大数据背景下银行信贷风险的防范措施探析

高超 中国建设银行股份有限公司天津南开支行

随着互联网信息技术的逐步普及，大数据在社会各层面实现了广泛的运用。在大数据的推动下，为了更好服务实体经济，契合互联网经济时代特点，传统金融业务实现了多方面转型，各金融机构经营模式保持不断创新。银行作为金融业中重要组成部分产生诸多变革，其中信贷业务做为银行业务主体版块之一变化尤为突出，其发展方向和银行经营持续、健康的发展之间存在着紧密的联系。在信贷业务中风险属性是其重要特性之一，传统尽职调查方式由于信息不对称，极易出现风险问题，造成不良资产，而大数据的引入则可以加强银行信贷业务的风险管控能力。

一、大数据时代的特征

学者阿尔文·托夫勒（1908）在《第三次浪潮》之中首次将“大数据”提出，然后一直到2009年该词才逐渐在互联网领域被人们所熟知[1]。2012年瑞士达沃斯世界经济论坛发布的《大数据，大影响》报告之中提到：现在的数据就好比现实与虚拟货币，存在于人们生活的各个领域。

大数据时代涉及到的特征包含规模性、多样性、高效性以及价值判断等属性。大数据让信息技术不断向通用的方向进行发展，引导我们通过新的思维方式去看待世界，我们决定事情的经验与直觉等，逐渐由数据分析所取代。

二、大数据背景下银行信贷风险的防范措施

（一）构建大数据信贷风险管理理念

我国商业银行在全面风险管理体系的引进时间方面虽然已有时日，但部分银行并未给予其足够的重视，依旧将营销放在首位，侧重依靠传统方式，各部门执行的风险管理标准参差不齐。随着大数据时代的到来，尽管此种理念在一定程度上实现了缓解，但未将全方位风控管理思想融入到体系中。实践过程中，银行应增强大数据风险管理文化建设，构建全面风险管理体系时，不能够只是将其作为一套软件系统和某些查询功能，应注重银行各部门间建立起综合性风险管理理念，将“交叉风险防范”、“全流程管理”、“全数据及有效筛选结合”等先进思想、方式纳入到风险管理的政策制定中。

（二）建立数据仓库

数据的获得及储存是后续数据筛选、判断的基础。数据仓库指的是面向主题、集成、稳定，能够将历史变化反应出来的数据集合，主要应用与管理过程中的决策制定[2]。数据库与数据仓库之间的区别表现为：数据仓库是将决策支持与数据分析作为基础，而对数据进行存储，有统一的管理标准，有目标有计划的存储；数据库则是将运营性数据存储、查询数据作为重点。现阶段，我国银行在数据库方面基本构建完成，正在向着数据仓库的方向前进。与此同时，除了内部系统建设之外，部分银行还积极与信息技术、数据研发公司开展深入合作，对外采购引入外部数据，例如建立全球资讯平台、舆情监控平台等。这些数据信息由风险部门统一监控，也可由营销部门进行个性化制定，根据业务需要定制所需风险画像。

（三）完善自动监控预警系统

银行资产质量拥有周期性波动特点，和宏观经济、行业发展周期之间保持着关联性。现阶段，部分行业存在产能过剩、各类投资资本集中等问题，信贷业务风险不确定性较大。所以，对风险监控体系须予以完善，构建事前预警、事中控制以及事后监督的全流程自动监控预警体系。只有全面监控，触发系统设定风险点后自动预警，银行才能及时根据具体情况对风险做出合理判断，制定相应的策略，解决人为监控时效性的短板，第一时间将损失控制住。大数据在风险预警方面具备着诸多的优势，例如，银行可经授权获得电商平台数据，对信贷客户网络商铺的实时交易、用户评价等信息予以获取，进而分析出商铺经营状况与还款能力等，如有交易量或用户评价大幅下降情况，系统即可发出预警信息。另外，还可以分析借款人的联系人、社交圈等，亦或是借款人在网络中浏览的贷款信息等，对信贷客户的资产和负债状况进行辅助判断。

（四）注重风险防范专业人才的培养

就当下银行信贷业务而言，一方面数据成为风险防控的主要构成内容之一，另一方面人为因素依旧是风险的一部分。为了能够有效的降低人为因素对风险产生的影响，银行需要增强以下管理工作：其一，科学构建信贷制度，将“审核、贷款、检查”相互独立分离制度落到实处，培养各环节相关岗位人员的数据获取、分析、判断能力，防止一手清，进而在源头上确保信贷业务数据的可靠性，防止因为人为疏忽而出现不良贷款风险；其二，完善金融科技专业人才培养机制。在大数据时代中，要想从海量数据中提取出有效数据，还需依靠科技岗位人员不断完善系统，使得信贷流程中各岗位能够高效获得准确、清晰、易懂的信息，与此同时，风险防范岗位人员的专业性也须不断增强，提升相应的数据处理技能，尤其是将判断后的结果反馈给系统，以提高系统信息的准确性。

三、结语

综上所述，互联网、大数据科技的进一步发展对银行产品尤其是信贷方面提出了更高的要求。为了推动信贷业务的健康发展，有效防范风险，更好的服务实体经济，银行需加强大数据下的信贷业务风险控制能力。在此背景下，银行要勇于创新，注重系统与人的结合，通过科学、合理的方式对数据进行有效筛选、准确判断，并予以深入的分析，构建风险防控体系，以适应大数据时代金融行业的变化，在市场中寻求更长远的发展机遇。