银行信贷业务的信息系统发展范文

内容摘要：商业银行为了保证最大的利润和最小的风险，必须对客户进行科学的分析和归类，并进行信用评估。本文阐述了我国商业银行在自动信息系统方面与发达国家的差距，并提出一些建议。

关键词：商业银行零售业务信息系统

在金融业比较成熟的国家中，银行业的零售业务资产在其所有资产中应该占有一个较大的比重。个人信贷不同于企业贷款。个人信贷的数量大，但每笔额度小。因此不能用做企业贷款的方法来做消费信贷，而只能采用数量分析的方法。对于银行信贷零售业务而言，高质量的风险管理信息系统比高素质的风险分析人员更重要。国内商业银行贷款零售业务风险管理面临的最主要的问题不是缺乏高素质的分析人员，而是缺乏高质量的信用分析系统。

系统构成

贷款零售业务中信息流程是把数据输入到数据库系统，通过分析平台、运用数据刻画客户的风险特征，通过风险价值模型来评估风险的价值。根据西方商业银行的经验，零售业务风险管理信息系统的结构基本由三部分组成：数据仓库、中间数据处理器、和数据分析层。对于银行信贷零售业务而言，一个完整的风险管理信息系统应该包括这样一些方面：

数据仓库

银行从前台采集数据，将其汇入数据仓库中，用于更深层次的数据挖掘。一个完整数据仓库至少应该包含这样几类信息：

客户基本信息。为了对客户信用风险进行评估和跟踪，必须对客户的信息进行广泛的收集和掌握。

银行账务及信贷合同信息。为了对复杂的账务处理进行抽象和简化以进行分析，必须对客户的开户情况和银行内部历史的会计分录进行对应和参数化。并实现信贷整笔业务从申请、审查、评分、审批、发放到回收的全过程电脑跟踪。

担保信息。对国内商业银行而言，担保和收取担保品是缓解风险的重要手段之一。因此在数据仓库中必须建立有关担保和担保品的相关信息，将其作为一个独立的部分。

清偿数据信息。这一部分信息应该提供客户的债务结构和历史违约记录，包括违约类别、违约日期、违约本金、违约前利息以及清偿时间、清偿费用等。

数据研究

在数据仓库的基础上，应该对这些大规模的信息进行利用，这才是建立信息管理系统的最终目的。数据分析不仅仅可以用于风险的度量，还可以用于客户价值发现。它包含这样一些内容：

客户信用评价。针对零售业务的信用风险，西方商业银行多信奉“dataisking”（数据就是一切），普遍采用的方法是运用统计学原理进行信用评分（creditscoring）。在已有的数据系统的基础上，通过模型分析开发，刻画客户。

担保评估系统。该系统定位于担保方和担保品的数据采集的基础之上实时监控及风险分析。既要能完成担保方的信用分析，又必须完成对担保品价值的实时监控和管理。

数据挖掘。金融事务需要搜集和处理大量数据，银行必须整合自己的客户档案和数据库，这种整合纪录银行各部门、每个人所接触的客户资料并进行统一管理的做法是客户信息管理的一个方面。另一方面则牵涉到银行客户价值评估体系的建立，即以客户对银行的利润贡献度为主要依据和标准，分析、评定不同层次客户的价值度，为其提供相应的价值服务，从而全面提高客户的满意度。

差距分析

我们和西方发达国家商业银行的差距并不在计算机硬件系统上，而是在数据基础，在风险分析方法上。制约国内商业银行风险管理水平提高的软肋首先在于数据基础，缺乏数据基础，进行任何风险规范化管理和风险量化都是在沙上筑塔。在信息管理系统设计上，我们可以借鉴发达国家商业银行的经验。

其次，应该实现内部的信息共享，在内部互联网上建立信息管理系统。其实几乎所有的国内商业银行都已经建立了对于零售客户的信用评分机制，已经包含了许多客户基本信息，然而数据系统却不能很好为一线的客户经理提供足够的支持。因此工农中建等国有商业银行虽然建立了个人信用评分系统，但是却无法将个人信用评分与特定的违约概率和违约损失率联系起来。该系统主要由客户经理录入和更新信息，由风险控制人员维护，其数据的及时性和动态性达到相当好的程度。