近年來，數字化轉型已漸成國内銀行業開展零售業務的趨勢，各家銀行紛紛利用先進的金融科技技術，通過零售業務的線上化發展迅速向數字化轉型靠攏，不論在客戶觸點的拓展，還是在流程和風險管理方面的降本增效，都大大提升了銀行整體的競争力。而零售業務的數字化轉型也是個系統工程，有賴于差異化的場景生态、豐富的産品供給、紮實的數字化科技底座，也有賴于快速決策的組織人力架構。這些資源禀賦的不同，也導緻國内各家銀行在零售業務數字化轉型的程序中呈現出分化加劇的競争格局。
國有大行和全國股份制銀行不論在零售客群資源、資金投入還是金融科技人才支撐方面，都擁有着較大的優勢，使得過去幾年零售業務數字化轉型中“強者愈強”；但是對于那些獲客管道有限、客群相對下沉、自主風控能力偏弱以及科技和人才支撐不足的中小銀行來說，在過去“流量為王、規模優先”的遊戲規則驅動下，過度依賴網際網路流量平台的獲客和風控，尚未建立其數字化轉型的“護城河”，如今面臨着硬性的監管要求，中小銀行在零售信貸領域更加舉步維艱。具體來說，中小銀行在零售業務數字化轉型中面臨了以下的主要難點與挑戰：首先，以資料驅動為導向的獲客能力不足。
一方面過去多數中小型銀行通過對接網際網路平台流量的方式獲客，對于這些參與市場的流量方，多數銀行并不具備量化評價并且動态分析這類合作機構從接入到持續風險監控客群資質的方法和工具，進而限制了零售拓客的管道；另一方面，實踐表明中小型銀行隻有着手積極拓展屬地特色的生活場景、産業場景，才能在自主獲客方面與擁有優質存量客戶資源的大型銀行“錯位競争”，但是特色場景融入難、深度認知潛在客戶的資料分析手段弱，仍然成為制約中小銀行零售信貸業務規模化獲客的重要因素。
其次，缺乏“深入資料挖掘”的自主風控技術。
目前絕大多數中小銀行在零售線上貸款的貸前、貸中和貸後管理的全流程風控環節或多或少都部署了自動化風控決策體系，但普遍存在過度依賴“專家冷啟動”規則或外采“黑箱模型”的現象，無法充分挖掘自身客群屬性資料，在客戶準入以及貸後持續監控階段對客戶進行精細化的量化分層，進而無法前瞻性的預測高風險客戶并計量組合層面的風險。
再者，無法從“主動應對風險”的角度做到風險前瞻與預判。
零售線上業務不同于傳統線下業務，客群風險變化更快更頻繁，但銀行往往“被動管控風險”，僅當不良率大幅攀升時才開始采取管控措施，或是調整風控政策，或是直接叫停業務，對穩定展業帶來了負面影響。導緻這一現象的原因是缺乏一套前瞻性的風險監控體系來提前研判客戶風險變化的趨勢，進而快速疊代優化風險模型和政策體系。
最後，缺少集約化的風控組織架構支撐。
傳統的零售信貸業務一二道防線的劃分相對清晰，有獨立的線下人工審批團隊，但對于新的線上業務，風險決策通過自動化的模型和政策集中完成。傳統風控的組織架構難以适應靈活的風控決策體系疊代需求，是以如何建立靈活的組織體系以支援零售信貸數字化轉型是必須要面對的另一問題。
破解中小型銀行零售信貸業務數字化轉型的困局，提升銀行在零售信貸領域真正的核心競争力需要從以下多個方面進行全方位的思考：
1. 積累适應零售信貸業務的強大資料資産和資料應用能力
不論是獲客能力還是自主風控能力的建立，積累底層适用于零售信貸業務的資料資産，并且在産品和場景上賦予資料正确的應用方法是零售信貸數字化轉型成功的第一步。首先需要收集以客戶為中心的全域資料，不僅采集銀行各個業務條線的資料，還要包含其它外部管道資料，并進行統一客戶次元的打通。其次對資料進行資料标準化處理，降低資料缺失異常給後續決策結果帶來的偏差；最後在對客戶和業務的正确了解之上設計出一套全行級特征名額體系，以此支援營銷、風險等場景的模型和政策開發。
