预警模型跑得再快,也跑不进那间堆满纸箱的仓库——贷后管理智能化的真实瓶颈,不在算法精度,而在最后一百米的物理世界。
过去三年,我见过的绝大多数银行都在干同一件事:把贷后检查从客户经理的笔记本里搬到系统里。模型评分、资金流向监控、工商司法数据自动抓取,仪表盘做得一个比一个漂亮。行领导在季度会上拍板,说这套东西上线以后,走访量可以压降四成。我当时就想,这个判断下得太急了。
不是说模型没用。恰恰相反,模型在"发现异常"这件事上,早就把人工甩开了几条街。问题在于,发现异常只是贷后管理的起点,不是终点。而很多银行把起点当成了终点。
模型擅长的是"算",不擅长的是"看"
先说模型真正的强项。一家股份制银行2023年年报里提到,其智能预警系统覆盖了对公客户近八成,平均提前预警周期比人工巡检早了47天。这个数字我信。因为模型可以在T+1日就捕捉到企业纳税额骤降、法人变更、涉诉新增这些信号,而客户经理可能还在排队等企业财务总监回微信。
但模型看不到的东西同样关键。企业还在正常纳税,可厂区门口的货车从每天二十辆变成了三辆;财报上应收账款周转天数没变,可仓库里堆的是卖不出去的库存;征信报告干干净净,可老板已经把个人房产抵押给了民间借贷。这些信息,不在任何一张1104报表里,不在任何一个数据接口里。
我认识一个做纺织的中小企业客户经理,他跟我说过一个案例。系统给某客户打了82分,绿色低风险,原因是对公账户流水稳定、无逾期、无涉诉。他按流程本该跳过实地走访,但季度末还是去了趟厂里。结果发现车间只剩一条生产线在转,另外两条停了快两个月,工人从120人裁到40人。老板解释说是"设备检修",但他看到的是仓库里积压的坯布已经顶到了天花板。
三个月后,这家企业逾期。模型在逾期前一周才发出黄色预警,因为那时候对公账户开始出现小额欠息。说实话,如果只靠模型,这笔贷款的风险暴露时间会被压缩到极限。
走访的价值不在"看",而在"问"和"感觉"
很多人把人工走访的价值理解为"实地核实",我觉得这个理解太浅了。走访真正不可替代的,是那些非结构化、无法数据化的信息交换。
客户经理坐在老板办公室里,看到的不仅是厂房和设备,还有老板接电话时的语气、办公室里新换的红木家具、财务人员欲言又止的表情。这些碎片拼在一起,形成一种模型给不出的"体感"。原银保监会2022年发布的《商业银行互联网贷款管理暂行办法》里专门强调,对小微企业贷款要"结合现场调查与非现场数据",这个"结合"两个字,监管是认真的。
更现实的问题是,模型的数据源本身就有滞后和失真。工商变更信息从实际发生到数据商抓取,平均有7到15天延迟;司法涉诉信息从立案到公开,时间差可能更长。而企业主在
我自己的判断是,模型的预警周期优势,在"硬信息"层面成立,在"软信息"层面不成立。而中小企业信贷的风险,恰恰大量藏在软信息里。
我自己的判断是,模型的预警周期优势,在"硬信息"层面成立,在"软信息"层面不成立。而中小企业信贷的风险,恰恰大量藏在软信息里。
真正的方向不是替代,而是重新分工
所以回到标题那个问题:预警模型能不能替代人工走访?我的答案是,不能替代,但必须重新划分职责。
模型应该接管的是"全量扫描"和"初筛"。一家银行对公客户几千户,客户经理不可能每户每月都去。模型的作用是把有限的走访资源,精准投放到真正需要人去看的地方。比如系统评分骤降的、资金流向异常的、关联企业出现风险的,这些客户必须走访,而且要提高频次。
反过来,那些模型评分长期稳定、行业景气度正常、合作五年以上的客户,可以适度降低走访频次,但绝不能归零。因为风险往往是"突然"出现的,而"突然"之前,通常有一段模型捕捉不到的平静期。
我了解到的一家城商行做得比较务实。他们把贷后客户分成三类:红色名单必须月访、黄色名单季度访、绿色名单半年访。同时规定,绿色名单客户如果连续两个季度没有线下接触,系统会自动降级为黄色。这个机制逼着客户经理不能完全依赖屏幕。效果是,该行2023年小微企业不良率控制在1.2%以下,比当地同业平均水平低了将近0.8个百分点。当然,这里面有多少是走访的功劳,很难精确归因,但至少说明"人机结合"这条路走得通。
还有一个容易被忽略的成本问题。很多银行在算智能化账的时候,只算了模型开发和数据采购的成本,没算"误杀"和"漏杀"的成本。模型把好客户误判为高风险,客户经理跑去走访,浪费的是人力;模型把坏客户漏判为低风险,最后形成不良,损失的是真金白银。监管对不良率的容忍度,可比对科技投入的容忍度低多了。
给同行的三条建议
如果你正在推动贷后管理智能化,我有三个具体的建议。
第一,别把走访量压降当成KPI。走访量下降本身不是成绩,风险早发现才是。我见过太多银行把"走访替代率"写进考核,结果客户经理乐得不去,系统说没事就真当没事。
第二,把模型预警和走访任务打通。系统发出预警后,应该自动生成走访任务,明确走访要点,比如"核实纳税下降原因""查看库存周转情况"。走访结果要能反哺模型,形成闭环。这事说起来简单,做起来涉及信贷系统、CRM、移动展业好几个平台的对接,但值得投入。
第三,给客户经理留出"说不清但觉得不对"的空间。有些风险信号就是没法结构化,客户经理回来填报告,如果只能勾选预设选项,那种"感觉不对"的信息就丢了。我建议在贷后报告里保留一段自由文本,哪怕只是几句话。
贷后管理这件事,技术能解决效率问题,但解决不了判断问题。模型是望远镜,能让你看得远;走访是显微镜,能让你看得真。两样东西,缺一不可。那些想着用算法完全替代双脚的银行,迟早要在某笔不良贷款里,把省下来的差旅费加倍还回去。
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。
