빅데이터 신용보고 관점에서 은행 리스크 관리 혁신을 살펴볼까요?
데이터는 미래 은행의 핵심 경쟁력 중 하나가 될 것이며, 이는 은행업계의 지식이 되었습니다.
빅데이터 시대를 맞아 은행은 업계 내부뿐 아니라 외부 도전에도 직면해 있다.
인터넷, 전자상거래 등 신흥 기업은 제품 혁신 역량, 시장 민감도, 빅데이터 처리 경험 측면에서 분명한 이점을 갖고 있습니다.
이러한 상황에서 은행의 리스크 통제를 혁신하고 개선하기 위한 빅데이터의 활용은 점차 업계에서 중요한 관심과 논의 주제가 되었습니다.
은행산업의 리스크 통제 부족 프라이스워터하우스쿠퍼스(PricewaterhouseCoopers)가 발표한 '2015년 중국 금융 및 은행산업 전망'에 따르면 2014년 3분기 말 현재 중국 상업은행의 부실대출 총액은 36% 증가해 1위를 기록했다. 7,670억 위안, 새해 최고치 4배 기록.
2015년에도 부실채권 증가세는 지속될 것으로 예상된다.
위의 데이터 이면에는 경기 침체로 인한 연체 위험 증가 외에도 은행 위험 관리의 허점과 결함도 중요한 원인입니다.
정보 비대칭 및 대출 사기 P2P, 소액 대출 등 민간 대출이 증가하면서 차입자가 비은행 채널을 통해 대출을 받는 것이 점점 더 쉬워지고 있습니다.
그러나 민간 대출 기관은 중국인민은행에 데이터를 보고할 의무가 없으며, 비은행 시스템에서 대출 신청, 부채, 연체 정보 등 불명확하고 불투명하며 예측할 수 없는 정보의 문제가 점점 더 두드러지고 있습니다.
차용인이 연체되거나 연락이 끊길 때까지 은행은 민간 대출 분야에서 과거의 연체 대출이나 차용인의 과도한 부채에 대해 수동적으로 알게 되는 경우가 많습니다.
대출 사기는 은행이 직면한 또 다른 문제입니다. 특히 신용 카드 분야와 신용 공장 모델로 운영되는 일부 대출 상품에서 그렇습니다.
은행의 엄격한 카드 발급 검토 프로세스와 신용 공장 운영 모델은 더 이상 비밀이 아닙니다.
현재 특히 신용대출 분야에서는 신용카드, 대출패키지, 집단사기 등이 흔히 발생하고 있습니다.
신용대출의 약 60%가 사기로 인해 발생하며, 그 중 절반 이상이 신원 사기 및 데이터 랩핑으로 인해 발생합니다.
불완전한 데이터 차원의 경우, 은행 및 기타 대출 기관은 제3자 빅 데이터 지원이 부족하고 충분하고 효과적인 교차 검증 방법으로 인해 집단 사기꾼에 의해 쉽게 악용될 수 있습니다.
시의적절한 정보와 대출 후 리스크 예방 정보의 부족으로 인해 은행의 대출 후 리스크 관리에도 다양한 수준의 문제가 발생했습니다.
예를 들어, 은행은 기업 고객이 대출을 받은 후 새로운 법적 절차를 밟게 될지 가능한 한 빨리 알고 싶어하는 경우가 많습니다. 그러나 대부분의 은행은 정보를 얻기 위해 수시로 현지 법원 웹사이트에 수동으로 쿼리하는 신용 관리자에게만 의존합니다. 이는 매우 불확실합니다.
신용관리자가 조회를 잊어버리거나 운영상의 실수를 하게 되면 대출 후 사법절차에 대한 모니터링은 효과가 없게 됩니다.
여기에는 고객의 신청, 부채 및 민간 대출 연체 상황에 대한 지속적인 모니터링이 포함되지 않습니다.
대출 후 위험 예방 과정에서 은행의 수단과 효율성은 은행 위험 통제의 효율성을 크게 제한합니다.
비용과 효율성의 모순 정보 비대칭과 시기적절하지 못한 정보 획득 문제를 해결하기 위해 은행은 판단을 돕기 위해 많은 양의 데이터를 수집해야 하는 경우가 많습니다.
그러나 데이터 수집 과정에서 일반적으로 채택하는 방식은 차용자나 기업에 대량의 보충 정보를 제공하도록 요구하는 방식으로, 여기에는 많은 인건비와 시간 비용이 소요된다.
효율성을 높이기 위해서는 일부 데이터를 자동으로 수집하고 높은 수준의 자동화가 가능한 백엔드 관리 시스템을 구축해야 하지만, 많은 중소 은행의 경우 전담 엔지니어 팀을 구성하고 많은 양의 IT 개발 작업을 수행하는 것도 큰 부담입니다.
위 내용은 빅데이터 신용보고 관점에서 은행 리스크 관리 혁신에 대해 편집자가 공유한 내용입니다.
더 자세한 내용은 글로벌 아이비를 팔로우하시면 더 많은 건전한 정보를 공유하실 수 있습니다.