预警模型再准,也替代不了那双沾泥的鞋
去年底我跟一位股份行支行行长吃饭,聊到贷后管理,他叹了口气说:现在系统每天早上推给我两百多条预警,红的黄的橙的,可我手下能出去跑客户的信贷经理只剩三个。这个场景,就是当下中国银行业贷后管理最真实的矛盾——模型越来越聪明,人越来越少,但风险该爆还是爆。
我的判断很明确:预警模型是贷后管理的"雷达",但绝不是"扫雷兵"。它可以告诉你哪里有异常,却永远无法替代客户经理走进车间、翻看库存、跟老板聊两句家常时那种说不清道不明的"手感"。谁把预警模型当成人工走访的替代品,谁就在给自己埋雷。
预警模型的命中率,远没有宣传得那么好看
先看数据。银保监会(现国家金融监督管理总局)2023年披露的银行业不良贷款余额是3.23万亿元,不良率1.59%。而根据多家上市银行年报披露的信息,贷后预警系统对最终形成不良的客户,提前90天以上做出有效预警的覆盖率普遍在40%到60%之间。什么意思?就是有一半的坏账,系统在爆雷前根本没发出过像样的信号。
我翻过某国有大行2023年ESG报告里的一段表述,说他们的智能风控模型覆盖了90%以上的对公客户,预警准确率"持续提升"。但另一份来自内部审计的资料显示,该行当年新发生的不良中,有近三成客户在预警系统里的风险评分一直处于"正常"区间。这不是模型不行,而是模型能看到的东西太有限——工商数据、征信查询、流水异动、涉诉信息,这些结构化数据能勾勒出客户的"骨架",但勾勒不出"血肉"。
一个做纺织的老板,账户流水突然下降30%,模型会预警。但真相可能是他把订单转到了另一个关联公司走账,实际经营好得很。另一个老板,流水稳如老狗,模型打满分,可他厂里的机器已经三个月没满负荷运转了。这些,模型看不见。
人工走访的价值,恰恰在模型看不见的地方
说实话,我特别理解基层行想用模型减负的冲动。一家中型城商行,对公客户三千多户,专职贷后团队不到二十人,按监管要求的现场检查频率,人均每年要跑上百户,根本跑不过来。用模型做初筛,把有限的走访资源集中到高风险客户身上,这个逻辑没错。
错的是把"抽访"变成"不访"。2024年某省银保监局的一次现场检查通报里点名批评了一家农商行,说该行对公贷款贷后现场检查覆盖率连续两个季度低于15%,大量客户仅依靠系统预警结果做贷后结论。结果呢?当年该行
人工走访能拿到什么?我列几个场景你就明白了。看电表——开工率是不是真的在下降;闻味道——化工企业的原料气味变化能反映生产状态;问工人——工资是不是按时发;查物流——进出货车数量跟报表能不能对上。这些东西,叫"交叉核验",是1104报表里填不出来的,也是预警模型永远算不出来的。一位干了二十年信贷的老法师跟我讲,他判断一个客户行不行,就看老板最近换没换车、办公室的茶是不是越喝越便宜。听着像玄学,其实是经验。
不出来的。一位干了二十年信贷的老法师跟我讲,他判断一个客户行不行,就看老板最近换没换车、办公室的茶是不是越喝越便宜。听着像玄学,其实是经验。真正的解法是"人机协同",不是"二选一"
我认为现在行业里最大的误区,是把预警模型和人工走访放在了对立面。要么迷信技术,觉得AI能搞定一切;要么固守传统,觉得系统都是花架子。这两种思路都危险。
正确的做法应该是三段式:模型做"广谱筛查",把三千户客户的风险信号跑出来,分成红黄绿三档;人工做"重点穿透",红色客户必须现场走访,黄色客户电话加实地抽查,绿色客户保持常规监控;最后把走访获取的非结构化信息——比如老板的经营状态、上下游变化、行业口碑——反向喂给模型,让模型迭代。招商银行2023年年报里提到,他们的"天秤"风控系统就是走这个路子,模型预警和人工核查形成闭环,当年对公不良率控制在1%以内,这个数字在股份行里是很能打的。
但我要泼一盆冷水:闭环说着容易,做起来难。难在哪?难在人。现在的信贷经理,愿意跑现场、会跑现场的,越来越少了。很多年轻人更愿意坐在电脑前看系统推送的预警报告,点几下鼠标打个"已核查"就完事。我去过一家分行,贷后检查记录里,同一个客户经理对五个不同客户的走访描述,文字几乎一模一样,连标点符号都不带变的。这种走访,有不如没有。
所以问题的根子,不是模型能不能替代人,而是人还愿不愿意干模型干不了的活。模型可以告诉你客户有风险,但只有人能判断这个风险是真的还是假的,是暂时的还是致命的,是能化解的还是必须马上抽贷的。这中间的每一步,都需要判断力,而判断力来自现场。
我的建议:把走访质量纳入考核,别只看覆盖率
如果你在银行做风险管理或者支行管理,我建议你做两件事。第一,把贷后走访的考核指标从"覆盖率"改成"有效性",具体怎么衡量?看走访记录里有没有超出模型预警范围的发现,看走访后客户风险分类有没有调整,看走访报告里的信息能不能被风控部门复用。第二,给客户经理减负,但减的是报表负担,不是走访负担。现在很多行的问题是,客户经理70%的时间在填表、录系统、应付检查,剩下30%还要完成存款、理财、开卡的任务,真正留给贷后走访的时间少得可怜。
未来三到五年,我的判断是预警模型的能力还会大幅提升,图像识别、物联网数据、卫星遥感这些技术会越来越多地进入贷后管理场景,比如通过卫星看工厂的开工情况,通过物联网看设备的运转率。但无论技术怎么进步,贷后管理的最后一公里,仍然是人的判断。模型是望远镜,能看远;人是显微镜,能看细。望远镜再先进,也替代不了显微镜。
别让预警模型成为你不去现场的借口。真正的好客户经理,电脑上有模型,脚上有泥巴,心里有本账。
本文由「银行人实用工具箱」(deepwater84.cn)出品,专注银行从业者的效率工具与专业内容。
