日报标题：不用大数据，银行也能做到「秒贷」
KyleGuo，金融追梦者/万智牌手/奶爸
讲到高效流程化的贷款，现在最火的莫过于各种电商的消费贷款了，主流电商平台基本都可以做到当天申请，当天放款。其实现在大家都懂了，人家玩的是大数据。大数据这东西说到底没什么玄妙的，将所有与一个人有关的可以搜集到的互联网信息捏合在一起，基本就是一个人的侧描了，你的互联网烙印越深，你通过大数据暴漏给电商的东西就越多，贷款的风险把控自然也就越强。
其实这种贷款模式早几年就有很多消费金融公司在搞了，只是苦于我国没有健全的个人征信大数据库，当时的互联网化程度也没有如今这么高，风控上有些捉襟见肘，不良率节节攀升，最终没能善终，但殊途同归，理念其实是一致的，只不过 BAT 的硬实力更强（就是钱多），还扬着互联网的三角帆。
如果说消费贷款是针对个人，那么最新的网商银行的类快贷产品就是针对小企业或者个体工商户了，怎么玩的呢，其实是对大数据的放大利用，利用小企业主或者个体工商户的个人信誉等级，综合了一些地区和经营行业的权重，匹配给企业授信额度，万变不离其宗，大数据是互联网金融安身立命的看家本事，也是互联网企业能实现全自动化审批信贷的原点和核心竞争力。
但我个人不太想将题主问题的答案归结到“大数据”上，感觉上有些不负责任，因为这种模式有很明显的局限性，详述如下：
- 授信额度有限 —— 利用大数据审批的贷款一般为小额贷款。
- 惠及群体有限 —— 没有互联网记录，或记录较少的申请人很难申请到满意的授信额度。
- 推广难度有限 —— 没有互联网企业愿意无偿共享自己的大数据，而数据互联互通就更像是个遥远的梦，更多的企业选择自己做自己的。现在的事实是普惠金融的门口站着一波肌肉男，胳膊上纹着 BAT，想进门吗？您得交钱买票。不掏钱，那您就自己攒数据库吧，线下做的最好的某信公司，但距离 BAT 还有好一段路。这不连以往趾高气扬的银行也弯腰了吗：
芝麻信用签约北京银行 开启商业银行应用互联网征信先河
6 月 25 日，北京银行和芝麻信用签署战略合作协议，成为芝麻信用首家合作银行，双方将开展信用信息查询和应用、产品研发、商业活动等多个方面的合作。此次合作开启了商业银行应用互联网征信的先河，将为互联网征信大数据批量化应用于传统金融作出有益探索。
那么现在的问题是，不靠大数据，我们怎么实现高效、快速的自动化审批和放贷？
笔纸准备好，以下上干货：
我们可以从以下四个角度出发，在传统银行信贷的领域开辟出可以适应我们这个时代要求的快速贷款：
- 源头标准化
- 流程工厂化
- 模型特色化
- 风控契合化
源头标准化：将进入信贷流程的一切人、物、数据、信息尽全力标准化。首先是行业细分，名单制营销，做到精准打击式销售，之后通过高度标准化的产品要求，将客户的信息采集、资料收集全部标准化，甚至通过远程移动终端完成，这将是实现自动化审批的基础，香肠为什么好吃 —— 首先肉要好啊，将源头标准化后，后续的操作才不会有传统信贷中经常出现的反复过程。
流程工厂化：将整个信贷流程职责和岗位进行细分，岗位和职责一一对应，全流程工厂化，摒弃传统信贷中客户经理参与贷前贷中贷后全流程的模式，打造一人一岗的流水线作业模式，客户经理专注营销，并且不再为产生的不良担任何责任。
模型特色化：自动化审批的关键节点是一个好的评价模型，而财务分析模型也好、信用评价模型也罢，在审批阶段应用的应该是针对标准化源头数据的特色化模型，传统的应该包括财务信息交叉验证、偿债能力、经营能力等，特色化的可以有行业特色数据分析、区域信用考虑、潜在还款能力量化分析等可适用的内容，只有特色化且契合本区域的信用评价模型，在实践中才有价值。
风控契合化：这一点感觉听上去很空，其实很重要，自动化审批下的风控理念不应该是传统信贷下的控不良，提高资产质量这些东东，而应该转向 —— “收益覆盖风险”的理念，并且贯彻执行，这就是所谓的风控理念契合自动化审批的本质。“收益覆盖风险”其实很好理解，我来卖香蕉，当天卖不出去的香蕉会烂掉，香蕉成本一根 2 元，销售价格一根 3 元，正常情况下一天能卖出 10 根，但我觉得我的香蕉是从巴厘岛进的，比国产的甜，于是提价销售，5 元一根，这下我一天可能只能卖出去 8 根了，还烂掉了 2 根，但是每天多赚的钱（5*8-3*10）已经能覆盖我烂掉香蕉的损失（2*2），甚至都可以覆盖机会成本（2*3），这就是收益覆盖风险。在银行角度，就是通过提高贷款效率、放款额度、放低担保要求等手段改善贷款人体验，获得更好的定价水平，从而覆盖由自动审批带来的不良资产损耗。
在全流程的角度，我们有专注于营销的客户经理，负责大量推送客户，有标准化的源头数据要求，控制进入信贷流程的每一个数据和资料都是标准的，有特色化的评价模型，可以做到人工少干预、或不干预的自动审批，同时又全流程明细职责的分工，确保案件流转线性，平顺。
