2017年财政部50号文、87号文、75号文等不断关注地方融资平台的规范建设与发展，其中对地方融资平台土地融资、金融机构借款与融资平台信贷风险防控等问题给予了较高程度的关注。中国人民银行也于2017年5月成立金融科技(FinTech)委员会，旨在加强金融机构在金融科技工作的研究规划和统筹协调，特别是发挥大数据技术在信贷风险控制等方面的重要作用。截止2016年底，地方融资平台融资中银行贷款已占到其融资总额的60%左右。控制好银行体系中地方融资平台的贷款信息，加强银行与地方融资平台的贷款监督，将信息汇总至财政监督部门将成为新时期财政监督的有效方式与重要手段。按照银行大数据信息系统构建信贷数据财政监督平台，做好融资平台信贷的贷前、贷中与贷后管理将能有效提升财政监督的科技水平并防范好融资平台的信用风险。
一、银行财政监督大数据系统的构建
20世纪以来，信息技术在银行业中广泛使用，积累了体量庞大的客户信息与数据，商业银行因此在信贷风险管理方面可以使用更多的数据并提供给财政监督与监管部门。通过将各家商业银行的计算机和信息系统互联互通起来，对各家金融机构内部财政融资及融资平台融资的数据进行结合、汇总提供给专门的金融机构融资平台贷款信息专用网络供财政监督部门进行探讨。
(一)银行信贷的财政监督大数据信息处理系统的构建
本文拟将银行信贷财政监督大数据系统分为四层：融资平台贷款信息数据层、金融机构贷款信息网络层、地方融资平台融资信息搜集层、财政监督应用层。第一层是贷款信息数据层，其基于各金融机构原有数据库进行构建，各金融机构为内部财政融资贷款和地方融资平台融资数据提供数据接口，接入统一的第二层金融机构融资平台贷款专用网络;由第三层地方融资平台融资信息搜集层进行数据处理;第四层为辅助决策信息系统：包括融资平台市场准入、日常贷款监管系统、贷款信息披露、贷款清偿监管、银行评级系统、财政从业人员监管系统、财政监督基础模块等多个层次(见图1)。
商业银行平台贷款大数据财政监督系统需要结合金融机构的实际情况，参考企业分层设计架构的思想，构造如图1中的金融机构融资平台贷款信息的数据框图。这种系统的组织架构特点包括以下几个方面：
一是，该系统的层次清晰，分为银行平台贷款数据信息统计层、网络数据调用层、信息搜集层和财政监督应用层;
二是，在此系统中，每一层都将银行类金融机构面对的地方融资平台贷款信息数据封装在一起使用，统一上交给上层财政监督信息数据系统使用，同时在传统网络信息结构体系中，该系统加入了财政监督信息的统计与数据信息的处理层，通过金融机构专用网络将服务层和数据层相连接，并设置了金融机构信息数据搜集处理的防火墙，对各金融机构搜集的地方融资平台贷款信息数据的安全性加以保护;
三是，各家金融机构通过专用信息数据网络通道对融资平台的贷款信息数据加以传输，传递至财政监督信息管理系统，使财政监督监管部门可以实时查看商业银行机构的地方融资平台经营业务数据，提高了财政监督监管的效率。
图1 地方融资平台贷款信息财政监督大数据管理系统
(二)银行信贷财政监督大数据信息处理系统的应用优势
大数据时代商业银行将可以实现融资平台贷款的有效与精细化管理，传统商业银行贷款业务受制于商业银行数据搜集和处理的能力，无法将最有效的贷款信息数据提取出来，供商业银行风险控制部门加以使用。
