大數據視角下商業銀行運營的風險管理研究

邱璜

摘要：文章首先簡要闡述了大數據時代下的數據分析技術含義，分析了大數據視角下商業銀行運營需面對的機遇和挑戰。然后從管理思維、管理方式以及管理數據基礎等方面，探究了當前商業銀行運營風險管理的現狀，提出了存在的問題。最后結合實際，提出了大數據視角下商業銀行運營的風險管理措施。

關鍵詞：大數據;商業銀行;風險管理

隨著大數據時代的到來，人們對于傳統數據處理的思路與方式都發生了較大轉變，商業銀行也需要革新自身的運營風險管理方法，積極利用大數據技術和網絡技術，不斷健全并完善運營風險管理模式，才能確保商業銀行有效規避風險，最終實現科學轉型與升級。因此，針對大數據視角下商業銀行運營的風險管理展開研究，在當下具有十分重要的現實意義。

一、大數據時代下的數據分析技術簡述

（一）大數據的含義

近年來，隨著電子化與信息化的發展速度日益加快，人們在生產與生活當中積攢了海量的電子數據，而“大數據時代”也因此悄然來臨。有關專家指出，2001年，就已經產生了關于大數據的定義。另外也有分析師在自己的研究報告中作出了詮釋，用“三維式”即三個“V”來代表數據增長過程中所出現的挑戰與機遇，也就是數量“volume”，速度“velocity”以及種類“variety”。其中“數量”指的是生成并搜集大量數據，同時其規模仍在逐步擴大。“速度”指的是大數據所具有的時效性，其數據的搜集與分析都必須十分快速且及時，以便實現對數據商業價值的最大化利用。“種類”則指的是數據類型豐富多樣，不僅是包括了傳統的結構化數據，同時還更多地涵蓋了視頻、音頻、文本、網頁一類的半結構或非結構化數據。在以上定義當中，速度著重體現了數據處理的快捷性，而數量與種類的“多”則可稱作大數據的本質特點。所以，在管理實踐中，可將大數據總體歸納成一種“全量數據”，其是由結構化與非結構化數據一同構成。若是可運用于決策的數據越多，且數據規模越大，處理速度越快，那么就越稱得上是真正的大數據。

（二）數據分析技術

第一，描述性分析。以大數據為基礎，不需要再運用繁復的數據挖掘分析技術，只需采用簡潔的數據表述，即可以勾畫出管理目標的大致輪廓，知曉其實際面貌，進而給科學合理的決策提供有力支撐。如專家所言：“大數據的簡便算法比小數據的復雜算法更為高效。”就眼下情況看，描述性的分析已變成了大數據背景下最為核心的分析技術。

第二，預測性分析。大數據把預測性分析的基礎數據庫進一步擴大了，這在很大程度上優化了分析的精確性。例如采用傳感器數據，汽車制造商可以更加確切地預知汽車部件可能會出現故障的位置與時間點。也可通過職工電話音調、郵件數據以及監控拍攝的職工表情等，合理地預判職工離職的可能性與時間。

第三，規則性分析。在大數據視角下，新興仿真技術也擁有了更為可觀的發展機遇。將全量數據作為根本，能夠實現更精確的過程模擬，繼而給設計管理方案帶來多種多樣的選擇，有利于作出科學有效的決策。

二、大數據視角下商業銀行運營需面對的機遇和挑戰

（一）商業銀行轉型發展

商業銀行在目前呈現出逐漸轉型與發展的趨勢，同時增加了在業務集約、產品規范、系統整合以及技術應用等方面的投入，這些都為大數據視角下的運營風險管理夯實了基礎。首先，全方位實現數據集中化，對商業銀行內部的各項系統進行整合與改善，達到運營風險管理信息高度集中的目標，可以在統一化平臺中獲得大量數據資源，從而減少了數據成本。其次，大力推動業務集約化的運作，把以往呈分散狀態的，層級化與多極化的運營業務匯集起來實行歸納管理。同時逐步增加產品種類，讓流程模式得以慢慢統一起來，降低了運營風險管控的難度。最后，對商業銀行產品和流程實施規范化管理，提升內部管理與監督的力度，讓商業銀行的業務和產品更能夠滿足相應標準，且對應的數據指標也變得愈加統一。這些都給大數據管控商業銀行運營風險帶來了方便和契機。

