大数据风控体系建设研究

张玉霖

摘 要 金融的核心是风险，对于风险的控制能力是决定银行等金融机构在未来激烈的竞争中能否处于优势地位的核心能力。随着大数据技术的发展，银行等机构已经逐步开始应用大数据体系来构建风控体系，通过大数据能够更为全面地搜集客户信息，更为准确地判断客户的风险。

关键词 大数据 风控体系 “互联网+”

一、绪论

随着互联网技术的发展，大数据技术得到了广泛的应用，并且在金融風控领域得到了较好的应用。传统银行等金融机构在对客户进行风险评估的时候，过去较为依赖行内的现有数据，但是这些数据难以满足日益复杂的风险评估需要，而且由于银行数据较为滞后，更新缓慢，因此用来进行风险预判显得较为薄弱。

而大数据技术收集了客户生活、行为、消费等方面更为全面的数据，且数据采集更为及时，同时利用数据挖掘、机器学习等模型能够更加深刻地挖掘客户的特征，对客户的风险事件提前预测。大数据风控逐渐成为各个银行等金融机构广泛关注的研究重点，本文将对大数据风控体现的建设方案以及应用进行研究。

二、大数据风控体系

大数据风控体系是基于原银行风控体系的扩展，从数据源上扩展了银行的数据范围，数据源说明如表1所示。

从表1可以看到，大数据风控体系，收集了运营商、第三方互联网电商及金融数据、公共事业、互联网舆情以及各种能够获取的数据，能够覆盖客户生活的方方面面，可以深入地刻画客户的特征，判断客户的风险。从大体框架而言，首先通过搜送引擎、数据采集以及加工等步骤将数据汇总到数据仓库中，其次由数据挖掘模型来分析数据，最后提供数据可视化报表等服务。在系统的底层提供统一的数据模型支撑，数据生命周期管理以及权限管理。

大数据风控的系统架构如图1所示：

首先通过数据采集、ETL将各个业务系统以及互联网爬虫中的数据进行汇总。通过大数据平台计算各种数据指标，系统数据集市为决策模型提供底层数据支持，为应用层提供对应的数据。在应用层中，包括客户画像、产品推荐、风控绩效考核、风控管理系统等应用系统，最终形成完善的风控体系。

常见的大数据分析平台架构有Hadoop、Spark、Storm、Samza等，这些平台提供了核心分布式数据仓库、分布式列数据库解决方案，还具有良好的扩展性，常用在银行大数据风控平台建设中。大数据风控平台可用于信贷客户的反欺诈分析、信用等级评估、贷后风险监测预警与催收等环节，严格进行风险防范。大数据风控平台重点关注个人客户或企业客户在银行体系内外的负面信息，银行体系内的负面信息包括信用卡逾期、贷款逾期、黑名单信息等，银行体系外的负面信息包括P2P/小贷公司等黑名单信息、公检法的诉讼案件信息、国家行政机关处罚信息以及网上负面舆情（虚假宣传、误导消费者）等，从这些数据出发，全面评估个人客户在银行的风险等级，为银行的风险防范提供决策支持。

三、结语

本文探讨了大数据风控平台的数据源、逻辑架构以及系统架构，为各银行建设大数据风控平台提供了参考借鉴。

（作者单位为西南财经大学）

参考文献

[1] 高阳.互联网金融风控模式研究[D].山东财经大学，2017.

[2] 刘轶.大数据风控体系在建行中的应用[D].上海财经大学，2016.