大數據分析在商業銀行風險管控中的運用探討

張紹波 何允釗

摘 要：商業銀行的業務開展中，風險因素貫穿各個環節，新時代背景下，將大數據分析技術應用在風險管控中，才能保證業務的安全性。文章首先分析了大數據背景對商業銀行的影響，指出傳統風險管控模式的弊端;然后總結了大數據技術在銀行風險管控中的運用經驗，最后探討了基于大數據的風險管控體系。

關鍵詞：商業銀行 風險管控 大數據 影響 預警體系

在商業銀行的風險管控中，大數據分析技術的應用價值，體現在四個方面：一是分析客戶，實現精準營銷，改善客戶的服務體驗;二是創新產品，有利于研發新型的金融產品和服務;三是優化運營，簡化業務流程;四是防控風險，提高銀行的內控水平。以下結合實踐，探討了大數據技術在風險管控中的應用。

一、大數據背景對商業銀行的影響

（一）提高了競爭力

要想提高商業銀行的競爭力，客戶和市場是兩個法寶。大數據技術的出現和應用，有利于在市場上站穩腳跟，提高金融服務水平，凸顯出準確性、完整性的特點。不可否認，大數據技術成為商業銀行競爭的一種重要手段，通過數據采集和分析，能為競爭策略、業務開展提供支持，適應新的市場發展需求。

（二）帶來了新風險

大數據技術的應用，對商業銀行的發展帶來挑戰，銀行必須變革管理理念和方法。銀行要想獲得穩定的客戶資源，就要收集客戶信息，開展預測工作，提高銷售服務的長遠性。在這個過程中，金融交易結構更加復雜，數據量明顯增多，信息的識別、整合、處理難度也在提高，很容易產生風險因素。

（三）創新了防控理念

大數據技術下，雖然商業銀行的經營風險增多，但也創新了風險防控手段，尤其是風險的識別、監控、預防等方面。相關研究稱，在信用卡詐騙案件中，利用大數據技術能降低詐騙成功率。基于數據挖掘技術下，風險監測和預警具有充足的數據支持，風險應對能力明顯提升。

二、商業銀行傳統風險管控模式的弊端

（一）信息獲取受限

隨著電子商務、互聯網等平臺的出現，銀行數據中的信息量非常有限，甚至截斷了一些數據來源。例如：用戶使用支付寶時，在第三方支付平臺上留下消費信息，銀行只能留下交易金額，商家名稱、商品類型等信息無法得到。在此影響下，銀行的信息獲取受限，難以發揮出信息采集和處理的作用，繼而影響業務運營和產品服務等工作。

（二）信息利用率低

在傳統管理模式下，銀行對于數據信息的利用率低，主要體現在兩個方面：一是信息不對稱，數據處理具有碎片化、本地化的特點，存在信息孤島、數據黑盒等問題，部分數據得不到授權，銀行也不能非法使用。二是隨著信息技術的發展，銀行采集用戶信息時，應該關注購物興趣、記錄、工作特點等方面，這些數據多是非結構化數據。然而實際情況中，銀行多是采集存儲簡單的結構化數據，這些數據中的有效信息少，在信用評估、風險管理上會產生偏差。

（三）風險防控滯后

在多種因素的影響下，商業銀行在信貸業務上存在漏洞，一是信貸投放問題，二是貸后監測不足。傳統的管理模式下，銀行評估業務風險，取決于客戶的財務信息、征信信息。但是，這些信息具有滯后性，且信息本身不夠準確，會影響風險防控工作的開展，甚至造成巨大的經濟損失。

三、大數據技術在商業銀行風險管控中的運用經驗

（一）工商銀行——融安E信

2012年，工商銀行構建企業數據庫和風險模型，用來防范信貸客戶的信用風險，結果顯示具有良好的效果;同時挖掘了部分非結構化數據，例如文本信息。2016年，工商銀行繼續整合信息資源，和公安部共同推出防止電信詐騙的軟件，即融安E信。該軟件的應用，對詐騙賬戶進行全方面控制，具有風險篩查、風險挖掘、反欺詐、定制服務等多種功能，客戶的風險識別能力明顯提高。

