大数据时代我国商业银行风险管理的问题研究

天津财经大学 蒋耀萱

大数据时代我国商业银行风险管理的问题研究

天津财经大学 蒋耀萱

摘 要：大数据技术的应用为商业银行带来的机遇与挑战日趋明显。从我国商业银行的风险管理问题出发，结合大数据这一时代背景，研究大数据给商业银行在数据挖掘、风险决策、风险量化和风险管理体制等带来的机遇，分析大数据时代商业银行在数据集成与整合、储存与开发、数据信息安全以及数据分析人才匮乏等方面面临的挑战，提出商业银行应对这一系列机遇和挑战的相应对策。

关键词：大数据 商业银行 风险管理

1 引言

伴随着互联网技术的不断更新换代，诸如：“物联网”以及将电信、广播电视与互联网相互连通，亦即：所谓的“三网融合”等新鲜名词被不断的提出，这些新鲜事物的出现代表着信息技术的一次又一次的飞速发展，同时也给人们的生活带来了翻天覆地的变化。最突出的表现即为伴随着网络技术的革新与发展所产生的数据量呈几何倍数增长，可以这么说，当前我们已经正式跨进了“大数据时代”。麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。而商业银行可以获取到的结构化数据包括在其银行开立账户的相关信息数据以及该账户的收支资金往来数据，除此之外其还可以获取到包括：客户咨询语音、各营业网点监控视频录像以及网上或是电话银行交易流水等非结构化数据。如果将数据比作银行的血液，那么风险则当之无愧的是银行的灵魂，商业银行风险管理能力直接影响银行的生死存亡。大数据时代为商业银行风险管理方面带来的机遇与挑战日趋明显。各家商业银行如果想在激烈的市场竞争中立于不败之地，就需要善于利用各种分析手段从数据中发现自身所存在的风险，改进风险管理问题，分享大数据所带来的利润。

2 文献综述

国内学者对银行风险管理等问题进行了相关研究，取得了一些研究成果。张宇婧(2013)根据商业银行的风险和特点，分析了我国商业银行风险管理中存在的主要问题，进而重点研究探讨如何进一步改进和深化我国商业银行风险管理的构想。周继述、王雪松(2013)对商业银行风险管理面临的挑战进行分析，通过三个维度评估风险量化能力，完善风险模型，并提出支持风险分析与管理的大数据平台。朱列生(2014)通过银行业的客户数据、交易数据、管理数据等海量数据的挖掘和运用，阐述了大数据时代银行风险特点的转变以及银行应对之道。高建峰、张志荣(2014)从信贷风险管理出发，说明加强信息搜集的重要性，契合大数据开展优化信息数据整合，完善风险管理系统，落实工作监督和经营监管。

虽然对于商业银行风险管理问题的研究取得了不少成果，但是研究仍存在一定的局限。首先，缺乏对商业银行在大数据这一重要背景的研究。其次，缺乏依据大数据特点对商业银行风险管理进行管控的措施研究。有鉴于此，文章以对商业银行风险管理进行管控为核心问题，结合大数据这一时代背景，研究在这一现实时代背景之下我国商业银行所面临的机遇以及遇到的挑战所包涵的内容，以及进一步展开对商业银行风险管理进行管控的措施研究。

3 我国商业银行在大数据时代所面临的机遇

伴随着我国商业银行开展业务范围不断扩展延伸以及开展的业务种类趋于多样化，就要求我国商业银行必须增强对其所开展业务中潜在的风险进行有效地预判，从而及时采取相应有效的防范措施，以求达到控制风险程度的目的。我国商业银行当前的数据来源也不再局限于传统范围之内，诸如：电子商务、传感器等新型数据源也给我国商业银行带来了新的机遇。大数据技术正将各种行为的数字化进行数据化和信息化，大数据分析帮助商业银行了解客户的自然属性和行为属性，建立完善的风险防范体系。

