銀行對(duì)公授信數(shù)字化轉(zhuǎn)型——營(yíng)銷與風(fēng)控

銀行對(duì)公授信數(shù)字化轉(zhuǎn)型
營(yíng)銷與風(fēng)控
【培訓(xùn)背景】

2018年,國(guó)內(nèi)經(jīng)濟(jì)去杠桿，因上市公司商譽(yù)減值、負(fù)債擴(kuò)張、股權(quán)質(zhì)押爆倉(cāng)、利益輸
送等風(fēng)險(xiǎn)因素，給某銀行新增的不良貸款余額，占比超過(guò)當(dāng)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(wù)新增不良余額，占比超過(guò)當(dāng)年新增不良的40%；

2020年，進(jìn)入后疫情時(shí)代，外部環(huán)境不確定性更加顯著，中美關(guān)系、中印關(guān)系、中歐
關(guān)系等復(fù)雜多變，會(huì)更加深刻地影響更多企業(yè)，而更多的對(duì)公不良貸款也可能因此而產(chǎn)
生；

2021年，…… ……

在經(jīng)濟(jì)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(wù)發(fā)展的雙重壓力，為商
業(yè)銀行數(shù)字化轉(zhuǎn)型按下快進(jìn)鍵。過(guò)去的20年中，互聯(lián)網(wǎng)連接平臺(tái)與個(gè)人消費(fèi)者，使零售
業(yè)務(wù)在銀行數(shù)字化轉(zhuǎn)型中得到較好發(fā)展；與此同時(shí)，銀行對(duì)公業(yè)務(wù)，由于非標(biāo)特性，使
得數(shù)字化轉(zhuǎn)型相對(duì)滯后。因此，能否“非標(biāo)轉(zhuǎn)標(biāo)”，成為對(duì)公業(yè)務(wù)數(shù)字化轉(zhuǎn)型關(guān)鍵。

對(duì)公授信業(yè)務(wù)的數(shù)字化轉(zhuǎn)型，特別是數(shù)字化風(fēng)控建設(shè)，是商業(yè)銀行未來(lái)長(zhǎng)期高效發(fā)展
的重中之重，必須給予足夠重視。

【培訓(xùn)對(duì)象】

各銀行董事長(zhǎng)、行長(zhǎng)，總分行風(fēng)險(xiǎn)管理部、授信審批部、貸后管理部、公司銀行部、
網(wǎng)絡(luò)金融部、公司金融部、數(shù)字銀行部、智慧銀行部等部門負(fù)責(zé)人及業(yè)務(wù)骨干。

【培訓(xùn)目標(biāo)】

幫助各家銀行理順對(duì)公授信業(yè)務(wù)數(shù)字化轉(zhuǎn)型思路，了解基于事件語(yǔ)義理解和事件圖譜
的對(duì)公業(yè)務(wù)風(fēng)險(xiǎn)管理數(shù)字化解決方案，認(rèn)識(shí)到建設(shè)對(duì)公數(shù)字化風(fēng)控體系的重要性和緊迫
性，初步掌握建立對(duì)公授信業(yè)務(wù)數(shù)字化風(fēng)控體系的主要內(nèi)容，明確對(duì)公數(shù)字化風(fēng)控的實(shí)
施路徑。

【培訓(xùn)收益】

本次培訓(xùn)，由精通對(duì)公授信業(yè)務(wù)數(shù)字化風(fēng)控技術(shù)的實(shí)戰(zhàn)型老師，帶來(lái)商業(yè)銀行對(duì)公數(shù)
字化風(fēng)控解決方案。授課內(nèi)容全程干貨，以期幫助商業(yè)銀行，盡快領(lǐng)會(huì)對(duì)公業(yè)務(wù)數(shù)字化
風(fēng)控理念，熟悉并初步掌握大數(shù)據(jù)風(fēng)控技術(shù)，了解對(duì)公授信客戶如何進(jìn)行全生命周期風(fēng)
險(xiǎn)管理，懂得如何善用數(shù)字化技術(shù)手段，將信貸專家經(jīng)驗(yàn)與智能風(fēng)控系統(tǒng)相結(jié)合，實(shí)現(xiàn)
對(duì)公授信業(yè)務(wù)數(shù)字化風(fēng)控。

