銀行對公授信數(shù)字化轉型——營銷與風控

銀行對公授信數(shù)字化轉型
營銷與風控
【培訓背景】

2018年,國內經(jīng)濟去杠桿，因上市公司商譽減值、負債擴張、股權質押爆倉、利益輸
送等風險因素，給某銀行新增的不良貸款余額，占比超過當年新增不良的60%；

2019年，中美貿(mào)易戰(zhàn)，受區(qū)域政策影響，某銀行因介入總部型企業(yè)、外貿(mào)型企業(yè)和境
外客戶較多，其貿(mào)易融資業(yè)務新增不良余額，占比超過當年新增不良的40%；

2020年，進入后疫情時代，外部環(huán)境不確定性更加顯著，中美關系、中印關系、中歐
關系等復雜多變，會更加深刻地影響更多企業(yè)，而更多的對公不良貸款也可能因此而產(chǎn)
生；

2021年，…… ……

在經(jīng)濟增速下行、疫情防控常態(tài)化的背景下，監(jiān)管要求和業(yè)務發(fā)展的雙重壓力，為商
業(yè)銀行數(shù)字化轉型按下快進鍵。過去的20年中，互聯(lián)網(wǎng)連接平臺與個人消費者，使零售
業(yè)務在銀行數(shù)字化轉型中得到較好發(fā)展；與此同時，銀行對公業(yè)務，由于非標特性，使
得數(shù)字化轉型相對滯后。因此，能否“非標轉標”，成為對公業(yè)務數(shù)字化轉型關鍵。

對公授信業(yè)務的數(shù)字化轉型，特別是數(shù)字化風控建設，是商業(yè)銀行未來長期高效發(fā)展
的重中之重，必須給予足夠重視。

【培訓對象】

各銀行董事長、行長，總分行風險管理部、授信審批部、貸后管理部、公司銀行部、
網(wǎng)絡金融部、公司金融部、數(shù)字銀行部、智慧銀行部等部門負責人及業(yè)務骨干。

【培訓目標】

幫助各家銀行理順對公授信業(yè)務數(shù)字化轉型思路，了解基于事件語義理解和事件圖譜
的對公業(yè)務風險管理數(shù)字化解決方案，認識到建設對公數(shù)字化風控體系的重要性和緊迫
性，初步掌握建立對公授信業(yè)務數(shù)字化風控體系的主要內容，明確對公數(shù)字化風控的實
施路徑。

【培訓收益】

本次培訓，由精通對公授信業(yè)務數(shù)字化風控技術的實戰(zhàn)型老師，帶來商業(yè)銀行對公數(shù)
字化風控解決方案。授課內容全程干貨，以期幫助商業(yè)銀行，盡快領會對公業(yè)務數(shù)字化
風控理念，熟悉并初步掌握大數(shù)據(jù)風控技術，了解對公授信客戶如何進行全生命周期風
險管理，懂得如何善用數(shù)字化技術手段，將信貸專家經(jīng)驗與智能風控系統(tǒng)相結合，實現(xiàn)
對公授信業(yè)務數(shù)字化風控。

其中，對公客戶風險預審及前置篩查，企業(yè)風險穿透識別整合，表單資料智能提取錄
入，盡調報告內容支持，專家知識復用，多維風險排查，風險信號排查管控，金融事件
中心構建，金融風險指標體系構建，風險提示規(guī)則配置，管理者駕駛艙，非結構化數(shù)據(jù)
智能解析，金融事件圖譜分析，數(shù)字化風險預警指標，企業(yè)風險畫像等內容，將會幫助
大家打破傳統(tǒng)對公授信業(yè)務風控思維慣性，掌握大數(shù)據(jù)風控核心技能，進而推進對公授
信業(yè)務數(shù)字化風控轉型。

培訓不是目的，落地才是關鍵！

做為實戰(zhàn)派講師，將帶來對公業(yè)務數(shù)字化風控與企業(yè)商機分析及營銷獲客兩大實用系
統(tǒng)，幫助各家商業(yè)銀行迅速部署實施，在短時間內獲得對公授信業(yè)務的數(shù)字化轉型落地
方案！



