大数据时代下商业银行网络信贷风险防控研究

陈伟业

【摘要】网络技术发展迅速使得数据量也急剧增长，随着数据科技的迅猛发展，人们能够贮存、处理的数据已达到了巨大的数量。变化迅速的大数据时代，给商业银行发展空间的同时也潜藏着威胁。为了应对这些风险，本文认为商业银行应充分利用其信息技术、渠道等积累的大量数据资源，更好地挖掘数据财富，为商业银行的发展提供有力的支持。

【关键词】商业银行 大数据 风险控制

银行的竞争除了同行业内部，还有外部的挑战。很多新兴的互联网企业利用大数据不断创新并有了可观成就。互联网公司阿里巴巴通过其在电商平台淘宝网和支付宝等得到的各种信息数据，利用大数据分析技术在全程不用人工干预的情况下自动判定是否给予企业贷款，这种情况给商业银行带来了很深的危机感。

一、大数据时代的特征

未来学家阿尔文？托夫勒（1908）在《第三次浪潮》中首次说出“大数据”（Big Data）一词。这个词从2009年开始在互联网领域开始被人熟知。2012年瑞士达沃斯世界经济论坛发布的《大数据，大影响》（Big Data，Big Impact）报告中指出，现在数据就像现实和虚拟货币，已经深入人们的日常生活。

大数据时代的基本特征有：多样性、密度低、价值高、量大、整体性。大数据使得信息通信技术越来越通用发展，同时让我们用新的思维方式去认识世界，我们决定事情由基于数据分析取代了传统的经验和直觉。因此，商业银行作为服务型企业需要应对数据带来的冲击，包括信息安全保障、信息存储技术、数据深度分析技术等等。

二、商业银行网络信贷主要风险

（一）信用风险

信用风险主要取决于交易对手的财务状况和风险状况，网络信贷发展并不完善，在信贷过程中的不确定性比传统信贷更高，判断难度也更大。道德风险和信息不对称是信用风险形成的重要因素，上文提到信用交易活动中交易双方对交易信息的获取不是对等的，受信人掌握更多的信息而授信人较少，所以会有存在道德风险，因为网络交易存在虚拟空间里，人们之间并不熟知，因此也很可能有违约行为產生。此外，授信人迫于指标压力或是人际关系放松了信贷条件导致授信人获取的信用信息严重失真。

关于网络信贷，首先互联网金融本身就存在监管不严、信息不完善等问题，其次现在的征信判断主要依赖于征信系统，但是征信系统还不能涉及到每一个人，最后现在社会越来越缺乏诚信，信用风险也就越来越得到重视。不过值得期待的是，互联网金融天然有着大数据的优势，利用互联网金融中的大数据对网络贷款平台中的信用风险的度量就显得十分重要。

（二）操作风险

根据我国银监会颁布的《商业银行操作指引》，操作风险可以定义为“由不完善或有问题的内部程序、员工和信息科技系统，以及外部事件所造成损失的风险”。商业银行的操作风险关键体现在内部控制机制的考核，有信贷员还要信贷审核两个内容。由操作风险引发的网络信贷风险是指银行在经营过程中，由于内部控制的原因对贷款者利益或损失造成不确定性影响。网络信贷发展时间不长，整个行业的信贷审核机制都还不够完善。同时，网络信贷对从业人员的素质要求比一般个人信贷更高，但我国商业银行信贷团队成员水平不够，一是网络信贷在我国属于新兴产业，从业人员数量不足，同时培训和实践机会不多，二是关于网贷平台建设的法律规定与监管并未完善，不能对经营者的经营资质和信用状况进行严格审查。同时从个人因素来说，信贷员可能迫于业绩压力或为了维护客户而没对客户进行严格的审查，造成风险评估和控制上的主观失误。

（三）市场风险

网络信贷行业是市场经济的一部分，信贷双方进行货币交易一定会存在金融风险。这里说的市场风险是指未来利率、汇率、商品价格等变动对网络信贷服务造成的不确定性影响。

根据造成金融市场风险的风险因素划分，市场风险能够分为利率分析、汇率风险和商品价格风险。由于市场利率波动或者金融机构的资产和负债期限不匹配，将会产生利率风险，具体而言因为市场利率波动造成金融机构净利息收入损失或资本损失的风险。商业银行所持有的某种特定的外币债权，在未来某个时间与本币或其他外币兑换时，因为汇率波动而发生损失的这样的一种可能性就是汇率风险。可交易商品有关契约价值的波动给商业银行带来损失的可能性就是商品价格风险。