其中，對(duì)公客戶風(fēng)險(xiǎn)預(yù)審及前置篩查，企業(yè)風(fēng)險(xiǎn)穿透識(shí)別整合，表單資料智能提取錄
入，盡調(diào)報(bào)告內(nèi)容支持，專家知識(shí)復(fù)用，多維風(fēng)險(xiǎn)排查，風(fēng)險(xiǎn)信號(hào)排查管控，金融事件
中心構(gòu)建，金融風(fēng)險(xiǎn)指標(biāo)體系構(gòu)建，風(fēng)險(xiǎn)提示規(guī)則配置，管理者駕駛艙，非結(jié)構(gòu)化數(shù)據(jù)
智能解析，金融事件圖譜分析，數(shù)字化風(fēng)險(xiǎn)預(yù)警指標(biāo)，企業(yè)風(fēng)險(xiǎn)畫像等內(nèi)容，將會(huì)幫助
大家打破傳統(tǒng)對(duì)公授信業(yè)務(wù)風(fēng)控思維慣性，掌握大數(shù)據(jù)風(fēng)控核心技能，進(jìn)而推進(jìn)對(duì)公授
信業(yè)務(wù)數(shù)字化風(fēng)控轉(zhuǎn)型。

培訓(xùn)不是目的，落地才是關(guān)鍵！

做為實(shí)戰(zhàn)派講師，將帶來(lái)對(duì)公業(yè)務(wù)數(shù)字化風(fēng)控與企業(yè)商機(jī)分析及營(yíng)銷獲客兩大實(shí)用系
統(tǒng)，幫助各家商業(yè)銀行迅速部署實(shí)施，在短時(shí)間內(nèi)獲得對(duì)公授信業(yè)務(wù)的數(shù)字化轉(zhuǎn)型落地
方案！



【培訓(xùn)課綱】

第一篇 取 勢(shì)
第一節(jié)：什么是銀行數(shù)字化轉(zhuǎn)型？
1. 銀行數(shù)字化轉(zhuǎn)型到底是什么？
2. 銀行必須進(jìn)行數(shù)字化轉(zhuǎn)型嗎？
3. 銀行數(shù)字化轉(zhuǎn)型必須先轉(zhuǎn)變思維！
4. 對(duì)公數(shù)字化轉(zhuǎn)型VS零售數(shù)字化轉(zhuǎn)型
第二節(jié)：銀行對(duì)公數(shù)字化轉(zhuǎn)型的內(nèi)在本質(zhì)是什么？
1. 數(shù)字化轉(zhuǎn)型的外在理解
2. 不同時(shí)代的思維特征與核心要素
3. 銀行數(shù)字化轉(zhuǎn)型需要的業(yè)務(wù)思維轉(zhuǎn)變
4. 銀行數(shù)字化轉(zhuǎn)型需要的技術(shù)思維轉(zhuǎn)變
第二篇 明 道
第一節(jié)：銀行對(duì)公數(shù)字化轉(zhuǎn)型的數(shù)字成果（某行實(shí)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(fēng)控效果，讓企業(yè)風(fēng)險(xiǎn)排查覆蓋率達(dá)到100%并可提前數(shù)月預(yù)警風(fēng)險(xiǎn)！


3. 大幅增長(zhǎng)工作效能，讓對(duì)公授信業(yè)務(wù)的工作效率至少提升150%以上！
4. 極大降低業(yè)務(wù)成本，讓分行級(jí)貸后風(fēng)險(xiǎn)經(jīng)理工作量一年可減少2000人天！
5. 有效提升行長(zhǎng)全局掌控能力，讓對(duì)公業(yè)務(wù)真正實(shí)現(xiàn)可視化、全面化掌控！
第二節(jié)：銀行對(duì)公數(shù)字化轉(zhuǎn)型的五種模式
1. 模式一：某大行“3+2+1”對(duì)公做精策略
2. 模式二：某區(qū)域性銀行對(duì)公資產(chǎn)業(yè)務(wù)數(shù)字化轉(zhuǎn)型之路
3. 模式三：某大行分行對(duì)公授信全流程數(shù)字化轉(zhuǎn)型
4. 模式四：產(chǎn)業(yè)鏈金融服務(wù)開放化轉(zhuǎn)型
5. 模式五：區(qū)塊鏈技術(shù)在商業(yè)銀行的應(yīng)用
第三節(jié)：“吐槽大會(huì)”——傳統(tǒng)對(duì)公授信業(yè)務(wù)的痛點(diǎn)與難點(diǎn)
1. 客戶經(jīng)理難以多方廣泛收集企業(yè)信息的槽點(diǎn)
2. 行內(nèi)各位審貸專家審貸標(biāo)準(zhǔn)不一致的槽點(diǎn)
3. 貸后管理與預(yù)警耗時(shí)費(fèi)事不精準(zhǔn)的槽點(diǎn)
4. 行長(zhǎng)無(wú)法及時(shí)掌握對(duì)公業(yè)務(wù)全貌的槽點(diǎn)
第三篇 優(yōu) 術(shù)
第一節(jié)：對(duì)公授信風(fēng)控?cái)?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(fēng)險(xiǎn)信息
2. 數(shù)據(jù)智能如何驅(qū)動(dòng)數(shù)據(jù)事件理解及風(fēng)險(xiǎn)挖掘
3. 與專家智識(shí)相結(jié)合的業(yè)務(wù)風(fēng)險(xiǎn)便捷監(jiān)控
4. 如何實(shí)現(xiàn)對(duì)公授信客戶全流程智能管控
5. 對(duì)公客戶監(jiān)控指標(biāo)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(duì)公授信數(shù)字化風(fēng)控，如何實(shí)現(xiàn)對(duì)企業(yè)多維度風(fēng)險(xiǎn)預(yù)警）