在地方融资平台财政监督系统的信息搜集之下，融资平台的贷款信息数据可以通过信息系统加以反馈、搜集和整理;在存、贷款风险的管理控制过程当中，银行对融资平台贷款信息数据搜集之后，可以进行风控模型的建设。使用大数据管理可以为商业银行经营过程当中的风险控制与催收活动创造更多可以利用的数据和技术方式。使用大数据技术中的数据挖掘方法也可以将信息化决策更加有效地融入到融资平台客户体验改善中去，使商业银行的地方融资平台贷款精细化管理水平逐步提高。
在传统银行信贷管理活动当中，数据的搜集与使用都是人工化的，容易产生较多的低级错误，特别是对地方融资平台信贷活动的监控是不完善的，而且对融资平台违约信息的搜集成本较高、准确度差，无法实时有效地反映地方融资平台的信息数据。商业银行为了掌握融资平台的贷款，需要对融资平台的注册资本、财务报表和抵押物等内容进行实时的调研与审查，这些流程中银行获取材料的时间较长、人力成本也较高。但在财政监督信息数据信息系统中，商业银行对融资平台客户在信息数据搜集、抵押品和财务状况的调查可以实时完成，获得成本较低，可以更加精确地了解到融资平台客户的实际经营状况，降低融资平台的违约风险。将有效解决财政监督、审计监督层面长期困扰的无法有效监督地方融资平台银行信贷业务及数据的问题。
二、对地方融资平台财政信息数据的大数据搜集与管理
地方融资平台财政信息当中极为重要的部分在于其融资平台的分类、基本银行信贷情况、平台自身现金流是否覆盖债务本息等内容，均可以通过商业银行信贷数据管理系统进行搜集，目前，监管部门有两个制度对地方融资平台的融资行为进行了有效和明确的约束与规范。在数据搜集过程当中，可以通过下述两个制度对地方融资平台的信贷数据加以归集与整理反馈给财政监督部门。
(一)两制度依据决定融资平台数据搜集品类
2017年5月3日，财政部、发改委、司法部、人民银行、银监会、证监会六部委联合发布了财预〔2017〕50号《关于进一步规范地方政府举债融资行为的通知》(以下简称“50号文”)指出，为贯彻落实中央决策部署，牢牢守住不发生区域性系统性风险的底线，厘清政府与融资平台关系，规范举债融资体制。目前对地方融资平台公司分类管理规定：各银行对融资平台实施"名单制"管理，将融资平台划分为"仍按平台管理类"和"退出为一般公司类"(以下简称"退出类")。同时，2017年5月3日，财政部、发改委、司法部、人民银行、银监会、证监会六部委联合发布了财预〔2017〕50号《关于进一步规范地方政府举债融资行为的通知》(以下简称“50号文”)按照融资平台自身现金流覆盖债务本息的情况，将融资平台分为"全覆盖"、"基本覆盖"、"半覆盖"、"无覆盖"四种情况，并对分类结果进行动态调整，主要内容下表1。
根据银监会的定义，政府融资平台主要是由地方政府进行出资设立的企业、事业、机关三类性质的法人机构，其债务由地方政府承担还款责任。本文中的政府融资平台是指地方政府通过注入资金、划拨土地等形式发起设立独立法人公司，其以未来经营收入、各项设施收费、土地出让作为还款来源，以土地及政府补贴作为担保进行融资，解决政府基础设施建设融资问题。由于政府融资平台承担着城市基础设施建设的责任，因此，其投资项目并不一定盈利，有些具有公益性的特征，按是否具有经营收入大体可分为三类如表。
表1政府融资平台分类表
(二)平台贷款信息大数据搜集与管理
同时，上述两个文件中还规定对于"仍按平台管理类"，控制平台贷款投向、严格新发放平台贷款条件;对于"退出类"平台，无法取得保障性住房和其他公益性项目贷款;没有纳入到“名单制”的融资平台，各家银行不得以任何方式让财政资金承担直接或者间接的还款责任;这一类平台公司的贷款信息数据主要包括以下五个方面，分别是《公路法》中的收费项目;国务院审批或者核准的重大项目;符合国土储备的项目;保障性安居工程项目;工程进度在60%以上的现金流全覆盖项目。
