FinTech時代大數據在商業銀行全面風險管理中的應用探索

王麗焱 王彥博

近年來，互聯網信息技術變革將金融業務發展帶進了一個全新的時代，各類互聯網金融及移動支付業務加快了“金融脫媒”，給商業銀行帶來了嚴峻的挑戰，同時也帶來了廣闊的發展機遇。在互聯網信息技術時代，數據已經成為金融機構重要的生產要素，商業銀行對數據的治理能力、分析能力、洞察能力已然成為其核心競爭力。而風險管理作為商業銀行經營成敗的關鍵因素，如何能讓數據有效服務于商業銀行的全面風險管理已經成為一項重要的研究課題。

當前商業銀行風險管理中存在的難題

20世紀60年代以后，商業銀行由被動負債方式向主動負債方式轉變，負債規模的擴大加大了商業銀行經營的不確定性，尤其是近年來商業銀行的不良貸款出現了持續上升的態勢，打破了近十年不良貸款和不良率的“雙降”趨勢。按現行的利差水平來計算，1億元信貸資產的損失需要50余億元正常貸款一年的凈收益來彌補，可見風險管理對商業銀行的經營與發展影響之大。

當前商業銀行風險管理中依然存在一些管理難題：一是集團客戶管理中，客戶的控股企業或關聯企業在不同地域多處注冊，分頭授信情況普遍，銀行對其大量跨區域、跨銀行、跨市場的業務經營以及其中的關聯交易風險、交叉違約風險、互聯互保風險難以識別。二是以市場或行業等專業條線劃分、各自經營與管理的體制掣肘了銀行對客戶整體風險的識別。如對于鋼貿企業授信，有的機構已經集中爆發了風險，而有的機構還在“高歌猛進”，有時公司業務條線已經逐步壓縮退出了某些企業，而小微金融和信用卡業務還將其作為重點戰略客戶積極介入，致使銀行整體信用風險擴大。三是相關系統的開發與自動化、流程化應用滯后于業務發展需要，業務量快速增長，但系統開發跟不上業務發展節奏，以致很多業務仍按傳統的手工作業模式，造成工作效率低、風險管理人員普遍存在工作滿負荷、超負荷的狀態，很難將工作做深做細。

此外，信息不對稱是商業銀行風險產生的主要根源，因此數據是商業銀行風險管理的基礎，而商業銀行對數據的采集、整合、分析、挖掘及智能化應用能力決定了其全面風險管理能力。

商業銀行面向風險管理的大數據戰略布局

認識到數據的重要性，國內各商業銀行在數據應用方面也在不斷探索研究并嘗試相關應用。如：工商銀行與第三方核心企業數據對接，對相關物流與現金流實施封閉管理，為供應商提供采購、生產、銷售流程的融資支持，實現物流、信息流、資金流的全流程跟蹤，有效解決信息不對稱問題;光大銀行建立了社交網絡信息數據庫，通過打通銀行內部數據和外部社會化數據以期獲得更完整的客戶視圖，從而進行更為精準的風險管理;建設銀行將本行的電子商務平臺和信貸業務相結合，通過分析客戶在電商平臺的交易行為數據，掌握客戶的消費習慣、經濟實力，從而衍生到客戶的風險偏好;民生銀行開發的“指南針”風險預警系統將網絡輿情、司法、監管等信息與本行授信客戶信息進行關聯分析，實現授信客戶異常信息的自動抓取、監測和預警。

此外，各大商業銀行加快互聯網、大數據、人工智能等技術應用布局，工、農、中、建四大行分別與互聯網巨頭結對戰略合作：工商銀行+京東、農業銀行+百度、中國銀行+騰訊、建設銀行+阿里。而后，騰訊又與華夏銀行聯合宣布在云平臺、大數據智能精準營銷、金融反欺詐實驗室等方面展開合作。

當前商業銀行風險管理中數據應用存在的不足

誠然，國內各商業銀行已在大數據風險管理方面進行了嘗試性研究，但仍局限于利用數據在風險控制的部分環節開展應用， 距離有效利用大數據服務于商業銀行整體風險控制流程、進行全面風險管理的目標尚存差距。主要表現在以下方面：

