摘要：现阶段，商业银行内部审计已从“监督导向型”向“价值创造型”转变，强调提供更深层次的管理咨询服务，为企业经营发展起到参谋作用。发展与风险相辅相成，对于企业而言，不发展风险才是最大的风险。考虑到价值客户对于银行经营发展所起的重要角色，本文将从A农商银行存款客户流失分析入手，运用BP神经网络算法，结合“7P”服务营销理论,筛选对银行客户流失产生影响的21个变量，建立存款客户流失预测模型，结果表明模型预测效果较好。并根据检测结果异常数据，进一步深入剖析个别支行客户流失背后的管理根源，提出合理化建议或管理对策，为组织统筹安全和发展发挥了增值作用，也为增值型内部审计工作提供了新思路和新途径。

关键词：增值型 内部审计 客户流失  BP神经网络

一、引言

国际内部审计师协会于2001年对内部审计进行重新定义，指出内部审计的目的是为机构增加价值并提高机构的运作效率，帮助机构实现目标。基于这个新定义，中国内部审计已从过去的合规性审计向增值型审计发展，审计宗旨也由原来的“检查与评价组织活动和为本组织服务”转变为“增加组织的价值和改善组织的经营”。“增值型内部审计”概念的提出是对商业银行内部审计理念的革新，积极引导着内部审计机构不断创新审计思路和审计途径，努力实现审计效用价值的最大化，为企业可持续健康发展保驾护航。

价值增值型内部审计以商业银行发展战略为立足点，坚持业务发展与风险管控并行，通过增值型服务促进管理者决策更加科学高效,确保商业银行的安全性、流动性和盈利性。随着金融市场竞争日益白热化，对于银行而言，业务发展的停滞不前或倒退以及大量价值客户的流失等问题是各大银行必须解决的重大难题，不发展风险才是企业经营的最大风险。这些问题不仅预示着银行在经营发展中遇到了瓶颈或壁垒，而且表明银行即将面临被其他银行挤压或被市场淘汰的风险。在新时代背景下，内部审计被赋予了更高的使命和要求，不仅要对企业经营活动及内部控制的合规性、有效性进行审计，更要为企业长久生存和发展提供服务，解决商业银行经营管理难题，帮助企业更好更稳地发展。

近年来，随着利率市场化进程的不断推进以及互联网金融的快速发展，商业银行将面临越来越大的竞争，抓住给银行带来效益的客户资源将是银行提高市场份额、应对市场竞争的有效法宝。对于农商银行而言，一方面由于其自身业务产品较为单一以及城市商业银行不断下沉农村市场等多重因素作用下，农信机构客户流失率持续走高；另一方面，部分支行为完成业务指标，滋长了“投机取巧、急功近利”等行为，盲目追求短期业务指标而不顾客户质量，浪费大量人力物力拓展低价值客户或负价值客户，这种“高价值客户流失”、“低价值客户流入”的“劣币驱逐良币”现象对于农商银行的经营发展无疑是致命打击。对此，如何挽留并增加有效价值客户将是农商银行必须探讨的重要课题。本文将以存款客户流失分析为切入点，挖掘客户流失背后的管理原因，并针对问题提出合理化建议，发挥内部审计为商业银行经营发展提供增值型服务效能。

二、文献综述

目前，关于如何有效实现内部审计价值增值的研究，主要集中在以下两大类：一类是从内部审计理论入手，提出增值型内部审计完善路径。吴道珍（2018）指出增值型内部审计的核心思想是提出增加价值的审计建议，具体包括对优化企业经营过程、提高产品质量、提升顾客满意度等内容，并提出能够给企业发展带来持久性影响的建议，持续为企业增加价值。侯雪筠、刘兴钰（2019）针对增值型内部审计存在独立性不高、方法手段落后、价值增值功能未体现等缺陷，从模式、范围、制度等方面提出改进意见，促进审计增值作用更好的发挥。周金凤（2020）指出内部审计应利用独立客观的地位审视企业战略目标的实现情况，并指出目前邮政企业内部审计存在的问题，深入分析产生问题的根本原因，在此基础上探索建立增值型内部审计框架。另一类是结合银行业务实际，提供内部审计增值服务。王颖枫（2014）利用数据分析手段逐层深挖业务数据信息，掌握指标背后的业务逻辑，重点关注商业银行异常变动指标，揭示内部控制相关缺陷，为企业经营提供增值型审计服务。刘颖（2016）将价值链理论引入内部审计中，以某商业银行积分业务为例，通过分析银行POS机手续费收入增幅变化，以业务流程为路径，查找积分管理漏洞，为商业银行增值型内部审计实践作出有益探索。

