大数据技术应用于商业银行风险管理问题研究

王嘉申

（南京审计大学金融学院，南京210001）

一、研究背景及意义

（一）研究背景

伴随着近些年来中国各大社交互动平台、网上购物平台等数据信息共享平台的涌现和发展，大数据一词开始成为人们的关注点，并愈加广泛地为人所知。

在大数据技术兴起的过程中，国内各大互联网企业借助自身的平台优势，留存了海量的数据。在对这些大数据进行清洗等操作后，就可以用以指导决策。其后，伴随着互联网金融的兴起，大数据技术的应用也不再只局限于传统的传媒业和零售业，而是开始不断向金融业深化扩张。事实证明，这种“平台+大数据+金融服务”的模式给互联网企业带来了丰厚的利润，更为重要的一点是，这种“平台+大数据+金融服务”的发展模式也在某种程度上促进了中国传统金融服务业尤其是商业银行的转型与升级。

（二）研究意义

众所周知，商业银行本质上属于经营风险的行业，因此，能否进行有效的风险管理是决定其能否生存与发展的关键。从本质出发，商业银行也是数据产生以及依靠数据来驱动的行业。商业银行日常经营与管理中的每一个流程都会产生数据，除此之外，大数据技术的深入应用也可以使商业银行控制风险的成本大大降低，以此带来银行信用评级和风险控制效率的大幅提高。由此可见，银行应该将对大数据的挖掘、处理、分析和使用放在重要的战略位置，以此来为商业银行未来的竞争与发展打下基础。

二、国内外研究现状及文献综述

（一）国外研究现状及文献综述

大数据技术及其理论首先是在国外兴起，自其诞生以来，国外学者对其概念及其技术应用方面做了许多研究。尤其是近年来，随着大数据技术越来越广泛地被应用于金融领域，国外的专家学者也广泛开展了对大数据技术在金融领域内应用方面的研究。早在2011年MervAdrian就给出了大数据的定义，他认为大数据的出现，使得传统硬件环境和软件工具管理以及处理数据的能力已经不能满足人类的需要。Manyika（2011）表示，大数据将是未来社会备受关注的生产要素，它将会在许多领域与行业产生极大的影响。而金融行业作为数据生产和驱动的行业，不可避免地受到更加深远的影响。Viktor Mayer-Schonberger（2013）则认为，大数据与随机分析法和抽样法基于样本分析不同，大数据技术是基于全部数据进行分析的方法。ID Lackovic（2016）指出，由于激烈的竞争环境、严格的监管要求、高标准的消费者需求，商业银行亟须大数据技术来提高市场营销能力。

（二）国内研究现状以及文献综述

大数据技术在国内的兴起比较晚，相应的，国内学者对于大数据技术及其理论的研究也相对较晚。其中，赵付玲、安锋、张晓锋（2013）在大数据时代的背景下，讨论了商业银行的信息化、智能化建设，归纳出中国商业银行信息化、智能化建设的过程，提出了新的时代背景下中国商业银行所面临的困境。洪娟（2014）通过分析大数据技术兴起背景下的互联网金融，尤其是小微金融服务的特点，总结了商业银行小微贷业务的短板之处及当前环境下所面临的大数据机遇。陆岷峰、虞鹏飞（2015）在分析和研究了各商业银行在大数据时代背景下的大数据战略之后，总结和归纳出了商业银行推行大数据战略所要达成的具体目标及完成大数据体系建设可行的路径选择。陈春安（2016）以招商银行为例进行了具体案例分析，从银行的视角探讨了“零售大数据”的应用场景。闫莉（2016）通过分析国内外商业银行私人财富管理应用大数据技术的案例，得出了商业银行私人财富管理在大数据时代营销更精确，服务更优质，运营更高效以及风险控制更高级的发展趋势。

