现代商业银行的日常经营管理活动离不开信息数据的支持，为应对和解决信息不对称这一永恒的难题，商业银行必须采取信息来源多元化的举措——即信息数据来源既包括内部信息数据，也包括外部信息数据。为此，对外部信息数据的采集管理并对外部信息数据加以应用便成了每一家银行日常运营管理的核心组成部分。具体而言，银行对外部信息数据采集的管理与应用的核心内容体现在以下五方面：

　　首先，建立和维持外购信息数据统一管理制度安排。由于受传统“部门银行”经营模式和“块块管理”习惯影响，我国仍有部分商业银行目前尚未实现外购信息数据的统一管理，多头重复外购的情况仍较为普遍。其中，较有代表性的情况有三：其一，总行各业务条线(特别是金融市场交易部门、国际业务部门、信贷业务部门、资产托管部门和研究部门等)各自因应自身业务需要分头外购信息数据;其二，由于总行外购数据无法实现全行范围内的共享，分支行基于自身业务需要，进行临时性外购;其三，海外分支机构和银行集团子公司自行外购。由于欠缺对外购信息数据对统一管理，给有关银行带来的负面影响包括：(1)无法利用总体规模效应提升自身外购的总体议价能力和筹码，最终增加整体外购信息数据的成本;(2)由于未能实施严格的外购统一管理，外购信息数据的内部共享便失去了应有的内部推动力;(3)由于“各自为政”式的外购，负责外购信息数据的业务单位往往只能对所购买的信息数据进行简单、直接和较低层次的利用，而无法集中足够的人力资源对外购信息数据进行有深度的持续挖掘，从而衍生出更具利用价值的“衍生信息数据”;(4)碎片式的外购信息数据的利用，无法让有关银行以结构性和系统性的方式有效提升其对客户的服务能力——满足客户对服务提供和信息提供同等重要的需求。

　　要实现外购信息数据的统一管理，有关银行要在总行层级指定某一具体职能部门(如“集中采购部”)负责相关组织协调管理工作。包括：(1)定期收集、更新和分析各业务条线、职能部门、海内外分支机构、子公司的外购信息数据需求;(2)在充分沟通基础上制订相应的外购决策;(3)牵头协调管理整个外购程序及续订程序(其中，包括：信息数据供应商筛选、订购价格和信息数据使用范围谈判、《合同》条款内容谈判等。必须指出的是，对外购信息数据的统一管理并非要全面实行实质性全集中的统一管理，而是要围绕对外购信息数据建立和维持充分的内部沟通机制，采用包括以虚拟的形式在内的统一管理。若当中涉及的外购信息数据确实仅适用于某一区域某一特定业务单位，总行可授权某一特定业务单位处理外购事宜。但在任何情况下，总行主管外购信息数据的职能部门均要全面掌握有关外购情况，并定期重检(最少每年一次)和调整有关外购授权安排。

　　其次，要因应业务管理实际需要制订和执行相应的外部信息数据的应用政策。作为商业银行日常运营管理的一个非常重要环节，有关银行须围绕如何利用外部信息数据制订和执行相关政策。以欧美国际银行的普遍做法为例，为防范自身模型风险，欧美国际银行通常会自行规定要引入信用评级外部标尺(External Benchmark)与本行评级模型评级结果进行比较。所谓信用评级外部标尺通常指的是由外部独立评级机构公布的评级结果，或可随时从市场上获知的能直观体现有关债务人信用度的信息，如信用违约掉期(Credit Default Swap, CDS)、信用息差(credit spread)或有关债务人的债务在二级市场的交易价格与信用评级的映射结果。鉴于信用评级在整个授信决策中的重要作用，不少欧美国际银行均会在其信贷审批政策里明确要求审批人员在进行授信审批时，要把内部评级结果与可获得的外部评级结果作逐一比较，若发现本行的内部评级与外部标尺有明显差异(通常是指超出了两个档次的差异)，则须要求送审人员对本行的内部评级进行相应的重检和审查(review)，并提供相应的补充说明，审批人员才会在评估重检结果的基础上最终确认有关内部评级结果，并据以推进有关授信的审批工作。这样的政策规定的其中一个目的是要避免自身内部评级的“模型风险”和人为因素造成的操作风险。以下是其中一家国际银行利用信用评级外部标尺的具体政策要点：

　　1. 叙做每笔业务时都要对第三方评级机构对借款人及其关联公司的评级进行对照检查;

　　2. 标准普尔或穆迪以及其他第三方评级机构所做的贷款违约的分析，可作为本行贷款或交易分析以及信用评级的参考依据之一;

　　3. 第三方评级要经过检查，并且(评级变化的)趋势要在借款人等级当中体现;

　　4. 在同一行业其他借款人的评级须与本行借款人的评级进行分析和比较;

　　5. 要经常以第三方评级对照检查本行内部评级，以确定是否有行业关键性比率指标可以用来与本行贷款客户做比较分析;

　　6. 应利用标准普尔或穆迪以及其它第三方的供应商的软件工具来预测违约概率和趋势;

