-
行业资讯
INDUSTRY INFORMATION
金融机构的不良业务绩效扣分，正在从制度条款走向系统执行。本文面向银行、信托、保险、证券等金融机构HR、风控、合规及数字化管理者，分析绩效扣分如何自动执行，并拆解人事系统在数据集成、规则引擎、自动执行、审计留痕中的支撑作用，帮助机构把不良业务问责从人工判断转为可验证、可追溯的管理闭环。
金融机构的绩效管理，越来越难脱离风险管理单独讨论。监管对于银行业金融机构绩效薪酬延期支付、追索扣回、责任认定等要求，已经把风险结果与人员激励约束更紧密地绑定在一起。尤其在不良贷款、不良资产、违规操作等场景中，绩效扣分不再只是内部管理工具，而是合规治理、审计问责和风险文化建设的一部分。
从公开研究与行业实践看，金融机构普遍已经建立不良业务绩效扣分制度：不良贷款达到某一等级要扣分，责任认定涉及主办、协办、审批、管理岗位要分层扣分，重大风险事件还可能联动绩效薪酬扣减、延期支付、追索扣回、评优资格限制等后续管理动作。问题在于，制度写得越细，执行越依赖人工；流程越跨部门，偏差越容易出现。
这就形成了一个典型矛盾：制度有要求，执行靠人工，落地存偏差。对于总行—分行—支行多层级组织而言，一套扣分规则要同时覆盖业务差异、区域差异、岗位差异和责任链条差异，人工执行不仅慢，而且很难做到一致、可复核、可重现。本文要回答的问题是：金融机构人事系统如何自动支撑不良业务绩效扣分规则，从“人控”转向“机控”？
一、制度逻辑与现实困境：不良业务绩效扣分为何落地难
不良业务绩效扣分的制度逻辑并不复杂：谁承担风险责任，谁在绩效评价中体现相应后果。真正困难的是，金融业务链条长、责任边界复杂、数据分散在多个系统中，导致制度在执行层面容易失真。
1.监管驱动下的绩效扣分制度建构
金融机构设置不良业务绩效扣分，首先不是为了增加HR考核动作，而是为了落实风险责任与激励约束相匹配的治理要求。对于银行等持牌金融机构而言，贷款质量、资产风险、操作合规、内控缺陷等风险结果，都会影响机构稳健经营。监管强调绩效薪酬与风险调整后收益相匹配，本质上是在要求金融机构避免只奖励规模增长，而忽视风险滞后暴露。
在实践中，不良业务的范围并不只是不良贷款。银行场景下常见的是信贷资产质量下降、逾期迁徙、风险分类下调、核销损失等；保险、证券、信托等机构也可能面对投资损失、合规违规、产品销售风险、客户投诉升级等问题。不同不良业务对应的扣分逻辑并不相同：不良贷款更强调金额、等级、责任主体和发生周期；违规操作更强调行为性质、影响程度和责任认定；重大风险事件则通常需要关联管理责任和审批责任。
这意味着，绩效扣分不是简单地把某个风险事件转成一个分值。它实际上是把监管要求、内部制度、岗位责任、业务结果和绩效周期连接起来。对于HR部门而言，难点不在于理解扣分的必要性，而在于如何把复杂规则稳定地执行到每一个考核对象、每一个周期、每一次薪酬或评价结果中。
2.执行层面的三大失真：规则、数据与流程
不良业务绩效扣分落地难，首先表现为规则失真。金融机构的扣分规则往往涉及业务类型、不良等级、责任比例、岗位角色、时间衰减、扣分上限、豁免条件等多个维度。若依靠人工Excel、线下审批或分支机构自行填报，不同管理者对同一条规则可能产生不同理解。例如，同一笔不良业务中，客户经理、审批人员、贷后管理人员、支行负责人是否都扣分、分别扣多少、是否跨周期追溯，人工判断很难长期保持一致。
