大数据时代下的商业银行风险管理

余宏伟

（交通银行股份有限公司宿迁分行，江苏 宿迁 223800）

一、引言

大数据（big data）与普通数据不同，在一定时间范围内，大数据无法用工具进行捕捉和处理，而是需要依靠更先进的处理方式才能洞察数据，这是一种优质的、高增长的、多样化的信息资产。当前，大数据时代已经到来，各行各业都开始积极拥抱大数据给行业内带来的变化。我国从国家层面开始重视大数据技术的发展和创新。2015年8月，国务院印发《促进大数据发展行动纲要》，将“促进大数据发展，建设数据强国”提升到国家发展的战略层面。2017年1月，工信部发布《大数据产业“十三五”发展规划》，进一步规划了大数据产业发展细节。

商业银行拥有大量的数据，如银行账户信息、转账汇款信息等结构化数据，以及网点监控录像、用户手机银行操作行为及电话银行交易流水等非结构化数据。在金融领域发展日新月异的当下，商业银行能否利用这些数据，通过各种分析方法从数据中发现自身存在的风险并有效进行风险管理，成为能否在竞争激烈的金融环境中立于不败之地的关键因素。

二、商业银行风险管理现状

一是贷前管理不严格。在2012年我国经济走入新常态后，商业银行爆发诸多不良资产问题。贷前管理不严格的主要表现为：贷前尽职调查不严格，对行业判断存在拍脑袋的情况；错误地进入落后和产能过剩行业；为了让客户符合准入条件，虚高客户信用等级结果；过度授信等。

二是贷中监管不严格。包括审批不严格、抵质押不足值、保证人代偿能力差、动态重估流于形式、贷款发放与客户用款计划不匹配等。

三是贷后监督流于形式。由于商业银行缺乏有效的监管机制并且无法准确利用在各个环节收集到的数据，常常无法把控贷款资金的流向，贷款资金被挪用的现象频发。在还款资金和来源方面，由于对客户的账户信息缺乏监管，逾期还款时有发生。

由以上可以看出，银行在风险管理方面虽然投入了诸多资金和时间，提高了风控人员的素质，然而还是存在着很多由观念、意识、手段产生的风险，而其中技术手段的不足已经成为商业银行风险管理的最大制约。

三、大数据技术对商业银行风险管理的优化

我国的商业银行已经发展了几十年，其已经收集和产生了大量的数据。对这些数据进行整理、提取、利用和优化，则有望解决商业银行迫在眉睫的风险管理问题。尤其是对于一些新型金融风险，大数据技术成为风险管理的有力工具。

（一）大数据更好地利用收集到的数据

大数据技术帮助银行更好地利用收集到的各种结构化数据和非结构化数据。信息是银行立足的根本，也是风险管理的前提与核心。银行风险管理的实质是对这些结构化和非结构化数据进行整合与处理。一方面，通过客户的交易，商业银行可以留存海量的数据，然后依托互联网、云计算等信息技术进行识别与分析，进而提升数据挖掘与利用效率。另一方面，大数据技术帮助银行从社交媒体、电子商务、互联网金融等渠道了解更多信息，挖掘有用数据，为交易双方提供更有效的洞察力，减少金融交易中的信息不对称。例如，大数据可以帮助商业银行高效、客观、定量地评价客户的真实还款能力，从而降低金融风险。由此可见，大数据技术有望打破数据边界和信息不透明的藩篱，构造全面立体的客户数据库，从而搭建全方位的风险管理体系。

（二）大数据帮助银行优化操作流程

以授信审批为例，目前银行普遍的操作流程是客户面谈——两名信贷经理实体考察——风险经理面谈——撰写授信报告——授信报分行审批——授信批复，流程繁琐，持续时间长，部门间的协同能力较弱，且需要信贷经理长时间高负荷地工作。信贷经理和风险经理对于信贷风险的分析大多停留在借款对象财务数据的简单审核。基于大数据的风险管理体系有望简化这一流程，形成一条从数据收集到风险决策的封闭链条。商业银行的大数据平台可为不同部门的工作人员提供可靠的风险数据，授信审批人员再根据信贷经理收集的辅助资料，以数学建模的形式对贷款的风险进行分析，并形成风险报告，以此为依据批复目标客户的授信额度。遇到风险特殊事件，只需将相关数据更新、加减指标，代入模型测试即可重新进行风险评估，快捷灵活。创新简化的风险控制流程不仅能提高风险监控质量、提升银行竞争力，还能降低运营成本、减少操作风险等。

