淺析大數據背景下商業銀行風控問題

張杰

摘 要：金融的核心是風險控制，互聯網金融更加注重風控體系的完善，只是互聯網金融的風控體系以數據和數據挖掘算法為支撐。隨著大數據信息技術發展日趨成熟，傳統的商業銀行風控體系面臨著極大的挑戰，迫切需要轉型，為了通過大數據信息技術提升商業銀行的風控能力，本文針對商業銀行傳統的風控體系的不足及完善風控體系的必要性，提出了相應的措施及建議。

關鍵詞：大數據;商業銀行;風控

風控，顧名思義，就是風險控制，并采取措施減少風險事件發生的可能。銀行進行風控的基礎條件就是要盡可能獲取全面完整的信息。商業銀行對數據信息的采集、分析和處理的水平決定著銀行的風控水平，進一步影響銀行的盈利能力和競爭水平。隨著2014年以大數據為核心的互聯網金融的快速發展，傳統的商業銀行面臨著更為嚴峻的挑戰，一邊有各大銀行相互之間的激烈角逐，另外還要受到一大批興起的互聯網科技公司等其他大小企業的劇烈沖擊，跟這些行業相比，傳統商業銀行明顯在產品創新能力、市場競爭能力和風控管理等方面處于劣勢。商業銀行轉型升級、改善風控體系的工作勢在必行，這不僅要求銀行尋求新的經營出路和利潤增長點，更需要把重點放在完善風控體系的建設上面。

在國外的金融行業都利用大數據信息技術來進行信用卡的實時交易反欺詐，截取社交軟件的信息來取得客戶的信用記錄運用于風險評估。國內的大數據特別在IT領域，BAT三大巨頭公司都極力推動大數據技術的發展，其中最典型是阿里巴巴集團旗下的螞蟻金服，通過利用客戶以往的消費記錄、線上線下支付、理財等數據對客戶進行信用評估打出芝麻信用分，依據分數的高低來授予不同的客戶不同的花唄和借唄貸款額度?？偟膩砜?，大數據的發展以社交軟件、電商平臺、互聯網金融的海量數據為依托，可以彌補商業銀行傳統風控體系的不足。因此，在新的經濟大環境下，怎么提高風控技術水平從而提升銀行的風險管理水平對其舉足輕重。

一、大數據背景下商業銀行風控的必要性

（一）大數據背景下商業銀行的績效考核

銀行風控管理水平的高低直接影響著銀行的績效好壞。隨著互聯網金融的發展以及大數據的日益進步，不管是金融市場環境、技術管理水平還是銀行客戶的個人信息都發生了巨大的變化，傳統的銀行風控體系已經不足以抵抗日益復雜的經濟環境。通過分析中國銀行業監督管理委員會公布的數據顯示，2019年銀行業信貸質量基本穩定，商業銀行不良貸款余額2萬億元，不良貸款率1.89%，較之前有小幅度上升。對于這種情況，行業內基本認為，這和監管對不良貸款認定統計口徑的調整以及信用環境趨緊導致信用風險上升密切相關。按照債券質量分類法，其中約 20% 的不良債為損失級別權，需要核銷處理，這無疑給商業銀行增加了巨大的呆賬準備金壓力和負擔，同時也嚴重影響商業銀行的盈利能力。由此可見，目前商業銀行的風控水平不能適應業務發展和市場環境的變化，風控體系亟待完善。

（二）大數據背景下的風控形勢所趨

隨著大數據背景下互聯網技術和IT技術的快速發展，打破了傳統風控的固有模式，與互聯網金融的風控融合程度進一步加深，風控理念也隨之革新。運用大數據一方面可以記錄更多有效信息，并以準確、穩定的方式保存起來，另一方面促進了效率的提升，甚至是實現動態監測。同時，大數據可以很好地解決不同數據庫之間存在的兼容問題，因而促進了共享與合作的可能，跨行業、跨金融機構的合作因為風控而成為必要，克服了以往商業銀行單一的以產品為中心、以專業為條線獨立經營的管理體制，有利于提高風控的識別和防范。商業銀行收集的龐大數據庫有助于完善整個社會征信體系。傳統的征信系統和風控體系無法準確地考量出借款者真正的還款意愿，這是傳統征信的最大漏洞。相比較大數據背景下的風控，商業銀行通過運用大數據資料，可以多個角度分析真實的借款者，可以準確客觀的反映借貸關系，識別欺詐風險，這些剛好彌補了傳統征信體系和電商平臺的不足，從而進行正確的風險預測和防范。