第二类失真来自数据。风险管理部门掌握不良认定数据，业务部门掌握客户与业务过程数据，HR部门掌握人员、组织、岗位、绩效周期和薪酬数据。如果信贷系统、风控系统与人事系统没有打通，不良业务数据就需要人工搬运。人工搬运会带来三个问题：数据延迟、字段缺失、责任主体映射错误。尤其在人员调岗、离职、组织合并、客户经理变更等场景中，如果没有统一主数据，很容易出现风险归属与人事归属不一致。
第三类失真是流程失真。部分机构虽然完成了绩效扣分计算，但扣分结果没有自动联动薪酬核算、职级调整、评优资格、绩效改进计划等后续动作，形成“扣而不行”的断点。也就是说，分数看似被扣了，但没有进入薪酬、晋升和人才管理流程，制度约束力被削弱。更严重的是，当监管检查或内部审计要求追溯某笔扣分依据时，机构可能只能提供碎片化邮件、审批表和手工台账，难以证明规则执行的一致性。
表格1：人工执行与系统自动执行绩效扣分的关键差异
| 维度 | 人工执行 | 系统自动执行 | 管理影响 |
|---|---|---|---|
| 规则准确性 | 依赖人员理解，口径易偏差 | 规则参数化配置，按统一逻辑计算 | 降低同案不同扣的风险 |
| 数据时效性 | 依赖人工导入与线下传递 | 业务系统与人事系统接口联动 | 缩短不良认定到绩效扣分的周期 |
| 流程连贯性 | 扣分、薪酬、评优等环节分散 | 扣分结果自动联动后续流程 | 避免扣分结果停留在台账 |
| 审计可追溯性 | 证据分散，复盘成本高 | 规则版本、计算过程、复核记录留痕 | 满足合规审计与内部问责要求 |
| 执行一致性 | 分支机构差异明显 | 总行规则框架统一，参数差异可控 | 支撑多层级组织治理 |
3.从人控到机控的必然性
金融机构过去依靠人工执行扣分，并非完全没有合理性。早期业务规模较小、规则相对简单、机构层级较少时，人工判断能够保留一定管理弹性，也便于处理特殊情形。但当监管审计要求更强调可追溯、可验证、可重现，当业务规模扩大、产品复杂度上升、人员流动频繁时，人工执行的边界就会被迅速放大。
从“人控”转向“机控”，并不是取消管理判断，而是把适合标准化执行的环节交给系统，把真正需要裁量的环节留给复核机制。系统负责按照既定规则计算、联动和留痕；管理者负责规则制定、异常复核、申诉处理和制度优化。这样既能减少随意性，也能避免系统僵化造成不公平。
需要注意的是，机控并不意味着所有扣分都应全自动生效。对于责任认定存在争议、涉及重大问责、可能影响员工基本权益的场景，应保留人工复核、员工申诉和合规审核环节。真正成熟的自动执行，是自动化与治理程序的结合，而不是把人工判断简单替换为系统判断。
二、系统支撑的底层架构：绩效扣分如何自动执行
人事系统支撑不良业务绩效扣分自动执行，关键在于形成“数据集成—规则引擎—自动执行—审计留痕”的四层架构。它把不良业务从风险事件转化为绩效结果，并进一步联动薪酬、职级和人才管理流程。
图表1：不良业务绩效扣分自动执行的四层架构
1.数据集成层：业务数据与人事数据的实时打通
自动扣分的第一步，不是配置扣分公式，而是让系统知道哪一笔业务、哪一个风险事件、哪一个责任主体应进入考核。金融机构通常需要将信贷系统、风控系统、资产管理系统、合规管理系统中的不良业务认定数据，按照统一接口推送至人事系统或绩效管理平台。
这些数据至少应包含几类字段：业务编号、客户或项目标识、不良认定时间、不良等级、风险金额、责任认定结果、责任比例、所属机构、涉及岗位、处理状态等。人事系统则需要提供人员编码、组织层级、岗位任职历史、绩效周期、薪酬周期、考核方案等信息。两类数据匹配后，系统才能判断应由谁承担绩效后果，以及进入哪一个考核周期。