　　7. 要经常检视有关信用违约掉期信息的变化，以确保贷款定价和贷款结构安排与借款人的风险的适当对应匹配。

　　第三，要以结构性和系统性的方法推进外部信息数据的内部共享。不难想象，若一家银行不能以结构性和系统性的方法推进外部信息数据的内部共享，最终难免会导致多头重复外购外部信息数据的情况。如此，既增加了“重复劳动”的工作量，也增加的运营成本和由此引发的道德风险及操作风险。以人行征信系统信息查询工作为例，银行的多个不同岗位的工作人员在不同环节均会在不同时段需要获取相关信息，若没有具体信息数据内部共享安排，自然会倒逼有关工作人员不断重复同样的工作，并因此导致因查询时点差异而带来的数据差异。再以金融市场交易价格信息为例，一家银行的多个业务部门均有需要随时获取相关信息数据是非常普遍的现象：金融市场交易部门需获取这类信息数据支持日常交易活动、“中台”需用同样数据开展交易支持(如交易确认)和相关内控工作(如“交易盈亏估算与监控”)、会计部门需同样数据作金融资产交易“公允价值”的计算和账务处理、资产托管部门需同样的数据开展资产托管相关服务(如：用前一天股票收市价计算股票开放式基金的单位价格)。为此，利用金融科技手段，通过在线链接和实时更新等方式推进行内的信息数据内部共享是化解上述问题与挑战的核心手段之一。

　　从国际银行的普遍做法看，以结构性和系统性的方法推进外部信息数据的内部共享的方式和方法是多种多样的。其中，较为常见的有三中方法。其一，从外部网下载或实时链接自动下载外部信息数据到内联网，供行内人员随时查阅;其二，以本行系统为核心，把外部信息数据整合到本行系统上;其三，利用资讯科技手段，从外部信息数据中过滤和抽取专项信息自动推送给特定的工作人员群组。以信贷业务为例，每家银行均会开发和维护一个用以记录和管理本行与本行信贷客户信贷业务相关的“全行信贷管理电脑联机管理系统”，为更全面和及时反映本行授信对象的总体负债情况，有关银行会从公共征信系统(如：人行征信系统)抓取有关客户在其他金融机构同业的负债数据、从债券市场抽取该债务人的发债数据、从其他途径如商业交易合同抽取有关债务人的“经营负债”数据，然后再与本行对有关债务人的债权加总整合起来。再以市场营销相关的外部信息数据共享为例，基于当今商业银行的产品和服务的提供与专业信息提供有着同等重要的作用的考虑，在专业与专注的客户经理制度安排下，为有效率和持续提升有关客户经理的专业与专注度，有关银行会利用资讯科技手段，从外部信息数据中过滤和抽取专项信息自动推送给对应的客户经理群组。典型的外部信息数据包括：(1) 有关客户经理分工管理的客户及其关联方信息; (2) 有关客户所在行业行业研究报告;(3)与有关客户经理分工管理客户相关的金融市场信息; (4) 有关客户存量和潜在增量债务信息(包括经营负债信息); (5) 市场动态信息日报(包括传媒报道本行的消息、竞争者情况、市场事件等。

　　第四，利用外部信息数据解决“信息不对称”难题。“信息不对称”一直是商业银行经营和管理风险过程中面对的一大难题，而信息来源多元化自然而然是帮助有关银行化解这一难题的其中一个重要方法。以商业银行对集团客户和关联企业授信业务为例，商业银行不少与集团客户和关联企业授信有关的不良贷款形成，在很大程度上是由于信息不对称所引起的。其中，利用集团成员公司多头借贷和利用关联企业间进行关联交易进行财务造假，以达到骗贷目的是集团客户和关联企业授信业务最为常见的两种骗贷手法。要应对这样的信息不对称所带来的挑战，有关银行一方面要以信息来源多样化的方法收集利用内外部不同源头的信息数据;另一方面，有关银行必须利用信息科技系统的人工智能和电脑学习模块，对来自多源头的数据进行持续不断的自动配对(auto-mapping)，有效识别本行存量和增量债务人的关联关系——即自动识别：(1)谁跟谁实际上是同属某一集团或存在长期固定关联关系;(2)集团客户或关联企业的业务活动存在哪些关联交易涉及财务造假。

　　第五，以专业的方法把外部信息数据转化成为客户提供高增值性服务的核心内容。在“金融脱媒”不断加速的市场环境下，商业银行的业务转型路径之一是把信息提供作为为客户服务的核心内容，从而实现“从融资到融智”的转变。以投行业务为例，有关银行在为客户提供财务顾问服务过程中的一个核心服务内容是要对各类资产进行估值(asset valuation)，为确保有关估值的公平性和合理性及市场认受性，有关银行须利用广泛收集的外部市场数据以及具可比性同类交易数据，以多种适当估值方法对标的物进行估值比较，才能在此基础上作出什么区间的价值估值是公平的《公平意见书(Fair Opinion)》。再以商业银行的资产托管业务为例，除正常的资产托管服务外，有关托管银行还会利用外部信息数据提供其他与资产托管业务相关的增值性服务。这类增值性服务包括：(1)证券借贷(Securities Lending);(2)会计服务(Accounting);(3)资产管理者或基金经理投资表现衡量服务(Performance Measurement);(4)合规监察服务(Compliance Monitoring);(5)佣金回扣(回佣)(Commission Recapture);(6)外汇买卖(Foreign Exchange);(7)期货和期权买卖(Futures & Options);(8)交易成本分析(Trading Cost Analysis);(9)投资组合结清或程式交易服务(Portfolio Liquidation / Program Trading)。

本文参考的文献：

1. 《信贷大数据与智慧应用的五要点》

2. 《摩根大通的AI和机器学习应用》

3. 《从一则巨额数据信息订阅费新闻报道看数据信息对金融机构的作用》

4. 《国际领先商业银行如何有效解决授信业务中的信息不对称难题——信贷决策支持系统的构成与作用》

5. 《商业银行如何善用多源头信息强化信贷审批和授信后的持续管理工作》