融资平台新发放贷款需要满足六个条件，主要涉及到现金流、抵押担保、贷款期限、还款方式、财政预算、资产覆盖率等多个方面。这些问题的法律条文依据是《关于制止地方政府违法违规融资行为的通知》(财预[2012]463号)文中的相关要求。
因此，在搜集地方融资平台贷款信息数据时可以依据上述要素分别对贷款信息的关键要素内容进行挨个搜集和概括，并将搜集数据传输至金融机构融资平台贷款信息数据库当中，存入到金融机构信息数据网络层。
从2014年《预算法》修订案和《国务院关于加强地方政府性债务管理的意见》(国发〔2014〕43号)颁布实施以来，尽管地方政府在化解财政金融风险方面都取得了阶段性的进步与成果，但是部分地区的地方政府仍然存在违法违规举债和担保的情况，出现的风险不容忽视。上面论述的数据类别是大数据信息平台搜集的重点，为财政监督系统提供更为连贯、有效、真实的监督数据。
三、银行融资平台信贷大数据管理现存问题
根据上述财政监督系统文件对银行融资平台信贷数据进行管理将可以有效提升银行信用风险管理与财政监督 水平，但目前在使用当中仍然存在着较多问题。
(一)融资平台贷前数据管理的问题
1、未将地方财政纳入评级体系
融资平台是政府融资平台类客户，融资平台与当地政府有着特殊关系，地方政府的财政收入、财政支出的增长变化情况等不仅影响着政府的偿债能力，也间接影响着融资平台的还款意愿与还款能力。然而，在商业银行目前的定性分析指标体系及定量分析指标体系中都没有考虑到政府融资平台的这一特征，主要原因在于风险评价体系过于标准化，缺乏灵活性。
2、客户分类未考虑政府融资平台特征
由于政府融资平台承担着城市基础设施建设的责任，其区别于其他公司的一个特点，融资平台的投资项目并不一定盈利，且具有公益性的特征(分类如表1所示)。商业银行在对融资平台进行客户分类时并未考虑到政府融资平台这一特点，仍按照通用的分类模式，主要原因在于客户分类考虑因素不够全面，分类标准笼统，缺乏细化。客户分类是信用评级的基础，客户分类的细化有利于信用评级的完整和准确。
3、缺失对财务报表信息识别过程
在对融资平台贷前的信用评级过程中，商业银行大数据管理的定量分析模型所采用的影响因子是各类财务指标，在对融资平台贷款项目的调查评估环节采用的是非现场调查的方式，也主要依赖于公司提供的数据资料。因此，一旦融资平台财务报表信息不真实，借款人存在财务舞弊现象，会严重影响商业银行风险识别、评价及控制结果。但在商业银行的数据信息应用与信用评级过程中没有重视这一问题，缺乏对财务报表信息的识别过程，主要原因在于风险意识不够。
(二)融资平台贷中信贷数据管理的问题
商业银行的贷中风险管理主要是依靠向上级行上报材料并获得审批来实现的，目前在信息监督系统中的应用容易造成传递过程中失真，另一方面，层层审批造成了较多的重复和无效劳动，不利于风险的集中控制和决策效率的提高。主要原因在于商业银行实行的是统一法人授权制度，总行对各级进行授权和转授权，下级的信贷业务也需按照这一授权线路逐级上报进行审批。这就导致现有的金融机构信息管理数据系统存在着时滞与隔离的问题。
(三)融资平台贷后信贷数据管理的问题
1、缺乏对政府政策风险的贷后数据评估
通过对融资平台的信贷风险分析发现，其信贷风险数据与政府政策关系密切，政府财政政策、产业政策的变化都会对融资平台的发展产生重大影响，从而影响融资平台的还贷能力。因此，对政府相关政策的持续跟踪观察是商业银行对政府融资平台客户信贷数据与信贷风险管理的重要任务。然而，商业银行只是从抵押物价值的角度对相关的房地产政策进行了特别关注，并非为了评估政府政策与融资平台的经营风险之间的关系。