在这一层，数据质量校验非常关键。比如，某客户经理在不良认定发生前已经调岗，系统必须依据任职历史判断责任期间，而不是简单按当前岗位归属扣分；某分支机构发生合并，系统要能保留历史组织关系，避免责任穿透失真。对于金融机构而言，数据集成层越扎实，后续规则引擎越不容易被错误数据拖垮。
2.规则引擎层：扣分规则的数字化建模与灵活配置
规则引擎是绩效扣分如何自动执行的核心。它的任务是把制度条款转化为系统可识别、可计算、可版本管理的规则。金融机构的不良业务扣分规则，通常不是单一公式，而是由条件组合、权重分配、阈值触发、时间衰减、责任比例、例外情形等构成的规则集合。
例如，制度可能规定：某类不良贷款按风险等级扣分，超过一定金额后加重扣分；如果责任人为主办客户经理，则按直接责任扣分；如果为管理负责人，则按管理责任比例扣分；若该笔业务已完成有效清收，可在下一周期进行部分修正。这些文字规则如果没有规则引擎支撑，就只能靠人工理解和手工计算。
规则引擎的价值在于可配置、可复用和可追溯。总行可以统一设置规则框架，分行在授权范围内配置本地参数；制度调整时，系统通过版本管理记录旧规则与新规则的生效时间，确保历史扣分按历史规则计算，新增扣分按新规则执行。这样既保留了多层级组织的差异化，又避免各分支机构自行解释制度。
表格2：不良业务绩效扣分规则模型及配置要点
| 规则模型 | 适用场景 | 规则逻辑 | 配置要素 | 典型示例 |
|---|---|---|---|---|
| 固定扣分模型 | 不良等级清晰、责任边界明确的风险事件 | 按不良等级或事件类型直接扣分 | 不良类型、等级、岗位角色、固定分值 | 某等级不良贷款认定后，对直接责任人扣固定绩效分 |
| 比例扣分模型 | 风险金额、损失规模或不良率对绩效影响较大的场景 | 按金额、比例或区间阶梯扣分 | 风险金额、不良率、阶梯阈值、扣分上限 | 不良金额超过设定区间后，按阶梯增加扣分 |
| 关联扣分模型 | 责任链条较长，涉及审批、管理、监督岗位 | 按责任关系向上或横向追溯扣分 | 责任角色、责任比例、组织层级、追溯范围 | 客户经理、审批人、支行负责人按责任比例分别扣分 |
3.自动执行层：扣分结果的计算、校准与联动
自动执行层解决的是扣分结果如何真正进入绩效管理流程。系统接收到结构化数据后，规则引擎完成匹配和计算，生成对应人员、对应周期、对应考核方案下的扣分结果。对于普通、规则明确且数据完整的扣分事项，可以进入自动生效流程；对于重大风险事件、责任认定争议、涉及员工申诉风险的事项，则应进入人工复核节点。
这里的关键不是追求零人工，而是形成双轨机制：系统自动计算保证效率和一致性，人工复核保证公平和程序正义。复核人员不应重新手工计算，而应查看系统给出的数据来源、规则版本、责任映射、计算过程，再判断是否存在例外情形。这样既减少人为随意裁量，也为员工解释扣分结果提供依据。
扣分生效后，人事系统应把结果联动到绩效薪酬、职级管理、评优资格、人才盘点和绩效改进计划中。例如，绩效薪酬核算时自动读取扣分结果，按照薪酬规则进行扣减；晋升评审时系统提示该员工在考核周期内存在风险扣分记录；连续触发扣分的岗位或团队，自动进入风险辅导、培训或PIP流程。若扣分结果停留在绩效表单中，而没有联动后续管理动作，自动化的价值会被明显削弱。
