略，与现有金融机构实现互补发展、错位竞争，共同搭建多层次的普惠金融体系。微粒贷的成功体现了大数据对金融业发展的积极推动作用，一直以来，微粒贷以“让金融普惠大众”为使命，不断扩大用户的覆盖面，不少个体工商户也通过微粒贷解决了资金的燃眉之急。普惠之路任重而道远，相信随着多层次普惠金融体系的完善，越来越多的企业和个人能够得到贴心的金融服务。分析：微众银行推出的微粒贷是腾讯公司在自己本身的大数据优势下推出的一款小微贷款商品。中国百分之九十的互联网人口都拥有腾讯产品，因此腾讯牵头成立了民营银行推出微粒贷。微粒贷由腾讯进行大数据处理对信用良好的客户开通微粒贷，根据客户消费、绑定的身份信息、信用、资产等情况对客户评估出一个合适的额度。微粒贷可以随借随还，并且利息非常低，赢得了广大消费者的一致好评。4.2案例讨论4.2.1贷前：开辟营销客户新渠道随着越来越多的非金融机构进军金融领域，让我国商业银行业内的竞争形势更加白热化，客户争夺战越发激烈。商业银行需要提供更个性化、更具竞争力的服务，才能不断拓宽客户规模。必须承认的是，在精准营销方面，大数据技术成为了各大商业银行不可或缺的支撑。中银E贷和微粒贷的成功，正是利用大数据技术，充分挖掘客户需求实现精准营销的结果，通过搜集客户信用记录、消费记录等相关数据，判断客户的消费兴趣，预估客户的消费能力，从而实现了精准化营销。4.2.2贷中商业银行在为客户提供贷款服务时，都会记录一系列的数据，包括资产信息、负债数据、利润率等，这些数据为商业银行进行成本管理和绩效管理提供了依据。通过对这些数据背后隐藏的信息进行挖掘，并对信息进行加工和提炼，从而为优化管理提供了依据。微众银行微粒贷产品依托大数据，对客户消费、绑定的身份信息、信用、资产等情况进行评估，对客户评估出合适的额度，拒绝了不良贷款的产生。4.2.3贷后贷后大数据主要起了贷后监控和预警环节。传统的贷后管理依赖定期或不定期的现场检查、走访和人工数据采集，受限于客户经理的个人素质和业务能力，以及时间和空间，贷后管理信息的收集有着零散、片面和被动的缺陷。通过对客户账户资金的交易时间、存取金额、资金去向等流水信息进行大数据分析，能够为公安部门开展反洗钱活动提供支持，同时降低银行遭受不合规风险的概率。以客户交易信息为基础的电子数据中，通过对这些数据的实时分析，可以对频繁交易或者大额交易等交易行为进行识别，然后通过进一步筛查，生成相应的风险评估报告，将可疑客户纳入高风险名单，从而为配合公安部门进行反洗钱调查提供依据。因此，大数据的应用为降低银行自身经营风险，打击诈骗和洗钱等犯罪活动提供了支持。5大数据在银行信贷业务应用建议5.1引进大数据人才并且积极学习大数据技术积极引进大数据的相关人才，建立有效的人才培养体系，构建灵活的人才交流机制，打造善于创新、技术过关的大数据人才队伍。并且积极学习西方发达国家的先进大数据技术，开展基础研究和技术攻关，掌握大数据的技术。对于大数据在商业银行信贷中的应用是最基础、最重要的。5.2建立健全数据处理体系由于数据治理体系的不完善，导致导致数据处理和数据挖掘存在较大的难度。因此建立健全一套完善的数据处理体系有利于商业银行信贷过程中可以快速的应用大数据进行分析，提高信贷的效率。建立健全的数据处理机制是银行安全有效利用大数据的基础，是商业银行快速稳健的对数据进行分析，整理和优化的前提。首先，建立健全的数据处理机制首先要广泛收集数据，商业银行虽然有庞大的客户群体，但是远远不及互联网金融的数据。因此需要不断的扩大商业银行自身的数据库系统；再然后建立信息安全保管机制，数据通过处理后必须要保证数据的安全性，这关系到我国商业银行再利用大数据的过程能否安全的进行；最后合理的储存和管理所收集的数据，做到有据可查，有据可比。5.3制定银行大数据管理策略实现数据价值最大化在大数据时代，银行应当制定全行数据价值评估体系，并以此为基础制定大数据管理策略，包括大数据的存储、交换和保护策略。商业银行在制定大数据存储策略时，要根据应用需求和价值密度的不同，提供多种存储方式，并设置不同的存储期限。确保重要的历史数据长期、在线保存。以往银行更重视保障业务系统顺畅运行以及交易流程中实时数据的使用，而忽视管理分析型数据的存储。如银行数据仓库数据在线存储时限普遍较短主要原因是数据仓库早期的应用更多面向日常管理报表的生成，不需要保存太长历史数据。在大数据时代，银行往往需要保存、分析过去若干年的历史数据，如风险计量领域，我国监管机构明确要求，涉及PD/LGD/EAD等风险参数的有关历史数据最低保存年限是5~7年，而欧美同业这部分数据的保存年限长达20~30年。针对大数据时代数据体量大、保存期限长等特点，银行可尝试采用分布式文件系统和分布式数据库的存储方案，以降低存储成本。在数据交换和保护方面，银行应制定可交换的数据和必须保护的数据清单。在需要向外部机构购买或与外部机构交换数据时，银行应当制定可交换/不可交换的数据清单。与互联网金融机构掌握的数据维度较为单一\价值密度较低不同，银行积累的数据具有维度广、价值密度高的特点。银行应珍视自身数据价值，在与外部机构进行数据合作和交换时，杜绝银行核心数据流失。举例来说，银行贷款违约有关数据、客户交易还款流水数据均是银行评估客户信用风险的核心数据，也一直是外部机构最想从银行体系内获得的数据。5.4建设大数据分析技术平台提高大数据应用效率银行可以建立集中管理的、基于数据仓库的大数据挖掘和分析技术平台。该平台除了具备面向IT技术人员的数据库挖掘功能，还应当搭载基于SAS/R/MATLAB等面向业务人员的专业分析软件，并尽量采取可拓展的、分布式技术架构。与业务系统对计算性能稳定性需求不同，大数据挖掘和分析平台是面向具体数据挖掘项目的，其计算需求有短时突发性、高负荷性等特点。