大數據時代下的商業銀行風險管理

余宏偉

（交通銀行股份有限公司宿遷分行，江蘇 宿遷 223800）

一、引言

大數據（big data）與普通數據不同，在一定時間范圍內，大數據無法用工具進行捕捉和處理，而是需要依靠更先進的處理方式才能洞察數據，這是一種優質的、高增長的、多樣化的信息資產。當前，大數據時代已經到來，各行各業都開始積極擁抱大數據給行業內帶來的變化。我國從國家層面開始重視大數據技術的發展和創新。2015年8月，國務院印發《促進大數據發展行動綱要》，將“促進大數據發展，建設數據強國”提升到國家發展的戰略層面。2017年1月，工信部發布《大數據產業“十三五”發展規劃》，進一步規劃了大數據產業發展細節。

商業銀行擁有大量的數據，如銀行賬戶信息、轉賬匯款信息等結構化數據，以及網點監控錄像、用戶手機銀行操作行為及電話銀行交易流水等非結構化數據。在金融領域發展日新月異的當下，商業銀行能否利用這些數據，通過各種分析方法從數據中發現自身存在的風險并有效進行風險管理，成為能否在競爭激烈的金融環境中立于不敗之地的關鍵因素。

二、商業銀行風險管理現狀

一是貸前管理不嚴格。在2012年我國經濟走入新常態后，商業銀行爆發諸多不良資產問題。貸前管理不嚴格的主要表現為：貸前盡職調查不嚴格，對行業判斷存在拍腦袋的情況；錯誤地進入落后和產能過剩行業；為了讓客戶符合準入條件，虛高客戶信用等級結果；過度授信等。

二是貸中監管不嚴格。包括審批不嚴格、抵質押不足值、保證人代償能力差、動態重估流于形式、貸款發放與客戶用款計劃不匹配等。

三是貸后監督流于形式。由于商業銀行缺乏有效的監管機制并且無法準確利用在各個環節收集到的數據，常常無法把控貸款資金的流向，貸款資金被挪用的現象頻發。在還款資金和來源方面，由于對客戶的賬戶信息缺乏監管，逾期還款時有發生。

由以上可以看出，銀行在風險管理方面雖然投入了諸多資金和時間，提高了風控人員的素質，然而還是存在著很多由觀念、意識、手段產生的風險，而其中技術手段的不足已經成為商業銀行風險管理的最大制約。

三、大數據技術對商業銀行風險管理的優化

我國的商業銀行已經發展了幾十年，其已經收集和產生了大量的數據。對這些數據進行整理、提取、利用和優化，則有望解決商業銀行迫在眉睫的風險管理問題。尤其是對于一些新型金融風險，大數據技術成為風險管理的有力工具。

（一）大數據更好地利用收集到的數據

大數據技術幫助銀行更好地利用收集到的各種結構化數據和非結構化數據。信息是銀行立足的根本，也是風險管理的前提與核心。銀行風險管理的實質是對這些結構化和非結構化數據進行整合與處理。一方面，通過客戶的交易，商業銀行可以留存海量的數據，然后依托互聯網、云計算等信息技術進行識別與分析，進而提升數據挖掘與利用效率。另一方面，大數據技術幫助銀行從社交媒體、電子商務、互聯網金融等渠道了解更多信息，挖掘有用數據，為交易雙方提供更有效的洞察力，減少金融交易中的信息不對稱。例如，大數據可以幫助商業銀行高效、客觀、定量地評價客戶的真實還款能力，從而降低金融風險。由此可見，大數據技術有望打破數據邊界和信息不透明的藩籬，構造全面立體的客戶數據庫，從而搭建全方位的風險管理體系。

（二）大數據幫助銀行優化操作流程

以授信審批為例，目前銀行普遍的操作流程是客戶面談——兩名信貸經理實體考察——風險經理面談——撰寫授信報告——授信報分行審批——授信批復，流程繁瑣，持續時間長，部門間的協同能力較弱，且需要信貸經理長時間高負荷地工作。信貸經理和風險經理對于信貸風險的分析大多停留在借款對象財務數據的簡單審核。基于大數據的風險管理體系有望簡化這一流程，形成一條從數據收集到風險決策的封閉鏈條。商業銀行的大數據平臺可為不同部門的工作人員提供可靠的風險數據，授信審批人員再根據信貸經理收集的輔助資料，以數學建模的形式對貸款的風險進行分析，并形成風險報告，以此為依據批復目標客戶的授信額度。遇到風險特殊事件，只需將相關數據更新、加減指標，代入模型測試即可重新進行風險評估，快捷靈活。創新簡化的風險控制流程不僅能提高風險監控質量、提升銀行競爭力，還能降低運營成本、減少操作風險等。