4.审计留痕层：全流程可追溯的合规闭环
不良业务绩效扣分与一般绩效评分不同，它天然带有问责属性。因此，系统必须能回答四个问题：为什么扣、按什么规则扣、谁审核过、结果影响了什么。审计留痕层就是围绕这四个问题建立证据链。
每一笔扣分都应记录触发源，包括不良业务编号、认定时间、业务系统来源、责任认定结论；记录规则版本，包括规则名称、适用周期、生效时间、参数配置；记录计算过程，包括责任比例、扣分公式、扣分上限、是否触发例外条件；记录流程动作，包括复核人、复核意见、申诉记录、最终生效时间以及联动薪酬或其他管理结果。
对金融机构而言，这些记录不仅用于内部审计，也用于监管检查和员工沟通。若员工质疑扣分结果，系统能够展示规则依据和计算逻辑，有助于减少线下争议；若监管或审计关注绩效薪酬追索扣回是否落实，机构也能提供完整链路。边界在于，审计留痕必须与权限管理结合，不能因可追溯而扩大敏感业务数据的可见范围。
三、管理闭环的关键设计：从扣分执行到组织效能提升
自动执行并不是绩效扣分的终点。若扣分只产生惩罚，而不进入目标设定、绩效改进、人才发展和正向激励，金融机构可能得到一个更严格的系统，却未必得到更健康的风险文化。
1.扣分规则与绩效目标的联动设计：如何自动扣分才公平
绩效扣分要公平，首先要在绩效目标设定阶段就明确规则，而不是风险发生后才临时追加惩罚。金融机构可以在年度或季度绩效方案中，把不良业务扣分条款作为绩效契约的一部分，明确适用对象、扣分条件、责任认定方式、复核流程和申诉渠道。这样员工在承担业务目标时，也清楚风险结果会如何影响绩效。
不同岗位的扣分逻辑应有所区分。前台业务岗直接参与客户拓展、授信调查、贷后跟踪，适合以直接扣分为主；审批、风控、合规岗位更适合基于职责边界设置关联扣分；中后台管理岗则应关注制度执行、团队风险水平、重大风险事件处置等管理责任。若所有岗位套用同一规则，看似统一，实际可能造成责任错配。
多层级组织还需要处理规则统一与差异化的关系。总行应制定扣分规则框架，包括口径、模型、权限、审计要求和底线标准；分行可以在授权范围内配置区域业务参数，如不同产品风险特征、当地业务结构、考核周期差异等。但参数差异必须被系统记录和审批，不能形成隐性的地方口径。
图表2：不良业务绩效管理全周期闭环
2.扣分后的绩效改进与人才发展衔接
不良业务绩效扣分如果只停留在惩罚层面，很容易造成两个副作用：员工只关注避免扣分，而不关注能力提升；组织只追究个体责任，而忽视流程、产品和管理机制的问题。因此，扣分结果应成为绩效改进和人才发展的输入信号。
在人事系统中，扣分达到一定条件后，可以自动触发绩效改进计划。比如，员工因贷后管理不到位被扣分，系统可联动培训计划、辅导任务和阶段性改进目标；若某团队连续出现同类风险扣分，HR与风控部门可以共同分析是否存在岗位能力不足、流程节点薄弱或产品策略偏差。这样，扣分就不只是事后问责，而是指向风险能力建设。
扣分记录也可以进入人才盘点和继任计划，但需要避免“一次扣分定终身”。对于金融机构而言，风险事件既可能反映个人责任，也可能受到市场变化、客户经营恶化、政策调整等外部因素影响。系统应保留扣分原因、责任比例和后续改进情况，让人才评价既看风险结果，也看改进行为和长期表现。否则，过度惩罚会削弱业务队伍承担合理风险的意愿。
3.激励约束的动态平衡