第二節(jié)：數(shù)字化如何助力銀行實(shí)現(xiàn)對(duì)公客戶全程風(fēng)控決策支持
1. 貸前：預(yù)審盡調(diào)及報(bào)告支持（自動(dòng)化、智能化加持）
1. 企業(yè)預(yù)授信分析建模，精準(zhǔn)剖析企業(yè)風(fēng)險(xiǎn)
2. 系統(tǒng)自動(dòng)出具盡調(diào)報(bào)告，節(jié)省80%以上時(shí)間
3. 智能化文檔要素抽取，提高信貸效率
2. 貸中：貸中評(píng)審及風(fēng)險(xiǎn)篩查（全方位、精準(zhǔn)化風(fēng)控）
1.
專家知識(shí)復(fù)用，指標(biāo)趨勢(shì)分析和行業(yè)對(duì)標(biāo)分析，個(gè)性化定制指標(biāo)深入分析
2.
多維風(fēng)險(xiǎn)排查：股權(quán)維度、財(cái)務(wù)維度、輿情維度、行業(yè)維度、關(guān)聯(lián)維度、專
項(xiàng)分析
3. 現(xiàn)實(shí)案例：
（對(duì)公授信數(shù)字化體系已成功輔助某分行審貸官審批超過(guò)百億規(guī)模授信。）
3. 貸后：預(yù)警配置及排查管控（數(shù)字化、實(shí)時(shí)化預(yù)警）
1. 數(shù)字化風(fēng)險(xiǎn)排查——構(gòu)建企業(yè)全面風(fēng)險(xiǎn)畫像
2. 數(shù)字化風(fēng)險(xiǎn)管控——及時(shí)追蹤風(fēng)險(xiǎn)處理情況
3. 數(shù)字化貸后監(jiān)控——構(gòu)建實(shí)時(shí)監(jiān)控預(yù)警體系
案例解析：
（對(duì)某分行對(duì)公業(yè)務(wù)風(fēng)險(xiǎn)識(shí)別準(zhǔn)確率達(dá)86%；平均預(yù)警時(shí)效比歷史實(shí)際發(fā)現(xiàn)提前數(shù)月
；分行預(yù)警近400家管戶，風(fēng)險(xiǎn)敞口近百億；貸后每年累計(jì)節(jié)約風(fēng)險(xiǎn)經(jīng)理工作量約2000人
天。）
第三節(jié)：數(shù)字化如何實(shí)現(xiàn)對(duì)公客戶風(fēng)險(xiǎn)發(fā)現(xiàn)、追蹤與傳導(dǎo)分析
1. 銀行如何通過(guò)事件語(yǔ)義理解發(fā)現(xiàn)風(fēng)險(xiǎn)
2. 銀行如何通過(guò)事件圖譜分析預(yù)見風(fēng)險(xiǎn)
3. 銀行如何通過(guò)指標(biāo)模型計(jì)算量化風(fēng)險(xiǎn)
4. 銀行如何通過(guò)數(shù)據(jù)智能解析管控風(fēng)險(xiǎn)
案例解析：
（自動(dòng)識(shí)別某企業(yè)風(fēng)險(xiǎn)事件，實(shí)現(xiàn)多維度傳導(dǎo)式風(fēng)險(xiǎn)預(yù)警）
第四節(jié)：對(duì)公授信數(shù)字化風(fēng)控的系統(tǒng)功能架構(gòu)應(yīng)具備什么條件
1. 業(yè)務(wù)應(yīng)用層面：
1. 客戶經(jīng)理需要通過(guò)對(duì)公數(shù)字化體系解決的問題
2. 審貸官們需要通過(guò)對(duì)公數(shù)字化體系解決的問題
3. 風(fēng)險(xiǎn)經(jīng)理需要通過(guò)對(duì)公數(shù)字化體系解決的問題
4. 各位行長(zhǎng)需要通過(guò)對(duì)公數(shù)字化體系解決的問題
2. 業(yè)務(wù)分析層面：
1. 如何運(yùn)用數(shù)字化技術(shù)進(jìn)行股東股權(quán)分析
2. 如何運(yùn)用數(shù)字化技術(shù)進(jìn)行公司及財(cái)務(wù)分析
3. 如何運(yùn)用數(shù)字化技術(shù)進(jìn)行公司及行業(yè)輿情分析
4. 如何運(yùn)用數(shù)字化技術(shù)進(jìn)行關(guān)聯(lián)風(fēng)險(xiǎn)傳導(dǎo)分析
5. 如何運(yùn)用數(shù)字化技術(shù)進(jìn)行行業(yè)專項(xiàng)分析
3. 數(shù)據(jù)服務(wù)層面：
