數字化視角下的商業銀行風控邏輯演變

隨著產業數字化轉型升級進入深化改革階段，全球正在從信息時代進入智能時代，數據資產將是未來的重要經濟形態。數字化時代將有望重構商業銀行傳統風控邏輯，商業銀行的風險管理應當緊密圍繞數據資產這一新的經濟形態，形成符合智能經濟時代的智能風控體系。

商業銀行風險管理的數字化進程

商業銀行信用風險管理的基本邏輯

商業銀行的本質是以經營風險為其盈利的根本手段，所以是否愿意承擔風險、能否有效管理和控制風險，是商業銀行的核心競爭力。而商業銀行風險管理的本質，則是通過對信息流的管理來驅動資金流運轉，在信息流和資金流的閉環基礎上進行信貸資產的管控，以實現信貸資金的安全性、流動性和效益性。

目前，商業銀行需要管理的信息流具有維度廣、量級大、變化頻次高等特點，根據這些不確定因素對商業銀行資產可能造成的損失，具體風險類別可細分為七種，包括信用風險、市場風險、操作風險、流動性風險、國家和轉移風險、法律風險和聲譽風險。本文立足產業數字化需求，故重點探討商業銀行信用風險管理的基本邏輯和演變。

商業銀行控制信用風險的核心是識別風險和管控風險，其管理目標拆分為貸前盡職調查、貸中風險審查和貸后按時檢查三個階段，管理流程節點包括客戶準入、業務端盡調、內部評級、授信申請、風險審批、擔保物評估、放款審核以及貸后管理等多個環節，以上管理目標和流程節點的設計，表現出商業銀行風險管理的基本邏輯：第一，信息的收集、分析和運用是風險管理的內核;第二，設計分散性的組織形式，通過分層分工實現內部管理;第三，信貸決策的形成路徑具有高度串聯性;第四，崗位決策與個人經驗高度相關。實際上，上述四點與風險管理目標具有內在沖突，即管理的分散性與目標整體性的沖突，這也是觸發商業銀行信貸風險管理進行數字化轉型的主要痛點。

商業銀行風險管理的數字化升級

風險管理從根本上來看，其實是通過對大量數據的管理，包括采集、分析和運用，試圖解決由于信息不對稱造成的風險。例如，銀行通過借款人提供的財務報表了解其經營情況，通過征信信息確認借款人負債情況，通過銀行流水數據衡量借款人還款能力、通過法院等輿情管理平臺評估借款人潛在的違約風險等，隨著公共平臺存儲的數據體量越來越大，信息技術的加持也讓數據價值凸顯，商業銀行可以獲得的數據源越來越多，但存在于風險管理模式的痛點仍須解決：第一，各個商業銀行之間的信息孤島關系，容易滋生過度授信風險;第二，目前銀行采納的信息源仍然以過去的、靜態的數據為主，資金用途和還款能力的評估缺乏更有效的數據校驗;第三，貸后管理依賴于業務人員，對借款人的管理效力不足;第四，一旦出現風險，擔保措施執行起來難度大、周期長。針對以上四大困境，商業銀行將現代信息技術作用于外部數據應用和內部流程改造兩方面，進行數字化轉型。

構建數據生態，解決信息不對稱問題。目前國內政務系統及核心企業數字化程度較高，主要表現形式;一是打通內部各部門信息孤島，形成信息一體化協同平臺;二是將供應鏈企業交易信息納入核心企業或政務部門系統，精準管理供應商體系。這兩種數字化應用提高了銀行的數據采集質量，改善了信息不對稱的情況，豐富了產品風險模型的參數類型。例如供應鏈金融對核心企業的篩選，從依賴于已經發生的、靜態的數據，到現在可通過不同可信數據源的多維度信息進行交叉驗證，大大增加了企業數據造假成本;普惠金融中，銀行通過與核心企業數字平臺有效字段的對接，將對單一主體的信用風險判斷轉化成對供應鏈和產業鏈的整體信用評估，同時以區塊鏈作為交易網絡底層技術的應用，其不可篡改、透明、可追溯特點，實現了信貸業務參與各方的信息共享，解決了信息不對稱的困境。

