大數據分析背景下的公司內部控制和風險管理

摘要：隨著第四次信息產業革命的興起以及現代數字化經濟的快速發展，銀行抓住了數字化革命的大發展趨勢，進一步強化金融服務與技術的融合，并充分運用大數據處理的特性，進一步增強了信用風險管控能力。

關鍵詞：大數據;內部控制;風險管理

在時代不斷發展、技術不斷更新的背景下，人們對商業銀行提供的產品便捷性的要求越來越高，商業銀行面臨著越來越激烈的競爭。對于商業銀行而言，如何將快速發展與保持良好的信貸水平相匹配，這個問題需要不斷探討。毋庸置疑，風險管理是決定其能否長遠發展的重要考慮因素。隨著我國第四次信息產業革命的興起以及現代數字化經濟的快速發展，銀行也抓住了數字化革命的大發展趨勢，進一步強化金融服務與技術的融合，并充分運用大數據處理的特性，進一步增強了信用風險管控能力。在此背景下，中國農業銀行明確提出了“推進數字化轉型，再造一個農業銀行”的發展策略，著力推動普惠金融政策下小微貸款業務以及信用卡業務[1]。

1 大數據背景下農業銀行風險控制研究

1.1 大數據背景下的農業銀行風險管理

1.1.1 普惠金融政策下的商業銀行小微貸款業務

普惠金融的重點金融服務對象，是小微客戶、農民等社會弱勢群體。但是由于小微企業自身規模小、資金流動性差、財務管理能力差，其存在較高的信用風險。面對小微企業的問題，農業銀行提出“金融科技”的口號，積極利用大數據和區塊鏈等技術，實施數字化轉型。針對小微客戶不同的特點，農業銀行推出“出口快貸”產品。

1.1.2 農業銀行在信用卡方向的實踐

農業銀行信用卡中心已經將大數據運用于實際，之前發展的重點在于數據環境模型的基本建立，如今發展的重點在于信用卡數據領域的分析，農業銀行不斷在信用卡大數據應用領域探索，不斷將信用卡由專家授權模式轉為數據驅動模式。

1.2 “出口快貸”業務介紹

農業銀行的“出口快貸”是線上單戶小微貸款的產品，是在人工智能和大數據技術基礎上開發出來的產品。根據小微企業所處行業的特征以及其自身經營狀況、財務狀況，銀行結合企業結算、工商、稅務、海關、征信、信用評級等內外部信息設計了信貸模型，在此基礎上給客戶提供貸款。目前該業務連接智能財稅云平臺，主要以大數據為基礎、線上為小微企業提供信貸支持。

1.3 信用卡業務介紹

以下從貸前發卡審核、貸后風險防控兩個方面說明。貸前發卡審核，主要包括了智能化授信和風險管控、信用卡自動化審批。2017年，中國農業銀行信用卡的精準銷售及決策支持服務項目的第二階段投產。這個項目將客戶基本情況、資產情況進行整合，開展客戶評分、授信、以此建立起了客戶數據庫，構建了目標客戶數據視圖。同時，農行信用卡中心除了線下網點申請審批之外，還開展了線上自動審批業務，審批時間為原來的三分之一。貸后風險防控是農業銀行信用卡中心以賬戶動賬方向為切入點，通過在系統中設置違規領域以及交易摘要等關鍵字，構建了一套監控模型。一旦交易涉及關鍵字，銀行風控模型就會識別，賬戶凍結。這種模式的設立，有助于避免信用卡進行洗錢等活動、以及避免使用非消費領域。

2 農業銀行創新實踐特征

2.1 “出口快貸”創新實踐特征

2.1.1 與第三方服務公司合作的業務模式

農業銀行“出口快貸”最大的一個特點便是農業銀行通過農業銀行系統和第三方服務公司平臺進行了數據對接，實現全線上查詢和調用企業的物流信息等背景資料。目前，農業銀行與襄陽匯捷通供應鏈管理有限公司、武漢普聯東文數據服務有限責任公司達成了合作，依靠大數據在線上為小微企業提供融資貸款服務。

