摘要：金融业是基于数据和信息的服务性行业。随着金融科技的不断发展，大数据技术将在金融业得到越来越广泛和深入的应用。商业银行在长期的业务开展过程中积累了大量有价值的核心数据，特别是客户的信用及行为数据，从而为未来有效利用大数据奠定了很好的基础。利用大数据对客户信息深度挖掘，在客户拓展、风险识别、主动管理等方面积极探索新的管理工具和方法，已日益成为商业银行提升核心竞争力的重要手段。本文以某商业银行一级分行借助技术实现的对公客户画像系统功能为切入点，进一步探讨了客户画像体系的方法及其应用，重点是通过大数据挖掘分析赋能客户的精准营销和风险预警，旨在为商业银行的客户结构优化及智能风控探索新的路径。
关键词：大数据；商业银行；对公客户；画像体系
一、商业银行对公客户画像的应用背景
2015 年，国务0院出台的《促进大数据发展行动纲要》指出，“数据已成为国家的基础性战略资源，大数据日益成为推动经济转型和发展的新动力”。2016 年，银监会发布《中国银行业信息科技“十三五”发展规划监管指导意见》，针对大数据的发展，要求银行业要“主动制定大数据战略，积极建立大数据服务体系，加强数据共享，深化大数据应用，充分发挥数据价值”。
随着互联网金融服务机构的发展，以个人消费者和小微企业为目标客户群的信贷产品蓬勃发展，越来越多的商业银行将金融科技发展提升至战略高度，并积极构建基于大数据技术的对私客户画像体系，助力个人金融、网络金融、银行卡业务等领域的发展和数字化运营。例如，结合画像和人脸识别技术搭建智能柜台，提升对私客户的服务体验，并通过手机银行APP 等渠道，定向推荐与其投资偏好、消费能力相符的定制产品，提升用户粘性和推广效率；同时，对非营业时间交易、客户频繁交易等行为进行监测，促进运营精准化。
就对公客户而言，得益于政府支持企业法人公共信用信息的互联共享，获取其生产经营、投资管理、司法诉讼、外部舆情、信用行为等信息的渠道逐渐多样化，对公客户画像也逐步具备了研究及应用的基础。商业银行构建对公客户画像体系，有助于精准把握企业特征，有效实施客户分层管理，在贷前、贷中、贷后环节实现更精准的营销和风控。
二、商业银行对公客户画像体系的构建步骤
客户画像技术可以通过整合商业银行跨条线的内部数据，引入多元化的外部数据，描绘客户全景画像并挖掘客户的内在关联, 构建对公客户关联图谱。这可有效疏通银行内部数据不联通、外部信息不对称、营销及风控缺乏抓手的管理瓶颈。下文将结合某商业银行一级分行客户画像体系的构建及其应用实例，介绍对公客户画像构建的方法及其实践。对公客户画像体系的构建过程主要包括以下步骤。
（一）整合客户信息，设定多维度标签
通过整合商业银行内部各条线分散的客户信息，与来自工商、司法、税务、舆情、政府公共信用信息等外部数据结合，从客户的工商注册、股权投资、信用状况、管理人员资
质、运营管理能力、生产经营状况及财务情况等角度进行提炼，形成对公客户标签。标签具体可分为以下五类（见图1）：
第一，客户基本特征，包括客户类型、所属行业、客户资质等客户身份特质。
第二，客户关联信息，涉及担保圈情况、合作机构性质、集团关系、关联方风险等信息，用以考察客户关联关系的复杂性和多样性。
第三，客户履约能力，用以考察客户履行合同的实际能力、支付能力。
第四，客户行为偏好，用以考察对公客户的经营行为、交易行为、投资行为、公共行为中存在的规律或习惯。
第五，客户信用历史，通过行政部门以及司法部门对客户的信用评价，了解客户经营过程中的不良行为。
（二）结合标签构建有效数据模型
客户打标的核心是根据客户特征构建数据模型。根据不同的实现方式，对公客户标签的数据模型分为两类。一类是规则类模型。该模型按照业务规则，通过统计分析运算获得标签值。例如，在分析客户的股权结构时，可分别设定阈值X 和Y 用于判断客户股权是否集中。如果客户前N 大股东的持股比例超过X%，即为股权集中，如果持股比例低于Y%，则为股权分散。另一类是挖掘预测类模型。该模型基于统计学中的决策树、回归等数学模型建模，探索各指标之间的相关性，通过多次迭代训练提升模型精度，并预测客户具有某项特征的概率（见图2）。例如，如果验证发现客户日均存款、取现、同名划转等指标变化
情况与客户违约存在相关性，则可使用这些指标构建逻辑回归模型，通过Sigmoid函数，将预测违约概率映射在区间[0,1] 内，再通过极大似然估计绘制拟合曲线，完成对客户违约概率的预测。
（三）量化分析标签情感倾向
围绕情感倾向对标签进行分类，以支持客户画像的直观展现。例如，客户拥有的多项资质、高资产、高贡献等特征体现了客户的优势，标记为正面标签；客户负面舆情、财务状况恶化涉诉、欠税及环保处罚等特征体现了客户的经营负向变动或出现违约行为，标记为负面标签；客户经营规模、融资方式、交易时段等特征的客观描述，标记为中性标签。通过量化分析客户标签的情感倾向程度，并将客户多维度标签按场景进行汇总，即可形成完整、立体的客户画像。该客户画像有助于商业银行快速认知客户，实现差异化营销及智能化预警。
