大數據背景下商業銀行風險管理問題探究

馬紅

(中國光大銀行股份有限公司大連分行特殊資產經營管理部 遼寧大連 116001)

大數據時代的到來，推動了各行各業的深化改革，數據的價值得到眾多領域的共同認可。大數據技術的發展推動著金融領域的數字化轉型，特別是具有數據優勢的商業銀行也紛紛進行大數據應用，力圖通過大數據技術降低銀行風險，實現自身的可持續發展。

1 大數據技術在商業銀行風險管理應用的優勢

大數據技術具有傳統數據管理無法比擬的優勢，在商業銀行風險管理中應用大數據技術是新時代發展的必然要求。

1.1 有效降低信息不對稱

信息不對稱是造成商業銀行風險的重要原因，大數據技術的深入應用能夠有效降低信息不對稱，從而實現高質量的風險管控。通過深入挖掘、整合商業銀行內部積累數據和外部共享數據能實現對客戶的精準畫像，展現真實的客戶風險狀況。通過對客戶財產、財務、交易、行為、市場和區域等方面數據的整合，形成全面的客戶風險視圖，并通過全過程的大數據分析，及時掌握客戶情況，前瞻性地發現風險，從而實現有效的風險管理[1]。具體而言，在貸前環節，大數據技術通過整合客戶數據，實現對客戶精準的綜合評分，包括信用評分和償債能力評價等，從而為客戶準入提供有效指導，減少商業銀行不良貸款率，降低經營風險。在貸中環節，商業銀行通過動態的內外部數據搜集、整合和分析，實現對貸款客戶的實時監控，及時進行風險預警，減少銀行的潛在損失。在貸后管理階段，通過大數據技術能對逾期客戶的企業、資產和其他個人信息有更全面的判斷，從而為貸后催收提供便利，實現更高效的不良資產處置。

1.2 進行更全面的風險識別與評估

風險識別與評估是進行有效風險管理的基礎，大數據技術的應用能更全面地進行風險識別與評估。商業銀行的風險主要包括信用風險、操作風險和市場風險三大類。針對信用風險，現階段我國商業銀行不僅缺乏統一的風險評估，還缺乏針對中小企業和個人信用的評估手段，風險評估不全面、不科學。通過大數據平臺，商業銀行可在建立豐富的風險庫的基礎上，通過大量數據的采集、分析和交叉對比，量化客戶的風險狀況，從源頭上減少貸款風險，避免不良貸款的產生。針對操作風險，商業銀行可以利用大數據技術對內外部損失數據進行系統、深入的分析，從而獲取風險點，完善內部操作流程，提高風險管理。針對市場風險，商業銀行可以利用大數據技術對產品交易價格、利率變化狀況進行實時監控，并進行準確的風險計量與評估，最大程度地減少市場風險的影響[2]。

1.3 實現更為全面的風險監控

利用大數據技術，商業銀行能夠更好地計量風險，實現全過程、全方位的風險監控，實現全面風險管理。一方面，商業銀行可以利用大數據技術實現風險定量分析，通過搭建大數據平臺，挖掘和整合數據之間的內在關系，建立風險計量模型庫，量化管理信用風險；另一方面，商業銀行可以利用大數據技術實現動態風險監管。風險與商業銀行的運營發展相伴而生，無時不在。因此，靜態的風險管理注定無法滿足商業銀行發展需求的，通過大數據技術對實時數據進行采集、分析和智能評估，能及時發現風險，實現實時風險監控。總之，大數據技術助力更精確的風險識別，實時的風險監控，從而實現全面風險管理，促進商業銀行的持續健康發展。

2 大數據背景下商業銀行風險管理存在的問題

大數據背景下，商業銀行紛紛開始進行數字化轉型，然而受多方面因素影響，現階段商業銀行風險管理在融入大數據技術中還存在一些問題。

2.1 大數據加劇了商業銀行信息安全隱患

大數據技術的應用是新時代下商業銀行風險管理的大勢所趨，然而由于大數據來源的廣泛性及互聯網的共享性，導致商業銀行更容易產生信息安全隱患。一方面，如若管理流程存在漏洞，或大數據平臺存在漏洞導致黑客攻擊及數據泄露，就會給商業銀行帶來無法估量的損失，也會泄露客戶的隱私，造成客戶對銀行的不信任[3]；另一方面，大數據采集的范圍廣、內容繁雜，涉及一個采集標準和尺度的問題，這是大數據技術應用中普遍面臨的困境，對數據格外敏感的金融業更是如此。因此，若商業銀行在大數據采集中缺乏明確的標準，就很有可能存在過度采集的問題，不僅會侵犯客戶的合法權益，還面臨道德和法律上的問題。