随着银行业竞争的不断加剧，抢占客户成为各家银行的竞争焦点。因此，加强客户流失管理对于商业银行的经营发展具有不可忽视的重要意义。目前，关于客户流失分析的研究主要集中在流失预测模型搭建上，学者们纷纷采用多种方法和工具分析影响客户流失的关键因素，并提出相应措施。林睿、迟学芝（2012）提出利用人工神经网络稳定和学习能力强的特点，经过对变量的筛选，确定客户持有产品数、账户余额下降、客户抱怨情况等10项作为银行客户流失变量，经过检验发现，神经网络拟合效果较好，准确性较高。王未卿等（2014）以生存分析法为基础，通过Cox比例风险模型分析影响客户流失的重要因素，发现每月平均存款、消费、交易等7个变量与客户流失存在负相关，其余变量为正相关关系，为银行客户关系管理提供了预测模型。测试结果表明，通过BP神经网络算法预测客户流失的做法是可行的。马文斌等（2019）以电信客户为研究对象，经过与线性回归、决策树等预测模型对比分析，验证了基于深度神经网络算法的客户流失预测模型预测效果最佳。

为进一步探索增值型内部审计应用途径，本文将以存款客户流失问题为切入点，提取样本客户数据的关键特征变量，利用拟合效果更佳的BP神经网络算法，构建银行存款客户流失预测模型，并分析客户流失背后的管理原因，提出相关管理建议。

三、BP神经网络算法

（一）人工神经网络基本原理。

人工神经网络是一种试图模拟生物神经网络的结构和功能的数学计算模型，具有细胞神经元结构，其组成部分树突接收来自其他神经元信息并将其传输到细胞体；细胞体把各个传递过来的信号加总起来，得到一个总的刺激信号；当细胞体内的刺激信号达到一定阈值时，轴突将信号再传递给其他神经元。将上述神经元结构抽象成数学概念，便得到了神经网络模型。

1.输入层。模型输入的为数据自变量，假设神经网络输入层节点为m个关键变量特征，样本量为n个样本，输出类别为c个，则神经网络输入层数据集D为：

D={(，),(，),……，(，)}，∈，∈

2.隐藏层。神经元通过带权重的链接接收输入层信息，经过加法器对输入信息进行加权求和，并将加法器结果输入到非线性的激活函数f（·）。隐藏层节点数有d+1个，通常不少于输入层数目，且第d+1个节点为常数项偏置。中间隐藏层和最后输出层的激活函数均选择Sigmoid函数：f（x）=1/（1+）。

3.输出层。将模型的各个部分联结起来得到最后的输出函数f（+b）。

（二）BP神经网络算法过程描述。

由于正向传播隐藏层节点的预测误差无法计算，反向传播算法（又称BP神经网络算法）可以利用输出层节点的预测误差反向估计上一层隐藏节点的预测误差，从而实现对链接权重的调整，因此本文采用的是BP神经网络算法，利用反向传播修正权重并减少损失。

1.初始化输入层和隐藏层间神经元的链接权重，第一次转输过程中，使用到权重都是最开始随机初始化的

2.依次输入样本，计算期望预测值。

3.误差计算。

4.在反向传播算法中，使用梯度下降进行求参，链接权重更新

5.判断是否满足停止迭代条件（即模型误差小于指定误差阈值ε或迭代次数大于阈值），若不满足则返回步聚2，否则停止迭代，此时输出的参数即为最佳参数。

四、基于BP神经网络算法的存款客户流失预测模型

（一）关键属性变量选取。

本文基于“7P”服务营销理论对存款客户流失影响因素进行解析：

1.Product——金融产品。银行竞争力主要体现在所能提供的业务范围、产品种类和服务模式，以及是否能够满足客户日益增长的财富管理需求。消费者选择持有某家银行金融产品数量越多，表明对这家银行的依赖性更强，忠诚度也更高。

