随着大数据的广泛应用，互联网公司以个人生活数据及金融服务为原始数据的信用评定逐渐走向成熟。农商银行普遍立足城乡，服务客户群体面临年轻人话语权增加、理财消费观念超前、金融知识普及面广的新变化。积极探索新时代下农商银行信用评定体系意义深远，是现代金融发展的重要内容。笔者试借鉴成功应用金融+非金融场景数据案例，结合费县农商银行信用评定体系发展现状及存在的问题，初步设计新体系建设及应用思路。
一、研究背景
目前继阿里芝麻信用评分上线两年后，腾讯信用2017年8月7日上线，开启第三方征信市场“两巨头”时代，这是自2015年1月中国人民银行印发《关于做好个人征信准备工作的通知》要求八家民营企业做好个人征信业务的准备工作以来，第二家在征信业务应用大数据的互联网公司。与阿里巴巴的芝麻信用类似，腾讯信用从300-850分不等，由履约、安全、财富、消费、社交五个指数组成，同时还分为7个星级，根据在微信QQ的消费、实名认证、理财记录、信用卡还款等行为，综合各维度评估计算信用得分。该评分能够全面评价用户在微信应用的各种信用行为，最终腾讯信用得分广泛应用腾讯公司推广住宿、出行、医疗、金融等各个方面。作为个人征信的良好补充，下一步一旦被央行纳入个人征信报告，金融机构将迎来一个多元化信用评级及深入应用时代。为顺应时代潮流，民生银行开通芝麻信用满650在线申请信用卡业务；青岛银行与蚂蚁金服签订智慧城市发展战略协议；互联网金融公司借助评分结果营销在线贷款不胜枚举。同时，多家实力雄厚的银行已建立以数据应用分析为基础的信用卡额度评定模型、客户等级管理模型，对客户的信用评定是众多量化模型的基础。农商银行主要依靠央行征信系统信用评定结果为授信准入条件，辅以信贷人员对客户的调查总结，最终信用评定无法量化且应用停留在辅助阶段。
二、农村商业银行信用评定现状及存在的问题
（一）定量评定单一依靠央行征信系统，手工信用评分受主观因素影响大。
该行开展客户授信工作中，客户信用定量准入条件仅依靠央行个人征信报告。而该报告提供客户在各金融机构履约、贷款、担保记录，数据采集来源仅限金融机构，数据源单一化造成对客户信用评价不充分。同时，该报告采用如实记录，在逐条记录中才有定量描述，直接应用效果差。该行虽然自己制作的信用评定表应用定量打分，但相关依据没有具体数据支撑，信用评分过程中存在随意性，客观程度不够。
（二）定性描述依靠客户经理调查结论，口碑信誉采集难以实现全面真实。
按照该行管理制度，客户评级为A级AA级等级别，主要依据客户经理现场与非现场调查结合后形成的调查结论，调查过程中，客户经理主要通过走访客户单位同事、近邻乡亲形成信用评价，信息来源容易受到情绪化、偏见等干扰，既难于全面收集，又存在较大误差。同时，客户经理长期形成的客户信用信息评价，容易在岗位调整时无法系统准确地交接给接岗人员，造成专家判断法评定客户信用不能连贯使用。
（三）应用客户关系管理系统评定等级，评定依据不能融合其他数据来源。
该行实现以账户为中心的业务核心系统、信贷管理系统提供业务数据源的基础上，应用以客户为中心对客户关系管理系统的数据资料整合，自行设定参数计算综合贡献度完成客户五星级分类。计算依据包括该行金融产品使用情况、存款贷款余额、客户创造中间业务收入等，因不能整合失信信息、日常生活缴费信息等其他反映个人信用的数据，常造成客户评定结果不能直接反映客户信用情况，评定得分无法等同于信用评分。
（四）客户信用评定结果仅为授信参考，以客户信用为中心体系亟待建设。