2.2 部門間客戶信息數據割裂

客戶信息數據割裂導致商業銀行大數據技術應用效率較低，主要表現在兩個方面：一方面，行內數據缺乏分享。各商業銀行分行、支行獲取的數據主要是為了本經營行使用，行內共享程度不高。由于總行搜集數據主要是為了風險管理與評估，分支行搜集數據則主要為了貸款業務需要，在數據搜集和使用中總行與分支行之間、各分支行之間缺乏緊密的溝通，一些商業銀行還缺乏統一的大數據信息平臺，這就造成客戶信息數據的割裂，不僅造成工作上的重復和低效率，還增大了風險管理難度[4]；另一方面，統一經營行不同部門間信息共享度不高，客戶信息數據割裂。一般而言，對客戶數據進行采集的有個人信貸部門、零售部門和私人銀行部門，這幾個部門負責的業務不同，風控管理也有較大差別，在信息采集、分析過程中的標準也有較大差異，因此各部門各自采集的信息既可能造成重要信息的缺失，又可能產生重復性的工作內容，增大了商業銀行風險管理的難度。

2.3 大數據開發能力有待提高

商業銀行傳統風險管理大都是對結構化數據進行處理，然而在大數據背景下，商業銀行一方面要面對眾多非結構化數據，另一方面是數據處理規模呈幾何量增長，這對商業銀行大數據開發能力提出了更高的要求。面對數據量大、結構復雜的數據，商業銀行大數據開發能力呈現不足的現狀，主要表現在三個方面：第一，傳統的數據處理硬件系統和軟件系統已經無法滿足高效率的數據處理要求。傳統數據處理系統數據處理效率不高，并且對很多非結構性數據無法處理，不能有效挖掘數據背后反映的風險；第二，大數據處理技術缺失。一些商業銀行仍采用傳統數據處理思維，缺乏對大數據技術應用的戰略意識，沒有引進相關大數據處理技術，導致銀行在大數據處理上的核心能力不足；第三，大數據專業人才缺失。這是影響商業銀行大數據開發能力的重要因素，下文將著重分析。

2.4 大數據專業人才缺失

專業人才是大數據背景下商業銀行深化大數據應用能力、提高風險管理質量的必要保證。大數據技術在商業銀行風險管理中的應用，一方面是大數據的采集、分析與預警，需要處理海量的數據內容；另一方面是構建風險模型。商業銀行傳統數據處理以報表分析為主，涉及的數據量相對較少，處理起來較為簡單。在風險管理上，傳統方法是采用樣本分析，很難展現商業銀行風險管理的真實情況，而大數據技術是從全樣本出發，處理的數據量、復雜程度都大大增加，這就對工作人員提出了更高的要求，他們不僅要具備風險管理相關知識，還要具備數學、統計學、金融學等相關領域的知識。就現狀而言，一些商業銀行缺乏大數據專業人才，導致在大數據技術應用上存在瓶頸，風險管理質量不佳。

2.5 缺乏對外數據合作機制

商業銀行利用大數據技術進行風險管理的前提是全面的基礎數據，不僅需要銀行內部獲取的數據資料，還需要外部的數據作為補充。然而，現階段由于客戶隱私和風險控制方面因素的影響，難以建立充分的外部數據共享。客戶出于自身的利益考慮，根據不同銀行的風控管理在信息提供上會有所美化，商業銀行難以從多個角度對信息的真實性進行驗證[5]。同時，無論是人民銀行的征信系統還是商業銀行自己的數據庫，客戶信息的時效性都存在很大問題，這會給銀行帶來風險。除了信貸風險外，商業銀行同業之間缺乏系統風險、操作風險方面的數據共享，也不利于商業銀行的風險防控。

3 大數據背景下商業銀行風險管理優化策略

針對大數據背景下商業銀行風險管理存在的問題，本文針對性地提出了優化策略。

3.1 強化數據風險管控

要想保證數據安全，就必須強化數據資源風險管控。首先，商業銀行要重視信息化建設，完善大數據平臺，做好信息安全防護，避免因黑客入侵造成的信息泄露，保證數據安全；其次，由于大數據的關 聯性強，商業銀行要加強與監管機構的合作，協調大數據鏈條中涉及的監管機構與合作單位，共同制定數據安全標準，明確數據采集標準、采集范圍和使用范圍，嚴格按照基于法律范疇內的數據安全標準采集、使用數據，避免過度采集數據情況的發生，維護客戶的合法權益；最后，商業銀行要強化員工的數據安全意識，完善內部數據管理和操作流程，制定標準化的數據采集、使用流程體系，加強內部監管，防止因操作風險導致的數據泄露、過度采集問題，切實確保數據安全。