而從另一方面看，商業銀行轉型和發展也需面對不少嚴峻的挑戰。一是監督管理標準變得更加嚴格，在金融創新不斷改革發展的當下，社會對于金融機構的系統性風險管控要求亦隨之提高。在這樣的條件之下，商業銀行便需要面臨更高難度的運營風險管理。二是商業模式開始逐漸發生改變，比如社交工具全面推廣開來，交易途徑變得愈發多樣化，交易方式也更為快捷方便。這些都使得風險事件表現出形式多樣、方法隱蔽的特征，給監督、管理及控制工作帶來了各方面的問題，導致商業銀行目前的運營風險管理體系面對極大挑戰。三是商業銀行內部的管理形式較為單一，在當下依舊是采用條線管理法，對風險管控進行塊狀分割，沒有將不同種類的風險資源統籌起來實施管理，這也很容易導致管理真空的局面出現。

（二）大數據技術廣泛應用

如今大數據技術和網絡技術的廣泛普及與快速進步，給商業銀行優化運營風險管理提供了良好的機會。首先，數據的搜集與獲得更為方便快捷，數據技術的迅猛發展使商業銀行可以高效獲取各項數據，以此來實現科學的運營風險管理。這些數據不僅包含了客戶信息之類的內部數據，同時還包含有司法、工商、征信、稅務乃至第三方平臺等外部數據，如此便使得數據信息的獲取從深度與廣度兩方面均得到了拓展。其次，技術工具被普遍地使用，在一定程度上加強了運營數據處理及分析的功能，讓數據管理精度進一步提升，并表現出更為明顯的靈活性特點。最后，互聯網企業以大數據為方向開展了不少實踐，比如評估網貸企業風險，規劃地圖軟件行車路線，推送網購平臺的廣告等，這些都可以作為商業銀行運營風險管理的主要參考。

除了上述機遇以外，商業銀行在利用大數據技術的方面依然需要攻克一系列難題。一是商業銀行對于大數據的管理理論及分析方法均還處于探索階段中，怎樣才能在海量的數據信息中實現高效篩選，完成對數據的科學整合與利用，在目前還沒有得出統一的結論。二是和互聯網企業相比較而言，商業銀行在運用大數據時，考慮因素較多，要建立完善的運營風險數據管理體系，還需要花費較長時間。三是大數據專業的相關人才較為欠缺，商業銀行容易受到人力資源管理體系的局限，從而導致其難以自外部直接引進人才。而內部人才培養又需要面對條線分割的難關，故而所耗費的時間成本居高不下。

三、大數據視角下商業銀行運營風險管理的現狀及問題

（一）管理思維相對滯后

商業銀行的傳統風險管控體系大多是強調“三道防線”，針對市場風險、信用風險以及操作風險實施監督和控制，對于風險的計量主要依靠監控標準及具體評估方法。其缺陷就是難以避免內部和外部人員為謀取私利而出現的違規行為，同時也無法對高級計量方法展開科學應用。另外，在當今網絡時代下，風險管理的界限也在逐步拓展，風險形式變得更加多種多樣，而新興技術和數據的應用不到位，使得傳統商業銀行風險管理體系很難實現全方位的覆蓋與滲透，監管效果不理想。商業銀行在進行運營風險管理時，不論是在拓展監控指標、加碼控制環節、增加崗位層級抑或是技術手段約束等各個方面，都無法做到及時、高效地應對持續增長的監控需求。所以在面對日新月異的技術、不斷改革的業務產品和變化多端的市場形勢時，商業銀行便需面臨較大的風險壓力。

（二）管理方式不夠先進

首先，商業銀行的風險管理和控制仍然處在較為主觀化的誤區中，對于運營風險的管理大多還依賴于擁有審核資格的人員進行職業判斷。但這樣的判斷始終帶有一定的主觀性色彩，且具體的標準不統一，容易出現判斷失誤的情況。其次，控制環節銜接不到位，在集約化形勢下，商業銀行的運營業務活動基本呈現出線上線下流程式處理、前臺后臺一體化處理、跨部門條線綜合性處理的特征，存在較多風控主體。如此一來，風險控制的判斷信息就容易發生缺漏或不對稱的問題，直接導致判斷出錯。再次，風險管理碎片化，商業銀行的運營風險控制經常會受到操作風險防范的影響，相關人員對于風險產生的原因及本質都缺乏一個全面的了解和把握。比如對人員水平、崗位變化以及業務組織等均不夠了解，存在孤立判斷的情況，使得運營風險無法得到根本上的防控。最后，前瞻性的預判不足，難以對風險采取適時的預防措施。總體來說，對于風險的預防應當優先于治理，管理者要想高效完成風險識別與管控工作，就必須要提前針對可能發生的風險作出預判。但就目前情況來看，商業銀行的運營風險管理還沒有達到此種水平。