（三）大數據背景下商業銀行的地位

商業銀行是整個經濟活動的樞紐，在我國金融體系中一直是居于主體地位，掌握著幾乎全國人民的可用于風控及征信的重要數據。僅以銀行卡業務為例，截至2019年四季度末，全國銀行卡新發卡2.67億張。借記卡新發卡2.22億張，信用卡和借貸合一卡新發卡0.45億張。全國人均持有銀行卡6.03張。龐大的發卡數量所積累的數據是商業銀行相對于其他金融機構無法比擬的優勢，為大數據背景下的完善風控體系打下堅實的基礎。另外，伴隨著金融形勢的不斷發展創新，商業銀行的總利潤構成中利差收入所占比例逐步減小，大中小商業銀行積極開展形式多樣的表外業務與中間業務，這么做一方面是需要為銀行打開新的盈利形式，擴大銀行的經營業務范圍，擴展銀行增長利潤的途徑，另一方面也為積累豐富的數據資源以及針對特定用戶量身打造的產品奠定了基石，從質和量兩個維度提升其市場信息豐裕度和完整性。

二、大數據背景下商業銀行風控面臨的挑戰

（一）商業銀行傳統風控系統對海量數據適應性較差

大數據的基礎就是海量的數據。隨著經濟的飛速增長，數據也呈正比例同步增長，不僅增加了商業銀行處理數據的成本，同時越來越多的非結構化數據、半結構化數據以及其他行業跟客戶行為息息相關的數據都成為銀行大數據庫風控信息收集的基礎信息。但是，商業銀行傳統的風控體系中結構化數據占據主導地位，而以海量數據為前提的大數據風控要求商業銀行必須構建起將非結構化、半結構化和結構化數據三者結合起來的數據儲存增長模型。大數據技術應用的風控體系中，只有將來自各個渠道的各種類型的甚至異構的數據整合在一起，才能打破傳統數據化與非結構化數據間的壁壘，構建全面準確的商業銀行大數據信息視圖。因此需要強大的采集技術去挖掘和分析數據，并結合風控場景實現轉換、加載、處理有效的模型數據，從而解決實際的風控業務問題。

（二）商業銀行大數據有效性受到質疑

現在已經有很多商業銀行正在使用或者嘗試使用大數據進行風控管理，并且有些銀行已經取得一定的成效。依據當前收集到的信息，大數據資料主要來源于社交網站和電商平臺。社交網站的用戶有一個特點，大多使用虛假信息展示美化的而非真實的自己，而電商平臺則因為存在著大量的“刷單”“水軍”等現象出現欺騙消費者。另外，大數據風控的理論還未成熟，未形成系統的理論模型，導致無法準確檢驗利用其他外部數據來分析銀行客戶的金融行為的合理性。最后商業銀行風控管理利用大數據的風險無法排除。基于大數據的搜集和分析要求，要盡可能防范網絡風險，保證在數據的處理、存儲、訪問、備份、災難恢復等環節都沒有失誤。目前還沒有一個絕對有效的技術將這些影響因素消除，這使得大數據的有效性無從保證，需要進一步提升。

（三）商業銀行缺乏大數據風控的基本環境

海量數據的儲存與優化是大數據風控的關鍵。目前我國商業銀行風控形式還處于傳統地位，主要以批量處理為主，技術設備落后，處理速度慢，跟大數據風控所要求的條件相差甚遠，無法滿足數據急劇增長的需求。按照當前數據處理速度，當數據量達到千萬級以上時，數據量劇增，而信息查詢或者處理速度反而會急劇下降，數據規模和數據處理速度不能實現完全同步。另外，大數據風險管理分析模式復雜多變而且繁瑣，這對構建配套的數據分析中心提出了更高的要求。基于這個形勢，很多商業銀行都在積極配合布局建立龐大的數據平臺，希望早點建立配套的數據管理系統，搭建適用于大數據分析的環境，用來實現大數據儲存、查詢、分析、備份和恢復。