辅以远程操作、影像传输、数据同步调阅这些信息科技支撑，现在很多银行都可以做秒贷了，秒贷也许夸张了点，但在我的实际经验中，100 万以内的贷款上午申请，下午拿钱还是很容易做到的，即使是上千万的贷款，3 天内放款是正常的速度，和互联网金融比，即使单论速度也不落下风。
而以如上的信贷全流程理念来看，大数据的局限性就凸显出来了，假设我们有了大数据，嵌入到全流程，也无非是对模型进一步的优化，另外对下沉的零售和小微批量贷款有所裨益，其他的方面，尤其是处理大额贷款审批上，帮助甚微。
我不否认大数据是实时造英雄，是趋势，是潮流，但我也坚信优化后的传统信贷流程依然会有他的不可替代性。它们在各自的领域都在发挥着积极的作用，而真正喜闻乐见的是二者的融合，要多久？不远的将来吧。
我叙述的一些自动化信贷的原则可能有一点点偏理论，而排名考前的答案提到了几个问题都是实际操作中遇到的，写答案的答主们内行人一看就知道干过审批或者客户经理，就这些问题简单阐述下自己的看法：
问题 1：中国信用混乱，骗贷问题严重，报表虚假，你连数据来源都无法保证是真实的，你怎么用模型套审批？
中国有句古语叫“因噎废食”，可能话有点重，但我个人确实是这么看的。的确我们有时无法保证“所有的数据”全部是准确的，也无法保证“每个客户”都有一个匹诺曹的鼻子，但我们可以确定的是“大部分客户“是诚实、守信的，而我们”风险覆盖收益“的核心就是抓住那些”大部分“，覆盖那些”小部分“，一个黑板上如果出现了一个白点，我们总不能叫它”白板“吧？通俗点讲，你手段高超，骗到了贷款，逾期，不良，我认了。
但在实际业务中，我们还是有多个环节去控制这部分的风险，让”我认了“这个比例进一步的缩小。
- 我们有现场调查，我们一直聊的是高效的流程，从来没说过我们要省略现场调查，而恰恰由于我们前期锁定了营销的目标行业，使得我们调查的目标也就更有针对性。我们可以通过聘请行业专家制定现场调查内容和任务，甚至在团队中加入行业专家作为调查人员，从而保证我们的现场调查精准而快速。
- 我们有数据交叉验证，如果我们的目标群体是小贷，报表还原的功力则不一定是每个想骗贷的客户都具备的，而随着经验的积累，我们对于交叉验证的手段也逐渐增多，幸运的是，我们不需要就复杂的毛利率和经营成本还原公式对员工进行培训，一个简单的信贷系统升级可以将这个工作不动声色的完成。
问题 2：实际业务中，掌握大部分风险的仍然是客户经理，如果客户经理和企业串通骗贷，成功几率极高，如果批量审批，资产恶劣程度高。
以历史的角度看客户经理串通客户骗贷屡见不鲜，而从趋势上看，应用工厂化信贷工厂流程也刚好是解决这个问题的最好方式。
客户经理参与全流程是传统信贷的弊端之一，也是滋生案件的温床，而我们现在将职责打散划分，客户经理只负责营销，确定贷款意向后，现场调查是另外一拨团队，贷后检查则是又一拨团队，从源头上剥夺了客户经理的评价权和决定权，这样对客户经理带来的好处就是客户经理同样也不用为后续产生的不良而担心，只管扫街就好。客户如果想腐化银行的三个调查团队，呵呵，等卒。
问题 3：企业是数据是实时动态的，如何监测，还不是要靠人工现场看。
这个是个贷后问题。贷后一直以来是个难点，直到有了标准化营销。当我们针对某个行业制定营销策略的同时，就应该把贷后监测的主要内容和范围清晰化，这一点同贷前检查的道理是一致的。
动态的财务数据现在更不是问题了，ERP 对接银行信贷系统十年前就不是新玩意了，动态提取企业财报数据，甚至直接同会计师事务所获取数据都已经是在运作的事情，至于监测的过程，要分为现场和非现场两部分，请参考之前写的贷前数据部分。
我还是不能否认实操业务中有这样那样的可能性，但我更不能否认流程化审批、快速信贷是银行发展的趋势，阅读到之前的答案能感觉到答主们深厚的经验和积累的实例，但我可能不得不承认他们无形中放大了对”骗贷“这个事件的影响力度，这种意识形态究其根源是各行，尤其是四大行一直在不良率控制上采取高压策略，连坐问责，总行压分行、分行压支行，稽核压风险、风险压客户经理，最终导致大家谈”不良“色变，生怕自己过手的东西出问题，不好意思，我们现在是 21 世纪了，1990s 的理念该让让位了。
富国在推动”收益覆盖风险“的过程中也经历过阵痛，这种变革不是简单的组织结构和流程节点，而是挖心掏肺的理念变革，我从来没说过这条路简单，因为它不会简单，它要求管理层战略上的魄力和财务上的精准控制。而在今天，从业八年，几乎干遍银行各个工作的我直观的感受是，现在的部分中国金融机构可以适时的推动这种理念上的变革了。
站在铁轨上对着迎面开来的火车希望它停下，还是提前买票上车欣赏沿途的风景，to me, there is not even a choice。