（二）光大銀行——大數據挖掘平臺

光大銀行在數據挖掘技術的基礎上，構建大數據挖掘平臺，將內部行為數據、外部征信數據相結合。該平臺的應用，功能包括用戶管理、風險管理、營銷、定價等，一方面提高了信息利用率，能為銀行的經營決策提供支持，增強了應變能力。另一方面，算法模型的構建、分析、處理能力提高，能有效防控銀行業務運營中的風險因素。

（三）北京銀行——PureData方案

北京銀行利用IBM公司的PureData方案，采集客戶的行為預判信息，從而對潛在客戶進行精準定位，為跨界銷售創造了機會。該方案的應用，重點功能有兩個：一是反欺詐交易，二是大數據征信。不僅實現了行內業務系統的全面對接，能對反欺詐行為進行全程管理，將人工智能技術和風險管控相結合;而且業務應用的場景、模式不斷創新，不論是客戶的資金安全、還是銀行的快速發展，均有完善的安全防護措施。

四、基于大數據的風險管控體系

商業銀行風險管控體系的建立，要求整合內部外部資源，挖掘數據的有用價值，和大數據、人工智能等技術結合，促進管控體系的不斷完善。以下簡要介紹了該體系的應用情況。

（一）風險預警流程

該體系的風險預警流程是：①申請，在客戶端輸入客戶信息，例如地質、執照、賬戶行、關聯實體等。②系統接收前端數據，進行預警排查，形成風險清單，給出分值或分檔。③排查關聯企業風險，例如股東、上下游客戶等，確定關系強度，并給出分值或分檔。④過濾篩查黑名單，如果是欺詐、洗錢、及其他黑名單，禁止通過。⑤綜合評定客戶的分值或分檔，得到風險預警結果。⑥輸出結果，并且傳輸至檔案室。

（二）關鍵功能的實現

第一，風險識別功能。商業銀行的運營風險，可以分為原發性風險、傳導性風險兩類。對于風險的識別，可以采用圖數據分析技術、機器學習算法，將兩者結合起來，實現風險識別的目標：①分析關聯業務的穩定性、交易合同的真實性、財務關系的交叉性，結合風險傳遞的特點、銷售活動的規律，建立關聯圖譜，從而識別原發性風險。②對違約客戶進行分析，從中發現多種風險因素的關聯，從而識別傳導性風險。

第二，數據整合功能。數據整合功能的實現，關系到風險管理體系的應用，整合后的信用風險數據庫，包括信貸系統、風險系統、資金系統、內屏系統、融資平臺系統、客戶關系管理系統、銀監會信息、央行信息、稅務信息等。需要整合的資源有：①內部資源，分析系統的運行現狀，對分散的客戶信息、產品、業務數據進行整合。②內外部資源，嚴格按照系統管理要求，對內部、外部數據進行調研分析，實現兩者的整合。③實體數據，掌握數據業務的特征，將相似的業務數據整合在一起，促使分散的數據集中化。④參數代碼，對各個系統的參數代碼進行轉換，形成統一的標準體系。

第三，客戶關聯關系。建立客戶關聯關系預警圖，首先采集風險數據庫信息、客戶關聯和交易信息;然后進行深度挖掘加工，識別客戶關系，例如供應鏈關系、擔保關系、集團子公司關系等。

五、結束語

綜上所述，大數據背景下，提高了商業銀行的競爭力，帶來了新風險，也創新了防控理念。分析可知，商業銀行傳統風險管控模式的弊端，是信息獲取受限、風險利用率低、風險防控滯后。文中結合部分銀行的管理經驗，介紹了風險管控體系的建設和應用情況，希望提高風險管控水平，促進商業銀行健康發展。

參考文獻：

[1]陳婕.大數據時代商業銀行服務小微企業的風險管控[J].財經界，2019，（29）：74-75.

[2]劉文杰.大數據分析在商業銀行風險管控中的應用[J].電子世界，2019，（19）：27-28.