在竞争激烈的市场环境下，如何能够突围而出，成为竞争的胜利者，信息资料的掌握成为关键词。如果一个企业对内能够全面了解生产运营状况、产品销售情况、财务结算情况、库存与原材料风险;对外能够及时掌握客户群体消费能力、客户消费变化、竞争者的动态等信息。并且根据所得的信息进行科学决策、及时管理、指导企业顺应市场趋势发展，则该企业在市场竞争中一定能占据有利地位。不少行业的不少企业已经将先进的现代化管理运用在企业的运营中，并且建立了各种计算机系统，如企业资源管理系统(ERP)、客户关系管理系统(CRM)、供应链管理系统(SCM)、财务系统、办公自动化系统以及其他业务生产系统。经过多年的运行，这些系统积累了大量的数据，然而对于以上提到的内部运营、外部市场信息，大量的企业仍然感觉非常缺乏或者不能及时获得。一方面是企业现存大量数据，另一方面是信息缺乏，如何解决这个矛盾，我们说，根本之道是建立一条有效的包含数据整合、统计报表、信息分析、信息展示的，将数据转化为信息的途径。从目前科学技术的发展水平来看，数据仓库与商业智能应用的结合是最先进、最成熟、最科学的解决途径。为什么以往的业务系统都不能很好的实现数据到信息的转化工作，原因在于这些系统的目标是完成一定的业务需求，其从系统架构、数据组织到程序开发均是围绕着这个目标实现的，换句话说，这些系统均面向业务流程处理，而非信息提取。而数据仓库的出现提供了一个面向信息分析的数据存储方案，经过了抽取、转换、清洗、加载等步骤，数据如同图书馆里的书籍一样，按照不同的类别、不同的层次，分门别类的存放好，而商业智能平台则完成的数据加工为信息并按照用户需求进行多种方式的表现及发布的功能。因此，数据仓库加商业智能应用，是企业信息需求最适合的解决方案。

　　功能模块介绍

　　信贷质量监控

　　信贷质量监控主要目标是分析现有贷款的质量指标、监控现有贷款的发展状况、根据违约概率推测贷款损失。信贷质量监控中最重要的模型为贷款违约概率模型，该模型根据银行信贷历史数据(一般取前3年数据)，按照贷款五级分类逐项统计贷款损失与贷款时点发放金额的比例，得到每类贷款的违约概率。

　　 贷款趋势分析：用于分析一段时间类贷款业务的变动趋势，与同期的业务比较，发现分支机构间的贷款质量差异，以及找出与同行业之间的差距

　　 贷款利息分析：分析贷款投放的对象(行业)的利息收入情况，分析行业的市场情况，制定新的贷款对象政策。

　　 贷款回收分析：通过统计本期、历史的本金、利息回收数据，使得决策者可以有阶段、有目的地评估目前贷款的回收状况，看到管理上取得的成效，同时发现实际存在的问题，以便及时采取措施加以解决。

　　 不良贷款清收分析：从不良贷款的类别、不良贷款成因、不良贷款清理方式等不同角度组合分析不良贷款的核销金额、清收比率等。

　　 违约概率预测：根据违约概率模型计算得到的每类贷款的违约比率，分别与现有各类(五级分类)贷款存量相乘再乘以调节因子，得到现有贷款可能损失量，提供给信贷资产管理部、计划部、财会部等预期信贷损失的数据。调节因子是根据经济景气指标、贷款投向变化等因素考虑，预测本年贷款违约情况与历史情况的变化。

　　客户信用分析

　　银行很多的业务系统从不同方面存有反映客户情况的数据，如综合业务系统保存帐户以及交易数据，信贷管理系统或客户关系管理系统保存客户财务报表以及客户评估数据。而信贷风险监控系统与它们不同的地方表现在两个方面：第一是整合各个不同系统的信息，得到完整的客户视图;第二从宏观角度观察，分析整个现有的和潜在的客户群体的价值和信用程度。

　　 客户视图：根据客户属性，一般将银行客户分为个人客户和公司客户。客户视图通过信贷管理系统取得客户的基本信息、经营信息、财务信息、社会关系信息等静态数据以及从综合业务系统提取客户资产、负债帐户的动态数据，组成完整的客户报告。

　　 客户风险分析：结合客户资产帐户历史变化情况以及客户信用评估的数据，得到客户风险分析报告。客户信用评估由信贷管理系统完成，主要内容包括客户的市场竞争力、资产流动性、管理水平、企业其他情况的评分，综合评定客户的信用等级。

　　 客户群体分析：从客户类别、客户行业属性、客户信用等级、客户信贷情况等多角度组合分析银行现有客户数，新增客户数，同期、前期的增长数与增长率，不同类别的占比。

　　 客户信贷业务分析：从时间、贷款机构、贷款类型、客户类别、客户信用等级、客户行业属性、时点贷款状态等角度组合分析贷款笔数、发生额、发生额累计、贷款余额、不良贷款余额、新增贷款额、贷款收回余额、将到期贷款金额、展期贷款金额以及以上指标的同期、前期统计。

　　 客户授信额度分析：从客户类别、客户行业属性、客户信用等级、客户信贷情况、授信额度类型等多角度组合分析客户数、额度总额、可用额度、以及同比增长、上比增长、上比增量、占比。

　　信贷集中度分析

　　信贷业务需要在集中与均衡之间找到一个最佳点，即要有目的的向优势行业、优势企业投放贷款，以保证贷款质量，又不能过于集中于一两个行业、企业，以避免情况发生变化后带来巨大的损失风险。信贷集中度分析通过结构分析、排名、比例等多种手段，帮助管理层确立贷款投向的决策支持。