该行日常业务中严格将央行征信报告中逾期三个月为失信人员，作为信贷服务的先决条件。信用评定打分结果作为客户等级参考，不同程度存在为满足客户等级分值倒算情况。而阿里巴巴、腾讯公司通过客户信用得分严格划分等级，分级推广公司产品。如给予芝麻信用良好者蚂蚁借呗、蚂蚁花呗等信贷服务，并通过大数据核算额度，实现信用得分为核心的广泛应用，提高服务产品推广精确度，从而提升普及效率。
三、探索农商银行信用评定体系建立及应用
（一）主动与第三方征信机构合作，提前备战信用评定多元化。
一是与阿里芝麻信用、腾讯信用合作。整合基于商户、电商平台数据的阿里芝麻信用与基于社交平台微信、QQ数据的腾讯信用，共享客户信用数据，根据客户芝麻信用、腾讯信用评分，结合央行征信系统，综合评价客户信用，授予信贷额度，防范贷款风险；二是与其他第三方征信公司合作。随着央行对第三方征信体系建设的逐步推进，第三方征信体系必将得到长足发展，鉴于阿里、腾讯的强势地位，可与其他参与试点的第三方征信机构，如中诚信征信有限公司、拉卡拉信用管理有限公司合作合作，打破两巨头在第三方征信体系的垄断地位，巩固农村金融市场。
（二）积极创建特色信用评定体系，实现信用评定过程定量精确化。
一是建立自己的信用评分模型。探索一套适合农商银行自身实际的、基于分析农村金融市场数据的、具有当地特色的征信评分模型，夯实征信体系架构。二是应用新技术。运用互联网、云计算、大数据和人工智能等新技术，创建征信体系，提升数据的数字化水平，不断做大做强数据库，为征信体系的建设提供支撑。三是打造具有当地特色的征信数据库。鉴于农村金融机构客户小而多的特殊属性，整合现有信贷、电子银行、客户关系以及具有当地区域特征的数据，同时将一线人员掌握的客户数据归总整理，转变为征信体系的大数据，掌握客户最新信用动态，丰富征信数据系统。
（三）融合其他渠道信用信息，探索创建多场景信用评定体系。
一是与法院、政府部门、移动运营商等合作，共享失信信息、环保信息、缴费信息。通过开通客户关系管理系统与其他部门系统端口，将其他渠道信息作为金融外场景与金融场景深度融合。二是外包数据应用处理业务，与专业公司共同探索建立多场景信用评定模型，通过与其他平台的评定结果对比不断优化模型，发挥外包公司专业胜任优势，实现数据充分挖掘和深度应用。提升数据处理水平。三是充分借鉴芝麻信用、腾讯信用评定模型，注重客户使用本行金融产品的深度及频度，以能否量化分析为数据源是否采用的区分界线，实现基础数据源的精确量化。
（四）转变信用是门槛的传统观念，发挥应用信用评定导向作用。
通过量化评定结果，按照信用得分将客户划分为制裁级、普通级、鼓励级、优先级。分层服务提供特色精确化服务，紧密联系鼓励级客户，了解客户需要，开发客户金融需求；上门拜访优先级客户，撰写拜访报告，为下一步合作领域扩展做好信息收集。制裁级客户仅提供结算服务，并对贷款及时采取提前收回或诉讼保全措施，避免信贷资产出现风险。对同样级别客户按照年龄、行业等多维度进行筛选，发掘有价值提升空间的客户制定综合金融服务方案。结合以客户为中心的服务理念践行，实现客户以客户信用为中心的观念转变。
（五）注重健全信息保密机制建设，确保信用评定应用信息安全。
为加强严格信息安全管理，充分借鉴央行《征信管理条例》要求，加强对应用系统数据的管理，尤其要加强对个人信息的保护，确保征信信息的安全性。继续严格执行个人信用查询集中管理制度。所有客户查询记录需要本人签订委托书。网点查询人员需要培训上岗，查询时需要得到总部管理员审批，一人一号、专人管理、专人负责；密码定期更改，并具备相应的安全级别，不能转告他人；充分防范个人信息泄露、倒卖事件发生。此外，在与其他单位系统对接过程中，严格签订保密协议，明确双方责任；选用专业胜任且责任心强的客户人员参与对接工作；防止本行核心数据外泄，造成重大信息安全事件。
