数字化视角下的商业银行风控逻辑演变

随着产业数字化转型升级进入深化改革阶段，全球正在从信息时代进入智能时代，数据资产将是未来的重要经济形态。数字化时代将有望重构商业银行传统风控逻辑，商业银行的风险管理应当紧密围绕数据资产这一新的经济形态，形成符合智能经济时代的智能风控体系。

商业银行风险管理的数字化进程

商业银行信用风险管理的基本逻辑

商业银行的本质是以经营风险为其盈利的根本手段，所以是否愿意承担风险、能否有效管理和控制风险，是商业银行的核心竞争力。而商业银行风险管理的本质，则是通过对信息流的管理来驱动资金流运转，在信息流和资金流的闭环基础上进行信贷资产的管控，以实现信贷资金的安全性、流动性和效益性。

目前，商业银行需要管理的信息流具有维度广、量级大、变化频次高等特点，根据这些不确定因素对商业银行资产可能造成的损失，具体风险类别可细分为七种，包括信用风险、市场风险、操作风险、流动性风险、国家和转移风险、法律风险和声誉风险。本文立足产业数字化需求，故重点探讨商业银行信用风险管理的基本逻辑和演变。

商业银行控制信用风险的核心是识别风险和管控风险，其管理目标拆分为贷前尽职调查、贷中风险审查和贷后按时检查三个阶段，管理流程节点包括客户准入、业务端尽调、内部评级、授信申请、风险审批、担保物评估、放款审核以及贷后管理等多个环节，以上管理目标和流程节点的设计，表现出商业银行风险管理的基本逻辑：第一，信息的收集、分析和运用是风险管理的内核;第二，设计分散性的组织形式，通过分层分工实现内部管理;第三，信贷决策的形成路径具有高度串联性;第四，岗位决策与个人经验高度相关。实际上，上述四点与风险管理目标具有内在冲突，即管理的分散性与目标整体性的冲突，这也是触发商业银行信贷风险管理进行数字化转型的主要痛点。

商业银行风险管理的数字化升级

风险管理从根本上来看，其实是通过对大量数据的管理，包括采集、分析和运用，试图解决由于信息不对称造成的风险。例如，银行通过借款人提供的财务报表了解其经营情况，通过征信信息确认借款人负债情况，通过银行流水数据衡量借款人还款能力、通过法院等舆情管理平台评估借款人潜在的违约风险等，随着公共平台存储的数据体量越来越大，信息技术的加持也让数据价值凸显，商业银行可以获得的数据源越来越多，但存在于风险管理模式的痛点仍须解决：第一，各个商业银行之间的信息孤岛关系，容易滋生过度授信风险;第二，目前银行采纳的信息源仍然以过去的、静态的数据为主，资金用途和还款能力的评估缺乏更有效的数据校验;第三，贷后管理依赖于业务人员，对借款人的管理效力不足;第四，一旦出现风险，担保措施执行起来难度大、周期长。针对以上四大困境，商業银行将现代信息技术作用于外部数据应用和内部流程改造两方面，进行数字化转型。

构建数据生态，解决信息不对称问题。目前国内政务系统及核心企业数字化程度较高，主要表现形式;一是打通内部各部门信息孤岛，形成信息一体化协同平台;二是将供应链企业交易信息纳入核心企业或政务部门系统，精准管理供应商体系。这两种数字化应用提高了银行的数据采集质量，改善了信息不对称的情况，丰富了产品风险模型的参数类型。例如供应链金融对核心企业的筛选，从依赖于已经发生的、静态的数据，到现在可通过不同可信数据源的多维度信息进行交叉验证，大大增加了企业数据造假成本;普惠金融中，银行通过与核心企业数字平台有效字段的对接，将对单一主体的信用风险判断转化成对供应链和产业链的整体信用评估，同时以区块链作为交易网络底层技术的应用，其不可篡改、透明、可追溯特点，实现了信贷业务参与各方的信息共享，解决了信息不对称的困境。