基礎數據采擷仍需依賴手工錄入。當前國內商業銀行客戶信息的獲取、采集仍需依賴基層機構對客戶的現場調查和客戶提供。從客戶信息建立、賬戶開立，到授信業務基礎資料的整理、授信審批、發放、貸后管理的各個操作流程中，仍需操作人員手工錄入相關數據。因各業務操作系統（或同一系統的前、中、后端）對接程度低，很多數據仍需依靠業務發起端操作人員手工反復錄入，不僅效率低，而且信息質量難以保證。

數據模型應用技術相對落后。在模型建設方面，目前國內商業銀行普遍尚未進入大規模運用數據挖掘和機器學習模型進行量化管理與風險決策的階段，在用模型數量相對較少，且不成體系，并且當前很多模型設置的指標維度相對單一，部分關鍵數據維度（如行業、區域、產品等個性化因素）可能未納入考慮;此外，模型應用技術也未能與時俱進，未能及時更新提升。在模型應用方面，已開發的模型大多基于監管所要求的基礎監控指標， 模型的設計由于與實際業務融合性較低，不少模型處于被擱置或空轉狀態，加上未能有效建立模型的使用、驗證、反饋、再修正等“模型全生命周期”良性循環機制，致使已有模型愈發與實際業務相脫節，形成惡性循環。

現行風險管理模式難以適應新形勢。數據標準不統一、系統間割裂等數據管理中的表象，究其深層次原因是組織架構與風險管理模式上的問題。當前商業銀行主要實施以業務條線為主導的風險管理體制，該體制下，各部門按其管理職能來定義和采集數據，自行研發建立各自的業務操作系統，這不僅造成了數據的標準不統一、采集不完整、記載字段和格式的多樣性，還造成一些重要數據缺失嚴重，各業務系統間數據難以對接共享，導致銀行內部大量數據人為分隔，形成碎片化、局部化、孤島化狀態。

對境外機構風險管理存在缺失。隨著全球化進程的推進，國內商業銀行在境外設立機構已成為常態。目前商業銀行對境內機構已基本實現了系統、數據的統疇管理，而有些銀行未能實現境外機構與境內機構信息系統的對接，不能做到境外業務數據和相關信息及時向總行傳送，造成上級管理機構難以掌控境外機構全面真實的業務狀況與資產質量，加上境內外監管體系的差異以及對境外文化的生疏，很可能導致商業銀行對境外機構業務的風險傳導、監管出現盲區。

大數據在商業銀行全面風險管理中的應用探索

對內外部數據的積淀、大數據平臺體系的打造、數據挖掘與機器學習技術的運用將為商業銀行風險管控體系帶來劃時代的進步，使商業銀行突破風險管理難題成為可能。從“風險管理機制”“組織架構與操作流程”“數據、模型、系統管理與應用” 等方面，來探索以大數據思維打造商業銀行風險管理的策略與方法，以期構建以大數據為基礎、“自上而下”統籌全行的全面風險管理體系。

風險管理機制方面

風險管理體制和機制，既是風險管理的基本要求也是基礎。商業銀行要用大數據思維來構建“以客戶為中心”的全面風險管理體系，淡化部門色彩，理順部門間職責，徹底打破以“小數據”模式下形成的條線、部門、機構、產品、系統間的數據分隔、各自識別風險的做法，形成按客戶集中統一管理數據的高效協調管理機制，確保通過總行建立的信息系統在數據收集、清洗、分類、挖掘、鉆取的基礎上，能夠勾畫出客戶360度全景視圖。在此基礎上建立健全數據應用授權和安全管理制度，完善按條線、部門、機構、崗位分類分級授權的數據共享機制。確保不同層次、不同權限、不同崗位人員可通過系統篩選出適合各自風險偏好要求的客戶群，以實現對客戶整體價值的挖掘和銀行整體風險管理的防控，較為全面地掌握客戶畫像、客群畫像，從而嚴把客戶選擇準入關，使風險管理更加精準和高效。