三、商业银行对公客户画像的实际应用
客户画像体系既能描述单一客户特征，又能通过对客户群体的全覆盖，实现按共性特
征分层，完成客群快速识别与筛选。在此基础上，再通过目标客群与产品属性的交叉匹配，可提升客群分类拓展的效率，并助力客户结构优化。通过对标签情感倾向的量化分析，结合负向标签与风险特征的匹配，可筛查具备潜在风险隐患的客群及其关联名单，强化风险预警的时效性，防范风险沿关联关系传导。结合客户正向标签分析客户行为特征，通过关联关系挖掘业务机会，锁定优质客群。
（一）粗细结合刻画客户特征“速描”
在新形势下，商业银行面对的既有跨区域、跨行业的大型集团企业，又有成千上万生命周期快速更迭的小微企业。这导致银行的客户信息分散、银企信息不对称、集团客户信息整合度不够等问题，使银行在营销获客和风险识别方面较为被动。通过建立以客户为中心的系统，可以运用技术实现抽取内外部多渠道数据的客户“速描”功能，便于既概要、又直观地掌握客户特征。
以客户A 为例（见图3）。该企业处于高端制造装备行业，是新三板上市的民营公司，具有高资产、股权集中的特点；薪资水平高于行业平均；拥有资质和专利，被纳入政府支持的名单；与多家银行有授信合作，授信产品以贷款为主，为银行产生了较高的利润贡献。通过对该客户的画像分析，基本可以判断该客户具有较高的行业地位，符合国家政策指导方向，处于企业成长周期，是金融机构争抢的对象，应该匹配相应的信贷产品并针对性地加强对该客户的支持力度；同时，还可以通过税务、海关以及银行内部交易记录等数据，分析其业务往来对象，进行拓客营销。
除了客户的基础特征画像，为了实现业务需求以及管理目标，还可以将多维度标签指标通过模型进行量化、分类、组合，最终形成适用特定场景的客户专业画像，包括高潜质客户画像、流失客户画像、财务欺诈画像等。此类客户专业画像可用于客户维护、产品推
荐、预警识别、反欺诈、数字化运营等众多领域。例如，可基于已流失客户的行业属性、账户交易等数据，挖掘特征标签绘制流失客户画像，协助业务人员分析客户流失的原因；也可通过预警类标签，筛选出有潜在流失趋势的客户，再结合营销和产品推荐类标签，为业务人员提供流失客户找回的可行性建议。
（二）客群打标支持客户结构优化
商业银行面对宏观经济环境和行政指导政策的不断变化，必须随时把握航向，检视业务发展与战略规划的实际偏差。通过客户画像可以“见微知著”地描绘存量客户结构特征，了解存量客户的结构分布，从行业、地区、产品、资产、交易、财务等多维度快速圈定待调
整客群。
图4 为某商业银行一级分行对公客户的标签样本分布。该图显示，该行客群特点为国有企业占比相对较大，具有高资产、股权较集中的特点；集团成员客户较多，拥有的行业资质较多，授信产品以贷款为主。
基于上述客群特点，通过客户类型、价值信息、授信情况等标签可快速检索出目标客群，从正、负两个维度进行客户结构优化：一是拓展客户类型，如把上市公司、军民融合、国企改革、高端制造、住房租赁等作为重点客群拓展方向；二是提高客户粘性，如对高资产、低贡献客户，以及具有技术创新能力较强、盈利能力较好、行业符合政策指导等画像特征的客户，可通过分析其交易习惯调整对其的授信产品，提高资本利用率；三是圈定风险客户，对具有环保不达标、外部负面信息集聚、涉及担保圈和关键诉讼，股票质押比例较高、经营状况恶化等画像特征的客户，在存量上主动压降，增量则避而远之。
（三）挖掘关联路径形成客群画像
基于多维度数据，以客户为核心，以信息传递为路径，从股权、投资、资金往来、业务
往来、担保、被担保、核心管理层、集团等八个维度绘制关联关系图谱（见图5）。在关联路径上的每个节点就是一个关联企业（或其控股股东、实际控制人），每个企业特有的客户画像，形成关联客群的画像体系，体现出群体特征属性。通过此类客群画像可以挖掘出关联关系链上有价值、有潜力的客户，针对客户特征及其业务需求，结合产品和服务进行有针对性的营销拓展。同时，关联关系的挖掘还可以使客户画像的有效信息得以延展, 突破企业自身信息的限制；此外，也可以识别出关系链上的风险因素，及时排查风险，实现客户价值的有效挖掘和风险预判。
（四）动态画像跟踪客户变化
随着外部环境和市场条件的变化，客户的状态也会处于动态变化之中，因此客户画像不会是一成不变的。这就要求客户画像体系不能仅限于合成客户的时点“快照”，还要追溯研究客户的历史相册，通过定期抓取客户特征标签，绘制其时点画像。通过对客户的特征变化进行持续跟踪，可以描绘客户特征随时间序列的变化，并通过预测模型研究其未来的趋势，为客户的增持、减退提供决策依据。
当前，商业银行存在客户信息分散、营销粗放等问题，而对公客户画像不仅可以对单一客户进行快速识别和特征定位，还可以实现客群的分层与筛选。基于特征标签的对公客户画像体系的建设，有助于商业银行精准实施对公客户的个性化服务以及客群的分层管理，为客户结构优化提供精准的全流程支持。
因篇幅问题不能全部显示，请点此查看更多更全内容