从当前金融科技企业的实践中，基于大数据的个人客户征信及风险评价模型，当前的金融科技企业已经实现在线上对个人客户进行授信。例如：点击微信钱包中的微粒贷按键，微信用户就能第一时间看到自身的可借款额度。而根据毕马威中国于2016年9月发布的《中国领先金融科技公司50》排名报告（下简称“Fintech50”报告），基于从第三方获取的交易、公检法、税务，以及企业主个人征信等公开和半公开信息，科技金融企业也能采用数字化审批方式为小微企业提供授信支持，如微众税银与某银行合作已经合作开发了一款无需人工干预的、纯线上的自动化企业级秒贷产品。
　　那么，银行能否借鉴金融科技公司的理念和技术，在大中型企业授信领域也采用数字化审批技术呢？
　　从具体场景而言，传统的对公授信的过程大体是这样的：客户经理找客户拿资料，跟管理层聊天找感觉，回来写数十页的尽调报告；风险经理平行作业，为调查资料真实性背书；评审经理对前手客户经理、风险经理的尽调情况进行复核，并開展风险分析，酌情让客户经理补充调查，最终确定授信方案；各位层级审批人层层出具审批意见。整个链条中最为重要的是客户经理、评审经理和审批人，而各方都面临着信息不对称的问题：客户信息是否完整？客户是否有欺诈行为？客户经理是否与客户串通？授信方案是否符合银行整体风险偏好？诸如此类问题，林林总总。但归纳起来，传统银行大中型企业授信流程中普遍存在着重复劳动（特别是信息重复收集和验证）、低效、经验主义等问题。
　　根据毕马威中国Fintech50报告，金融科技企业已经能够利用量化风险模型实现消费贷的快速审批；利用大数据快速准确发现信贷领域的欺诈行为；利用移动计算体系提升服务便捷度；利用云计算提升服务响应速度。在这些技术领域的领先试点，金融科技企业已经为银行提供了非常好的借鉴和参考。然而，具备全国规模的国有及股份制银行，因其客户数量大，经营年限长，数据积累充裕，具备更为扎实的数据资源。在大数据时代，拥有数据就是拥有“金矿”，利用经过验证有效的数字化技术，传统银行业在传统大中型企业信贷领域所能取得的突破也将更为明显。 借鉴金融科技企业，在数据的自动采集、反欺诈建模等核心技术方面，我们进行了试验性开发，取得了良好的成效。根据试验情况，我们认为：数字化技术在前述的传统信贷工作中，是能够发挥决定性的基础性作用。利用数字化审批技术，未来至少在资料收集、财务分析、决策支持三个领域有明显突破。
　　在资料收集方面。基于大数据和互联网技术，在国家政务信息的不断开放和共享的情况下，工商、税务、海关数据已具备整合、汇聚展示的技术条件。在外部数据源的支持下，房产评估数据也正式交互条件。客户经理只要录入客户名称后，即可获知客户在工商、司法、征信、税务、结算、资产估价等多个领域的相关信息，足以替代前述大量的人工收集、整理得出的数十页调查报告，而且真实性也能得到保证。
　　在财务分析方面。如何鉴别财务报表真伪和发现财务风险是当前大中型企业授信业务的主要难点之一。通过数字技术能在一定程度上能有效鉴别前述风险。如：（1）通过对一段时间内客户财务指标与行业平均值和行业变化情况的环比（对比）分析，进而得出客户自身财务指标的差异或特征，从而发现疑似欺诈行为。例如，如果某一客户的毛利率与行业呈反向变化，且与行业平均值的差异达到2倍及以上时，就很可能存在财务欺诈的可能性，在系统识别后，就可以交由专家人工干预。（2）数据挖掘可以将银行资深专业评审多年积累的经验进行提炼，并转化为系统可以识别的规则，进而识别客户潜在的财务风险。例如，根据评审经验，如果没有伴随主营业务收入的增长（或者固定资产的增长率大幅度大于主营业务收入的增长幅度），企业固定资产投资单方面增长明显（固定资产的增长是把经营活动和筹资活动所产生的现金投入到固定资产），该企业就可能存在财务风险或者经营异常。根据规则进行自动化的数据分析后，该类问题就能够被有效识别。
