庞姬桦女士毕业于北京大学和美国哥伦比亚大学，目前担任PayPal公司消费者风险管理总监，负责通过大数据实现对互联网金融风险的侦测、跟踪、管控和防范。在加入PayPal之前，曾任职于渣打银行（中国）和美国运通公司，具有超过15年的银行风险管理和研发丰富从业经验。
导言
DataPipeline致力于帮助企业打通内外部的各种数据，小微企业的贷款是涵盖大量内外部数据源的一个典型场景，无论是贷前、贷中还是贷后，都需要融合大量的、及时的数据以判断小微企业的经营水平。传统的做法看的是纸质的报表，近几年的做法是引进外部数据接口作为信贷的辅助依据，未来五年区域性银行值得探索的是如何充分利用数据营销获客，与拥有数据势能的第三方合作，加快对数据的运用和理解。大数据不仅仅是数据量大，数据获取的速度越来越快，如何在第一时间分析、处理、消化这些数据并甄别出优质客户，是未来的核心竞争力之一。本次我们特邀PayPal消费者风险管理总监庞姬桦女士，和我们聊聊数据对于小微贷款的价值。
一、区域性城商行能否在金融科技的助力下深耕客户？
地区性银行在促进经济发展和服务本地用户方面有着不可或缺的作用。和全国性国有银行和股份制大行相比，他们在满足当地发展需求，整合多方资源和争取政府支持上有着得天独厚的优势，占据了“天时、地利、人和”。因此，近年来地区银行发展迅速，在小微企业中树立了良好的信誉和口碑。
然而，地区银行也有其先天不足的一面。由于成立时间相对较短，存款用户与全国性大行相比处于劣势，造成了资金成本较高，很难依靠价格优势吸引到低风险的优质企业。怎样从广大有着迫切资金需求的小微企业中甄选出优质或次优企业，成功促进他们的健康发展，是地区银行制胜的关键，也是其义不容辞的责任。那么，如何甄选好客户，促进存贷业务的健康成长呢？唯有学习、运用好大数据。
大数据和人工智能已经不是互联网独角兽的独门武器，它已经成了银行业不可小觑的发展浪潮，这个浪潮可能比我们的想象来得更猛烈更具颠覆性。能不能迅速地理解，适应和驾驭大数据，决定了企业能不能赢得市场，开创新金融时代。只有学会把大数据和AI运用到银行服务的方方面面，渗透到贷前贷中贷后的各个环节，才能更好地定位目标客户， 更全面更准确地把脉企业风险，更精准更及时地对症下药。
二、那么，大数据在对小微企业的金融服务上有哪些运用呢？
1.可以更全面地了解企业
大数据，顾名思义就是大量的数据。在过去的十多年中，银行一直在对系统更新换代，建立内部数据库，寻求和外部的合作与数据共享，渐渐从依靠审批员的经验和判断，到运用技术和统计方法，把决策过程不断量化。但是这些数据还远远不够。一方面，信用评分卡，线性回归，决策引擎等在银行信贷中已被广泛应用。类似于财务报表，交税情况，负债情况等有限的内容，是各大银行都熟悉的数据，做出的授信决定趋于同化。另一方面，在风险较高的小微企业中，如何挑选出具有发展潜力的优质或次优企业一直是银行面临的难题。只有依赖更多更全的信息，建立更广阔的视野，不遗漏小微企业表现出的个性和细微差别，才能在挑选小微企业时独具慧眼。我们的每一次授信审核，都是在为企业做体检。
大数据技术的运用，使得我们的体检报告不只局限在传统三高指标上，我们可以涵盖更多更全的内容，把各项血液指标，身体各部位的骨密度，X-光片上各个阴影的位置和大小等每个细节，都严密记录和排查，必要时发出警示信号并做出风险判定。只有这样我们才能从看似健康的贷款企业中，找出那个产品老化缺乏竞争力，即将出现财务危机的企业并采取行动。也只有这样，银行才能从大行不予贷款的企业中，发现那些相对健康并发展潜力巨大的企业，对他们进行资金支持，帮助他们继续成长。
2.可以更快地捕捉需求、发现风险
大数据，也是动态的数据。过去，银行的授信审核是建立在静态数据的基础上的。根据企业在某一时间点的征信信息，收入能力和负债情况，推断出企业对于一定授信额度的偿还能力。然而小微企业是对经济大环境最为敏感的群体，他们规模小，产品相对单一，资金链紧张。在当前民间投资低迷，中美贸易局势不明朗的情况下，他们时刻在经受大环境的考验。过去依赖月度报表的方法已完全无法跟上小微企业的经营进程，快速准确地捕捉到小微企业经营状况的变化。
对数据的运用，正在经历一场量变到质变的革命。一加一的数据结合，完全不仅仅会得到二，还会带来强大的信息内涵。比如，在月度财务报表之前，甚至小微企业经营者自己还未察觉之前，大数据，就可以通过市场，网络，上下游企业，订单，电信甚至水电煤的变化，互相之间变化的规律，频率等等，告诉银行该企业即将产生的贷款需求，或即将遇到的还款困难，使得银行可以最快速的作出反应。打个简单的比方，我们可以通过小微企业网上客服收到的询价问题的数量改变，并结合订单变化趋势，提前数月捕捉到企业扩大生产规模的信号，从而早于他行在同类企业中选出有需求有潜力的小微企业。
3.可以自我学习，降低运营成本
大数据，更是智能的数据。它可以极大提高银行效率。大数据并不是简单的对大量数据的堆砌，除了上述从数据中发现有效信息，预测发展趋势和判断最终结果的能力，大数据还具有在数据中总结规律，并用最新的信息自动测试、修正和不断改进预测模型的能力，这就是大家所说的 AI人工智能。AI技术不仅可以用来下棋，用来自动驾驶，用来让机器手臂开门锁。
AI能用灵活、快速、自动的方式运用大量的数据。目前的 AI技术已经完全可以部分解放繁琐的人工流程，自动帮助银行追踪信贷政策的有效性，修正对小微企业的筛选条件，在数据，决策和效果三者中建立自动反馈机制，具备了基本的机器学习能力。银行不用担心数据量的指数型变大，会带来相应数据管理人员和运营成本的增加。相反，大数据和 AI可以极大的提高银行的运营效率。
目前，银行对大数据的运用还刚刚起步。面临的挑战是，业务人员和系统技术人员虽在各自的专业领域非常精通，但是对对方领域却只有有限的了解，这在一定程度上阻碍了数据时代新视野新模式的建立。银行可以和具有尖端科技能力，丰富大数据经验的第三方科技企业合作，充分利用内部金融方面的经验和长期积累的管理能力，与最新的技术结合，尽快从旧金融走向新金融。
点击这里，免费申请DataPipeline产品试用
)