2.Price——产品价格。价格是客户选择银行产品的重要决定因素，贷款利率、分期费用等产品价格直接影响着客户是否原意持有贷款、信用卡等银行产品。

3.Place——交易渠道。商业银行针对不同客群构建了多样化服务渠道，以此提高客户购买金融产品及办理业务的便利度。随着互联网金融的高速发展，银行客户更倾向于使用自助机具、手机银行等渠道自主办理各项业务，不同渠道交易量和交易金额间接体现了客户对银行渠道构建和消费环境搭建的认可程度。

4.People——客户群体。不同客户群体对于银行的偏好程度存在差异，这与客户性别、学历、收入等基本属性特征有着必不可分的联系。

5.Promotion——促销策略。为了尽可能多地招揽客户，抢占存款市场，商业银行针对不同业务产品推出个性化营销活动，吸引消费者办理更多业务。但促销活动并非对所有客户都有吸引力，可以从客户参与促销活动的积极性来判断。

6.Physical evidence——有形展示。银行用户消费习惯及交易特点最直观的展示便是客户账户交易明细流水，包括资金转入转出、日常消费支付、每次交易间隔天数等方面，充分地体现了银行用户的金融行为特点。在银行同业及金融互联网竞争下，客户存款账户资金不断转出，也表明客户对银行忠诚度在降低。

7.Process——服务过程。消费者与银行间关系是通过一次次金融服务联结的，客户对于银行服务满意度评价可以很好地反应员工的服务质量。

结合上文“7P”理论以及已有文献筛选可能对客户流失有预测效果的因素，并根据银行客户关系管理的判断指标，最终确定客户基本特征、金融行为、产品持有、同行竞争、渠道及活跃度五大类，共21个特征变量作为客户流失的预测变量。为保证模型的稳定程度，本文将定性变量转化为分类变量，以此确保模型预测的有效性。

（二）样本数据来源及预处理。

对于银行而言，客户流失更应关注资产余额减少而不是客户账户数量的消失，同时结合X省联社考核标准，确定客户流失标准为：当客户在某观测时点后的连续三个月日均存款金额小于1万元。本文以A农商银行客户样本作为研究对象，选择样本数据窗口为2020年1月至2020年9月，前6个月作为观察期，观察期后3个月为表现期，即根据2020年7月至9月时间段内客户日均存款金额确定客户流失状况。

随机抽取A农商银行2020年存款客户样本数5000个，根据表现期客户日均存款小于1万元口径，发现其中1368个客户处于流失状态，客户流失率为27.36%。为了使模型预测结果更具说服性, 避免模型搭建过程中出现的过拟合问题，通常将抽样数据以7/3比例分为训练集和测试集，即将3500个样本用于训练模型（其中流失客户957个），剩余1500个样本（其中流失客户411个）用于评估模型效果。考虑到正负类样本数据存在非对称性，即流失客户数小于未流失客户数，这会影响模型对数据资料相对较少的流失客户的预测精度，本文采用“减少多数法”对样本数据进行平衡处理，即运用抽样技术从样本较多的类别数据集中选取部分具有类别代表性的数据，用以降低数据变量类别间的不对称性。按照平衡比例，从训练样本中抽取未流失客户957个，1914个样本共同构成最终的模型训练集。再根据7/3比例从剩余1500个样本中抽取820个样本（其中流失客户224个，流失比率接近总样本流失率27.36%），作为测试集。参照特征变量对2734个样本进行属性匹配和赋值。考虑到变量中包含多个二元离散数据变量和连续型数值变量，为保证模型参数估计系数具有可比性，本文对连续型数值变量采取标准化处理方式。

（三）基于BP神经网络算法的客户流失模型构建。

本文主要借助SPSS MODELER软件工具对数据进行分析，通过对容量为1914的样本测试集运算。

根据模型运行结果可知，本文构建了一个具有9个神经元的单隐藏层人工神经网络模型，展示了由前10个最有影响力的变量组成的神经网络连接图，图中连接线条的粗细表明变量的重要性程度（即连接细条越粗表明越重要）。根据预测模型对于变量重要性分析结果可知，模型认为每月平均转入第三方平台金额变量最为重要，其次为产品持有数、每月平均存现金额、每月平均转入同名他行账户金额等变量，这表明同行业竞争和产品优势等因素对于银行客户流失产生很大影响。A农商银行倘若无法及时提供让客户满意的金融产品和优质服务，在一定条件下，客户便会轻易选择其他金融机构。因此，A农商银行应根据影响变量的重要性程度，采取相应的客户挽留措施，以此提高客户对银行的忠诚度。