決策流程一體化，解決流程分散與目標整體的內在矛盾。決策流程一體化包括兩方面：一是流程線上化，主要為了提升流程中節點之間的轉換效率。傳統風險管理模式下，申請、調查、審查和審批需要各自形成紙質材料，大量的案頭工作對控制實際風險并無幫助，卻占用大量時間導致信貸效率低下。二是決策模型化，其意義除了能夠克服個人盲區，防止道德風險外，更大的價值在于形成了銀行內部數據流通的運營閉環，解決了流程分散性和目標整體性之間的矛盾，同時也為數據驅動決策奠定了基礎。目前各家行的數據運營閉環集中在個人信貸領域，公司板塊由于數據非結構化程度高，仍然有賴于崗位人員的個人經驗進行風險判斷和管控，部分銀行在供應鏈金融領域通過商流、物流、交易流和資金流四流合一，實現決策流程一體化。

商業銀行風險管理的數字化趨勢

從商業銀行風控邏輯到風控體系的數字化轉型，我們不難看出造成風險管理困境的根源其實在于數據，這里既有采集的困難，也有分析應用的困難，但隨著數字經濟占國內生產總值（GDP）比重的持續增長，商業銀行的風險管理呈現以下兩大特征：一是流程線上化趨勢。形成這種趨勢的原因在于數據結構化程度大幅提高，具備流轉基礎，機器學習和算法的應用價值得到廣泛認可，數據驅動決策的路徑逐漸清晰。二是數據生態化趨勢。商業銀行解決信息不對稱問題的內驅力所決定，雖然區塊鏈技術可以實現鏈上數據的共享，但上鏈數據的真實可靠目前仍未解決。商業銀行對數據源可信的標準極高，絕大部分企業的數字化平臺數據并不能被銀行采納使用，這兩點共同驅動商業銀行通過建立數據生態的模式，去解決信息不對稱問題。

數據資產推動商業銀行智能風控體系建立

數據資產的概念是由信息資源和數據資源兩個概念衍生而來的。數據資產一詞誕生于20世紀70年代，最初被認為是可持有的政府債券、公司債券和實物債券等資產。

數據資產的概念

關于數據資產的定義，目前尚無標準釋義，從資產的會計定義衍生來看數據資產，是指由企業過去交易或事項形成的、由企業擁有或者控制的，預期會為企業帶來經濟利益的，以物理或者電子的方式記錄的數據資源。

廣義上看，企業擁有的數據資源，包括標簽類目體系方法論、標簽類目體系、數據類目體系、標簽、原始數據、中間數據、臨時數據等都是數據資產（如圖1所示）。其中，標簽、標簽類目體系及方法論是廣義上的數據資產的核心構成。

在方法論的指導下，原始數據、中間數據、臨時數據可以按需加工、挖掘成標簽，標簽按照類目體系的方式進行規劃、串聯和管理。對于一家企業來說，其長期積累和建設的數據、標簽、標簽類目體系及經實踐修正后形成的自有方法論都是其數據資產。

狹義上來說，數據資產即是會計角度的定義，具有權屬清晰、可交易匯兌經濟價值的屬性。例如映射物理世界實物資產的數據標簽就是當下數據資產的主流呈現方式。

數據資產的特征

數據資產的特征兼具數據和資產的屬性，包括流通交易性、增值性等，目前數據標簽做到了可閱讀、可增值、易理解、好使用、可計量、有定價、可管控以及能確權。

企業首先在數據源采集階段確認數據資產歸屬權，設計加工管理運營階段確認管理權，使用與消耗中確認使用權，建立數據語言與業務語言的融合機制，將最小可復制數據“商品”化，形成元標簽，通過對元標簽的使用信息進行過程管理和反饋，讓企業數據以數據標簽化的形式實現可計量、可控制、可閱讀、易理解、好使用的數據資產屬性。目前市場上進行數據標簽管理的產品已經比較成熟。

同時，數據資源的豐富性、持續衍生性以及邊際成本為0等特點，讓數據資產具有確定的增值價值，且這種增值是非線性的迭代過程，具有不可限量的增值空間。

數據資產的價值

根據麥肯錫在2016年對全球范圍內數據與GDP的關系分析，在2005年到2014年期間，跨境數據流動使全球GDP增長了約3%，數據流動所產生的附加值約為2.3萬億美元。交易、移民、直接投資等一切貿易行為都與數據相連，最新的統計數據表明，歐盟地區8%的GDP是從數據中產生的。