2、贷后数据管理人员不足
商业银行的所有贷后风险管理活动主要由客户经理负责，无法全面有效进行贷后风险管理，且存在未尽其职的现象。这种现象产生的原因主要是由于面对日益激烈的商业银行市场竞争环境，商业银行目前的核心目标是扩大市场上的存款及贷款份额，因此，业务考核指标偏重于对贷款业务量的考核，而业务风险管理方面的考核指标比重相对较低。现有的考核指标体系虽然能有效激励客户经理拓展贷款业务，但同时导致了客户经理忽视贷款项目的具体风险，尤其是对贷后项目风险的检查和控制，贷后管理人员较少，然而商业银行的不良贷款与贷后风险的检查和控制有着密切联系。
四、银行融资平台信贷大数据管理的对策建议
本文分析了商业银行在构建地方融资平台信贷数据财政监督大数据管理系统中优势与特点，同时探讨了商业银行在对政府融资平台发放贷款时所面临的主要的财务风险、经营风险和管理风险中所需要搜集的数据，重点分析商业银行贷前、贷中、贷后的信贷风险管理措施，全面了解了商业银行对政府融资平台信贷风险管理的现状。在此基础上，发现其现有风险管理措施存在的问题并提出建议。
本文发现商业银行地方融资平台信贷大数据管理总体上能有效控制信贷风险，但仍存在一些问题：贷前未将地方财政纳入评级体系、客户分类未考虑政府融资平台特征、缺失对财务报表信息的识别过程，贷中信息传递失真、决策效率较低，贷后缺乏对政府政策的评估、贷后管理人员不足。
针对这些问题本文提出关于融资平台信贷大数据管理信息系统的几点操作性建议：通过完善地方融资平台信贷大数据管理评级及分类指标体系，增加对融资平台财务报表数据的识别来完善贷前信贷风险管理;建立地方融资平台信贷管理的风险管理体系，并对组织进行扁平化改进，提高融资平台信贷实时风险管理效率;通过建立地方融资平台贷后政策评估模型量化政策影响，通过优化信贷岗位考核机制来激励相关人员关注贷后风险管理;通过上述措施构建地方融资平台信贷大数据管理信息系统。
(一)完善财政监督与贷前信贷数据管理
完善财政监督与贷前信贷数据管理系统需要加强数据挖掘技术的实现与应用，虽然国内对于大数据和数据挖掘的模型与算法较多，但是实际成功的案例较少，没有历史数据可以参考。怎样将国外的成功经验有效吸收学习，并用于实践?将结构数据挖掘技术进行模型校验与效果提升?这两个问题是当前财政监督与贷前信贷管理系统亟待解决的问题。
1、完善客户分类及评级指标体系
一方面，在客户分类设计时针对如政府融资平台这类特殊客户，应根据其特征在一般客户分类的基础上进行细分，从而充分反映客户经营、管理以及财务特点，对症下药，防范信贷风险。
另一方面，将地方财政纳入客户评级指标体系。商业银行现有的客户评级定性及定量指标是固定的模型，适用于一般企业。然而，如政府融资平台这类具有区别于一般企业法人的特殊客户具有特殊的信贷风险影响因素，常规的评级模型就无法全面准确地对其评级。因此，商业银行在贷前对融资平台进行信用评级时应将政府的偿债能力、区域经济发展等因素纳入风险评价指标体系中。建议商业银行完善评级体系，在一般评级模型的基础上加入特殊客户所面临的信贷风险影响因素。
2、增加识别财务报表数据过程