（三）大數據促進風險量化技術的發展

當前，各大銀行都開始研究風險計量技術。風險計量技術的產生，與金融、統計等領域的李璐發展是分不開的，其高效性和準確性也使得越來越多的銀行開始引入及開發這一技術。大數據則有望成為風險計量技術中的重要一環，幫助銀行建立更加準確的風險管理決策模型，提高商業銀行的風險量化能力，從而為客戶提供便利，也為銀行節省人力成本。目前，大數據的運用已經使得銀行風險管理在風險特征分析、關聯分析、分類與預測、孤立點分析等方面得到了優化與創新，比如邏輯回歸模型、決策樹模型、聚類分析、神經網絡模型、支持向量機等模型的運用。

（四）大數據帶來銀行風險管理變革

最后，大數據技術將帶來銀行風險體系的改革。大數據給銀行在風險管理方面提供了一個全新的思路，使得銀行加強跨部門合作，最終構建起系統、客觀的決策分析模型，提高國內商業銀行風險決策工作的科學性、合理性。

四、商業銀行運用大數據進行風險管理的挑戰

（一）信息安全

海量的數據帶來了更多信息，而這些敏感數據的信息安全成為商業銀行需要重點關注的問題。稍有不慎，大數據便可能帶來比往常更巨大的風險。近年來，國內外發生了多起數據泄露事故，給企業和相關涉事個人造成了不小的損失。大數據的收集、存儲和應用都需要采用一套全新的方法，相應地，對大數據安全的管理措施也需要及時更新，需要銀行將其加入到全面風險管理體系進行綜合考慮。

（二）對非結構化數據的適應性較弱

隨著經濟的快速增長和金融行業的發展，銀行每天都在產生海量的數據，這導致了商業銀行數據處理成本升高。另外，互聯網金融等新型金融業態的出現帶來了更多的非結構化數據，而傳統銀行收集和處理的數據多以結構化數據為主，無法滿足日益多樣的數據需求。以海量數據為前提的大數據風控急需商業銀行構建起非結構化數據、半結構化數據、結構化數據三者合一的數據儲存增長模型。

（三）人才匱乏

銀行應用大數據進行風險管理的另一個制約是人才匱乏。大數據尚屬新鮮事物，其分析技術不同于傳統的以樣本數據開始勾勒出整體視圖，這對數據分析人員的能力提出了挑戰。大數據從全局考慮，是一種宏觀的信息，需要技術人員在不斷擴張的、海量的數據中迅速挖掘對風險分析有用的數據，為銀行風險管理提供洞察力。這要求數據分析人員具備全局性的思維，同時還要求他們掌握統計學、計算機、金融學、經濟學等跨學科知識。雖然部分商業銀行積極推進大數據人才梯隊建設，但大多引進其他行業的管理團隊。這種形式也造成一部分在一部分銀行“空降”技術人員對業務不熟悉的現象。商業銀行急需打造屬于自身的專業、高校的大數據風險管理團隊。

（四）技術環境制約

目前，我國商業銀行傳統風險管理模式主要采用批量處理的形式，與大數據風控要求的高時效性、精確性存在差距。一般來說，當數據量達到千萬級以上時，數據量增大，信息查詢或者處理速度會急劇下降。此外，大數據的處理復雜且零碎，需要建立專門的技術中心。現在很多銀行都開始部署大數據平臺，希望早日建立大型的數據管理系統，在技術上為大數據管理金融風險保駕護航。

當前，各行各業都面臨著大數據帶來的各種積極的影響和變革。在金融行業，大數據的高效、透明有望降低交易風險、提高交易效率，大數據成為國內商業銀行進行風險管理的有力工具。當前，商業銀行運用大數據進行風險管理受到技術、人才、硬件等多方面的制約。對此，商業銀行需要應對，為大數據的開發和應用提供環境，采用大數據這一有力工具對風險進行綜合評價和管理，才能獲得可持續發展，立于不敗之地。