除此之外，越来越多的国内学者也开始了对于大数据技术应用于商业银行风险管理的研究。高建峰、张志荣（2014）指出，信息搜集是商业银行信贷风险管理的首要前提，同时给出了大数据背景下商业银行强化信息搜集、分析和处理的建议。张守川、琚江、杨肖（2014）认为，风险数据集市和全面风险管理平台的构建是商业银行实现智慧型、智能化风险管理的关键，商业银行应借助大数据技术智能化分析技术，促进风险管理朝着更加智慧型、智能化的方向转型升级。谷增军（2015）认为，在当前的金融经济环境下，构建一个完善的以大数据技术为基础的商业银行征信系统具有重大意义。韩忠雪、林声东（2016）对大数据时代环境下商业银行所面临的挑战进行了总结和归纳，重点分析了商业银行简历智慧型、智能化风险管理体系的深层含义与优势所在。李连梦（2016）在研究中比较了传统信用风险管理与机遇大数据技术的智慧型风险管理，阐述了商业银行目前所面临的机遇与挑战。

三、大数据技术的应用现状

（一）信贷领域

在大数据技术兴起之后，国内涌现出越来越多的互联网信用评估机构，这些评估机构可以帮助银行进行完善高效个人信贷风险评估。他们通过分析客户在各大社交平台（如QQ、WeChat、微博和淘宝）留下的数据，对申请银行贷款的客户进行风险测评，并将结果与商业银行共享。

（二）征信领域

据统计，中国有将近7亿的互联网用户，其中有一半左右的用户缺乏有效的信用记录。而互联网金融的意义在于使金融发挥普惠价值，大量的用户有金融领域方面的消费需求，但是却一直游离于征信体制之外，以至于对金融消费领域的“高门槛”束手无策。但是现在，基于大数据技术，人们的各种日常行为被记录和评估，大数据技术可以根据客户的各类信息绘制客户的专属信用画像，评估其客户的信用等级以及投资风险，完善市场征信体系。

（三）制定差异化产品和精准营销

表1 各行业应用大数据技术潜在价值

制定与营销差异化金融产品的关键之处在于利用大数据技术收集、处理和分析客户的各种信息特征，以此来预测用户在特定时间点和特定场景的需求，开展差异化金融产品的精准营销。

（四）市场预测

上述几点是基于市场中行为个体的数据统计和分析，而对于这些数据进行统一提炼和分析，就可以对市场整体的环境做出具有参考性的评估，进而对于更有效率地开展业务具有较好的指导意义。

四、大数据技术带来的机遇与挑战

（一）大数据技术带来的机遇

大数据技术的兴起，使许多行业迸发了新的生机。以大数据技术为基础，通过对产生于商业银行日常交易与管理的大数据进行统一处理和分析，可以依靠分析结果支持和辅助商业银行的各项金融决策，金融业也因此成为大数据时代获利指数最高的行业之一。

1.促进商业银行风险管理模型的转型与升级

数据处理技术是商业银行风险管理所依赖的核心技术之一，而大数据技术的发展恰恰可以促进数据处理技术的优化与创新。大数据技术包含各式各样先进的算法和风险管理模型，能够提高风险定价的准确性与风险管理效率。大数据技术主要是利用全部样本数据进行分析，寻找数据间的相关关系，得出一种概率性的结果。这种方式可以优化银行风险监控与测算模型，切实地将银行风险进行量化。目前，大数据技术的应用已经使得银行风险管理在风险特征分析、关联分析、分类与预测、孤立点分析等方面做到了优化与创新，促使银行风险管理更加规范化、科学化、合理化，改变了长期以来依靠风控人员主观判断的局面。

2.为商业银行打开业务、营销通道

在大数据技术兴起的浪潮之下，商业银行风险管理正逐渐从对风险的管理和控制转变为对于风险的经营。大数据技术为商业银行分析出不同客户的特征，从而有助于商业银行针对特定客户群体定制产品，进而实现对不同客户群体的精准营销。商业银行从客户定位、产品设计、产品营销各个环节都会考虑风险等级，采取合理的定价和营销渠道来规避潜在风险。其中最典型的案例就是，大数据技术在商业银行私人财富管理市场上的应用，商业银行可以针对每个客户的特点和需求来设计和营销产品，从而做到最大限度地规避风险、提高收益。

（二）大数据技术带来的挑战

大数据技术的应用在推动商业银行风险管理模式转型和升级方面有积极性作用，但同时，伴随着金融改革的持续深入以及大数据技术的进一步发展，金融企业尤其是商业银行之间的竞争将会加剧，传统的商业银行风险管理模式也迎来了新的挑战。

