預知客户走數風險：大數據分析客户行為助降低財務危機

在目前全球互聯網迅速普及的大前題之下，企業間的商業往來已發展成為一種具有高度網絡化和數碼化特徵的新型商業關係。在此基礎上，復雜的經濟環境又為企業帶來了更多挑戰：如何正確處理商業關係、降低企業在商業行為中所要承擔的信用及合規性風險等已是一個不得不重視的問題。

應對此類挑戰的關鍵在於數據以及對數據的分析。例如，通過對合作伙伴的信用風險進行全面的分析，企業可以了解其經營狀態、履約能力等，大大地避免了企業本身的經營風險。目前，比較常用的企業信用風險評估方法是對財務數據進行分析，即通過對企業資產負債率、營業額增長比例等數據的分析，提供有關企業盈利能力和信用評估的信息。

然而，企業相關數據往往難以獲取，而且難以確保數據的可信性。因此通過利用企業財務數據完成信用風險分析的傳統方式已經很難滿足市場需求。

大數據分析財務狀況

於是有公司便提出在財務數據缺失情況下的新式信用風險分析解決方案。此方案基於數據洞察力，除財務數據外，企業的基本指標也能夠用於信用風險分析。這些指標包括企業成立年份、付款表現、員工人數、進出口狀況、信用、法院訴訟、媒體負面訊息、行業信息、網站信息等。

然而，數據的魅力並不在於數據本身，而在於對數據經過分析和發掘之後所釋放出的潛在價值（大數據分析）。這些指標數據量大且分散（非結構化數據），僅停留在收集數據的層面無法實現準確分析企業信用風險；因此往往需對數據整合、存儲和關聯分析能力有更高的要求。

現時有些方案便可結合專業的數據分析能力，對以上指標進行跨行業、跨區域、跨時間等多個角度的比較分析。舉例，鄧白氏的 DUNTrade 付款信息交流計劃，便是一套本身能為企業搭建信用信息共享平台的計劃，通過整合大量企業的付款行為信息及深度分析，形成鄧白氏 PAYDEX 付款指數，從而為評估企業財務狀況和信用風險提供了另一角度的分析價值，進而提升數據分析的準確性和預測力，實現財務數據不完全情況下的風險管理。