組織架構與操作流程方面

建立良好的全面風險管理系統要靠科學的風險管理流程來實現，而科學的風險管理流程要靠嚴謹的風險管理組織架構來保障，風險管理流程與風險管理組織架構的設計必須做到相互呼應，并要服務于商業銀行全面風險管理的總體戰略目標。這就需要商業銀行在對全面風險管理進行整體規劃的基礎上，調整風險管理組織架構和部門職責，優化操作流程，使風險防控的每個環節落實到明確的部門。

從業務流程設計來看，全部流程設計應以數據管理與風險控制目標為前提，保證從客戶的第一項數據進入系統開始，即做到標準化，盡可能將全部信息結構化，并形成在各操作流程中不斷對數據補充完善的良性循環體系，盡可能完整展現客戶全生命周期的連續、動態行為曲線。從組織架構來看，全面風險管理必須“自上而下”推動，商業銀行董事會與高級管理層要牢固樹立“數據治行”的管理理念，用事實數據說話，充分利用大數據實現科學決策。從風險管理理念來看，應清晰認識到風險控制與管理不僅僅是風險管理部門、風險崗位人員的職責，而是全行每名員工、每個部門、每個業務條線的職責，風險管理的觸角應前置到客戶營銷、延伸到與客戶接觸的各業務環節以及全行各個角落，實現業務的全流程控制。

數據、模型、系統管理與應用方面

數據采擷管理方面。強化對內部數據的收集、整合、應用。一是嚴把數據的準入質量關，并建立常態化的數據清洗、審核和勾稽關系驗證機制。確保從底層數據開始就要真實、準確，便于在后續流程中并伴隨業務發展、客戶成長，保證數據在系統、流程的各環節源源不斷地輸入、積累、分類、分層，并通過持續地勾稽驗證、清洗，逐步勾勒出層次分明、輪廓清晰、相對客觀完整的客戶視圖。二是貫通各系統間數據，實現各條線、部門間信息共享。對各條線、部門分別管理、分散運營的信息系統進行整合、改造、優化提升，搭建應用廣泛，各條線、各部門、各分支機構可安全共享數據的信息系統集成平臺。三是將非結構化數據最大程度上結構化、標準化，提高相關數據的可應用程度。當前商業銀行業務操作中存在大量紙質、掃描、文本、音頻、視頻等非結構化數據，但未能得到有效開發利用，這些數據的未來應用發展空間廣闊。多方式、多渠道收集外部數據。外部數據具有獨立、客觀、可信性強等優勢與特點，對外部數據的豐富、挖掘與運用將對強化風險管理具有推助作用。一方面，批量接入外部數據能夠減少對相關內部數據收集、驗證、審核的工作量，提高效率、降低成本;另一方面，內外部數據相互補充、互相勾稽驗證，以更加豐富的信息內容緩解信息不對稱，提高風險管理的效率和效果。如，直接從國家工商管理系統獲取企業信息的可信度要高于企業提供給商業銀行的信息。對于外部數據的獲取，商業銀行要多方式、多渠道地采擷，加強同業間信息交流合作，與專業數據公司合作，與海關、稅務、司法、電力、社保等國家公信機關和機構開展合作。大數據時代，外部數據的獲取遠非限于上述渠道，與微信、微博等社交網絡平臺信息、互聯網信息以及各類電商金融平臺、核心企業ERP系統平臺的對接，已然成為外部信息獲取的重要渠道。

數據模型建設應用方面。在商業銀行全面風險管理中，需建立貫穿業務全流程、覆蓋關鍵控制節點的體系化風險管理模型， 相關數據模型體系及相應的功能描述如表1所示。

進一步豐富數據挖掘與機器學習模型技術應用，充實數據指標維度。加入宏觀經濟、區域特征、行業特征等差異化數據指標，刻畫反映企業全生命周期特征的動態曲線，提高數據挖掘與機器學習模型自動化判斷能力與量化客戶風險的準確性，使大數據建模更具預測性與可參考性。

