基于大數據技術的銀行智能風控體系構建探究

陳振華

摘要：隨著大數據技術、人工智能技術等先進技術的發展，金融行業的管理逐漸趨向智能化，特別是在銀行的各種管理過程中，大數據技術能發揮重要的作用。目前，很多銀行已經開始以大數據技術為基礎構建內部智能風控體系。文章主要通過對當前銀行面臨的機遇、挑戰以及大數據風險控制優勢進行分析，提出了完善大數據風險控制內容、完善銀行內部審計、建立大數據服務云平臺、完善風險模型開發技術平臺等措施，以此對智能風控體系進行構建。

關鍵詞：大數據技術? 銀行? 智能風控體系

近年來，銀行業發展迅速，而大數據技術在其中起到了關鍵性作用。同時，在大數據的支持下，人工智能、云計算等先進技術也開始進入到銀行風控體系的構建中，為銀行智能風控體系構架提供了技術支撐[1]。目前，銀行的經營環境發生了重大改變，銀行需要面對的風險種類更加多樣。在大數據背景下，銀行需要不斷提升自身的風險管理能力，抓住機遇，通過對大數據技術、人工智能等技術的合理應用，構建內部智能風控體系，促使自身風控能力得到提升，從而促進自身的快速發展。

一、大數據時代下銀行面臨的機遇和挑戰

在機遇方面，當前大數據技術發展迅速，其技術體系已經趨于完善，被運用于各大銀行中。在大數據技術的支撐下，銀行可依據傳統風險控制分析技術基礎來實現升級，打破原有瓶頸，從而實現海量吞吐以及高效處理等目標。同時，在大數據技術的支撐下，銀行還可以擴大風險管理分析對象范圍，提升管理的精準性。另外，大數據技術促使銀行的傳統風控模式發生了轉變，從而促使銀行風險管控方式得到創新發展。比如，在大數據技術的支撐下，銀行的數據分析密度更大，分析范圍更加廣泛，這大大提升了數據的有效性。再比如，大數據技術可以支撐銀行進行知識管理，從而搭建起風險管控模型，進而實現更好的風險管控。

在挑戰方面，在信息時代下，銀行需要收集的數據量十分巨大，其不僅需要對內部數據進行采集分析，還需要對市場、行業以及個人的信息進行收集分析，這就大大增加了銀行數據收集分析的難度。收集難度的提升促使銀行需要對自身的數據收集成本進行考量，這也間接提升了銀行數據收集分析的難度。另外，銀行在數據收集、處理、存儲以及維護的過程中需要充分考慮數據的安全性，這就要求銀行需要采取相應的安全措施，如果沒有相應的應對措施，銀行就無法保障數據安全。

二、大數據風險控制的優勢

相較于銀行傳統風險管控技術，大數據技術具有一定優勢，能夠更好地幫助銀行進行風險管控。大數據風險控制的優勢主要體現在以下幾個方面：

（一）能夠更好地實現風險預測

在進行風險控制的過程中，數據發揮著非常重要的作用，尤其是用戶的數據，比如用戶身份信息、資產負債情況、交易信息等，都是銀行業進行風險控制的關鍵數據信息。用戶行為在某種程度上與信用風險有所聯系，只需要通過對用戶的行為進行分析就可以判斷出信用風險的情況[2]。銀行通過大數據技術對已經存在的信用風險事件進行分析，可以判斷出用戶的基本行為情況，這對信用實踐提供了非常關鍵的作用。通過對用戶的基本信息進行總結和分析，可以直接發現信用方面存在的問題，進而有效地避免信用風險。大數據風險控制的主要優勢在于它可以通過技術和龐大的數據庫來進行風險預測，如果數據庫提供的信息存在虛假情況，就很難判斷出是否存在真正的風險，但是如果依靠大數據來進行數據采集和分析，就可以有效地避免這一情況。通過大數據對用戶的數據進行分析，可以發現其中的規律，而且這些規律會隨著大數據技術的優化得到完善。

（二）風險評估實現實時化

使用大數據技術，可以有效地避免傳統時代風險控制的缺點和不足，實現數據的實時錄入，保證評估結果的實時輸出，有效地解決傳統風控結果缺乏時效性。如果利用滯后的數據來進行風險評估，那么評估結果必然會對風險預測帶來影響，而大數據技術就可以有效地解決風險評估的時效性問題[3]。一般來說，銀行風險具有很強的聯動性，用傳統方法很難根據其中的聯系對具體的情況進行分析和聯系，這就體現出實時數據的重要性。引用大數據技術，收集實時數據，可以有效地提升風險識別情況，改善當前的風險控制機制。利用大數據技術的采集能力、計算能力和分析能力建立實時風險管理視圖，可以提升風險預測的準確性、風險管理的及時性，提升銀行的風險評估能力。