（四）法律和政策风险

网络信贷面临的法律风险是指网络信贷相关行为要遵守法律规章制度、国家政策的要求，符合合同法、担保法、公司法等法律。法律法规又可细分为外部法律法规和内部规章制度。

网络信贷是大数据时代的新产物，互联网发展速度迅速，业务模式逐渐脱离了传统信息中介模式，发展出债权转让模式、担保模式以及小贷模式三种模式，另外，在当前金融分业监管模式下，网络信贷目前并没有被任何金融监管机构纳入监管范畴。

（五）技术风险

一方面是网络信息技术风险。国内外好的网络信贷都有独立的网贷部门，拥有自己的网站和技术人员，更加专业的还配备专业的信息技术团队。在传统的银行信贷模式下，由于机器信息技术导致的失误，造成的可能是业务过程不畅或者工作成本增加，而在网络信贷模式下，网络信息技术引起的风险却会造成整个业务的暂停或失败。另一方面是信贷技术风险。信贷工作人员要能够准确把握风险类型和程度，这需要极高的知识素养和个人修养。不过相对于P2P等网贷公司，银行等大中型金融机构的全面管控能力较好，能承受更大的地域风险。

三、大数据时代网络贷款风险控制对策

（一）构建数据仓库

数据仓库储存数据是为了分析数据从而做出决定，但数据库是把组织运营性系统、查询数据用的。目前，国内商业银行的数据库已基本组建完毕，正在向数据仓库（信息库）建设方而迈进。内部工作做好以后，商业银行还会和有关的数据研究企业、网络科技企业商谈事务相互协作，使在外采购能够有效利用外部信息资源，如工商银行构建了全球资讯平台等。现在看来信息资源还是大多由市场部收集并且主要用于促进销量。从风险防控来说，电力局、海关、税务机关等政府机构、公司展开数据协作，主动运用这些外部信息，搜集有关人群生产经营的一系列数据，提升商业银行数据仓库涵盖范围。

（二）加强数据质量管理

有效数据一定是不做假、完全、实时、统一的。数据质量差或虚假数据不仅会使清洗成本大大增多、导致分析信息不准确，并且会使得数据整体公信力的下降。商业银行应按照“定义统一、口径统一、名称统一、来源统一、参照统一”的原则，坚持“完整性、有效性、一致性、规范性、开放性、共享性”的管理要求，重点从一开始就重视客户资料的真实性，然后慢慢提高数据的质量。

（三）贷前采取硬性指标控制

商业银行要积极使用自己的信贷系统，制定贷款的硬性指标，设置不同类型的参数，达到自动识别和控制一些违反商业银行信贷政策的业务，以此降低信贷风险产生的可能性。根据信贷业务产品和控制内容的不同，在贷前、贷中和贷后各环节对或许不符合条件的信贷业务进行系统提醒和制约。同时可多通过人民银行个人征信系统、人民銀行企业征信系统、银监会信息披露系统等渠道，加强贷前风险控制。

（四）贷中改变授信管理方式

阿里金融的发展令人吃惊，它从阿里巴巴等电商平台积累了大量的准确信息，然后对这些真实的交易信息进行分析，利用自己的技术系统，进行网络信贷的信用风险防控。很多商业银行也开始利用大数据，改进授信审查审批形式，像工商银行推出了根据POS收单商户的“POS收单贷”展开的小额信贷业务。商业银行要持续运用收集的大数据，继续研发新的信贷产品，这样一来既能够发展业务又得到了良好的风险防控效果。

（五）贷后加强非现场的监控

踊跃建设非面对面的信贷风险监测程序。业务线、客户、账户、产品单一化、局部化、碎片化的风控管理方式，逐渐变为业务线联动、上下游协作、跨账户交易的信息流、资金流风控方式。需要积极交流，促进各个部门、上下级的沟通，及时反映情况，了解情况。比如，要了解某个企业的经营情况可以看它的银行账户信息；为了防止企业挪用资金等非法情况可以加强对资金流的监控；对比账户和财务信息，可以看出贷款需求是否合理。

（六）培训专业数据人才

数据分析的工作人员都要有很高的知识素质、需要熟悉前沿信息科学技术，并且能分析经济金融市场趋势，更要求熟知商业银行的各项业务，可以为各类型的客户（部门）需求构造符合的模型。至今，一般商业银行数据中心都有着专门的开发、测试和生产运营部门，不过精通各领域的人才非常缺乏，因此商业银行如果希望在数据领域有一席之地就必定要培养出数量充足、结构合理、素质优良、表现卓越的数据分析师，特别是跨专业的人才队伍，要打破部门分割、业务分离的现状。