“您从事什么职业啊？您的父母身体可好？”在申请个人贷款的时候是不是曾经有银行工作人员这样询问您？
他们可不是在闲聊，而是通过交谈获得一些客户的个人信息然后决定是否放贷给你，而他们的决定往往是凭借银行授信人员以往的个人经验。但员工培养是长期的，客户却每日激增，这甚至成了金融机构发放个人贷款的瓶颈。
商业智能软件和服务供应商SAS中国市场经理马晨斌认为，“解决这个矛盾就要利用机器授信配合人工授信，增加业务量。”目前SAS为招商银行、建设银行，等诸多金融机构所做的信用评分卡就是为了突破这个瓶颈。
据马晨斌介绍，在金融类企业中运用数据挖掘技术辅助风险控制是主要需求，甚至要强于客户智能方面的建模主题，例如交叉销售，客户流失分析和客户聚类等。由于要信守与客户的协议，马晨斌不能将具体的项目透露，他以房贷为例介绍了评分卡的数据模型。
首先，这一切要基于以往数据的积累，在这些客户数据中如果发现100个人中20人有违约、逾期行为，就将他们按不同程度分等级，国际上通用的个人信用评级标注，将每年一次超过9个月逾期，或者三次超过三个月这种划入最严重；次严重是一次以上三个月，三次以上一个月，逐级递减划分等级。
分成等级后，找出不同等级人的特性，最后会得出一个综合评分，如果100分为满分，这个人得分在70以上，那么系统就会直接授信，而50分以下就直接告知客户无法发放贷款，而在50至70分之间的则需要人工再去面谈，决定是否授信。
国内很多银行收益非常大，但是与不良账户冲抵，利润甚至低于劳动密集型的行业，正是由于银行长时间的呆坏账遗留，所以光提高收入是不够的，同时还要降低成本，最有效的就是控制风险。
作为SAS信用评分卡的使用方，招商银行信用卡中心副总经理魏展明说：“利用评分卡审批自然能提高审批效率和提高审批结果的一致性，但我们获得的好处远远超过了这些——我们利用评分卡找到一个较好的风险和潜在回报之间的平衡点。”
事实上，信用风险评分的方法论应用是非常广泛的，在国外包括Sprint这样的大型电信运营商也会用其来提早发现恶意欠费的客户。而这一切都是基于良好的数据积累，马晨斌坦言：“在国内做评分卡项目多数时间是用来做ETL（数据抽取、加载、转换），国外的各行各业都很重视数据的收集和管理，按照规范格式统一收集；此外其社会已经发展到一定阶段，因为消费者成熟，心态稳定，ETL根据社会变迁做小的修改就可以。”
但中国的情况就复杂得多，“评分卡在国内并不好做，因为它要不断完善，因为客户行为是改变的，国内经济也是日新月异，所以使用方每半年要审核一次。另外，还有受偶然事件干扰，比如股市冲6000的时候，各个银行都出现大量的违约和逾期现象，不还房贷，冒收利息的风险投入股市。这种情况还是要靠授信人员经验判断，还要靠银行及时收紧放贷政策。” 马晨斌表示。
不仅信用评分卡，任何数据挖掘应用模型都不是万能的，借助却不能依赖，而对于金融行业来说首要任务则是控制好风险才能更多地考虑获益，招商银行也正是拥有了良好风险管理系统才可以在交叉销售领域继续拓展。
采访·撰文＝张思 摄影＝楼晓宁
|