决策流程一体化，解决流程分散与目标整体的内在矛盾。决策流程一体化包括两方面：一是流程线上化，主要为了提升流程中节点之间的转换效率。传统风险管理模式下，申请、调查、审查和审批需要各自形成纸质材料，大量的案头工作对控制实际风险并无帮助，却占用大量时间导致信贷效率低下。二是决策模型化，其意义除了能够克服个人盲区，防止道德风险外，更大的价值在于形成了银行内部数据流通的运营闭环，解决了流程分散性和目标整体性之间的矛盾，同时也为数据驱动决策奠定了基础。目前各家行的数据运营闭环集中在个人信贷领域，公司板块由于数据非结构化程度高，仍然有赖于岗位人员的个人经验进行风险判断和管控，部分银行在供应链金融领域通过商流、物流、交易流和资金流四流合一，实现决策流程一体化。

商业银行风险管理的数字化趋势

从商业银行风控逻辑到风控体系的数字化转型，我们不难看出造成风险管理困境的根源其实在于数据，这里既有采集的困难，也有分析应用的困难，但随着数字经济占国内生产总值（GDP）比重的持续增长，商业银行的风险管理呈现以下两大特征：一是流程线上化趋势。形成这种趋势的原因在于数据结构化程度大幅提高，具备流转基础，机器学习和算法的应用价值得到广泛认可，数据驱动决策的路径逐渐清晰。二是数据生态化趋势。商业银行解决信息不对称问题的内驱力所决定，虽然区块链技术可以实现链上数据的共享，但上链数据的真实可靠目前仍未解决。商业银行对数据源可信的标准极高，绝大部分企业的数字化平台数据并不能被银行采纳使用，这两点共同驱动商业银行通过建立数据生态的模式，去解决信息不对称问题。

数据资产推动商业银行智能风控体系建立

数据资产的概念是由信息资源和数据资源两个概念衍生而来的。数据资产一词诞生于20世纪70年代，最初被认为是可持有的政府债券、公司债券和实物债券等资产。

数据资产的概念

关于数据资产的定义，目前尚无标准释义，从资产的会计定义衍生来看数据资产，是指由企业过去交易或事项形成的、由企业拥有或者控制的，预期会为企业带来经济利益的，以物理或者电子的方式记录的数据资源。

广义上看，企业拥有的数据资源，包括标签类目体系方法论、标签类目体系、数据类目体系、标签、原始数据、中间数据、临时数据等都是数据资产（如图1所示）。其中，标签、标签类目体系及方法论是广义上的数据资产的核心构成。

在方法论的指导下，原始数据、中间数据、临时数据可以按需加工、挖掘成标签，标签按照类目体系的方式进行规划、串联和管理。对于一家企业来说，其长期积累和建设的数据、标签、标签类目体系及经实践修正后形成的自有方法论都是其数据资产。

狭义上来说，数据资产即是会计角度的定义，具有权属清晰、可交易汇兑经济价值的属性。例如映射物理世界实物资产的数据标签就是当下数据资产的主流呈現方式。

数据资产的特征

数据资产的特征兼具数据和资产的属性，包括流通交易性、增值性等，目前数据标签做到了可阅读、可增值、易理解、好使用、可计量、有定价、可管控以及能确权。

企业首先在数据源采集阶段确认数据资产归属权，设计加工管理运营阶段确认管理权，使用与消耗中确认使用权，建立数据语言与业务语言的融合机制，将最小可复制数据“商品”化，形成元标签，通过对元标签的使用信息进行过程管理和反馈，让企业数据以数据标签化的形式实现可计量、可控制、可阅读、易理解、好使用的数据资产属性。目前市场上进行数据标签管理的产品已经比较成熟。

同时，数据资源的丰富性、持续衍生性以及边际成本为0等特点，让数据资产具有确定的增值价值，且这种增值是非线性的迭代过程，具有不可限量的增值空间。

数据资产的价值

根据麦肯锡在2016年对全球范围内数据与GDP的关系分析，在2005年到2014年期间，跨境数据流动使全球GDP增长了约3%，数据流动所产生的附加值约为2.3万亿美元。交易、移民、直接投资等一切贸易行为都与数据相连，最新的统计数据表明，欧盟地区8%的GDP是从数据中产生的。