3.2 健全企業級信用風險分析與預警平臺

針對客戶信息數據割裂問題，商業銀行要建立健全企業級信用風險分析與預警平臺，實現充分的數據共享與風險防控，降低銀行風險[6]。商業銀行要整合現有的風險監測與預警系統，搭建統一的風險分析與預警平臺，實現總行、分行和支行等不同層級、不同地區商業銀行及同一商業銀行不同部門的充分信息共享，統一數據搜集、整合，和統一風險識別、監控和應對，既能通過統一平臺降低風險管理成本，又能提高風險管理的深度和效率，從而及時進行風險識別和防范。企業級信用風險分析與預警平臺要在對整個商業銀行數據進行搜集、分析和整合的基礎上，構建完善的風險模型庫，并對各項業務環節包含的實質性風險與風險邊界進行統一監控，及時識別和化解風險。

3.3 提高銀行數據開發能力

要想提高商業銀行大數據開發能力，就必須樹立大數據戰略理念，落實大數據開發的硬件、軟件條件，充分應用大數據開發技術，培養大數據開發人才，實現大數據開發能力的全面提高。首先，商業銀行要重視大數據技術，灌輸大數據技術的重要性，讓每個員工都意識到大數據技術的重要性，形成大數據思維，形成在工作中使用數據、用數據說話的文化氛圍；其次，商業銀行要建立健全大數據開發硬件和軟件系統。硬件系統方面，對現有硬件系統進行更新、升級，滿足大數據存儲、計算、開發的需求，為大數據開發奠定良好的硬件基礎。軟件系統方面，搭建大數據平臺和數據智能引擎，為批量數據采集、挖掘和分析創造良好的軟件條件；最后，商業銀行要不斷提高大數據技術核心處理能力。加強大數據技術相關培訓，特別是對基礎數據搜集相關崗位的培訓及數據處理和分析相關崗位的專業培訓，對于有條件的，可以讓崗位人員到優秀同業進行學習，提高數據開發能力。

3.4 加強大數據人才的引進與培養

人力資源是企業發展的核心競爭力。針對商業銀行大數據人才不足的狀況，商業銀行要加強大數據人才的引進與培養，從根本上提高大數據的應用能力。首先，商業銀行要加強大數據專業人才的引進和留用。在人才引進上，商業銀行可以重點采用校企協作的人才開發模式，與高校相關專業進行緊密協作、定向培養，并邀請優秀學生到銀行實習、見習，與其簽訂用工意向，實現源源不斷的人才儲備。在人才留用上，商業銀行要建立具有市場競爭力的薪酬體系，采用多樣化的激勵手段，構建與員工共同發展的企業戰略，充分實現留住人才的目的；其次，商業銀行要加強員工培訓，提高員工大數據意識和大數據處理能力。根據崗位發展要求，制定完善的崗位培訓計劃，進行針對性的大數據技術員工培訓，全面提高崗位員工大數據素養[7]；最后，商業銀行要搭建崗位輪動體系。讓各分、支行推薦數據分析崗位人員到總行數據中心進行階段性交流工作，通過工作實踐提高員工的大數據素養，實現大數據人才的引進與培養。

3.5 強化同業協作，保證數據安全

外部數據是商業銀行實現全面大數據分析的重要基礎，因此商業銀行要強化同業協作，降低商業銀行風險。一方面，商業銀行要搭建行業間數據共享平臺，實現商業銀行信貸風險、系統風險和操作風險相關數據、資料的實時共享，從而為大數據分析提供足夠的樣本來源，降低其風險[8]。目前，除了人民銀行的征信系統平臺外，市場中還有針對信貸客戶的一些征信數據平臺，但缺乏統一的商業銀行行業間數據共享平臺。因此，相關部門要發揮引導功能，推動建立行業間數據共享平臺，強化同業協作，實現風險控制的目的；另一方面，行業間數據共享并不意味著對客戶隱私的掠奪，相反，在這個過程中商業銀行要更加注重客戶隱私與信息安全，明確信息共享的界限，對涉及客戶隱私、未經客戶同意的信息堅決不能共享，切實保障數據安全。