（三）能夠豐富數據的層次感和顆粒度

在互聯網環境下，銀行面臨的環境越來越復雜，但是以往的風險控制模型數據不完整，無法將數據豐富、完整地呈現出來，銀行的相關信息，比如銀行競爭環境、銀行競爭產品情況、銀行交易信息、客戶信息等都無法多層次、全面地呈現出來。而在大數據技術下進行風險控制，可以提供更加全面的數據，即使是非常細微的數據，也可以得到關注，有利于銀行提升管理水平。大數據通過打通不同程度顆粒感的數據，有利于銀行及時掌握用戶的還款能力，將用戶的誠信情況進行及時展現。

三、大數據技術的銀行智能風控體系構建對策

（一）完善大數據風險控制內容

首先，在數據采集方面。銀行要想有效地進行風險控制，就一定要準確地進行風險識別，評估出風險等級，為制定風險控制策略提供數據參考。因此，銀行的數據源中除了包括銀行本身所掌握的數據以外，還可通過第三方平臺來獲取數據，比如工商紅盾網數據、企查查數據、法律文書裁判網、環保局處罰數據、社交平臺數據以及其他媒體平臺等都可以成為獲取數據的來源。待數據源確定之后，銀行便可以使用先進的大數據技術進行數據采集，在大數據技術的幫助下，即使是不同來源、不同類型的數據都可以被迅速采集[4];其次，在數據分析方面。數據分析一般包括數據預處理和數據挖掘兩部分。數據預處理是指根據計算機技術的基本知識來了解數據的類型和機構，以方便后續工作的開展，另外便是對數據進行處理和轉化，大數據技術由于其先天性優勢，可以直接對信息數據進行甄別和處理。海量數據中不僅具有風險相關的信息，還有很多沒用的數據，通過對這些數據進行挖掘和甄別，可以提取出有效數據。大數據技術擁有較先進和成熟的數據分析方法，其中涉及人工神經網絡分析、遺傳算法等分析方法，大數據技術在進行數據挖掘的過程中可以直接篩選出有用信息，并且找出其中規律;最后，在數據應用方面。利用大數據技術進行風險控制，還可以根據數據分析結果提供方大數據分析報告，將用戶的信用等級和欺詐檢測結果進行展示。通過大數據技術可以有效地進行風險預警，尤其是大數據分析報告可以有效地提高風險評估的系統性、可靠性和安全性。所以，銀行可以在應對風險的過程中提供完整的數據，幫助銀行將風險控制在可以接受的范圍之內。

（二）完善銀行的內部審計

銀行的特點決定了金融數據的復雜性，在大數據背景下，傳統的審計方法無法適應當今海量的數據采集和分析工作。隨著金融創新的不斷升級，越來越多的金融產品不斷出現，銀行的海量數據資源需要不斷進行整合管理，進而轉變為統一規范的數據信息。因此，銀行需要利用大數據技術進行數據統一管理，并且對需要進行審計的對象進行實時跟蹤，避免數據不充分情況出現。在處理數據的過程中要及時對數據進行集中處理，將那些無用的數據進行篩選，同時可以排查出遺漏的數據。在分析階段要充分利用大數據技術，對數據進行多層次和多角度的篩選，發現其中存在的問題，利用技術將人為錯誤風險降低，提升審計工作的開展效率。具體來說：首先，在數據采集方面，銀行本身的數據具有數據集中、信息化程度高、業務關聯度高等特點，這樣就導致審計工作數據采集難度較大，比如需要較長的數據采集時間、儲存難度大等問題。但是在大數據時代，銀行可以利用大數據技術保障銀行的數據采集從實際活動出發，整合歷史數據，有目的的進行數據采集，同時借助計算機技術，對非結構化的數據進行數據統一采集，將不同的信息納入到統一范圍內。同時，大數據采集系統還建立及時、保密的專業數據傳輸通道，保證集中審計、實時審計和遠程審計工作的有效開展;其次，在數據分析方面，當數據采集工作完成之后，銀行內部審計部門還需要對數據進行整合和分析，快速發現不正常數據，進而對可能存在的異常數據進行分析。通過大數據技術，銀行可以直接通過多維分析、查詢分析、關聯分析和專題分析等技術手段建立起審計模型，找出其中存在的異常數據，根據實際數據生成分析報告。例如，大數據技術通過數據挖掘將數據庫中的不同數據進行分類，然后再與往年的數據進行對比，進而可以評估出銀行可能存在的風險，銀行就可根據這些內容生成分析報告，為銀行規避風險提供依據。

