简析金融行业风险控制中大数据技术的应用

张鑫

摘要：随着我国金融行业的迅猛发展，金融机构或非金融机构主体如雨后春笋般纷纷涌现，使得金融行业的参与模式和消费者的消费场景愈加多样。但是，在行业蓬勃的同时，风险控制过程中暴露出诸多问题，而风险控制成为促进金融行业持续发展的重要环节，应从多角度、多方面入手，提高金融行业风险控制能力。大数据技术的应用对于我国金融行业风险控制而言意义重大，其能在促进金融行业风险控制水平提高过程中发挥重要的作用。本文将重点探讨金融行业风险控制中大数据技术的应用，促进金融行业不断提升风险控制能力和隐患预防能力，以促进我国消费市场持续健康发展。

关键词：大数据技术;金融行业;风险控制;金融主体

随着大数据时代的到来，金融企业经营和发展模式迎来了前所未有的机遇，但是也带来了更大的风险。金融行业如何进一步加强风险控制显得尤为重要，成为制约我国金融行业健康发展的症结。其中大数据技术的应用可以在一定程度上降低管理风险，并实现对成本的控制，为此，本文将就金融风险控制中大数据技术的应用进行分析。

一、金融风险有关概述

（一）金融风险内涵

在互联网技术、移动支付和移动通信等技术逐渐成熟的今天，互联网金融应运而生，其以信息透明、支付便捷等优势受到广大消费者的追捧。但是，由于我国金融交易征信体系尚未完善，信息披露机制尚未得以健全，易发生一些金融交易风险，或因法律监管体系不完善而引发金融交易造假、信息披露难度增加等风险。

（二）我国消费金融行业参与主体

经过近几年消费金融的发展，越来越多的金融机构或非金融机构参与到消费金融行业，并且金融企业参与模式及消费者消费的模式愈加多样，前者主要包括银行系、消费金融公司系、电商系、产业系等几种。银行系是指银行作为主要出资人成立的消费金融公司，这类公司多具有财务实力雄厚、资金成本低等优势，主要涉足房地产消费行业，如中、农、工、建等商业银行。消费金融公司系是指由银监会核准成立的金融机构，多是一些银行，这类机构也多具有资金实力较雄厚等优势，但是不同于银行系，其可放贷，但是不得吸收存款。消费金融公司系的消费场景种类繁多，如医疗、教育、旅游等场景。如捷信消费金融等。电商系是指从消费电子商务平台衍生而来的产品，资金来源更加多元化，多采用分期付款方式，分期金额较低，如蚂蚁花呗等。产业系是指消费金融公司出资的实体产业企业，多是资金雄厚，提供低息信贷，通过此来刺激消费者的消费意愿，降低公司库存，平衡供需，如苏宁消费金融等。网络分期系是指借助分期购物平台，但是这种方式的消费场景多较为分散，在客群和消费场景等方面划分更细化，其业务定位主要在垂直细分消费场景，并以特定消费场景或消费群體为目标。如针对婚嫁、旅游、教育等场景的消费金融，消费金融包括大学生等，该类平台多需要较高的资金成本投入，且其经营风险较高，不利于进行监管[1]。

（三）金融机构风险控制

不同的金融行业的参与主体，由于其电商平台覆盖范围、用户情况等方面的不同，使得各参与主体的风险控制方式和技术等方面要求不尽相同。以用户为例，既有收入稳定、信用良好的，也有经济收入不稳定、有征信记录的，而这些不确定性增大了金融行业和金融企业的金融控制风险。如电商系消费金融公司在开展金融业务过程中，借助自身发展优势（消费场景无缝对接及大数据风险数据的应用）。其中大数据风险控制是金融企业多年收集的数据，通过商务平台构建以用户基本信息、浏览足迹及购物偏好、支付信息等多维度的数据系统。如蚂蚁金服和京东金融等，在其自身电商平台下，建立其以大数据技术为依托的风险控制机制，并凭借自身成熟的信用评分系统，积累用户多维消费数据，借助云计算、人工智能等技术，实现对用户信用状况的全方位分析，形成信用评分，如芝麻信用分。此外，这两家公司在信用评分基础上建立起大数据风险控制系统，其中蚂蚁金服以“CTU”技术为基础上建立风险控制系统，通过监控预警、识别决策、分析洞察和智能优化等环节，实现建立起风险数据的识别、决策、分析、优化和监控等的闭环式风控体系，借助蚂蚁金服的大数据及人工智能等方面的优势，并通过大数据采集、建模、应用等手段，多维度、多层次分析客户风险特征，进而实现有效控制潜在的风险。再如，京东风控部门借助“天网”系统，有效实现控制京东母子公司及海外收购等方面的业务风险，以实现保障用户和京东企业的利益。京东使用“天网”风险控制工具，建立起以spark为基础的风险控制平台，通过构建用户画像、社交网络、交易风险等特征模型，实现有效控制交易订单风险、商家反刷单风险等，提高自身的分析抵御能力。