金融机构推动绩效扣分自动化，容易出现一个管理误区：扣得越严，风险越低。实际情况并非如此。如果扣分规则设计过重、触发过频、缺少上限和解释机制，前台人员可能出现惜贷、惧贷、只做低风险低收益业务等行为，最终影响机构服务实体经济和经营能力。
因此，扣分规则要与正向激励配套。对于风险识别及时、主动化解不良、有效清收、合规处置的行为，应当在绩效中体现正向评价。系统也应支持扣分修正机制，例如在后续周期中根据清收效果、风险缓释结果或责任复核结论进行调整。扣分不是为了制造压力本身，而是为了让风险责任与行为改进产生可见连接。
同时，绩效薪酬扣减、延期支付和追索扣回必须符合劳动用工、薪酬管理和内部合规要求。对于涉及基本工资、法定薪酬权益和重大处罚的事项，系统不能仅凭规则引擎直接处理，还应嵌入审批、复核、告知和申诉程序。自动化越深入，程序设计越不能缺位。
四、落地实践的关键挑战与应对策略
扣分规则自动执行不是纯技术项目，而是风险治理、绩效管理和组织协同共同作用的结果。许多项目失败，并不是因为系统不能算分，而是因为数据、规则、权限和责任机制没有同步理顺。
1.数据治理挑战：不良业务口径先于系统建设
数据治理是落地的第一道门槛。不同业务系统对“不良”的定义可能并不一致：信贷系统关注贷款五级分类，风控系统关注风险预警等级，合规系统关注违规事件，资产管理系统关注处置进度。若这些口径没有统一，人事系统即使接入数据，也无法判断哪些数据应触发扣分。
金融机构应先建立不良业务绩效扣分的数据字典，明确业务类型、风险等级、责任主体、时间节点、组织归属、扣分周期等字段含义。尤其要处理时间差问题：不良认定时间、责任认定时间、绩效周期、薪酬发放周期往往并不一致。系统需要明确是按发生时间扣分、按认定时间扣分，还是按责任确认时间扣分，不同规则会直接影响员工绩效结果。
数据安全同样不可忽视。不良业务数据通常涉及客户、授信、资产损失和内部责任认定，敏感性高。人事系统在接入这些数据时，应采用最小权限原则，HR人员只看到绩效扣分所需信息，不能无边界查看完整业务细节。对于跨部门数据访问，应保留授权、访问、导出和操作日志。
2.组织协同挑战：规则制定、数据提供与执行责任要分清
不良业务绩效扣分涉及至少三类部门：风险管理部门负责风险认定和规则建议，业务部门负责数据提供和事实确认，人力资源部门负责绩效执行和薪酬联动。如果三方职责不清，系统上线后很容易出现相互推诿：HR认为数据不准，风控认为规则已给，业务部门认为扣分影响队伍稳定。
更可行的做法是建立跨部门治理机制。风险管理部门牵头定义不良业务口径、责任认定逻辑和风险等级；HR部门牵头将规则转化为绩效方案、扣分模型和流程节点；信息科技或数字化部门负责接口、权限和系统稳定性；业务部门参与规则试运行和例外场景反馈。每一次规则变更，都应通过审批流程同步到系统配置，而不是线下通知后由各分支机构自行执行。
对于总分支机构而言，还要防范分行、支行对总行规则理解偏差。系统可以通过统一规则模板、参数权限控制和版本管理来降低偏差。总行不一定要把所有参数都锁死，但必须清楚哪些是不可变规则，哪些是可配置参数，哪些变更需要重新审批。
3.变革管理挑战：从人工酌情到系统刚性
从人工酌情到系统刚性，是扣分自动化落地中最敏感的变化。过去，管理者可以通过线下沟通、延迟处理、选择性执行来调节团队情绪；系统上线后，扣分触发、计算和联动更透明，部分管理者会感觉裁量权被压缩，员工也会担心系统过于机械。