　　 风险集中度分析：分析信贷的规模和结构，掌握银行的贷款风险集中性，了解银行分配的风险资本是否充足，并且可以分析不同组合的盈利是否能够足以平衡所承受的风险。

　　 贷款结构分析：反映银行贷款质量结构和贷款分类汇总的静态分布情况，揭示银行贷款的内在风险，分析不良贷款在行业、种类、机构等方面的分布情况，从定量角度揭示不良贷款的集中区域，从而发现银行信贷管理的薄弱环节和高风险区域

　　 贷款周转分析：分析贷款在发放与回收周转过程中的使用效率。分析贷款的投放在时间上是否均衡，是否存在过分集中于某时间的现象，不同种类贷款存在不同风险的原因。

　　 贷款投放的均衡性分析：分析全年贷款增量在时间上的分布结构，分析贷款的投放在时间上是否均衡，是否存在过分集中于某时间的现象，比较贷款的投放与经济发展对贷款在时间上的需求是否一致;从担保方式、贷款形态、客户行业等方面 统计新增贷款额及占比。

　　 不良贷款分析：分析不良贷款在行业、客户分类等方面的分布情况和变化趋势，从定量角度揭示不良贷款的集中区域，发现银行贷款信贷管理的薄弱环节和高风险区域。

　　信贷流程监控

　　贷款从申请、调查、审批、发放、回收、清理等各个流程都必须遵循一定的制度，而在国内银行客观情况，这些流程均需要有人的参与。信贷流程监控面向信贷业务的全部环节，分析由于业务环境变化而造成的操作风险，提供银行改善业务环境、优化业务流程的支持信息。

　　 贷前调查分析：分析贷款申请调查报告的内容、完整性、真实性对贷款质量的影响程度。并且从调查人员、调查方式、调查时间等多个角度分析如何保障调查报告的质量。

　　 贷款审批情况分析：检查贷款审批各个环节的审批情况，从审批环节、审批通过率、审批参与人员、审批过程等进行统计，从中寻找出贷款审批的薄弱环节以及薄弱的业务环境，提供改良信息。

　　 信贷资金计划：从完成审批待发放贷款的队列中，根据贷款发放时间、发放金额以及目前的资金情况之间的资金敞口，确定信贷资金计划的可行性。

　　 贷后检查报告：根据贷款发放后，信贷员对贷款客户的跟踪调查频率、调查方式、调查的质量以及贷款质量状况变化的暴露时间分析贷款发放后的检查对贷款安全回收的影响以及检查方式的改善方法。

　　 不良贷款清收分析：检查不良贷款清收的方式以及清收审核流程中的业务环境因素对清收情况的影响，监控不合法的贷款核销。

　　应用总述

　　回报总是伴随着风险一同出现，任何银行的信贷业务都不可能实现零风险，但通过科学的监管，可以规避高风险、降低信贷风险、实现高回报。商业银行实现有效的信贷风险监管，除了需要具备高素质的信贷业务管理人员外，还需要具备一套科学的信贷风险监控系统，帮助管理人员从大量的繁琐数据中找出可能的风险因素，从而加以监控，规避风险。从某种意义上说，高质量的信贷风险监控系统是实现有效信贷监管的核心，因为它能够一丝不苟的执行监管制度，铁面无私的发现漏洞。

　　和勤信贷风险监控系统面对信贷业务的三大风险因素：信用风险、结构风险以及流程风险而建立。信用风险监控一方面根据历史数据和预测模型，推算未来一段时间内，信用风险的产生，掌握信贷损失变化规律;另一方面根据客户的财务、基础、社会等资料，通过评分模型算法计算客户的信用得分，区分客户的信用等级，制定不同的信用额度，从信贷审核开始控制信用风险的几率。结构风险也称集中度风险，结构风险监控从产品、地区、机构、客户等多角度分析银行对某一个或某类成员的依赖程度，分析比率的合理性，降低对某成员过分依赖的风险。流程风险控制则审查信贷业务操作流程各个环节的风险度，提供制定降低风险的数据分析;分析人为因素的风险影响。

　　数据处理结构

　　信贷风险监控系统包含三个主要的数据处理层：数据仓库、数据处理模型、数据分析，三个数据处理从后到前，逐步将业务数据加工为信贷信息。

　　数据仓库收集存储着包括前台交易记录信息、各种风险头寸和金融工具信息及交易对手信息等。从前台收集到的原始数据信息进行分类识别和处理，并抽取其内在的特征，近照不同数据结构和类型将其分别存储到数据仓库相应位置。

　　数据处理模型实际上是一组ETL规则器，根据银行对信贷业务评测的要求，建立如客户评分模型、违约概率测算模型等，通过对存储在数据仓库的明细数据的加工(计算、分类、条件等)，最终得到有关元素的结果。

　　数据分析层从数据仓库以及数据处理模型抽取信息，利用商业智能工具进行二次加工，形成系统的信贷风险监控报表、分析报告、预警图表等。

　　系统特点

　　信贷业务是商业银行的最重要的业务之一，也是管理、决策最复杂、最困难的金融业务之一，规范信贷业务过程、降低信贷风险、提高信贷效益是目前信贷业务发展的必然要求。

　　根据中国银行业的实际情况和发展需求，上海和勤集团开发了银行信贷风险监控系统，该系统运用数据仓库、多维分析、商业智能等技术，整合信贷相关数据，结合国际通用模型算法和银行具体情况，设置相应的分析模型，通过商业智能分析平台设计及发布信贷业务风险分析信息。

　　和勤信贷风险监控系统围绕着“风险监控”这个核心，抓住银行信贷业务过程中的信用风险、结构风险、操作风险三条主线，通过比较分析、时间序列分析、趋势预测等计量工具，为银行信贷管理人员提示风险，分析风险，规避风险提供有利的支持信息。