综上所述，各种金融主体在风险控制过程中，都有各自的优缺点。但是，无论哪类金融主体都已认识到大数据及大数据技术应用的现实意义，并且基于大数据技术进行金融行业风险控制，已成为各金融机构风险控制的重要手段。

二、大数据技术应用对金融行业风险控制的影响

大数据技术的应用，为我国金融行业进行风险控制提供技术和数据支持和保障。由于我国金融市场具有参与主体众多、服务对象广泛等特点，加大了风险管控的压力，而大数据技术的应用将实现能采集到用户网购、物流、电商、银联、征信等多维度数据，实现对金融用户多维度的信用评价，为金融行业风险控制提供技术和数据支持[2]。此外，大数据技术是建立在大数据风控模型基础上，各金融主体都在积极加快大数据风控体系建设，以构建集合数据采集、存储、处理和分析的综合性系统。借助爬虫技术等大数据平台技术，构建风险控制模型，精准预测用户违约概率，以降低大数据风险。

（一）加大金融行业风险压力

传统信用数据来源较单一（金融机构和央行征信系统），而大数据技术下的数据来源较为广泛，除上述数据外，还将包括用户还款信息、社交、转账记录、身份信息等，而这将成为大数据征信构建的基础。大数据技术下的金融交易等不同于传统消费，后者使得公司与用户沟通多处于离线状态，而前者直接通过线下确认机制来明确用户的还款能力，进而评估用户的偿还和继续消费的能力，以降低风险。在大数据技术和数据广泛应用的背景下，金融公司的业务实现从线下转移到线上，但是线上交易形式，加大了用户身份信息及其还款能力的验证难度，增加了金融行业风险控制压力。

（二）倍增消费金融行业风险传递路径

尽管传统消费金融存在消费效率低等现实问题，但是其交易方式更容易追踪和预防，且其信息真实性高于线上金融交易方式。大数据时代背景下，我国金融行业在进行消费信贷业务过程中，多采用“互联网+”模式，这种模式使得业务呈现网状传递的特点，极大促进了消费金融业务开展的效率，但是也增加了风险管控难度。可见，大数据的应用给我国金融行业风险控制工作提供了新思路，同时仍存在一些管控隐患。对此，应采取科学的管理措施，扬长避短，充分发挥大数据技术在金融行业发展过程中的优势。毫无疑问，大数据技术能有效促进我国消费金融行业的风险控制，但是，也无法规避因大数据自身特质所带来的风险和隐患。

三、金融行业风险控制中大数据技术的应用

（一）大数据挖掘技术在金融行业风险控制中的具体应用

在电子信息技术快速发展的过程中，互联网、移动网络及物联网的应用愈加广泛，各类电子产品、移动终端及无线网络传感器等设备，每时每刻都在产生海量数据[3]。面对海量数据，传统的软件工具已无法实现在特定时间内的捕捉、管理和处理。加之，大数据具有数据体量大、种类繁多、价值密度低、商业密度高等特点，为实现对海量数据的有效捕捉、管理和处理，需尝试新处理模式，即新大数据挖掘模式。大数据挖掘技术在进行大数据处理过程中，表现出极高的决策力、洞察力及流程优化能力等方面的能力。

目前，金融风险控制过程中采用的传统风险控制方法主要存在以下问题：一是人工方式收集信息资料，会产生大量的人力资源成本投入，如采取抽样调查等传统调查方法采集信息，在这一过程中常会出现因资料遗漏，而影响资料的完整性。二是企业法治监管不完善，引发资料虚假等问题。三是传统模式数据处理效率低，采用传统模式开展数据处理存在效率低、信息处理滞后等方面的问题，如手机等传统模式，资料多存在不完整的现实情况，无法实现对动态数据的调查，进而影响后期数据的连续性分析。而上述传统风险控制方法在金融风险控制过程中暴露的问题，会影响金融风险数据分析结果的及时性，导致风险判断滞后或过于主观。

金融风险控制过程中，大数据挖掘技术的应用不仅可以减少人力资本的投入、可以通过对结构性数据资料、半结构数据、非结构数据及数据流等资料来确保数据的完整性，便于交易双方掌握彼此的具体情况。通过结合大数据分析技术，实现结构性数据和非结构性数据的结合，以在掌握调查对象整体运营状况基础上，总结、构建企业经营状况变化规律和趋势，通过上述变化，实现实时分析和评估企业金融行为风险点，实现有效控制金融风险。