將大數據模型結果嵌入生產系統的決策引擎，強制落地，作為業務操作與驗證的必須環節，減少人工驗證、操作環節，提高系統自動決策效率，讓大數據智能在業務部門真正落地。

強化大數據模型的持續修正、反饋良性循環機制。一方面， 建模思路與設計方案與業務緊密結合，且要隨著業務發展及內外部風險形勢變化與時俱進、及時更新;另一方面，要建立模型應用、驗證、反饋、優化的良性互動循環機制，確保模型運行效果在實踐中不斷得到檢驗、優化和提升。

舉例說明，大數據模式下的授信審批環節，可運用合理的大數據模型測算出客戶可接受的最大風險敞口，精準識別和動態審查客戶的每一筆融資業務，再融入評審人員的邏輯分析和專業判斷，這將幫助評審人員做出更貼近實際的判斷，使風險識別與決策更加可靠。再如，基于大數據的風險防控與客戶監測，可利用內外部收集整理的各類數據，如將客戶的生產經營信息、財務信息、資金運營信息、關聯交易信息、交易習慣信息、稅務信息、進出口信息、水費電費信息，產品市場價格，甚至企業員工工資水平、消費狀況等各層次微觀信息匯總整合，并與相應時期宏觀數據信息對比分析，還原客戶實際經營狀況，并形成動態的趨勢分析視圖。這有望使跨區域、跨領域經營的集團客戶以及異地授信客戶等當前商業銀行存在的風險管理難題得到有效解決。

系統整合提升方面。以大數據思維建設系統集成平臺，為全面風險管理提供系統支持。一是對已有系統進行統一整合優化，打通各系統間信息相互割裂的局面，改善不同環節的信息驗證可能需要分別進入不同操作系統單獨查詢、驗證的局面。例如，在大數據時代下的風險審查審批模式，可采用集中內外部各信息源自動整合并形成客戶分析視圖或調查報告，來校對核驗申報機構對借款人的風險判斷，摒棄當前主要依賴申報機構提供調查報告、復印資料而可能造成的主觀判斷誤差。二是加快系統“空檔”模塊的開發力度，盡快實現與業務有效對接。例如部分商業銀行對海外機構系統對接存在“空檔”問題，部分商業銀行當前對不良資產催清收處置的審批仍依靠郵件傳遞、電話跟進、手工記錄等方式，系統開發嚴重滯后于業務發展。這些問題已然成為高效風險管理的“絆腳石”，并隨著業務量的增大，會形成更大的“堰塞湖”。只有當系統建設與業務發展相契合并具有一定的業務前瞻性，才能讓風險管理人員、市場人員從過多的繁瑣事務中解放出來，將更多精力投入到更具建設性的工作中。

綜上所述，基于大數據理念，將數據、模型、流程、系統緊密結合，依據一定的業務規則和邏輯層次有序流轉，需集全行之力共同搭建成覆蓋全業務量、全業務流程、閉環式、自動化、智能化的全面風險管理體系。即從客戶的第一項數據輸入系統開始，數據依據業務流程在布滿各種業務規則與模型的操作系統中依次自動流轉，通過系統自動驗證、判斷、篩選，并加以人工專家判斷干預，最終輸出不同風險判斷結果。商業銀行全面風險管理生態框架如圖1所示。

結語

全面風險管理需要“自上而下”推動，需要實現“自上而下”的全行統籌管理。無論是在風險管理機制、組織架構、操作流程方面，還是在數據、模型、系統的建設管理方面，都需要樹立總行對全行信息的主動管理，改變依賴基層機構上報信息進行風險管理的被動局面，充分利用大數據技術，統疇全局、運籌帷幄、決勝千里。

誠然，大數據對商業銀行的全面風險管理具有劃時代的意義，但它不能解決商業銀行風險管理中的所有問題，目前的大數據智能并不能替代風險管理專家的人為判斷。此外，大數據背景下商業銀行全面風險管理的實現，除上述風險管理機制，組織架構、操作流程、數據、模型、系統等方面的措施外，還需有相應的企業文化、規章制度、專業人才以及考核激勵等方面的措施予以配合方得完善。

（本文僅代表個人學術觀點，不代表所在機構意見）

（作者單位：中國民生銀行、云南大學大數據研究院）