（三）大数据促进风险量化技术的发展

当前，各大银行都开始研究风险计量技术。风险计量技术的产生，与金融、统计等领域的李璐发展是分不开的，其高效性和准确性也使得越来越多的银行开始引入及开发这一技术。大数据则有望成为风险计量技术中的重要一环，帮助银行建立更加准确的风险管理决策模型，提高商业银行的风险量化能力，从而为客户提供便利，也为银行节省人力成本。目前，大数据的运用已经使得银行风险管理在风险特征分析、关联分析、分类与预测、孤立点分析等方面得到了优化与创新，比如逻辑回归模型、决策树模型、聚类分析、神经网络模型、支持向量机等模型的运用。

（四）大数据带来银行风险管理变革

最后，大数据技术将带来银行风险体系的改革。大数据给银行在风险管理方面提供了一个全新的思路，使得银行加强跨部门合作，最终构建起系统、客观的决策分析模型，提高国内商业银行风险决策工作的科学性、合理性。

四、商业银行运用大数据进行风险管理的挑战

（一）信息安全

海量的数据带来了更多信息，而这些敏感数据的信息安全成为商业银行需要重点关注的问题。稍有不慎，大数据便可能带来比往常更巨大的风险。近年来，国内外发生了多起数据泄露事故，给企业和相关涉事个人造成了不小的损失。大数据的收集、存储和应用都需要采用一套全新的方法，相应地，对大数据安全的管理措施也需要及时更新，需要银行将其加入到全面风险管理体系进行综合考虑。

（二）对非结构化数据的适应性较弱

随着经济的快速增长和金融行业的发展，银行每天都在产生海量的数据，这导致了商业银行数据处理成本升高。另外，互联网金融等新型金融业态的出现带来了更多的非结构化数据，而传统银行收集和处理的数据多以结构化数据为主，无法满足日益多样的数据需求。以海量数据为前提的大数据风控急需商业银行构建起非结构化数据、半结构化数据、结构化数据三者合一的数据储存增长模型。

（三）人才匮乏

银行应用大数据进行风险管理的另一个制约是人才匮乏。大数据尚属新鲜事物，其分析技术不同于传统的以样本数据开始勾勒出整体视图，这对数据分析人员的能力提出了挑战。大数据从全局考虑，是一种宏观的信息，需要技术人员在不断扩张的、海量的数据中迅速挖掘对风险分析有用的数据，为银行风险管理提供洞察力。这要求数据分析人员具备全局性的思维，同时还要求他们掌握统计学、计算机、金融学、经济学等跨学科知识。虽然部分商业银行积极推进大数据人才梯队建设，但大多引进其他行业的管理团队。这种形式也造成一部分在一部分银行“空降”技术人员对业务不熟悉的现象。商业银行急需打造属于自身的专业、高校的大数据风险管理团队。

（四）技术环境制约

目前，我国商业银行传统风险管理模式主要采用批量处理的形式，与大数据风控要求的高时效性、精确性存在差距。一般来说，当数据量达到千万级以上时，数据量增大，信息查询或者处理速度会急剧下降。此外，大数据的处理复杂且零碎，需要建立专门的技术中心。现在很多银行都开始部署大数据平台，希望早日建立大型的数据管理系统，在技术上为大数据管理金融风险保驾护航。

当前，各行各业都面临着大数据带来的各种积极的影响和变革。在金融行业，大数据的高效、透明有望降低交易风险、提高交易效率，大数据成为国内商业银行进行风险管理的有力工具。当前，商业银行运用大数据进行风险管理受到技术、人才、硬件等多方面的制约。对此，商业银行需要应对，为大数据的开发和应用提供环境，采用大数据这一有力工具对风险进行综合评价和管理，才能获得可持续发展，立于不败之地。