2. 強化數字化營銷獲客能力
首先中小銀行若通過合作平台擷取客戶流量時，建議充分分析其平台的财務能力、經營管理水準、合作擔保情況等次元，合作機構一旦準入後，應及時對合作業務實行資産品質的風險監控，并且建立風險收益兩維的量化體系，確定風險可控的前提下收益符合銀行自身的預期。同時，中小銀行應該充分結合得天獨厚的屬地資源，自建或與第三方合作，融入1-2個有本地化服務特色且營銷成本可控的場景，集中資源營銷這些管道擷取的客戶。其中重點是需要将通過場景擷取的特色資料，與通用的零售客戶資料充分整合，建構全面的客戶畫像，通過客戶标簽和價值分層将客戶需求、産品以及場景進行有機關聯，制定差異化的客戶營銷政策，推動以客戶為中心的數字化營銷。
3. 完善“主動應對風險”的數字化風控體系
一套完善的數字化風控體系覆寫反欺詐模型、信用評分模型和準入政策、風險定價和授信額度模型以及貸後預警和催收模型等，對于零售線上業務，銀行需要建立自動化風險決策流程，但由于開展初期資料積累不足，往往采用冷啟動方法設計模型和政策，随着業務的積累以及産品的不斷豐富，需要深入挖掘各類細分客群背後的内外部資料，開發資料驅動的反欺詐、信用評分模型，以及針對不同細分客群的設計準入和額度政策。
其次，傳統零售信貸業務的風險監控更偏向事後，監控名額單一，但線上零售貸款具有分散和快速回報的特點，要求銀行從“被動風險控制”到“主動應對風險”轉變，快速及時的風險計量和風險政策的快速調整，并且要做到在客戶層群組合層的動态風險損失的預測和管理。對未來的風險損失的科學準确的量化，就成了非常重要的能力。建立基于vintage全生命周期的風險損失預測模型，可以很好地解決這個問題。
4. 建立集約化的風控組織架構
對于零售線上業務，不少國有大行為适應靈活的風控決策體系動态高頻疊代的需求，在零售業務條線設立專業風控團隊，負責線上各類風控模型和政策的集中設計和疊代，将傳統二道防線風控的職責向業務端前移，實作風險管理内嵌至業務條線。同時在《商業銀行網際網路貸款管理暫時辦法（征求意見稿）》中又提到了銀行需要建立模型評審委員會集中對“數字化風控模型體系”進行獨立的監督和評估，確定風控決策體系的有效性和穩定性。這些零售信貸數字化轉型帶來的風控組織架構調整也是銀行成功應對業務和市場快速變化的重要保障。
畢馬威中小銀行零售信貸數字化轉型解決方案總覽
針對以上中小銀行零售信貸數字化轉型的需求和面臨的挑戰，畢馬威結合多年服務經驗設計了一套完整從頂層設計到底層執行的零售信貸數字化轉型“一站式”解決方案，覆寫戰略規劃、治理架構設計、管控能力和業務流程、資料化營銷體系、數字化風控體系等領域，幫助銀行更好地應對零售信貸業務快速發展的靈活管理需求。我們可提供的具體服務包括：
零售信貸業務頂層設計；零售信貸管理制度、業務流程及報告體系優化；支援各類零售信貸數字化場景的特征名額庫設計；數字化營銷方案設計；大資料反欺詐模型與政策設計；信用評分模型和準入政策設計；額度和定價政策設計；貸後預警與催收方案設計；零售信貸模型政策監控和疊代體系設計。
【本文主要作者】
王大鵬畢馬威中國金融業監管與風控科技咨詢服務主管合夥人