（三）管理數據基礎較薄弱

即便商業銀行現已逐步加深了經營管理的信息化與數據化程度，但其所追求的主要目標仍然是放在短期利潤上面，對于運營風險管理數據等一系列風險資源的重視程度略顯不足。首先表現為對非結構化與半結構化風險管理數據的忽視，這類風險管理數據大多包含了員工能力、客戶偏好、崗位經驗等內容，可以真實地反映出各種不同類型的風險因素，同時也可實現跨層面與跨節點的搜索及分析，強化風險數據管理功能。然而傳統的商業銀行數據管理均是把重心放在客戶交易、業務處理及流程控制等結構化數據的管理方面，沒有充分重視非結構化與半結構化數據。其次，商業銀行風險管理數據資源的獲得途徑比較有限，多數時候都存在著數據量少且時效性不強的問題，現有數據維度不足，口徑亦不夠規范化，致使相應的數據信息無法彼此連通。最后，商業銀行缺少對于風險管理數據的持續運營，這也嚴重導致相關數據人才和技術匱乏。

四、大數據視角下商業銀行運營的風險管理措施

（一）增強運營風險大數據管理力度

第一，商業銀行要加強對于運營風險管理數據的搜集和積攢，構建起企業級的數據庫，大范圍吸納不同渠道和多種類型的數據信息，具體可包含機構、客戶、員工、產品銷售、業務運作等內容。同時也要多收集賬戶設立、資金往來一類的結構化數據，以及監控視頻錄像、咨詢語音一類的非結構化數據。總而言之，數據就是運營風險管理的核心所在，針對這些數據展開全面、深入的分析，可以真實地反映出商業銀行運營風險管理的實際情況，讓相關人員能夠切實了解并把握運營風險出現的主觀與客觀因素，這也就為風險的消除提供了重要條件。現階段，商業銀行尤其是國有大型商業銀行，多數已經構建起了屬于自己的數據庫，另外一些也正處在緊鑼密鼓的建立過程中。

第二，商業銀行需強化對風險管理數據的整合與提煉。在商業銀行中，其具體的數據關系到客戶信息、賬戶交易及業務流程等一系列關鍵內容，數據總量十分可觀。相關人員必須要合理地篩選出能夠滿足運營風險管理需要的數據信息，為其樹立起科學的提煉準則，把無關和無用的信息從海量的數據中清除掉，同時找出核心要素，這樣才能確保數據分析精確有效。

第三，商業銀行應當逐步建立起運營風險管理數據的專屬機制。開展運營數據管理工作，不能只是片面地進行整理、提煉和積累，相關人員必須要從技術層面出發，將數據視為一張張表格，從中搜索出記載不同主體及行為的信息。在一個商業銀行當中，其運營風險基礎數據表的數量是相當龐大的，其中所含的數據標準及更新頻率可能都互不相同，且表和表之間、數據和數據之間存在的聯系也并不明確，有的甚至會發生相互沖突的情況。對此就必須要建立一套完善的數據管理流程和相應平臺，制定出統一化的數據管理標準，對更新規則進行規范。同時構建起數據關聯、驗證、質量控制等一系列集成機構，確保商業銀行的運營風險管理能擁有完整而全面的數據信息視圖，使之風險量化能力不斷增強。在此基礎上，大數據技術就能在運營風險管理過程中得到更為廣泛、深入的運用。

（二）推進大數據在運營風險管理體系中的應用

第一，應當把運營風險管理數據彼此糅合在一起。商業銀行運營風險管理具有一定的廣泛性，這就決定了其應當要進行多維數據的結合。首先，條線模塊之間數據的結合，就以員工的行為風險為例，需要將其對公條線的操作信息與對私條線的操作信息充分結合在一起，這樣才能對員工的行為風險做出正確的判斷，這些信息相互之間是不能分割的。其次，要把靜態數據和動態數據相結合，比如員工的素質水平，還有曾經出現的失誤情況等，都屬于靜態數據，應當將其和員工目前所進行的崗位活動數據信息融合起來，如此才能客觀地分析出其中隱藏的風險。再次，總分數據的結合，不僅要研究員工個體行為的數據信息，同時還要全面思考到員工所在機構管理能力和文化所產生的影響。最后，將內部與外部數據信息結合，除了研究員工在商業銀行內所產生的行為數據以外，也要查看員工在工作時間之外的行為活動數據信息。

第二，要對運營風險管理數據的應用場景進行有效擴展。總體來看，商業銀行運營風險管理的防范主要應當從兩大方面開展。一是要避免和監管、案件及重大資金損失有關的“黑天鵝”風險。二是要盡量控制好屢查屢犯、此查彼犯的“灰犀牛”風險。要針對上述風險及其主體，采用大數據技術展開深入研究，拓展各式各樣的操作風險場景，在此基礎上構成操作風險情景分析數據，再將其應用到平時的管理工作當中。例如，相關人員可以全面分析出某個網點的員工素質、組織管理、過往差錯以及歷年評價等數據信息，據此來勾畫出該網點的風險管理視圖。這樣就能科學地了解這一網點中的漏洞是出現在哪些業務方面，以及哪些員工需要重點關注，哪些方面的管理存在問題，有著怎樣的風險趨向等。之后再采取對應的管理策略，就能夠很好地預防和處理運營風險。