（二）大数据分析技术在金融行业风险控制中的具体应用

大数据分析技术在金融行业风险控制中的具体应用主要分为：事前风险评估应用、事中风险识别应用及事后风险处置应用等三个方面[4]。一是事前风险评估，借助大数据分析技术评估风险主体的外部环境，并评估企业行业风险，以构建行业风险评估模型。行业风险评估模型主要是建立在企业资质、经营数据、诚信记录和社会评价等数据基础上，最大限度实现降低金融行业的风险。此外，通过构建主体控制风险能力评估模型和法律风险评估模型，实现评估金融交易前的风险情况，这也将成为最终决断和项目监管的主要参考依据。二是事中风险识别应用。在事中风险识别过程中，金融企业借助大数据分析技术，构建起针对性的风险控制模型，如价格波动模型，政策影响模式及行业关联性影响等模型。三是事后风险处置应用。在事后风险处置过程中，借助大数据分析技术预测风险主体可能出现的风险发展趋势，通过数据模拟风险结果及评估风险事件造成的后果，这些将成为开展金融风险事件事后处置依据，进而采用最佳风险处置方式降低风险损失，提高金融企业的经济效益。

（三）大数据风险控制体系的构建

大数据风险控制模式是建立在用户身份信息、社交信息、互联网行为信息、消费信息、信用信息、履约信息等基础上，利用知识图谱、决策树等大数据技术分析处理后建立起的风险控制体系。但是，风险控制体系构建的难度较大，主要是该体系对数据和技术要求较高，需要专业的第三方大数据风险控制公司提供技术服务[5]。目前，在风险控制体系构建过程中，多采取对多渠道数据整合、清理等方式，再利用大数据挖掘分析技术筛选有还款意愿和还款能力的客群，提前识别不良的客户，形成完备的大数据风险控制系统。

1.大数据风险控制技术，以健全用户信用评价体系

目前，无银行征信记录的“次级客户”越来越多，如大学生、城市蓝领等，使得金融机构面临着对其全面信用评价的难题，该过程中可以应用大数据风险控制技术。大数据风险控制技术在运用过程中可以实现对用户网购、物流、运营商、银联、征信等多维度的数据的采集和分析，甚至是一些被传统金融忽略的用户信用评价。但是，阿里巴巴从2013年起，开始融合多方面数据，如入股新浪微博，使得旗下蚂蚁金服和“蚁盾”风险控制技术拥有新浪微博社交平台的大数据，这样建立起的用户信用评价体系将更加完备，风险控制能力也将有所提高。

2.大数据风险控制技术的应用，提高风险控制体系安全防范能力

大数据风险控制体系的安全防范主要包括防止黑客、欺诈团伙攻击及识别高风险用户等。通过对大数据的分析可以发现，一些日常各类行为中有不诚信表现的人，其各类逾期概率也会大幅度增加[6]。由此可见，将公检法、运营商及生活缴费记录等方面的不良信息的引入，将提高大数据风险控制体系的安全防范能力。此外，通过组建机构反欺诈联盟，共享用户的不良记录，防范共债等行为的发生，还可以通过监控IP和设备、比对用户信息与公安系统信息等建立起高欺诈风险用户的识别系统，提高风险控制体系安全防范能力。

3.便捷的信用评分

大数据风险控制体系的开发需要很高的技术要求，并非所有消费金融机构都具备条件，对很多自身风险控制能力尚不完善的中小金融机构来说，若想获得更加直观的风险评价依据，依靠第三方的信用评分就是较好的选择。此时，像芝麻信用分等有能力进行大数据风险控制的企业，将自己的风险控制体系以信用评分的形式进行输出，中小金融机构利用信用評分即可做出是否放贷的决策。这种信用评分输出的形式，既可以帮助中小金融机构实现风险控制，也可以帮助输出企业扩大业务量、积累更多的数据[7]。

四、结束语

在互联网技术不断普及的今天，互联网金融快速发展，但是受到多方面因素的影响，如征信体系不够完善、信息披露机制不够严格等增加金融风险问题。为此，希望通过对大数据分析技术的分析和合理应用，最大限度发挥该技术优势，切实做好事前、事中及事后等多方面的风险控制，以推动互联网金融行业的健康发展。

参考文献：

[1]栗锲.大数据技术在金融行业风险控制中的应用探讨[J].财富时代，2020（12）： 28-29.

[2]初晓亮.大数据对金融行业的影响[J].中国商论，2020（22）：40-41.

[3]郑默.大数据分析技术在金融风险控制中的应用[J].中国商论，2019（15）： 57-58.

[4]葛俊婷.大数据时代下我国消费金融行业的风险控制问题探究[J].中外企业家，2018（19）：72.

[5]程建波.大数据技术在风险控制领域的优势与挑战[J].清华金融评论，2017（08）：44-45.

[6]张燕华.浅谈互联网背景下的传统金融机构转型[J].时代金融，2017（17）： 55-56.

[7]俞枫，苑博，叶小同，冯必成，侯秦.大数据技术在金融行业风险控制中的应用探讨[J].新经济，2016（36）：52-53.