2.1.2 依托智能財稅云平臺的推薦

在“出口快貸”業務中，農業銀行依托智能財稅云平臺，運用智能識別機器數據，將單機的賬務數據全部轉變為線上信息。截止目前，有接近40家財稅機構入駐智能財稅云平臺。

2.2 農業銀行信用卡創新實踐特征

農業銀行先后構建了信用卡客戶分群模式，信用卡賬單分期響應率預測模式以及信用幣產品營銷響應率模型等三種模式，來實現對客戶的營銷管理。信用卡客戶分群模式主要從顧客交易行為入手，運用挖掘的大數據分析刻畫顧客的消費行為與偏好特點，并由此對信用卡等消費金融產品實施精細化營銷。信用卡賬單分期響應率預測模式，是通過深入分析顧客的分期賬單的特點與交易特征，以精確定位目標顧客人群，從而節省銷售渠道成本。信用幣產品營銷響應率模式，是通過采用無實體卡介質進行即時建賬，實現線上線下的第三方消費，以解決顧客真正的現金需要。

3 農業銀行大數據應用效果

3.1 農業銀行小微貸款業務大數據應用

自推出“出口快貸”業務以來，依靠智能稅收云平臺已與大約17000個小型和微型企業進行了數據整合。包括像睿哲農貿出口集團這樣的首批小微型客戶，都通過信用評估獲得了“出口快貸”無抵押貸款的支持，并在收到還款貨幣后按時還款，沒有壞賬風險。這樣，不僅可以幫助小微企業實現穩健的高質量外貿經營，而且還可以將貸款風險控制在合理水平。

3.2 農業信用卡大數據應用

3.2.1 增強預測數據分析的專業化與營銷技術

在農業銀行智能營銷系統上線之后，各種營銷活動能夠進行更系統化的分析，同時利用內部運營數據和外部社交媒體數據多方面數據源，對營銷活動進行預測分析。通過交叉營銷和數據營銷等多樣營銷手段，進一步提高營銷的準確度，并拓展新的營銷渠道。

3.2.2 提升內外部資源整合的能力

農業銀行信用卡構建了以顧客為中心的服務和體系框架，從客戶的交易活動出發，刻畫客戶消費偏好，對客戶進行精準化營銷。同時實現了全行在業務視圖層面上的一體化，全行將以個人信用卡分析數據為基準，結合客戶關系管理策略，對個人用戶進行了差別化業務管理，以實現客戶對銀行的滿意度的增加。

4 農業銀行信貸風險管理存在的問題

4.1 “金融科技”局限性

盡管“出口快貸”業務融入了金融科技，一定程度上提高了業務的真實性以及審查速度，但也存在許多不足。該業務模式是“場景金融”創新，是以出口數據為依托，根據小微企業在平臺上錄入的信息為核心指標進行業務授權。但是在此情況下，企業并沒有完全了解小微企業的整體面貌，這同樣會使得授權存在風險。

4.2 信用卡數據市場在法律上沒有統一規范

信用卡業務要求對個人客戶的情況進行全方面的了解，例如資信、學歷、銀行流水等。在此基礎上審批目標客戶。目前，數據市場普遍存在的問題就是缺少相應的法律規范，關于數據取得、篩選、提取缺少技術規范。在此基礎上可能存在道德風險。

5 大數據的創新發展

5.1 運用大數據分析及云平臺，完善個人信貸監測系統建設

首先，與大型外部信貸報告企業協作。這能夠有效地提高對潛在信用風險的即時監測，并增加資格審核，協議履行以及信貸的透明度。其次，在貸后企業風險管理流程中，我們還可通過大數據分析或云計算平臺來監測財務信息，比如根據個人客戶和銀行貸方之間的賬戶流量和資金流量，從而分析其可能的財務資本風險。并設定相應數量的預警閾值，以幫助銀行貸款后期的信用風險管控。

5.2 利用大數據分析提高個人信貸風險決策、管理水平

在大數據處理時代，企業多元化的貸款服務不僅要提升風險管控的實效性，而且還要加強信用審查。一方面，公司將運用大數據分析，云計算信息處理和數據庫等手段，從公司各個部門中獲取一系列內部和外部的信息，并參與對公司業務數據質量和信用風險的評估與鑒定，并制定管理辦法。另一方面，還要強化對信用風險決策過程的管理，以全面捕捉和掌握社會金融市場，客戶信息的變化情況，對各個階段的信息資料進行多維的整理[2]。