从分类结果看，模型整体准确率达到93.83%，对于流失客户查全率为90.28%，即实际为流失客户且分类正确共计864个。训练样本集的重合矩阵存在两类错误：第一类错误是将未流失客户评定为流失客户，这类错误对于商业银行影响较小，在本次训练中，有25个未流失客户样本被预测为是流失客户，错误率为2.61%；第二类错误是将流失客户评定为未流失客户，这类错误将无法对部分有流失征兆的客户做到预警，此类错误率为9.72%，考虑到训练样本流失比例为50%，这个错误率是可以被接受的。

（四）客户流失预测模型检验。

为进一步验证模型准确性，本文通过820个样本测试集对模型进行验证，判断其在实际运用中的可靠性和准确性。根据实证结果显示，预测分类结果准确率为83.48%,客户流失预测模型的拟合效果较为理想，可为农商银行提前分类客户群体，为银行客户流失起到一定的预警作用，进一步节约营销成本和费用，提升企业经营质效。

(五)客户流失预测模型应用。

在取得该行客户流失预测模型后，课题组选择处于A农商银行平均流失率水平的5家支行作为研究对象，其客户信息数据窗口为2020年7月至12月，通过模型预测出支行于2021年1月至3月客户流失清单，要求5家支行根据此份客户流失名单采取相应的客户挽留措施。2021年4月，课题组将预警客户流失名单与实际客户流失名单进行匹配，发现4家支行客户挽留率达到70%以上，且客户实际流失率均低于全行平均水平，模型预警效果明显。但其中1家支行客户挽留率远低于其他支行，仅为30%。经过深入调查，发现该支行于2020年10月至12月间在辖内开展了业务冲刺突击活动。在过高要求的业绩指标下，执行者为完成任务指标，存在虚构手机银行客户数、有效个人贷款数、信用卡客户数等情况，使得预测模型对该家支行这段期间的客户流失预测结果不准确。同时，发现该支行未对课题组前期提供的预警名单进行维护和跟踪，整体配合度不佳。在两大因素共同作用下，该家支行的客户挽留率远低于其他4家支行。考虑到该部分数据造假时间段集中于10月至12月，对于前期模型的准确性未产生直接影响，模型有效性仍可接受。

经进一步审查，揭示该支行存在以下内部管理问题：一是考核机制不够完善。支行在制定内部业务考核指标时，主要以短期指标为主，未能将存量客户流失率等长期指标融入考核体系。而且指标目标设置过高，未能结合支行实际，提出更具可行性的业务目标。二是客户管理理念不够正确。该支行管理观念较为传统，未对优质客户实行专人专管，而以同等标准维护所有客户，导致部分优质客户逐渐流失。同时，支行紧盯考核指标数量，而不注重客户管理质量，使得营销工作大打折扣，不利于企业持久健康发展。三是业务监督不够到位。管理部门对于业务数据真实性不够重视，未定期检查支行业务数据造假等情况，并对此类发现的问题给予从重处罚，让其他员工引以为戒。同时，业务数据的不真实还会进一步导致管理层对全行业务发展认知存在偏差，最终导致决策失误。在可持续发展战略规划下，支行只追求短期业务指标上升，不注重后续客户维护的方式是不可持续的，会使得客户流失管理处于恶性循环之中，商业银行将陷入更加严峻的客户流失困境。

五、管理建议

通过对变量重要性分析，可知同业竞争、金融产品和服务等方面对客户流失具有重要影响，结合支行在客户流失问题上所体现的管理问题，提出如下建议。

（一）建立以客户为中心的营销机制。农商银行应改变传统以产品为导向的营销模式，由“粗放型”向“集约型”转变，形成以客户为中心的全生命周期管理。建立客户专人专管机制，加强业务数据分析，针对不同客户资产规模大小，对客户开展精细化管理，采取差别化营销、交叉营销、一揽子营销等策略，强化与客户之间的沟通交流，满足客户个性化的金融服务及产品需求，形成双方互利共赢的良好合作关系。

