我国小微企业数量众多,其生产的最终产品和提供的服务价值占GDP的比例达到60%,纳税占比超过50%。而2017年末,小微企业贷款余额占整个企业贷款余额的比例仅为37.8%。调研数据分析显示,造成此现象的症结在于小微企业“短、小、频、急”及轻担保、利率敏感的融资需求和银行高门槛,高效益、重风险、长流程的传统授信要求相矛盾。以地方商业银行为主的小微企业融资供给方因自身市场定位及监管压力,解决该问题的意愿尤为迫切。A银行作为一家地方商业银行,近年来其500万元以下小微贷款业务发展基本停滞。主要原因在于A银行现有产品的金额、期限、担保条件、授信效率和小微企业贷款需求“短、小、频、快、急、弱担保”的矛盾。而一些优秀的同业银行利用金融科技和大数据,在小微信贷服务上已取得突破,成为行业标杆。基于交易成本理论,A银行选择与一家国内领先的金融科技公司来合作,以帮助其建立基于数据驱动的授信管理体系,从而实现小微信贷业务的转型升级。有效的授信管理体系需涵盖信贷全生命周期的管理。论文介绍了在信贷全生命周期中利用客户信用数据,构建客户信用画像,实施授信决策,进行信贷全生命周期的管理的详细方案。并指出实施信贷全生命周期管理,不断积累完整客户贷款生命周期数据,是数据模型自适应性闭环体系良性循环的基础。对于基于数据驱动授信管理体系,信用评分卡是其核心。论文从信用评分卡的设计、数据准备、变量处理、逻辑回归建模方法和参数设定、模型评价方法、模型对比选择、评分卡分数的计算、模型运行监测方法等方面详细讲述了评分模型建立及维护的原理和过程。论文通过对比Logistic、SVM、RF、GBDT、Ada Boost五种建模方法在KS、AUC指标上的表现,并综合考虑模型可解释性、银行适用性等因素,确定以WOE值为变量输入的logistic回归模型作为主要建模方法。有效的授信管理体系核心目标为:在信贷全生命周期管理中实现有效风险控制并提高效率。基于数据驱动的授信管理体系较基于经验的授信管理体系在授信管理效率、信用风险和操作风险管理上具备以下优势:更高的授信管理效率、更佳的客户体验、更低的贷款业务可变成本消耗、更强的信用风险管控能力、更准确的风险定价、更能杜绝信贷人员的道德风险。但同时,对银行数据和信息科技风险管理提出了更高的要求。新产品能够为A银行带来一定的经济效益,但对银行小微信贷业务的战略升级意义更加重大。