（四）商業銀行大數據風控人才較為稀缺

任何時候企業的競爭關鍵在人才，商業銀行大數據風控的競爭也不例外。對比傳統的風控管理，大數據風控對人才各方面的綜合素質的要求更高。從事大數據風控工作必須精通金融、計算機、數學建模等專業化的知識，并且要有靈敏的思維分析能力和快速的學習能力。目前市場上的大數據風險管理人才主要分布在互聯網、電商等行業，而商業銀行的大數據風控人才寥寥無幾，尤其缺乏熟悉和精通大數據相關技術的復合人才，缺乏自主培養大數據人才的完整體系。這種模式不僅會導致人才出現水土不服、人才斷層的現象，而且人才培養速度十分緩慢。因此，商業銀行自主培養屬于自己的專業、高效、靈活的大數據風險管理團隊十分迫切。

三、大數據背景下完善商業銀行風控體系的建議

（一）加強數據倉庫建設和數據挖掘培養

大數據風控的重點和核心就是數據基礎。商業銀行可以通過連接銀行各個線下和線上渠道，比如網點、ATM機、手機銀行、網上銀行、三方支付等，收集真實、準確、有效的數據信息。另外，要加強和一些電商平臺、互聯網金融平臺等外部渠道的合作，利用政府資源，放大數據來源渠道。通過提高數據挖掘能力，進一步篩選出客戶有效信息，才能保證風控工作的順利進行。這樣商業銀行才能夠進行更精確的風險評估，并采取更具有針對性的風險防范措施。

（二）完善風控制度流程和體系

商業銀行的風控管理是大數據為基礎的，以客戶為中心。打個比方，通過利用客戶大數據信息平臺進行統一授信，把數據接口與數據加工和完善數據信息共享機制完美結合起來。這樣就不僅利用了大數據的時效性、真實性特征，也充分結合了數據的完備性以及數據分析的模型化特點，有助于風險預測及決策。結合大數據靈敏性的特征，制定完善的風險預警機制，對客戶每個環節均進行360度無死角的監控，同時提前對涉及風險的事項進行預警。此外，還需要匹配簡潔有效的業務流程，建立快速反應機制，實現低成本、高質量的風險控制程序。

（三）建設標準大數據運用環境

商業銀行最擔心的恐怕就是風險事故了，出現事故一方面損害了銀行客戶的利益，也給銀行本身造成損失，更會對社會甚至政府帶來消極影響。所以，建設高標準全方位的風險控制體系對于商業銀行來說十分必要，一定要重視對數據安全性、制度合法性的建設?？梢詮南旅鎺讉€方面進行：第一要建立一系列標準化制度，比如涉及到客戶數據、信息安全和客戶信息隱私的等方面;第二要規范相關部門的人員必須在監管許可的范圍內利用數據信息實現風險管理創新;第三要加強對風險管理人員的制度制約，防范操作風險。

（四）注重風控人才的培養

大數據風控除了以數據信息、模型為支撐，關鍵的是高素質的風險管理人才，人才的識別、決策、創新能力才是整個風控的核心。大數據風控人員需要的是能把金融和計算機知識融會貫通的綜合性人才，這需要與之相匹配的能力，比如風險的識別、定性、判斷、防范等能力，此外，還需要具有專業的風險模型分析能力以及運用數據進行挖掘和整合的能力，這些都是商業銀行在市場上立于不敗之地的關鍵。為此，商業銀行必須把大數據風控人才的培養放在首位，要配置優質的資源，搭建配套的人才培養方案，這樣才能留住關鍵人才。同時要建立相適應的考核機制，這樣才能慢慢培養出一批高水平的大數據風險人才。

參考文獻：

[1]巴曙松，侯暢，唐時達.大數據風控的現狀、問題及優化路徑[J].金融理論與實踐，2016（02）.

[2]葛仁余.大數據提升互聯網金融風險管控能力的應用實踐[J].中國金融電腦，2015（12）.

[3]韋顏秋，黃旭，張煒.大數據時代商業銀行數字化轉型[J].銀行家，2017（02）：128-131.

[4]賈學奇，胡棋智，姜勇.關于將“大數據”技術引入銀行運營風險管控的思考[J].農村金融研究，2015（01）：41-45.

[5]宮哲，萬適.論驅動信息化銀行的“三駕馬車”：數字服務、大數據及信息安全[J].當代經濟管理，2015，37（12）：69-74.