（三）建立大數據服務云平臺

為了應對在大數據時代中銀行風險控制所面臨的挑戰，銀行需要建立風險管理大數據服務云平臺。這樣不僅可以對信用風險、資產風險、操作風險、市場風險等進行更好的管控，同時還能夠將風險管控納入到云管理之中，提升銀行風險數據的量化以及銀行對數據的應用能力[5]。具體為：首先，銀行需要建立大數據云存儲空間，構建基礎數據庫和指標庫來實現對風險數據的量化。大數據云存儲相較于一般性存儲具有成本低、延展性好的優點，因此銀行建立大數據云存儲空間可以降低成本，同時還能將數據保存超過十年，使銀行的數據存儲資源不再是數據應用過程中的阻礙;其次，通過大數據技術實現對數據的抽取、分析及解決。大數據技術有著極其強大的數據處理能力，能夠以月為單位對數據及相關指標進行處理，并且處理過程耗時較短，處理完成的數據更加穩定，銀行可以隨時使用這些數據;最后，通過大數據實現對銀行風險管控模型的優化升級。通過大數據可以對當前銀行中的風險模型以及相關管理進行處理，從而將其中的數據實現聯通和共享，這樣不僅可以實現提升風險模型的開發速度，還能夠充分保證模型本身優化、監控、運行等方面的穩定性。

（四）完善風險模型開發技術平臺

首先，銀行可以引入最新的生物識別技術，加強對客戶身份識別的準確性。銀行可以建立客戶聲音以及人臉識別數據庫，通過人臉識別技術或聲音識別技術來替代傳統的人工審核、密碼審驗證等方式，提升自身的工作效率及客戶身份識別的準確率，精簡工作流程，從而提升整個風險管控系統的智能化水平;其次，銀行可以通過各種方式加強對人工智能技術的應用。對于銀行來說，通過大數據技術能夠提升其本身數據收集處理能力和計算能力，提升風險管控模型對于不同風險的識別能力。而加強對人工智能技術的應用則是可以結合大數據技術更加深入挖掘客戶的信息以及客戶關系，從而以此為基礎繪制出客戶信息關系網絡，進而解決在多層關系中對客戶信息挖掘以及進行計量的問題;再次，銀行需要對風險計量模型進行創新。銀行可以在傳統風險模型的基礎上，通過大數據技術對更多的數據以及信息進行整合，形成相較于以往更強的信息集合，提升風險控制模型的風險識別能力[6]。同時，銀行需要建立對客戶關系識別的風險管理機制，對不同風險進行分級處理，及時對處于不同層級的風險進行識別，保障其方向的正確性。另外，銀行還需要對智能終端、第三方支付等方面存在的風險計量問題進行研究，提升自身對風險進行科學性識別。最后，在風險計量模型創新的基礎上，銀行還需要搭建智能風險管控模型試驗室，引進當前最先進的算法及技術，以此來實現對數據的智能化分析和處理，從而代替傳統方式，促使銀行的風險識別更加及時和精準。

（五）創新場景，有效防控

在上述基礎上，銀行還需要積極應用大數據及風險管理模型，以此來響應不同應用場景的需要，解決風險管控的難點和痛點。首先，銀行可以通過建設反欺詐平臺，對交易中的欺詐風險進行有效防控。銀行需要在不斷完善自身信息采集和整合、風險管控模型開發以及風險監測等基礎上，通過大數據技術、人工智能技術、云計算技術等建立反欺詐平臺，將反欺詐范圍從原來的網上支付、銀行卡以及信用卡等拓展到包括個人業務或更大范圍，實現對欺詐風險的全程監控和管理，做到一旦出現欺詐風險就可以全面布控，防控欺詐風險[7]。比如，工商銀行就以大數據技術為基礎建立了自己的數據平臺，將客戶基本信息、授權信息、賬戶信息等全部存儲在該平臺中，并且通過對這些信息的分析，建立了客戶交易行為檔案，實現了對欺詐交易的精準定位;其次，銀行可以通過建立金融風險統計監測平臺來對金融產品以及客戶出現的關聯風險進行監測、預警。金融風險統計監測平臺可以對客戶信息、產品信息進行整合，建立起從客戶、產品到資金的多層次投資關系，對投資過程中的資金使用情況、資產情況等進行識別，從而繪制出風險傳播視圖。然后通過相關計算方式，對客戶及產品中存在的風險進行識別，從而找到風險傳染的關鍵節點，并對該節點進行處理，抑制或者消除風險，進而實現對各種交叉性金融業務的科學分析和即時監測。

參考文獻：

[1]白海晶.風從何處來？將往何處去？——對銀行風險管理的思考[J]. 銀行家，2019（12）：92-95+5.

[2]梅崇秀. 基于大數據背景下的銀行智能風控體系建設[J].中外企業家，2020（06）：82.

[3]金融科技助力銀行開啟智能化發展[J].商訊，2018（09）：42-44.

[4]劉瑞霞.打造基于大數據的智能化風控體系[J].金融電子化，2018（08）：57-58+6.

[5]邢桂偉.科技引領 創新驅動 持續推進數字化發展戰略實施[J].中國金融電腦，2019（03）：10-14.

[6]石峰.基于大數據背景下的銀行智能風控體系建設[J].現代經濟信息，2019（18）：289.

[7]蘭翔.智能創新專利為銀行大數據風控體系保駕護航[J].中國金融電腦，2020（10）：22-26.

作者單位：交通銀行廣東省分行