3.1 促进银行数据挖掘能力的提升

在传统数据时代，商业银行了解客户的渠道非常有限，信息量低，时效性差，又缺乏对客户信息的有效整合，银行很难对客户的风险和潜在风险识别，甚至有可能误导银行对客户风险的判断。

在大数据时代，由于追求全体和在线特点，客户数据规模不断扩大，同时拥有了大量的非量化、非结构化的数据。因此，在信息高度混杂的状态下，商业银行可以运用大数据分析技术来减少信息不对称情况的发生，简化信息复杂程度，强化我国商业银行抵御风险的能力。商业银行可以通过广泛收集客户各渠道、各类型的信息，从数据的深度和广度两方面对客户的各种行为数据进行采集和分析，还原客户真实面貌，提升客户信息透明度。

3.2 推动银行风险决策模式的创新

目前商业银行在进行风险决策时主要依靠具有审批权限的工作人员作出的职业判断，但是具有审批权限的工作人员作出的职业判断往往具有一定程度上的主观性，缺少客观因素的支撑，使得由于进行风险决策判断存在信息不对称情况的发生。同时由于风险决策的标准存在不一致性，直接降低了整体业务流程的效率并提高了其复杂程度。其次，我国商业银行在进行风险决策时往往依据以往的数据信息，缺乏对于实施信息数据的获取与分析，降低了信息数据的及时性以及可靠性，这也进一步增大了我国商业银行进行风险控制的难度。

通过运用大数据技术能够对于所要分析的数据的各个变量之间的数据关系进行更加深入的分析，从而确立各个变量的关联度，找寻出各个变量之间新的内在联系，进而建立起更加准确的决策分析模型，并借助决策分析模型提升我国商业银行进行风险决策时的准确性。同时，各商业银行也可借此机会，吸引更多客户，从而提升自身的获利能力。

3.3 促进银行风险量化管理技术的发展

当前各家商业银行进行风险管理决策的核心技术已由原来传统的风险管理决策技术过渡到风险计量技术，而风险计量技术的发展得益于统计、金融与信息技术理论的飞速发展与融合。因此我国商业银行应不断提升自身对于风险计量技术的运用能力，尽快摆脱原有的简单而粗放的传统风险管理决策技术的束缚，提升自身对于风险程度进行量化的能力。

大数据为实现这个目标提供了全新的可能性，它可以能够借助大数据平台辅助银行建立更加准确的风险管理决策模型，强化商业银行对于风险程度进行量化的能力，从而做出有利于客户的方案。针对商业银行其客户自身状态的变换，掌握客户自身状态的变换规律，并据此建立相应的点位进行风险控制，依据各个点位的风险量化计算结果对客户价值进行评估，进而对其存在的信用风险高低进行测评。而这一动态量化并核算风险生成过程体系模式的建立大大提升了银行自身对于风险程度进行量化的能力。

3.4 推进银行风险管理体制的改革

商业银行在用大数据的思维和理念来构建以客户为中心的风险管理体系，建立健全数据信息应用授权和安全管理制度的基础上，完善按部门、机构分类分级授权共享数据信息的运行机制。

4 大数据时代商业银行风险管理面临的挑战

4.1 大数据进行集成与整合方面的挑战

运用大数据对商业银行风险进行管理，第一个挑战是大数据的核心问题集成与整合。从这个角度看商业银行将面临复杂的数据环境，其数据类型、形态、来源将是前所未有的多样化。只有有效地集成与整合来自各个渠道的各种类型的，甚至异构的数据，打破传统数据化与非结构化数据间的壁垒，才能构建完整、全面的企业大数据信息视图。

4.2 大数据存储与开发方面的挑战

商业银行风险管理所要面临的第二个挑战就是我国当前大数据储存与开发的问题，银行必须克服一些技术障碍。传统商业智能、数据仓库解决方案致力于解决结构化的数据，但在大数据背景下，数据的爆炸式增长，数据的来源极其数据的类型多种多样，使数据储存量更庞大，对数据展现的要求更高。目前传统的数据库难以储存如此巨大的数据量。为适应大数据的开发，商业银行应该搭建自己的大数据基础设施，包括硬件与软件，以实现获取、存储、分析和利用大数据的IT系统架构。