商业银行对融资平台的信用评级以及项目评估的过程中主要依赖于融资平台提供的财务报表数据。但是，商业银行并没有对财务报表信息数据的真实性进行判断，而是对原有数据直接进行行业对比、指标计算、分析不同时期报表数据对比。建议商业银行在获得报表信息时，组织专门人员对报表数据进行调整、倒推，同时对比分析融资平台不同时期的财务报表，进而对报表信息的真实性、有效性进行识别。在此基础上，根据客户评级指标体系对客户的财务数据进行分析计算。
(二)完善财政监督与贷中信贷数据管理
建议商业银行组织结构进行扁平化，借鉴国际经验，改进信贷风险管理体系，将业务线与风险控制线分离，在风险控制线上设置授信审批分部，具体的做法是：在总分支行分别设立授信审批部门，通过专职审批人、贷审会与信贷审批人员全部归口该部门管理，保持风险部门的独立性与控制权。从而减少审批层级，提高决策效率。随着各种新技术的发展，大数据与数据挖掘技术也随研究的深入而不断进步，以后将更加便捷、有效地应用于未来融资平台的财政监督实践当中去，根据新的理论与模型方法，增加银行融资平台信贷数据挖掘的可靠与有效性，提高融资平台信贷数据质量，使数据更具理解性，同时将结果呈现也将更加易于被风控人员理解。
(三)加强对地方融资平台各种非结构化数据的开采的研究
从地方融资平台的新闻报道与多媒体数据库中发现有意义的数据信息，包括对地方融资平台在各种新闻媒体、官方简介上的文本、图形、音频与视频数据进行分析，将非结构化数据更加有效地抽丝拨茧出来，可以将复杂的问题简单化，将无法数字化的视频、图片转化为可以识别的数字，提供给财政监督的决策者，以更加合理有效的政策建议与分析结果。
目前，报刊、媒体对地方融资平台贷款信息的报道较多，例如，2013年3月，新华网报道《武汉每天需还1亿元债务 工地上万个被称"满城挖"》，该报道引起了国务院及中央政府高层对于地方政府债务问题的忧虑，促使国务院出台了关于地方融资平台风险控制的若干项条款与条例。在大数据与新媒体时代，如果可以用大数据对地方融资平台的贷款信息的相关新闻报道与多媒体信息数据进行监测监控，并纳入到银行信贷风险管理系统当中，将可以有效地利用好地方融资平台的各种非结构化数据，挖掘出更多更有效的风险管理内容，使非结构化数据研究方式更广阔地用于地方融资平台的信用风险管理。
(四)完善财政监督与贷后信贷数据管理
1、建立政策风险评估模型
商业银行对融资平台的贷后信贷风险管理是按照常规信贷风险管理流程及模式进行的，针对政府融资平台的特征，应对影响政府融资平台还贷能力的特殊风险进行监控。特别关注政府政策，尤其是为支持政府融资平台发展而出台的倾斜政策。因此，建议商业银行建立完善的政府平台贷后政策评估体系，对政府政策的主观判断进行量化，建立贷后政策评估模型，可借鉴贷前风险管理中定性指标分析，对政府政策进行月度、季度汇总、打分，从而明确政府政策变动对客户及其还款能力的影响力。
2、完善绩效考核机制
贷款利息收入是银行的主要收入来源，在利率市场化，商业银行竞争加剧的背景下，银行不可避免的关注贷款金额及总量。目前商业银行的绩效考核主要关注的是授信总额，风险管理在绩效考核中所占比重较低，这一考核指标不利于客户经理在授信过程中关注信贷风险。因此，为激励银行员工在授信过程中更为严谨，建议客观设定授信总额目标，同时提高业务风险管理方面的考核比重，对于因为人为疏忽而造成的不良贷款要追究相应人员责任。
总之，依据财政部现有50号文、87号文、75号文与新《预算法》等内容不断关注地方融资平台的规范建设，加强商业银行金融科技与大数据系统建设，构建财政监督大数据信息管理平台，协调好贷前、贷中与贷后管理的数据管理内容将有效管理好融资平台的信用风险，降低违约风险，提升财政监督的效率。