举例来说，如果银行短期内新设立若干个数据挖掘项目，可能会突然增加数十名乃至上百名数据分析和建模用户，这些用户经常需要同时开展巨表关联等重度数据处理计算。因此，要求大数据分析平台的计算能力可根据需要随时增加。5.5处理好数据应用过程中的客户隐私问题和欧美发达国家不同，我国尚未形成专门针对客户隐私保护的法律。从业界实践来看，银行对客户信息进行再加工处理并进行统计分析形成结论后，应用于评级授信、交叉营销、贷后管理等信贷管理领域，或者将客户信息直接用于内部分析管理，一般不会产生客户隐私权纠纷。但是如果直接将单一客户的具体信息用于外部管理(如将客户朋友圈信息用于催收管理)，可能会存在潜在的隐私权纠纷问题。因此，银行在使用客户明细数据用于外部管理之前，应当获得客户的明确许可。在银行内部，也要建立数据安全的分层控制体系，以确保信贷业务流程和大数据分析流程中，不同类型和业务需求的内部用户拥有访问客户各层次的数据的权利，确保客户隐私数据得到恰当使用。FCC5.6建立完善的大数据应用平台因为商业银行各部门功能分工较细，并且部门与部门之间缺少有效的交流和信息共享的渠道，因此会导致商业银行大数据实时协调困难。因此建立完善的大数据应用平台，有利于各部门能共用大数据信息。5．7提升银行数据的质量、全面性、有效性，提高数据可信度商业银行所拥有的数据量很大，但是这并不代表数据质量很高，必须谨慎使用，如果不加甄别的全部使用，可能会对最终结果造成污染；同时，随着客户活动，数据的更新频率很高，使得数据必须实时有效，否则会影响决策的有效性。所以，商业银行应该采取相关措施，降低因数据本身存在的问题而带来的风险，比如，进一步提高数据的真实性和全面性，结合传统的分析方法，相互印证，提高决策的精度6总结与展望大数据、人工智能等技术的发展正处于由量变到质变，从概念到应用的阶段，在新一轮技术革命、产业升级和经济转型的历史交会点上，抓住了就是机遇。大数据作为银行业的核心资产，信贷业务作为商业银行的核心业务，将大数据技术运用到信贷业务的各流程中，对商业银行提升业务处理效率及准确率实现了历史性的突破，但是由于我国商业银行对大数据的应用还处于初级阶段，所以，在大数据应用的过程中，必将伴随着众多问题的出现，想要更好的使用大数据，一定要遇到问题积极解决，引进专业人才，实现大数据在银行信贷业务中的创新应用。可以预期，未来将有越来越多的商业银行用数据驱动银行智能转型发展，提升银行业的竞争力，有竞争才会有创新，才会打造出更造福于大众的信贷产品和服务。7致谢在本文完成的同时，我的大学本科生活也真的来到了最后的一段时间。

首先，我要感谢我的导师闵绥艳老师。正是在闵老师的耐心指导下，我才能够顺利地完成我的毕业论文。当我不知道该选择什么题目时，闵老师给我指明了方向；当我的写作出现偏差时，闵老师及时纠正了我的研究方向；当我的论文结论不完整时，闵老师又给我说明了如何完善结论。所以，我由衷地感谢闵老师。

然后，我要感谢我的朋友和家人，特别是我的父母。如果没有他们的全力支持，我想我无法顺利地完成本科的学习。在我因为考试失利而沮丧时，是他们给了我继续努力的动力；在我为前途感到焦虑时，是他们为我疏导思路和提供建议。所以，我也真心地感谢我的朋友和家人。

最后，我要感谢培育我的母校和学校的同学们。学校为我提供了良好的教学环境，让我能都在优质的条件下接受本科教育；同学们相互鼓励，营造了良好的学习氛围，让我能够不断地学习和进步。所以，我在此也感谢母校和同学们。

参考文献[1]陈平.商业银行企业级反欺诈实践与趋势[J].中国银行业,2018(03):79-85[2]朱良平.大数据在银行信贷业务中的应用实践及建议[J].中国金融电脑,2015(05):8-9[3]杨瑾.大数据助推商业银行信贷业务与风险管理创新[J].全国商情，2016(14):44-48[4]周辉栋.探析大数据在银行信贷业务中的应用[J].现代经济信息，2017(20):157-165[5]方梓行.大数据背景下优化贵州仁怀茅台农商银行信贷业务的建议[J],现代商贸工业，2018(25):358-368[6]陈惠娟.加云岗.大数据时代下的信贷风险预警系统研究[J].软件,2018(14):78-92[7]李宏博.商业银行大数据时代的SWOT分析及战略探讨[J].时代金融,第18期，2018(05):96-102[8]中国农村金融杂志社.当前农商银行信贷管理存在的主要问题及对策,2018[9]古跃.基于大数据的商业银行个人信贷风险管理研究，2018[10]张皓.我国商业银行在大数据时代面临的挑战及对策，2018[11]新华社,银监会:当前我国银行业运行稳健,抵御风险弹药充足[J]，2018/shuju/2018-02/09/content_5265486.htm[12]南方日报.改进商业银行贷后管理工作的几点思考2014-11-18[13]朱玲.《大数据时代商业银行集约化运营风险管控的思考》,2018[14]ZhongWenLiuChunpingZhuJinXiaDeshen.BankCreditClientAssessmentBasedonDSTheoryandDataFusionAlgorithm[J]JournalofNanjingUniversityofScienceandTechnology,2003