第三，科學構建大數據視角下的運營風險管理體系，充分利用大數據和互聯網技術，對風險前、中、后的管理流程進行改革創新，提高商業銀行風險管理的有效性。一方面，需要構建運營風險計量模型，強化風險量化能力，同時對云計算、數據庫以及知識圖譜等多項技術進行綜合應用，深入分析風險變量與其相關數據之間存在的聯系。讓去中心化運營風險管理模型得以樹立起來，在打破條塊的基礎上，動態化地顯示出運營風險成因及特征，分析其表現與趨勢，如此便能夠完成對運營風險以及潛在風險的準確辨識和綜合評價。另一方面，應當要以大數據為基礎，完成運營風險的閉環管理，切實利用好運營風險建模成果，對實際成效展開深入分析。以此來改善并優化風險管理模型，最終實現大數據視角下的發現風險、分析風險、建模、揭示風險、成果利用、風險評測、總結改進的管理工作。此外，還需要對智能風險控制模式展開進一步探索，合理利用大數據平臺的運算與分析功能，建設機器學習與深度學習模型，最終達到數據驅動風險控制的效果。

（三）集中力量培育運營風險管理數據人才

眾所周知，在當今社會中，人才應屬于是第一位的資源。從管理角度來講，大數據基礎人才可以分成三種。一是數據分析方面的人才，也可稱之為技術型人才，其主要負責運營和管理各項數據信息。二是數據應用方面的人才，也稱為管理型人才，其主要負責利用數據來達成運營管理的主要目標。三是復合型人才，他們不僅具有較強的大數據分析能力，同時也有著運行大數據的能力，可以為商業銀行運營風險管控的多項工作貢獻一己之力。作為商業銀行，在大數據時代下必須要重視對運營風險管理人才的培育，要在日常工作中融入大數據思維，逐步提高內部人員的專業技術水平。同時還應當構建相對應的配套機制，引入更多運營風險管理人才，并將其切實留在銀行內。此外，要著重培養一批經驗豐富、結構合理，對于運營風險管理工作有較高敏銳度的管理骨干，打造出一支高質量、高水平的人才隊伍。要確保其擁有較強的風險分析、判斷、監測及排查能力，并能夠熟練掌握和運用大數據信息整合技術、運營風險管理技術、數據建模技術等，讓商業銀行的運營風險管理活動能夠得到專業團隊的支撐。

（四）將社交網絡和商業銀行妥善結合

商業銀行實現大數據視角下的運營風險管理，必須要依賴于大數據技術，對相應的實踐工作進行不斷優化和完善，從根本上突破傳統數據邊緣的限制，積極利用互聯網、社交媒體等，實現數據信息獲取途徑的拓展，以此達到大范圍搜集客戶信息的目標。另外，商業銀行也要注意將與客戶溝通交流的途徑整合起來，充分體現出互聯網的作用，強化內部數據信息和外部社會交往信息之間的關聯性，繪制出全面而完整的客戶視圖。與此同時，也可以和一部分大型社交媒體網站及媒體機構進行數據信息分享，不斷提高信息的有效性與科學性，在真正意義上加強商業銀行運營風險管理。

五、結語

綜上所述，在大數據視角下，商業銀行的運營風險管理面臨著前所未有的機遇和挑戰，如何處理存在的問題，對大數據技術進行科學利用，在很大程度上決定著商業銀行未來的發展方向。對此，商業銀行就應當增強運營風險大數據管理力度，推進大數據在運營風險管理體系中的應用，培育更多運營風險管理數據人才并將社交網絡和商業銀行妥善結合起來，帶動商業銀行在未來的持續、健康發展。

參考文獻：

[1]譚春枝，梁翠云，耿曉旭.貨幣政策對流動性風險的影響——基于銀行信貸行為視角[J].金融監管研究，2020（01）：84-96.

[2]彭海斌，李靜.財政對商業銀行監督的有效性[J].財經科學，2019（12）：14-26.

[3]時波.貨幣政策對商業銀行流動性創造的影響效果研究[J].上海金融，2019（12）：79-85.

[4]段翀.商業銀行最優貸款組合定價研究——基于風險調整資本收益最大化模型的分析[J].價格理論與實踐，2019（08）：92-95

[5]賀燕軍，徐曉琛，王天娥.商業銀行客服中心的數字化轉型探索之路[J].國際金融，2019（10）：15-18.

[6]陳立華.科技驅動發展，銀行轉型創新——淺談商業銀行的金融科技之路[J].特區經濟，2019（06）：91-93.

（作者單位：安徽工業經濟職業技術學院）