6 大數據應用的展望

目前大數據的特點是多、雜，存在的問題是缺少法律規范，在數據搜集、采集、運用方面沒有統一的技術規范，部分數據無法保障下游數據能夠安全使用。面臨著外部風險局勢的錯綜復雜以及新一代信息技術應用的發展，未來農業銀行還必須不斷優化和完善決策中樞。

6.1 加大大數據的運用，實現信息共享

目前，大數據已經在農業銀行小微貸款業務以及信用卡業務廣泛運用，已經充分實現了與工商、稅務、海關等平臺的對接。充分掌握了小微企業的經營、財務信息，實現“政、銀、企”生態價值鏈。隨著系統的更加完善，小微企業貸款以及信用卡審批時間會越來越快。

6.2 加強與金融科技平臺的合作，實現數據的融合

目前云計算、區塊鏈技術日益成熟，許多優質的金融公司也在不斷探索在風險管理方面的創新，商業銀行應該開展與金融科技平臺的合作，實現金融數據的交換。

6.3 鞏固大數據分析基礎，加強對外部數據分析的引入力度

農業銀行應該尋求上游數據的穩定，保證數據合法性。在數據市場發展不穩定的情況下，信用卡應該加強業務驗證，深入數據源的加工過程和數據層層授權過程。企業應該積極接觸穩定的第三方數據，構建多維度的數據積累。授信決策需要海量、多維度征信相關數據的支撐。

6.4 打造專業化數據分析人員體系

信用卡大數據發展具體落實到應用上，關鍵要靠人。第一，要聘請專業人員進行數據模型的構建，只有專業人員才懂得技術。第二，定期邀請外部專業化數據培訓機制。因為大數據發展速度很快，如果不定期接受培訓，就無法跟上時代的腳步。數據建模也要與大數據發展速度相匹配。第三，在實踐過程中積累重復的經驗。初期引入建模模型能力較弱，數據人員邊學邊做，在實踐中逐漸累計經驗。

6.5 擴展信貸智能決策模塊的應用范圍

農業銀行還將拓寬貸款智能決策平臺的使用對象領域，從單個貸款事件的決定功能，逐步推廣到多個貸款事件中，從貸前、貸中過程的輔助決策，逐步推廣到貸后流程監測、催收等環節。其次，為拓展應用的場景目標，采用了標準化界面，以實現對行內各種架構體系的使用，特別適合線上應用平臺，運用于企業準入、欺詐鑒定、授信決策、自動化審核、監控預警等場景業務上。

6.6 運用大數據分析云平臺，完善信貸監測系統建設

首先，按照《企業財務資產風險分類暫行辦法》等規章制度，通過建立類似于支付寶、微信支付等互聯網支付系統，以盡可能全面的熟悉和了解更廣區域內用戶的信貸資質情況。其次，在企業放貸后的風險管理流程中，我們還能夠利用大數據分析及云計算平臺，監測個別顧客的賬戶流水等財務數據信息，從而對企業可能的財務融資風險做出分類，并設定相應大數據變化的預警閾值，來為企業后期的信貸風險管控提供保障[3]。

7 結語

在大數據技術與網絡金融不斷發展的背景下，商業銀行面臨的競爭形勢也越來越嚴峻，一些企業憑借大數據信息平臺推出了諸多新型產品與服務，這些新產品的出現給商業銀行的相關業務造成了一定的沖擊，商業銀行只有及時抓住大數據技術發展所帶來的機遇，才能使得自身不處在被動的狀態。與此同時，商業銀行也要注意內部控制和風險管理，運用大數據平臺，完善信貸監測系統。

參考文獻

[1] 蔣秀才 王彬華 高峰.大數據驅動的信貸智能決策實踐與展望[J].中國金融電腦.2021（05）：47-49.

[2] 孫琳.大數據時代對中小商業銀行改革的推動作用探討 [J].商訊.1671-6728（ 2021） 08-0079-02.

[3] 茍志龍 侯進.科技構建零售信貸風險管理體系新思路[J].中國銀行業.2020（6）：75-77.

作者簡介：蔣昊宇，（1991-），女，漢族，湖北宜昌人，碩士研究生，單位：三峽大學經濟與管理學院MPACC，研究方向：會計與審計。