大数据在商业银行风险管控中的应用探讨

刘强

摘 要 大数据时代的到来转变了商业银行的经营管理模式，面对当前信息化的快速发展，商业银行所承担的风险也逐渐增加，大数据的应用推动了商业银行智能风险管理的实现。下面文章就对大数据在商业银行风险管控中的应用进行分析。

关键词 大数据;商业银行;银行风险;风险管控

引言

随着大数据与互联网金融的技术融合，商业银行服务“长尾客户”的能力将会不断增强。零售业务和传统意义上的“小”客户将成为商业银行竞争的目标客户群体。然而，互联网时代客户金融习惯的转变，造成传统柜面金融业务的交易量占比呈现较为明显的数量下滑，这种趋势对于商业银行零售业务所造成的影响是显而易见的。商业银行拓展业务的范围，很大程度上取决于其风险管控能力。在此情形下，应从大数据应用对于商业银行零售业务的具体影响着手研究转型发展和风险管控。

1 大数据推动智能风险管理的发展

各商业银行对于大中型客户已经积累了一套有效的风险管理方法和风险管控模型，但与互联网金融企业的风险管控模式相比，其灵活度和对客户的针对性则差强人意。一是银行及时发现和处置风险的技术与方法相对滞后，对于金融交易过程中风险的实时识别、拦截和处置能力有待提高，特别是对欺诈风险难以实时进行拦截、化解和控制。二是由于主观规则和主观评估占有较大比重，银行对客户的风险评价难以做到精准和符合实际。三是一些风险评估方法不加变动，直接使用国外的成熟模型，存在水土不服的情况，符合银行发展情况建立的模型相对较少，与实际情况具有一定的差距[1]。四是风险的事前处置、事中控制虽然有规范和流程，但是缺乏有效的手段进行快速实时地识别监测，导致事前事中控制措施有时形同虚设。大数据、人工智能技术的发展，可为银行的风险管理带来新的契机，智能风控将提升银行的竞争力，对于银行而言，其本质上要从线上获得、服务客户，但其关键点还在于对其风险进行识别和控制，充分了解、掌握客户，有效地获取客户行为、交易、经营的过程信息，在相关的各类交易、行为信息等基础上，对客户进行深入分析。这样才能对客户信用进行真实的评价，充分识别金融交易过程中的各类风险，科学地进行风险管控，降低风险管理成本，更好地支持全面风险管理。

2 大数据在商业银行风险管理中的应用

2.1 分析市场走势，挖掘市场潜力

大數据的核心就在于预测，依托大数据分析的结果，商业银行在面对政策、环境等因素的变化时，可以做到及早发现、及早布局，进而发现市场上的新机会、业务发展的新蓝海，有效开展精准营销，创新发展模式，快速响应市场，构建核心竞争力。一是通过分析市场走势，在充分掌握市场数据的基础上，利用大数据分析方法，预测后续市场走势、环境变化，提前做好准备[2]。二是有效利用数据价值，创造新型商业模式，大数据应用更容易把握市场机遇，促使银行创造新产品和服务，以及发明全新的业务模式，如近年来兴起的“快贷”产品，基于海量的客户信用数据和行为数据，通过建立网络数据模型和一套信用体系，打破了传统的金融模式。三是发现市场上的新机会，发现业务发展的新蓝海。目前商业银行的产品和服务同质化现象较为突出，借助大数据可以对市场和客户进行细分，从而挖掘客户的潜在需求，发现传统商业银行未知也无法获知的信息，提供精准营销，创新产品和服务，拓宽业务发展空间，助力企业发展，实现银企双赢。

2.2 强化信息共享，提高客户与市场感知度

大数据时代背景下，银行应主动利用大数据分析整合技术，挖掘自身内部数据资源，银行内部数据具有标准化、价值高的特点，通过对其深度挖掘，并结合外部数据进行综合分析，将发挥更大的潜在价值;引入客户信息搜索引擎，搜集、挖掘客户各类资讯，有选择地购买专业公司的客户评级、行业分析、大宗商品市场交易信息，以此丰富风险数据集市内涵，提高客户与市场感知度。通过银行内外部数据的分享与整合，将有利于实现对客户及关联关系风险的动态分析，以此进一步优化风险控制技术与流程，提高风险评估模型的精准度，保证银行风险管理的可靠性。

2.3 完善风险决策机制

一是加强对人工智能技术的运用，促使风险决策更智能。商业银行可在大数据分析的基础上，将制定的审核标准输入机器，然后将需要审批的贷款申请提交机器，让机器对若干强特征和少量弱特征数据进行分析，检索出大量的弱特征数据，建立自主评判模型，最后利用多维数据对用户的真实性和可靠性进行检验，促进模型快速迭代优化，不断提高其决策的精确度，使风险决策更加智能。二是借助数据挖掘和云计算技术，促进风险决策更高效。商业银行应构建支撑内部评级体系的信息技术平台，通过对Web页挖掘、关联分析和决策树分析等先进技术的应用，实时、动态地获取所关注的信息，再通过云计算技术对数据进行加工、整合和分析，增强数据信息的时效性，最大化地利用信息资源，并从中取得洞察风险的能力，从而更快、更好地做出风险管理决策，进而提高风控能力。

2.4 创新现有营销模式

在全面引进互联网模式的前提下，商业银行将会拥有全新的营销模式。商业银行应在原有的数据仓库的基础上，实施一系列可使其更具规模化和完整结构形式的优化[3]。同时，应对所获取到的各项信息进行差异性和真实性的辨别，在对数据进行逻辑模型的建设后，通过适宜的管理制度使得商业银行的零售业务获得足够的数据信息支持，并据此创建新的营销模式。大数据背景下的商业银行零售金融服务，将不仅是简单的服务者，而是开放嫁接生态，为客户提供综合化的服务解决方案，打造场景化、平台化、智能化服务营销模式，全面优化客户体验。

3 结束语

综上所述，大数据时代的到来，对于银行业而言既是挑战也是机遇，虽然互联网金融的发展给银行经营带来了巨大的冲击，但是也为其转型升级提供了思路。新时代背景下银行应树立大数据理念，积极引入大数据分析处理技术、完善风险监测预警体系，切实提高商业银行风险控制水平，降低经营风险。

参考文献

[1] 陈君.大数据背景下商业银行信贷风险研究[J].财会通讯，2016，（23）：91-93.

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

[3] 徐霄.基于大数据的国有商业银行信贷风险管理体系研究[J].财会学习，2017，（16）：216-216.