1.金融业内竞争格局发生改变

国际分工视角下产业升级内涵界定与演进研究..................................................................................................................刘会政 陈 奕 杨 楠（34）

在当今的金融经济社会中，商业银行的竞争对手已经不再是传统意义上的各个同业机构。来自于市场中各行各业的许多企业和机构也开始跟随者大数据技术兴起的浪潮向金融领域扩展业务。在这些企业和机构中，有些依靠自身大数据信息平台的优势开展了一系列的创新性举措，诸如阿里小贷、余额宝等产品均是这些创新的产物，这些企业和机构都在与商业银行竞争相关业务。因此，传统的金融经济竞争格局已经改变，商业银行也需要将自身的战略转型提上日程，如果商业银行不能把握住大数据技术兴起所带来的变革机遇，就将永远处于被动的状态。

2.信息及资金安全隐患增加

时至今日，大数据技术被广泛应用与各行各业，电子商务所带来的便利也日益深入人心。然而，伴随而来的却是信息及资金安全问题的大量涌现，对客户信息及资金安全的保护也越来越成为公众评价一个银行经营管理水平的标杆。2015年上半年，许多国内金融机构尤其是商业银行的互联网安全漏洞数量快速增加，客户的个人信息、账号密码和账户记录均存在被泄露的风险。目前，已被曝出的金融机构网站大小漏洞涉及国联证券、中国人保等多家知名金融机构以及部分中小村镇银行、互联网P2P平台，且这些漏洞主要集中于注入漏洞、跨站脚本攻击以及金融APP安全问题等方面。

五、大数据技术应用于商业银行风险管理的路径分析

（一）多维数据的采集

商业银行本质上是数据产生和依靠数据驱动的行业，大数据产生于商业银行运作的每一笔交易和每一步流程，但这些内部数据还远远不够，并不能全面、综合、准确地反映客户的信用状况和风险等级。因此，商业银行还需要积极与外部企业及机构沟通合作，在安全性的前提下，从不同渠道获取尽可能多的外部数据。而得益于互联网信息技术的迅猛发展，国内涌现出了大量的互联网创新型企业。与这些企业和机构合作，商业银行可以获得体量巨大、种类丰富的外部数据，用以弥补自身数据来源方面的不足。

（二）数据的处理和整合

在从银行内部以及外部通道获取海量数据之后，银行就需要开始考虑应如何使用这些数据来创造银行自身的价值。商业银行数据的价值创造在于，在保障信息安全性的前提下，向正确的人提供正确的数据。由于银行的数据来源于企业内部和外部数据的导入，因此，也就存在数据原始口径不一致、分类不清晰、标准不统一、真伪无法辨析的现象，其自身所具备的价值也不高。在对原始数据进行加工与处理之后，就可以去伪存真地甄别出有价值的数据以实现高效且稳定的内部流程管理与运营。

（三）数据模型的构建

金融数据模型（Financial Data Model）是对银行所持有的所有数据的整理和规范，对于银行内部重要的业务概念和各个主题域之间、主题域内部主要实体之间的关系做出了明确的定义。通过构建金融数据模型，商业银行可以形成具有自有知识产权的逻辑数据模型，然后在此基础之上构建自身的综合性数据服务体系。构建数据模型可以从整体上帮助商业银行绘制自身的业务信息视图，有利于自身及管理者更好地理解数据含义，满足日常经营管理中的分析、应用及决策要求，有利于银行对现有资产、负债、结算、中间业务、金融市场等业务的全局认知与有效管理，从战略角度对银行信息系统进行整体规划设计，减少信息不对称的影响，更好地实现横向跨部门、跨系统分析，支持金融领域成熟服务应用的顺利实施，建设并完善符合银行业务实际现状和未来发展要求数据应用与管理服务平台。

（四）分析结果在全面风险管理中的应用

商业银行的各部门相互之间应该具有信息互联、信息互通和信息互用的关系，这样既可以保证采集到更高质量的数据信息，同时也有助于银行内部各个部门共享信息分析、处理结果，提高经营管理效率。同时，基于大数据技术的商业银行新型风险管理已经不再是传统意义上单独由风险合规与风险控制等个别部门来完成，而是将商业银行视为一个统一体，力求做到银行各部门之间互联互动，打造全程、动态、智能化的风险管理模式。