（二）注重产品创新和服务质量提升。客户选择金融构更加关注的是银行提供金融产品、服务的质量，以及银行对市场和客户的需求响应速度，并使之转换成更优服务和产品的能力。面对同业竞争，农商银行要找准自身优势，结合当地客群特点，注重客户基础信息数据挖掘，提炼出能够反映客户交易规律和金融需求的特征，从而构建具有针对性、差异化、个性化的系列金融产品和服务体系，不断提升客户的体验感和获得感，增强客户粘合度。

（三）加强业务数据真实性和有效性监督。农商银行内部管理部门要不定期对支行工作执行情况进行跟踪检查，适当增加激励约束措施，杜绝业务数据弄虚作假问题再次发生，强调合规审计部门事前、事中、事后的监督、评价和服务职能，规范支行经营行为，实现企业可持续健康发展。

（四）逐步完善内部考核机制。结合上级管理部门的管理办法，农商银行应结合内部经营管理特点，从企业长远发展潜力和经营效益入手，坚持短期与长期目标相结合，强调“做深做实”原则，科学制定行内考核办法，并将其作为支行行长履职评价和岗位竞聘的重要参考依据。同时，不定期评估指标的合理性和有效性，对于指标应用效果进行评价和反馈，持续改进考核办法，构建兼具多元化、有效性的考核体系。

六、启示

银行客户流失不仅对银行业务交易量、经营利润等产生直接影响，还对客户内部结构、银行竞争力、企业形象等有着间接影响。本文利用数据挖掘工具构建了银行存款客户流失预测模型，为银行挽留客户以及完善内部控制管理等方面提供了相关建议。对于农商银行而言，客户流失预测模型能够在一定程度上帮助银行控制客户流失风险，对加强客户日常管理和维护客户关系，以及增加银行经营利润等都具有重要意义。当然，不同银行由于所处市场环境和地理区域的不同，在运用BP神经网络算法构建预测模型时，应当结合银行自身经营特点，选取对客户流失影响具有代表性意义的变量因素，并根据测试结果作出不断调整，从而获得最佳的客户流失预测模型。

面对金融行业的经营模式和政策要求的不断变化，对于银行内部审计而言，提高企业运作效率和增加公司价值仍是增值型内部审计的最终目的。为了更好地服务企业，内部审计部门应凭借农商银行多年深耕本土积累的大量数据资源优势，运用信息科技手段和大数据挖掘技术，发挥内部审计应有的效用价值，将审计工作由传统信贷、会计等领域扩展到能够为商业银行创造价值有关的领域，持续拓展增值型审计的广度与深度。本文尝试通过搭建银行存款客户流失预测模型，发挥好辅助管理层关于客户管理方面的决策参谋作用，正确处理好发展与安全的辩证关系。同时，对于验证过程中发现的异常数据，内部审计部门通过剖析支行内部经营管理过程中的簿弱环节，深入探究问题背后的管理根源，并提出有关优化产品、完善机制等建议，对农商银行提高经济效益、降低经营风险等具有重要作用，也为探索增值型内部审计应用途径提供了借鉴意义。

参考文献：

[1]钱俊，陈平雁，2009：生存分析中删失比例对COX回归模型影响的研究[J]，南方医科大学.

[2]满玉华，2010：关于商业银行客户流失的思考[J]，黑龙江金融，第6期.

[3]林睿、迟学芝，2012：基于人工神经网络的银行客户流失分析模型[J]，电脑知识与技术，第3期.

[4]王颖枫,2014:数据分析在审计增值服务中的应用[J],现代经济信息,P25-27.

[5]王未卿、姚娆、刘澄，2014：商业银行客户流失的影响因素——基于生存分析方法的研究[J]，金融论坛，第1期.

[6]刘颖，2016：商业银行增值型内部审计研究——基于某银行的案例分析[J]，商业银行经营与管理，P56-64.

[7]吴道珍，2018：增值型内部审计的核心思想与应用方法[J]，中国农业会计，P48-49.

[8]马文斌、夏国恩，2019：基于深度神经网络的客户流失预测模型[J]，计算机技术与发展，p76-80.

[9]侯雪筠、刘兴钰，2019：企业增值型内部审计研究[J]，商业会计，P52-54.

[10]周金凤，2020：平衡卡视角下邮政企业构建增值型内部审计探究[J]，交通财会，第393期. （宁海农村商业银行 杨光勇 叶天平 王晓晓）