1. 銀行怎樣理解與運(yùn)用“金融事件中心”
企業(yè)-事件-關(guān)聯(lián)方，事件-指標(biāo)-基本面
2.
銀行如何有效運(yùn)用金融事件流語(yǔ)義處理引擎與金融數(shù)據(jù)指標(biāo)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(gòu)源數(shù)據(jù)
第五節(jié)：數(shù)字化如何實(shí)現(xiàn)對(duì)公授信客戶風(fēng)險(xiǎn)穿透識(shí)別整合（結(jié)合案例）
1. 通過(guò)事件、指標(biāo)、關(guān)系實(shí)現(xiàn)風(fēng)險(xiǎn)穿透識(shí)別
2. 在結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)中理解企業(yè)事件
3. 專家智識(shí)轉(zhuǎn)化為數(shù)字化風(fēng)險(xiǎn)預(yù)警指標(biāo)
4. 智能企業(yè)關(guān)系識(shí)別與事件圖譜構(gòu)建
5. 金融事件中心直觀展示智能處理結(jié)果
第六節(jié)：如何運(yùn)用數(shù)字化手段實(shí)現(xiàn)對(duì)公授信客戶風(fēng)險(xiǎn)排查（結(jié)合案例）
1. 企業(yè)風(fēng)險(xiǎn)畫像
1. 深度識(shí)別（專家經(jīng)驗(yàn)+數(shù)據(jù)驅(qū)動(dòng)）
2. 廣度識(shí)別（企業(yè)關(guān)系+事件圖譜）
3. 企業(yè)風(fēng)險(xiǎn)識(shí)別、分析與傳導(dǎo)
2. 多維風(fēng)險(xiǎn)畫像
1. 財(cái)務(wù)分析
2. 動(dòng)產(chǎn)抵押
3. 股權(quán)質(zhì)押
4. 輿情事件
5. 關(guān)聯(lián)風(fēng)險(xiǎn)傳導(dǎo)
6. 行業(yè)專項(xiàng)分析
3. 構(gòu)建分析體系
1. 風(fēng)險(xiǎn)評(píng)估模型
2. 指標(biāo)事件分析
3. 風(fēng)險(xiǎn)事件標(biāo)簽
4. 綜合風(fēng)險(xiǎn)分?jǐn)?shù)計(jì)算
4. 貸前盡調(diào)篩查
1. 深度分析與可視化展示
2. 各模塊簡(jiǎn)報(bào)生成與導(dǎo)出
3. 評(píng)級(jí)/授信/盡調(diào)報(bào)告內(nèi)容支持
5. 貸中/貸后風(fēng)險(xiǎn)實(shí)時(shí)可視化
第七節(jié)：公司客戶數(shù)字化營(yíng)銷
1. 公司客戶數(shù)字化營(yíng)銷痛點(diǎn)分析
1. 發(fā)現(xiàn)優(yōu)質(zhì)客戶難——挖掘數(shù)據(jù)資產(chǎn)價(jià)值
2. 客戶了解不深入——提升存量客戶價(jià)值
3. 事務(wù)性工作繁重——智能工具提高效率
2. 公司客戶數(shù)字化營(yíng)銷解決思路
1. 價(jià)值——發(fā)現(xiàn)好企業(yè)，發(fā)現(xiàn)好商機(jī)
2. 體系——數(shù)據(jù)、標(biāo)簽與平臺(tái)
3. 形式——銀行應(yīng)用場(chǎng)景
3. 公司客戶數(shù)字化營(yíng)銷技術(shù)實(shí)現(xiàn)
1. 企業(yè)智能營(yíng)銷情報(bào)
2. 產(chǎn)業(yè)鏈及政策情報(bào)
3. 企業(yè)盡調(diào)分析報(bào)告
4. 對(duì)公授信業(yè)務(wù)數(shù)字化平臺(tái)
5. 對(duì)公營(yíng)銷標(biāo)簽體系打造
4. 典型案例
1. 某股份行：企業(yè)商機(jī)智能發(fā)現(xiàn)
2. 某國(guó)有行：業(yè)務(wù)自動(dòng)化報(bào)告及客戶風(fēng)險(xiǎn)識(shí)別
3. 某外資行：企金數(shù)智化平臺(tái)&自動(dòng)化分析報(bào)告
4. 投行業(yè)務(wù)：商機(jī)信號(hào)推送——業(yè)務(wù)商機(jī)動(dòng)態(tài)數(shù)據(jù)庫(kù)（投行版）

吳易璋老師的其它課程