六、商业银行应用大数据技术进行风险管理的对策和建议

（一）树立大数据战略理念

在2015年政府工作报告中，李克强总理正式提出了“互联网+”计划，这显示出了政府进行改革的坚定决心。当下，利率市场化对商业银行的存贷业务产生了重要影响，严重缩小了存贷差，造成各商业银行经营管理收入严重缩水。大量民营银行出现也加剧了银行业的竞争，商业银行如果无法提升客户满意度，将会造成客户粘性不足、客户流失的现象。更为关键的是，随着各行各业对于大数据技术越来越广泛的应用，互联网金融无疑会持续迅猛发展，商业银行的部分传统业务也会不可避免地受到持续的影响。

因此，转变商业银行传统的风险管理模式势在必行，而从国内外实践中可以看出，大数据技术的兴起无疑为目前商业银行风险管理模式的转型与升级起到了重要的启示作用。商业银行管理者及其员工应树立大数据理念，制定并切实推进商业银行管理模式转型的战略，同时力促银行内部各部门通力合作，共同实现对商业银行风险全程、动态、智能化的管理。

（二）推进商业银行与社交网络的融合

商业银行要基于大数据技术对风险管理模式进行优化，就需要突破传统数据来源的局限，在传统数据来源之外，加强与各大互联网企业与机构进行沟通，接入社交媒体、电子商务等新型数据，获取尽可能多的客户特征信息，获取更加准确、完整、全面的客户信息视图。除此之外，商业银行也可以发挥自身的优势，与互联网企业和机构开展战略合作，交换和共享数据信息，将银行自身的风险管理功能与网络电信、网上购物以及社交平台等结合起来。

（三）健全人才培养机制

在人类社会中，伴随着人们复杂的日常活动，每天都有海量的信息可供处理和分析，而对数据的处理和分析却需要这一领域的专业技术人才。这些技术人才在具备商业银行业务知识的同时，还必须熟练掌握大数据技术的理论和实际操作，并且能够做到将两者在实际工作中相互融合。因此，商业银行应该重视对于大数据技术人才的培养，在一定程度上将行内资源向专业人才培养方面倾斜，打造一支自己的大数据技术团队。

从这一方面来说，商业银行历来都具备比较好的声誉，同时也有着较为稳定的资金支持以及较强的人才吸引能力，商业银行应该凭借自身的优势，制定切实可行的专业人才培养战略，打造自己的大数据技术核心竞争力。除此之外，商业银行也可以凭借良好的自身条件，从其他互联网企业和机构吸纳优秀技术员工，全面提高商业银行的整体技术水平，强化大数据技术核心优势。

[1] J.Manyika,M.Chui et al.Big data：The next frontier for innovation,competition,and productivity[R].McKinsey Global Institute.May 2011.

[2] Merv Adrian.Big Data[R].Tera data Magazine.1：11www.teradatamagazinecom/v11n01/features/big-data/.

[3] Viktor Mayer-Sch nberger and Kenneth Cukier,Big data：A Revolution That Will Transform How We Live,Work,and Think.

[4] 赵付玲，安 锋，张晓锋.大数据时代商业银行信息化问题浅析[J].金融理论与实践，2013(10).

[5] 洪 娟.大数据环境下商业银行“小微贷”竞争策略研究[J].南方金融，2014(3).

[6] 陆岷峰，虞鹏飞.互联网金融背景下商业银行“大数据”战略研究[J].经济与管理，2015(3).

[7] 陈春安.零售大数据在商业银行的应用分析[D].成都：西南财经大学，2016.

[8] 闫 莉.大数据时代商业银行私人财富管理发展策略研究[D].天津：天津商业大学，2016.

[9] 高建峰，张志荣.大数据时代商业银行风险管理优化[J].上海金融，2014(8).

[10] 张守川，琚 江，杨 肖.建立智慧型风险管理体系[J].中国金融，2014(15).

[11] 谷增军.大数据时代商业银行的信用风险防控之道[J].甘肃金融，2015(2).

[12] 韩忠雪，林声东.智慧银行——大数据背景下商业银行的战略选择[J].海南金融，2016(1).

[13] 李连梦.基于大数据的商业银行智慧型风险管理研究[D].天津：天津商业大学，2016.