这类阻力不能只靠行政命令解决。金融机构应在上线前进行规则宣导和模拟测算，让管理者和员工看到系统如何判断、如何复核、如何申诉。对于影响较大的规则，可以先选择部分业务条线或区域试点，经过一个或两个考核周期验证后再扩大范围。试点阶段重点不是追求自动扣分数量，而是验证数据准确性、规则合理性和争议处理效率。
员工申诉与救济渠道也必须嵌入系统。系统可以自动扣分，但不能剥夺员工解释事实、补充材料和申请复核的权利。尤其在复杂金融业务中，风险暴露可能存在滞后性和外部性，责任认定需要审慎。成熟的自动执行机制，应当既有刚性规则，也有透明程序。
五、趋势展望：从扣分自动化到智能风控绩效一体化
不良业务绩效扣分自动化解决的是执行问题，而未来更重要的是规则优化和风险前移。随着AI、数据治理和监管科技的发展，金融机构的人事系统将不再只是接收风险结果，而会更深度参与风险绩效一体化管理。
1.AI在扣分规则优化中的应用方向
AI可以帮助金融机构评估扣分规则是否有效。例如，通过分析历史不良业务、扣分记录、人员绩效、清收结果和后续风险变化，判断某类扣分规则是否真正降低了风险，是否造成过度保守，是否对某些岗位或区域产生不合理影响。此类分析不能直接替代制度决策，但可以为规则调整提供证据。
在责任认定方面，AI也可能通过关联分析识别风险链条。例如，某笔不良业务涉及客户拓展、授信审批、贷后检查、额度调整等多个节点，系统可以辅助呈现关键节点、异常行为和责任关联，帮助风险部门更高效地进行责任判断。但这类应用必须谨慎，AI只能作为辅助分析工具，不能绕过人工复核和制度程序直接形成处罚结论。
更有价值的方向是异常模式识别。系统通过识别某类客户、产品、区域、团队或岗位的不良趋势，在风险尚未完全暴露前发出预警。这样，绩效管理就可以从事后扣分向事前预警、事中干预延伸，减少单纯追责带来的滞后性。
2.风险绩效一体化的系统演进
未来的人事系统与风控系统会更紧密融合。过去，风控系统关注风险指标，人事系统关注绩效结果，两套系统之间只有周期性数据交换。风险绩效一体化要求两套逻辑形成闭环：风险指标影响绩效评价，绩效结果反过来影响岗位配置、培训计划、授权管理和激励政策。
从管理周期看，这一演进会经历三个阶段。第一阶段是事后扣分，即风险结果发生后进入绩效扣分；第二阶段是事中干预，即风险指标异常时触发提醒、辅导或管理动作；第三阶段是事前预警，即通过数据模型识别潜在不良风险，并提前调整绩效目标、资源配置或管理授权。
在监管科技视角下，合规自动化也会成为重要方向。金融机构不仅要证明自己制定了制度，还要证明制度被稳定执行、异常被及时处理、责任被合理追溯。自动化解决执行到位，智能化进一步回答规则是否最优、风险能否前移、组织能力能否持续改善。
红海云总结
回到开篇的矛盾，金融机构不良业务绩效扣分的关键，不是再写一套更复杂的制度，而是让制度进入可运行、可验证、可审计的系统流程。红海云认为，金融机构推进人事系统支撑绩效扣分自动执行，可优先抓住以下几项工作：
- 先统一口径，再建设系统：明确不良业务定义、责任主体、扣分周期和数据字段，避免系统承接混乱规则。
- 以四层架构推进落地：围绕数据集成、规则引擎、自动执行、审计留痕建立闭环，而不是只做绩效表单改造。
- 保留复核与申诉机制：自动计算不等于自动处罚，涉及员工权益和重大问责时必须有程序保障。
- 把扣分接入人才发展：将扣分结果联动PIP、培训、盘点和组织改进，避免一扣了之。
- 采用小切口快闭环试点：HR部门可与风险管理部门联合立项，先选择高频、规则清晰的不良业务场景试运行，再逐步扩展。