原文译文及翻译AdvancesinEconomics,BusinessandManagementResearch,volume67InternationalConferenceonEconomics,Business,ManagementandCorporateSocialResponsibility(EBMCSR2018)China'scommercialbankcreditbusinessresearchonchallengesanddevelopmentcountermeasuresintheageofbigdataWangYan1,aGaoXiaohan2,b
(1DalianUniversityofScienceAndTechnology,Dalian116052)Keywords:commercialbankcreditbusinessbigdatacountermeasuresAbstract:Thedevelopmentofmodernscienceandtechnologytakes"theimprovementofcomputingcapacityanddataminingapplicationandtransmission"asitsessence,whichcontinuouslypromotesthedevelopmentofcommercialBanks,andthecreditbusinesssubconsciouslyneedstochangeintheintelligenttechnicalbackground.Bigdatatechnologycanbuildanewcreditsystemperspectiveforbankcreditbusiness,explorethepotentialvalueandspecificfinancialstatusofcustomers,analyzethepotentialcapacityofcustomers,reducetheservicecostofBanksandreducethelossofcustomers.ThispaperanalyzesthecurrentsituationofChina'scommercialBanks'creditbusiness,conductsaSWOTanalysisofChina'scommercialBanks'creditbusiness,analyzesthepositiveimpactoftheeraofbigdataonthedevelopmentofChina'scommercialBanks'creditbusiness,andputsforwardcountermeasuresforthedevelopmentofChina'scommercialBanks'creditbusinessincombinationwithbigdatatechnology.1.IntroductionThecreditbusinessoftraditionalcommercialBanksplaysanimportantroleinChina'ssocialistmodernization.Asaneconomicbusinessthatmostreliesoncreditrating,thekeytothedevelopmentofcreditbusinessliesinhowtoestablishacompleteandeffectivecreditratingsystem.BoththeeconomistsandthecommercialBanksthemselvesarestrivingtoestablishabettercreditratingsystemintheevolutionofthecreditbusiness.Atpresent,the"antfinancialservice"ownedbyalibabagroupisagoodexamplefortheuseofbigdatainthecreditbusiness.Thenewcreditmodel,PeertoPeerLending,establishesapeer-to-peerLendingmodelthroughmobileInternettechnologychannelsandmeanssuchasbigdataandcloudcomputing.However,thismodelonlyonpersonalconsumptionloans,smallloans,hasnotbeenpopularinthetraditionalbusinessofcommercialbankcredit,afterall,thetraditionalcommercialbankhasthefunctionofmacroeconomicregulationandcontrolissupportedbythenationaleconomicsystem,withoutthedevelopmentofmoresophisticatedlargedatasystemandestablishingperfectcreditsystem,canbeputintousedirectly.Fromtheperspectiveofdataanalysis,thispaperanalyzestheproblemsexistinginthecreditbusinessofChina'scommercialBanks,conductsSWOTanalysisonthecreditbusinessofChina'scommercialBanksbasedonthecurrentsituation,analyzestheopportunitiesandchallengesbroughtbybigdatatothecreditbusiness,andputsforwarddevelopmentcountermeasuresforthecreditbusinessofChina'scommercialBanks.2.DevelopmentstatusofcreditbusinessofChina'scommercialBanksIntheprocessofmoderntraditionalcommercialBanks'creditoperation,mostlinksmustrelyontheprofessionaljudgment,experienceandriskassessmentofthecreditpersonnelofcommercialBanks.AlthoughtherearespecialriskmanagersandcreditapprovalcommitteesofcommercialBankstosuperviseandapprovetheentirecreditprocess,asshowninFIG.2-1,thenon-performingloanratioofChina'scommercialBanksisstillonafastrisingtrendfrom2011to2016.TheCBRCreleaseddataonmajorregulatoryindicatorsforthefourthquarterof2017,whichshowedthatthebalanceofexistingnon-performingloansofChinesecommercialBankswas1.71trillionyuan,anincreaseof1977billionyuancomparedwiththenon-performingloansattheendof2016.Thenon-performingloanratioofChina'scommercialBanksin2016was1.74%(asshowninFIG.1-1),amongwhichthebalanceofinterest-orientedloanswas3.41trillionyuanandtheratioofinterest-orientedloanswas3.49%.TheloanlossreservebalanceofcommercialBankswas3.09Copyright©2018,theAuthors.PublishedbyAtlantisPress.
ThisisanopenaccessarticleundertheCCBY-NClicense(/licenses/by-nc/4.0/).118AdvancesinEconomics,BusinessandManagementResearch,volume67trillionyuan,anincreaseof426.8billionyuanoverthepreviousyear.Theprovisioncoverageratewas181.42%,up5.02%fromtheendoflastyear.Theloanprovisioningratewas3.16percent,up0.09percentfromtheendoflastyear.Theeffortsofinclusivefinancehavebeenintensified,withthebalanceofbankfinancialinstitutions'loanstosmallandmicroenterprisesandloansrelatedtoagriculturereaching31trillionyuan,up15.1%and9.6%respectivelyfromthepreviousyear.Government-subsidizedhousingprojectloansincreased42.3percentyearonyear,29.9percentagepointshigherthantheaveragegrowthrateofvariousloans.(source:Chinabankingregulatorycommission).Accordingtothedataanalysis,althoughtheloanbusinessinChinaisinagoodstate,thenon-performingloanratioofcommercialBankshasmaintainedabasicallystablesituationthroughouttheyear.Butsince2011,thequalityofassetsofcommercialBankshasbeendeteriorating,mainlyduetonarrowingnetinterestmargins,risingcreditrisksandinsufficienteffectivedemandsupply.Atpresent,inthecompetitivestateofbankingenterprises,theemergenceofincreasinglyrichtypesofpersonalconsumptionandspiritofsharinghasbroughtagreatimpactonthetraditionalintermediaryfunction,servicemodeandoperationphilos