目前数据资产的价值通常表现为两种形式：一是赋能，即数据本身不产生价值，但通过数据应用为企业经营赋能，体现在营收扩大、毛利提升，企业通过数据“内消”的方式，将生产经营中产生的数据进行采集分析辅助决策，提升企业战略、管理、市场的精准和效率，这种形式通常很难量化数据产生的价值;另一种则是数据本身产生价值，随着数字孪生技术的发展，越来越多的产业尝试将映射物理世界的数据资产进行交易，直接产生经济价值。

数据资产的价值产生需要完整的运营链路作为基础（如图2所示），目前市场主要通过数据标签化的方式对数据资源进行转化和组织，实现运营链路。数据标签作为数据资产的主要形态，是一种业务导向的组织方式，通过元标签信息能让数据资源变得可阅读、易理解;同时标签态的数据组织方式是最小使用和管理单元，能让数据资源兼具好使用、有价值的核心特点。

数据资产可与商业银行风控体系建立数据闭环

数据的进一步应用是目前商业银行风险管理数字化进程中亟须解锁的难题之一，从上文所述数据资产的特征，其以标签化形式出现，实际上标签化的设计初衷之一是把技术思维向前台业务思维靠拢，用产品的逻辑方便业务端在面对数据资产时，可阅读、易理解、好使用。同时，在数据标签的设计过程中，数据标签开发部门与前端业务部门之间首先形成供需关系，技术开发部门创建最小可复制的数据单元作为“商品”，一般称为元标签，面向前端业务部门出售，业务部门作为需求方提出申请，申请审批通过之后，技术开发部门用类似积木拼搭的形式将元标签进行组合整理，形成面向市场的数据资产进行价值流转。这个过程可实现数据的可管控、可计量。

数据资产背后的数据治理逻辑所形成的可管控、可计量、可阅读、易理解、好使用等特征，实际上可以帮助解决商业银行风险管理数字化转型中的需求，二者可以形成互补与反哺的逻辑闭环。

对商业银行智能风控体系的思考

商业银行作为社会经济活动的重要参与者，必须具有能够匹配数据这一新的生产要素的生产工具和生产力，所以笔者以为商业银行的风险管理应当紧密围绕数据资产这一新的经济形态，做好顶层价值设计和生态平台建设，构建符合智能经济时代的智能风控体系。

回归本源，以资产质量管控为导向进行数字化顶层设计。风险管理的目标是确保资产的安全性、流动性和收益性，改变传统信贷管理的分层分工模式，以把握实质风险为导向进行数字化顶层设计，实现目标包括：第一，流程的线上化与自动化，如信贷报告和贷后管理报告的系统自动生成，减少无效劳动量;第二，打通部门与条线之间的信息孤岛，提升数据内部流转的价值;第三，决策智能化，围绕安全性、流动性、收益性关联维度的数据进行决策模型开发，形成强抗干扰性的风控决策机制;第四，采用数据标签化形式，将围绕资产质量的数据设计成元标签商品，实现标准统一数据治理的同时，与前台业务端形成以数据流转的协作网络。

协同产业，以产业需求为导向搭建生态平台。产业链中的企业是未来数据资产的主要生产者，商业银行想要形成智能风控体系，需要积极拥抱产业，以产业需求为导向共同搭建产融生态平台。通过共建生态平台，完善客户数据感知系统，实现对客户风险信息的全覆盖和动态更新，持续提升数据的可靠性;同时积极融入产业交易环节，交易数据作为风险信息的核心数据，产融两端通过交易互通将有助于建立信贷生态;此外，商业银行可积极参与企业数据平台的共同开发建设，从源头确保数据的真实有效性。

（戴润静为杭州银行南京分行营业部副总经理。本文编辑/王晔君）