农村市场正成为互联网金融发展的新蓝海。互联网金融的核心竞争优势一方面在于技术领先，另一方面则在于数据基础，技术创新短期内可以完成，而数据积累却是一个长期的过程，缺少数据积累正是大量互联网金融企业难以深入农村市场的症结所在。当前，县域农商行（农信社）规模增长愈显疲态，未来继续依靠规模扩张覆盖效益短板的发展路子必然越走越艰难，因此，农商行必须在经营模式上有所创新。就当前农商行的实际来看，其创新的突破口应该在深耕农村市场、网点触角众多、数据资源丰富的优势之上，运用互联网技术之所长，提高大数据应用能力，探索互联网金融创新。

    正本溯源

    确保初始数据真实性

    大数据是开展互联网金融创新的基础，没有必要的大数据基础不行，但低质量大数据，甚至是伪大数据贻害更深。当前农商行初始数据还存在诸多不足，比如采集渠道单一、内容简单、缺少真实性核验等，这造成初始数据质量难以保证，更会严重影响决策科学性。

    农商行要用好数据优势，把好初始数据关，对初始数据正本溯源，量质并重。具体说来，一是要加强对数据采集渠道管理，充分利用银政合作项目、大型社会服务项目等采集官方的权威数据，比如在粮食直补代发、市民卡发行合作项目中采集客户种粮收入、社保信息等，建立客观、全面的客户基础数据库，尽量减少零散的人工数据采集，避免人为操作的随意性。二是要大力开展跨界合作，全面与交通、旅游、文化、餐饮、商贸等行业展开合作，通过渠道服务采集大量零散客户的消费数据，挖掘客户数据的广度和深度，聚焦客户需求的细分。三是要加强对初始数据的交叉验证，在初始数据采集过程中，要执行交叉验证，使用逻辑验证公式对录入数据真实性进行核验，保证初始数据的真实性。四是要加强对数据采集人员培训教育，让一线员工认识到数据质量的重要性，要求他们主动在具体业务中客观、科学地采集数据，提高数据真实性和可用性。

    规整数据

    优化数据系统的结构性

    目前，农商行数据系统大多还只是拥有量上的优势，但数据结构性不强，导致数据分析难以提取到有效信息。此外，由于农商行的核心系统、信贷系统、客户关系管理系统建设方来自不同企业，系统之间存在兼容性问题，数据“孤岛”问题也是目前农商行数据管理面临的一大难题，行内各系统之间数据信息难以有效互联互通，相互验证，大数据的“大”效应没能发挥出来。对此，农商行要对采集的初始数据进行层级化、精细化规整。

    一是要建立数据管理与应用框架体系，加强数据治理、管理、应用、仓库等基础设施建设，对客户数据按行业、区域、类型等多维度进行分类整理，把数据仓整理成功能明确的分块区间，提高数据的使用效率。

    二是要打通系统内数据“孤岛”，将核心业务管理、信贷管理、客户关系管理、产品服务管理等系统打通，让各个渠道采集到的客户数据在行内可以互联互通，互相验证，保证数据使用的互通性。

    三是要加强对碎片化数据整理，随着互联网支付渠道越来越丰富，客户的大量碎片化数据散落在日常简单的消费行为中，而这些碎片化的数据背后隐藏着大量的客户信息。农商行要加强对这些碎片化数据整理，比如客户通过pos机完成消费后，农商行可以提取这些碎片化数据整理分析出客户的支付习惯、消费对象、收入层次等信息，进而判断客户的金融需求等。

    建立平台

    增强数据应用的精准性

    农商行现有的各类系统多是有不同厂商建设，其数据格式、报表样式和分析纬度都各不相同，因此，农商行要整合大数据迫切需要搭建一个符合农商行特色的商业智能数据管理平台，增强数据应用的精准性，全面发挥数据资产价值，提升数据对业务发展、经营管理、风险控制、决策支持、产品创新的支撑能力。

    平台首先要建立一体化数据标准，以元数据为基础建设数据管理系统，打造全面、动态的农商行客户数据地图，提高数据应用的智能化和精细化。其次，要提升数据分析能力，引入大数据处理与分析技术，实现内外部结构化和非结构化数据集中与整合，比如针对客户消费习惯等因素，构建客户行为习惯分析数学模型，通过收集到的碎片化信息进行模型分析，寻找客户日常消费习惯背后的核心需求，进而优化银行服务和创新产品，针对性地推陈出新，不断紧跟客户需求。最后，要丰富数据应用的业务领域，充分整合行内、政府、企业、市场、第三方研究机构等内外部数据，建立智库系统，引入消费者行为学、市场营销等理论对数据进行多角度、全方位的分析、加工，实现对风险监控、风险预测、决策分析等工作的支持，帮助农商行精准寻找潜在市场、客户群体、创新需求等，为农商行开拓业务、降低风险提供决策依据。

    防患未然

    保障风险管理的全面性

    农业收益不稳定、农民收入低且缺乏有效的信用体系和担保机制等因素制约着农商行互联网金融创新应用。农商行要运用互联网技术改进传统的风险管理，建立全面风险管理机制。

    其一，在信用数据管理上，要建立标准化业务流程，以客观的数据基础和科学的评估手段评估辖内客户信用情况，全面掌握服务区域信用情况。此外，还要在制度规则与生态优化上不断创新，让制度建设围绕服务创新而改变。

    其二，在信贷风险管理上，要通过产业链和行业分类等对风险数据实行量化分析，比如对农业合作社的信贷风险管理，可以与农业、财政等部门合作，建立联合风险管理机制，多维度采集和分析其风险指标，增强风险预判能力；对农村经营大户可采取联保小组的模式，建立长期合作机制，采集大量农村经营大户数据，运用大数据技术对其经营、财务、风险状况进行量化分析，科学授信投贷，优化产品设计，完善利率定价。

    其三，在贷后管理上，要按行业分类建立“客户群”，并结合人行征信数据，运用大数据分析技术对客户群进行风险分析，及时调整投贷授信政策。

    其四，在风控预警上，要通过非现场动态监测企业及企业主相关信息，量化风险并及时预警；通过客服中心信贷业务催收管理，实现到（逾）期提示、催收执行、查询统计等功能，提高小微企业贷后风险预警管理批量化运作水平。