4.3 大数据信息安全的挑战

由于我国商业银行开展业务范围不断扩展延伸以及开展业务种类趋于多样化，所以商业银行风险管理面临的第三个挑战就是大数据的信息安全管理。虽然大数据能够在很大程度上缓解信息不对称问题，为商业银行风险管理提供更有效的手段，但是如果管理不善，“大数据”本身也可能演化成“大风险”。大数据的应用改变了数据安全风险的特征，它不仅需要新的管理方法，还必须纳入到全面风险管理体系，进行统一监控和治理。

4.4 大数据分析人才匮乏的挑战

商业银行在大数据时代，如果想在风险管理上获得先机，面临的第四个挑战则是大数据分析人才的匮乏。传统数据分析方法是相对明确需求后从样本数据开始，很难勾勒出银行风险管理的全景视图。而大数据则是从全样本出发，随着银行的数据种类和数据规模快速膨胀，将零散的市场数据、用户数据等迅速高效地转化成为风险决策支持的数据。这就对数据分析人员提出了更高的要求，数据分析人员需要同时具备统计学、数学、运筹学、风险管理、业务知识等跨领域的知识和技能，要有很强的数据建模、数据挖掘的技术能力。

5 大数据时代加强商业银行风险管理的对策

5.1 推进商业银行与社交网络的融合

商业银行要利用大数据优化风险管理，就必须打破传统的数据源边界，注重互联网站、社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户信息。要整合新的客户接触渠道，充分发挥社交网络的作用，将银行内部数据和外部社交数据互联，获得更加完整的客户视图。商业银行也可以与互联网站、社交媒体开展战略合作，进行数据和信息的交换共享，全面整合客户的有效信息，将风险管理与移动网络、电子商务、社交网络等融合起来。

5.2 构建商业银行大数据分析平台

商业银行可以在内部专门设立大数据分析平台，帮助银行加强风险建模，提高风险量化能力，对客户及项目的风险和潜在风险做出有数据支撑的综合评估。利用大数据平台，商业银行能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的客户数据(包括非结构、半结构、流数据等)，并通过与传统数据的快速整合、关联补充，针对大数据的非结构化特征，依靠“云计算”等分析工具，完成客户行为模式的分析和发现。

5.3 加强风险管控，确保大数据安全

为了确保大数据的安全，商业银行必须抓住以下三个关键环节：一是协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享；二是加强与监管机构合作交流，借助监管服务的力量，提升自身的大数据安全水准；三是主动与客户在数据安全和数据使用方面加强沟通，提升客户的数据安全意识，形成大数据风险管理的合力效应。

5.4 加强风险管理专业人员的培养

商业银行要重视风险管理人才的培养与成长，尤其是大数据时代，要以大数据思维不断提升各类风险管理人员的专业技能。在培养和引进风险管理人才上要舍得投入，特别是在引进和留住高级风险管理人员方面要有相应的配套机制。以着力造就一支数量充足，结构合理，既有经验，对风险又有基本的定性分析、判断能力、动态风险监测能力、潜在风险排查防控能力以及熟悉和掌握风险定量分析技术，具有风险模型设计能力、数据信息整合挖掘能力的复合型风险管理专业人才队伍。

参考文献

[1] 郑承满.大数据对商业银行的机遇与挑战[J].中国金融电脑,2013(07).

[2] 武剑.金融大数据的战略与实施[J].新金融评论,2014 (06).

[3] 柳立.商业银行大数据应用的战略与实施[N].金融时报,2014-05-12.

中图分类号：F832

文献标识码：A

文章编号：2096-0298(2015)06(a)-085-03