【培訓課綱】

第一篇 取 勢
第一節(jié)：什么是銀行數(shù)字化轉型？
1. 銀行數(shù)字化轉型到底是什么？
2. 銀行必須進行數(shù)字化轉型嗎？
3. 銀行數(shù)字化轉型必須先轉變思維！
4. 對公數(shù)字化轉型VS零售數(shù)字化轉型
第二節(jié)：銀行對公數(shù)字化轉型的內在本質是什么？
1. 數(shù)字化轉型的外在理解
2. 不同時代的思維特征與核心要素
3. 銀行數(shù)字化轉型需要的業(yè)務思維轉變
4. 銀行數(shù)字化轉型需要的技術思維轉變
第二篇 明 道
第一節(jié)：銀行對公數(shù)字化轉型的數(shù)字成果（某行實際案例）
1. 解放客戶經(jīng)理的雙手和大腦，讓客戶經(jīng)理工作人天縮減兩倍以上！
2.
顯著提升風控效果，讓企業(yè)風險排查覆蓋率達到100%并可提前數(shù)月預警風險！


3. 大幅增長工作效能，讓對公授信業(yè)務的工作效率至少提升150%以上！
4. 極大降低業(yè)務成本，讓分行級貸后風險經(jīng)理工作量一年可減少2000人天！
5. 有效提升行長全局掌控能力，讓對公業(yè)務真正實現(xiàn)可視化、全面化掌控！
第二節(jié)：銀行對公數(shù)字化轉型的五種模式
1. 模式一：某大行“3+2+1”對公做精策略
2. 模式二：某區(qū)域性銀行對公資產(chǎn)業(yè)務數(shù)字化轉型之路
3. 模式三：某大行分行對公授信全流程數(shù)字化轉型
4. 模式四：產(chǎn)業(yè)鏈金融服務開放化轉型
5. 模式五：區(qū)塊鏈技術在商業(yè)銀行的應用
第三節(jié)：“吐槽大會”——傳統(tǒng)對公授信業(yè)務的痛點與難點
1. 客戶經(jīng)理難以多方廣泛收集企業(yè)信息的槽點
2. 行內各位審貸專家審貸標準不一致的槽點
3. 貸后管理與預警耗時費事不精準的槽點
4. 行長無法及時掌握對公業(yè)務全貌的槽點
第三篇 優(yōu) 術
第一節(jié)：對公授信風控數(shù)字化方案如何提升銀行效能
1. 用數(shù)字化方式幫助銀行全面整合多源風險信息
2. 數(shù)據(jù)智能如何驅動數(shù)據(jù)事件理解及風險挖掘
3. 與專家智識相結合的業(yè)務風險便捷監(jiān)控
4. 如何實現(xiàn)對公授信客戶全流程智能管控
5. 對公客戶監(jiān)控指標要做到自定義靈活配置
案例解析：
（從上海建坤破產(chǎn)事件看對公授信數(shù)字化風控，如何實現(xiàn)對企業(yè)多維度風險預警）