目前數據資產的價值通常表現為兩種形式：一是賦能，即數據本身不產生價值，但通過數據應用為企業經營賦能，體現在營收擴大、毛利提升，企業通過數據“內消”的方式，將生產經營中產生的數據進行采集分析輔助決策，提升企業戰略、管理、市場的精準和效率，這種形式通常很難量化數據產生的價值;另一種則是數據本身產生價值，隨著數字孿生技術的發展，越來越多的產業嘗試將映射物理世界的數據資產進行交易，直接產生經濟價值。

數據資產的價值產生需要完整的運營鏈路作為基礎（如圖2所示），目前市場主要通過數據標簽化的方式對數據資源進行轉化和組織，實現運營鏈路。數據標簽作為數據資產的主要形態，是一種業務導向的組織方式，通過元標簽信息能讓數據資源變得可閱讀、易理解;同時標簽態的數據組織方式是最小使用和管理單元，能讓數據資源兼具好使用、有價值的核心特點。

數據資產可與商業銀行風控體系建立數據閉環

數據的進一步應用是目前商業銀行風險管理數字化進程中亟須解鎖的難題之一，從上文所述數據資產的特征，其以標簽化形式出現，實際上標簽化的設計初衷之一是把技術思維向前臺業務思維靠攏，用產品的邏輯方便業務端在面對數據資產時，可閱讀、易理解、好使用。同時，在數據標簽的設計過程中，數據標簽開發部門與前端業務部門之間首先形成供需關系，技術開發部門創建最小可復制的數據單元作為“商品”，一般稱為元標簽，面向前端業務部門出售，業務部門作為需求方提出申請，申請審批通過之后，技術開發部門用類似積木拼搭的形式將元標簽進行組合整理，形成面向市場的數據資產進行價值流轉。這個過程可實現數據的可管控、可計量。

數據資產背后的數據治理邏輯所形成的可管控、可計量、可閱讀、易理解、好使用等特征，實際上可以幫助解決商業銀行風險管理數字化轉型中的需求，二者可以形成互補與反哺的邏輯閉環。

對商業銀行智能風控體系的思考

商業銀行作為社會經濟活動的重要參與者，必須具有能夠匹配數據這一新的生產要素的生產工具和生產力，所以筆者以為商業銀行的風險管理應當緊密圍繞數據資產這一新的經濟形態，做好頂層價值設計和生態平臺建設，構建符合智能經濟時代的智能風控體系。

回歸本源，以資產質量管控為導向進行數字化頂層設計。風險管理的目標是確保資產的安全性、流動性和收益性，改變傳統信貸管理的分層分工模式，以把握實質風險為導向進行數字化頂層設計，實現目標包括：第一，流程的線上化與自動化，如信貸報告和貸后管理報告的系統自動生成，減少無效勞動量;第二，打通部門與條線之間的信息孤島，提升數據內部流轉的價值;第三，決策智能化，圍繞安全性、流動性、收益性關聯維度的數據進行決策模型開發，形成強抗干擾性的風控決策機制;第四，采用數據標簽化形式，將圍繞資產質量的數據設計成元標簽商品，實現標準統一數據治理的同時，與前臺業務端形成以數據流轉的協作網絡。

協同產業，以產業需求為導向搭建生態平臺。產業鏈中的企業是未來數據資產的主要生產者，商業銀行想要形成智能風控體系，需要積極擁抱產業，以產業需求為導向共同搭建產融生態平臺。通過共建生態平臺，完善客戶數據感知系統，實現對客戶風險信息的全覆蓋和動態更新，持續提升數據的可靠性;同時積極融入產業交易環節，交易數據作為風險信息的核心數據，產融兩端通過交易互通將有助于建立信貸生態;此外，商業銀行可積極參與企業數據平臺的共同開發建設，從源頭確保數據的真實有效性。

（戴潤靜為杭州銀行南京分行營業部副總經理。本文編輯/王曄君）