　　在决策支持方面。一般而言，传统大中型企业授信业务显著依赖于审查、审批人的经验，审查、审批人的经验对业务审批结果和审批方案影响重大。现有条件下，审查、审批人往往必须在信息不充分的条件下依赖经验做出判断。审查、审批人对行业、区域、风险的感觉和经验都必须依赖长期的从业经历中试错积累而来。资深的审查、审批人往往积累了大量行业对标值和专业的经验判断逻辑，这些宝贵的经验有助于他们做出明智的判断。而初级评审人员的从业时间相对不足，很难保证每一单业务都能达到必要质量标准。审批链条上各岗位人员的业务素质也是参差不齐的。在人力资源受限的条件下，每单业务的作业时间也难以充分保障，人工经验的差异客观上放大了风险出现的机率。而数字化技术恰恰能比较好的解决业务经验在传统银行中分布的不平衡的问题：通过对资深专家的经验提炼和行业数据的整理归纳，将主观的经验转化为判断规则标准，真正做到让授信决策有“据”可依。数字化技术不仅能够解决初级评审经理从业时间短、经验无法及时累积的问题，也能够在一定程度上促进评审标准的公平和统一。
　　当前的互联网信息和大数据分析、挖掘工具已经大体具备实现前述数据化分析所需的能力，技术门槛已经基本跨越，包括：利用A股、H股、新三板等数据源整理形成按行业细分的各类财务标准值；利用指定政府或行业协会网站、年报抓取特定行业经营数据；归纳共享行业专家针对特定行业的判断规则和逻辑等等。此外，利用已积累的结构化数据资源，进行聚类生成业务规则，也将对人工经验判断提供有益的补充，甚至可能发现传统人工作业未曾涉及的真空地带。因此，在数字技术的支持下，单一业务的决策将建立在全行整体经验和数据分析的基础上，拓宽决策人员视野，支持决策人员从行业、区域高度看待企业，避免人工经验盲区。利用新技术利用的附带效应就是全机构业务人员的水平将被提高到系统平台的基准线以上，从而带动提升银行整体的决策质量。
　　未来，在大中型企业运用数字化技术的场景将会是这样的：通过行内系统平台，客户经理录入客户名称，系统实时返传基于互联网、微信公众号、微博、诉讼、被执行、公开政务等外部舆情信息等全量公开渠道信息，并进行自动整合、排序展示。系统平台根据企业所处行业推送的行业政策指引和行业分析报告，客户经理能够立即判断该客户是否有价值进一步接触和营销。在取得合作意向后，客户只要提供财报和必要的查询授权，系统平台就能在非授权信息的基础上，自动生成相对完整的尽调报告，该报告将包括客户的基本情况、经营、财务、征信、关联、抵质押物、还款来源、资金需求等多角度分析结果。整个调查报告的生成将是实时的，甚至客户经理仍在客户企业现场，就已经完成客户授信调查的大部分工作。客户经理只需要针对性的对关键信息进行补充调查和核实即可，工作强度大幅降低。对于中后台的评审员和审批人，自动化的审查报告也可一键生成。并根据岗位角色不同，强化交叉验证功能，增加对前手人员分析、行业区域对标和决策规则的提示信息，支持各级审查、审批人决策。
　　基于这一系统平台，传统中大型企业授信流程也将发生较大的调整，有望实现可灵活配置业务申报流程，实现以客户为中心，灵活组合由产品、风险、评审经理组成的项目团队，实现不同岗位类型人员间的并行作业，确保市场机会和客户风险能够得到同步识别，一揽子完成综合服务方案，实现客户体验最佳。
　　当然，数字化技术无法完全替代人的作用。数字化手段也存在着一些无法涉及的领域：再完美的数据化分析也无法替人与人之间的当面交流和沟通；也没有完美的分析模型能够代替现场对实际控制人的直接判断；授信方案的设定上也依然需要专业的评审专家进行人工干预；决策引擎中规则的优化或迭代也离不开人工干预与介入。但是数字化技术将大幅改进和提升人工的作业效率，颠覆现有的作业面貌。
　　我们可以预见，利用数据化技术的受益人将包括整个大中型授信业务链条上的各个主体，银行竞争能力也将明显受益：大中型企业客户不再提供大量的申报资料，而只需提供财报、授权等少数要件；各类报告（初稿）的生成时间将降至秒级；单笔业务申报流程将降至一周以内甚至2～3天；在授信决策上，分析视角将从对单一企业单点分析为主，扩展至行业、区域的宏观视角，结合决策引擎支持，将避免了单一个人的经验误区，提升整体决策质量等。
　　展望未来，在建立数据化评审的平台基础后，将有望解决传统大中型企业授信流程中存在的重复劳动、低效、经验主义的问题。后续可以不断引入新的数据源和技术方法（例如OCR识别、物联网等技术）能够不断优化用户体验和响应速度，并随着结构化数据的不断积累和决策引擎的不断迭代优化，数据和规则将固化形成银行自身的信贷知识库，成为支持决策的“智库”。随着“智库”的迭代优化，将最终形成一个基于平台的数据化评审的生态圈，实现数字化授信在大中型企业中运用的螺旋上升。