第二節(jié)：數(shù)字化如何助力銀行實現(xiàn)對公客戶全程風控決策支持
1. 貸前：預審盡調及報告支持（自動化、智能化加持）
1. 企業(yè)預授信分析建模，精準剖析企業(yè)風險
2. 系統(tǒng)自動出具盡調報告，節(jié)省80%以上時間
3. 智能化文檔要素抽取，提高信貸效率
2. 貸中：貸中評審及風險篩查（全方位、精準化風控）
1.
專家知識復用，指標趨勢分析和行業(yè)對標分析，個性化定制指標深入分析
2.
多維風險排查：股權維度、財務維度、輿情維度、行業(yè)維度、關聯(lián)維度、專
項分析
3. 現(xiàn)實案例：
（對公授信數(shù)字化體系已成功輔助某分行審貸官審批超過百億規(guī)模授信。）
3. 貸后：預警配置及排查管控（數(shù)字化、實時化預警）
1. 數(shù)字化風險排查——構建企業(yè)全面風險畫像
2. 數(shù)字化風險管控——及時追蹤風險處理情況
3. 數(shù)字化貸后監(jiān)控——構建實時監(jiān)控預警體系
案例解析：
（對某分行對公業(yè)務風險識別準確率達86%；平均預警時效比歷史實際發(fā)現(xiàn)提前數(shù)月
；分行預警近400家管戶，風險敞口近百億；貸后每年累計節(jié)約風險經(jīng)理工作量約2000人
天。）
第三節(jié)：數(shù)字化如何實現(xiàn)對公客戶風險發(fā)現(xiàn)、追蹤與傳導分析
1. 銀行如何通過事件語義理解發(fā)現(xiàn)風險
2. 銀行如何通過事件圖譜分析預見風險
3. 銀行如何通過指標模型計算量化風險
4. 銀行如何通過數(shù)據(jù)智能解析管控風險
案例解析：
（自動識別某企業(yè)風險事件，實現(xiàn)多維度傳導式風險預警）
第四節(jié)：對公授信數(shù)字化風控的系統(tǒng)功能架構應具備什么條件
1. 業(yè)務應用層面：
1. 客戶經(jīng)理需要通過對公數(shù)字化體系解決的問題
2. 審貸官們需要通過對公數(shù)字化體系解決的問題
3. 風險經(jīng)理需要通過對公數(shù)字化體系解決的問題
4. 各位行長需要通過對公數(shù)字化體系解決的問題
2. 業(yè)務分析層面：
1. 如何運用數(shù)字化技術進行股東股權分析
2. 如何運用數(shù)字化技術進行公司及財務分析
3. 如何運用數(shù)字化技術進行公司及行業(yè)輿情分析
4. 如何運用數(shù)字化技術進行關聯(lián)風險傳導分析
5. 如何運用數(shù)字化技術進行行業(yè)專項分析
3. 數(shù)據(jù)服務層面：
1. 銀行怎樣理解與運用“金融事件中心”
企業(yè)-事件-關聯(lián)方，事件-指標-基本面
2.
銀行如何有效運用金融事件流語義處理引擎與金融數(shù)據(jù)指標批處理引擎
3. 銀行如何采用數(shù)字化手段整合海量多元異構源數(shù)據(jù)
第五節(jié)：數(shù)字化如何實現(xiàn)對公授信客戶風險穿透識別整合（結合案例）
1. 通過事件、指標、關系實現(xiàn)風險穿透識別
2. 在結構化與非結構化數(shù)據(jù)中理解企業(yè)事件
3. 專家智識轉化為數(shù)字化風險預警指標
4. 智能企業(yè)關系識別與事件圖譜構建
5. 金融事件中心直觀展示智能處理結果
第六節(jié)：如何運用數(shù)字化手段實現(xiàn)對公授信客戶風險排查（結合案例）
1. 企業(yè)風險畫像
1. 深度識別（專家經(jīng)驗+數(shù)據(jù)驅動）
2. 廣度識別（企業(yè)關系+事件圖譜）
3. 企業(yè)風險識別、分析與傳導
2. 多維風險畫像
1. 財務分析
2. 動產(chǎn)抵押
3. 股權質押
4. 輿情事件
5. 關聯(lián)風險傳導
6. 行業(yè)專項分析
3. 構建分析體系
1. 風險評估模型
2. 指標事件分析
3. 風險事件標簽
4. 綜合風險分數(shù)計算
4. 貸前盡調篩查
1. 深度分析與可視化展示
2. 各模塊簡報生成與導出
3. 評級/授信/盡調報告內容支持
5. 貸中/貸后風險實時可視化
第七節(jié)：公司客戶數(shù)字化營銷
1. 公司客戶數(shù)字化營銷痛點分析
1. 發(fā)現(xiàn)優(yōu)質客戶難——挖掘數(shù)據(jù)資產(chǎn)價值
2. 客戶了解不深入——提升存量客戶價值
3. 事務性工作繁重——智能工具提高效率
2. 公司客戶數(shù)字化營銷解決思路
1. 價值——發(fā)現(xiàn)好企業(yè)，發(fā)現(xiàn)好商機
2. 體系——數(shù)據(jù)、標簽與平臺
3. 形式——銀行應用場景
3. 公司客戶數(shù)字化營銷技術實現(xiàn)
1. 企業(yè)智能營銷情報
2. 產(chǎn)業(yè)鏈及政策情報
3. 企業(yè)盡調分析報告
4. 對公授信業(yè)務數(shù)字化平臺
5. 對公營銷標簽體系打造
4. 典型案例
1. 某股份行：企業(yè)商機智能發(fā)現(xiàn)
2. 某國有行：業(yè)務自動化報告及客戶風險識別
3. 某外資行：企金數(shù)智化平臺&自動化分析報告
4. 投行業(yè)務：商機信號推送——業(yè)務商機動態(tài)數(shù)據(jù)庫（投行版）

吳易璋老師的其它課程