大数据背景下商业银行风险管理的有效策略探讨

姚 芳

（中国农业银行贵州省分行，贵州 贵阳 550081）

大数据时代背景下，信息的重要性日益凸显，对信息的收集和利用成为商业银行经营过程中的重要工作内容。随着我国经济改革的持续深入，经济增长中的不稳定性和不确定性因素显著增多，经济下行压力仍然较大，经济运行中出现不少突出问题，金融与实体经济失衡，实体经济不振，经济领域的各种矛盾和压力体现为金融领域风险，商业银行风险逐渐增多。商业银行应当将信息收集和分析利用逐渐渗透到银行的风险管理当中，充分借鉴参考互联网金融的先进经验，顺应大数据时代发展的潮流，在客户营销和资源配置方面进行创新和优化，加强银行风险管理，促进商业银行业的稳定发展和转型。

一、大数据信息收集与银行风险管理的关系

1.信息收集和分析可以为银行风险分析提供数据支持

在商业银行开展风险管理的过程中，对信息的收集和分析是基础和保障。充分利用大数据技术对信息进行收集和分析可以为银行风险分析提供数据支持，促进风险管理的顺利开展，保证商业银行的稳定经营。然而信息收集工作涵盖商业银行日常经营的各个部门和流程，可能会对主体业务造成不利影响，所以需要遵守一定的规章制度和法律法规。我国针对银行业颁布的《中华人民共和国商业银行法》和《商业银行信贷风险监管核心指标（试行）》等文件，对商业银行进行信息收集提供了政策规范。

2.大数据信息收集的主要内容

商业银行日常经营所需的信息类型多种多样，因此，需要对影响风险管理的关键因素进行有效的识别和分析。商业银行信息收集主要包括两个方面的内容。一类是可以量化的信息。该类信息通常具有明显的直接关系，对商业银行的风险管理具有直接影响。可量化的信息主要包括企业生产经营的财务数据和资产负债表等财务报表，还包括工商税务机关保存的关于企业的各类资料，以及针对个人的收入情况和信用状况等内容[1]；另一类是不可量化的软信息。该类信息主要是指可能对银行风险控制产生间接影响的信息。该类信息无法进行量化，因此，信息收集会因为自身主观经验有着不同的判断和评价，主要包括企业经营状况的相关信息，例如，企业与供应商的关系、企业的结算能力、企业负责人的管理水平等，该类信息较为复杂。但是，如果利用大数据系统进行分析，彼此之间会存在一定的联系。

二、商业银行风险类型

商业银行过去对于企业或者个人的分析，通常都比较单一和直观，一般商业银行通过查询企业的账目和报表确定企业的资金是否充足，通过查询企业相关的税务情况确定企业是否严格遵守国家的法律法规。然而在实际操作过程中，商业银行对该类可量化直观信息的收集存在真实性和准确性的问题，某些企业会通过修改账目保证财务数据的合理性，通过违规手段进行税务规避。同时，对软信息的分析通常都带有主观情绪，真实性存在一定的偏差。因此，对数据进行有效的收集和分析是商业银行进行风险管控的核心内容。

信息收集的不准确和错误使用给商业银行带来了各种类型的风险。首先，信贷准入问题。信息收集有误导致商业银行对敏感性行业的错误判断和客户评级的不准确，对银行客户评价无法正确使用，对客户的财务状况不了解，无法深入判断企业的经营状况和资金需求，无法对客户的信用问题进行记录等。信息收集不到位会导致信贷准入问题，导致大量不符合标准的客户进入信贷范围；其次，授信管理问题。信息收集的不正确导致商业银行授信测算不准确，对授信额度控制不严格等风险[2]；再次，信贷调查管理问题。商业银行存在信贷调查不全面、调查方法单一、对客户信息掌握不够深入、对企业财务信息和会计信息了解不详实等情况；最后，担保和贷后管理。部分商业银行存在对抵押物价值的错误估计的问题，对担保的保障过低，缺乏对贷后资金的监督管理，无法对客户的还款情况进行有效的控制。从银行整个贷款过程进行分析，由于信息收集不准确带来的风险存在于各个环节当中。所以，银行通过大数据系统对数据进行有效分析，可以对风险进行规避和识别，促进银行风险管控能力的提升。

三、商业银行提高风险控制能力的有效策略

1.充分利用大数据系统，强化信息共享机制

大数据背景下，商业银行要建立风险管理系统首先要加强基础建设，充分利用商业银行自身的计算机系统和网络技术进行大数据系统的构建。在综合风险管理制度架构中，通过复杂的算法和程序对商业银行所要面临的风险进行量化，建立庞大的客户信息数据库。

商业银行应当充分利用大数据收集分析技术，对银行内部数据资源进行充分挖掘，发挥银行数据标准化和高价值的优势，结合外部数据进行全面分析，发掘信息资料的潜在价值。同时，建立客户信息搜索系统，对客户信息进行搜集，购买专业公司提供的客户评级和行业信息等，全面了解商品市场交易信息，丰富数据内容，提高商业银行对市场变化和客户情况的感知。加强企业内部数据与外部数据的对接，实现对客户和相关风险的全面监控，为风险管控流程优化提供基础，完善风险评估模型，提高银行风险管理能力。

2.建立大数据信用评分系统，完善风险决策机制

首先，商业银行要建立大数据信用评分系统，实现对传统征信体系的优化，完善传统征信体系中没有的个人和企业资料，有利于解决部分财务无法核实的小微企业借贷问题。大数据信用评分系统应当与银行各项业务流程进行对接，配合业务部门进行贷前调查、额度审批、贷后监控等工作。同时，可以为业务部门进行决策提供数据支持，有效促进决策正确性和科学性的提高，减少银行风险隐患；其次，要做实做细存量客户贷后管理，提高风险预警的及时性和有效性，对高风险重点行业客户的信用风险进行全面排查，对风险隐患进行及时的排除；再次，要加强对市场变化和信用评级的监测，对房地产企业、零售等负债率较高的企业进行重点监控，避免投资业务的信用风险；最后，对无法进行转型的低质量存量客户进行稳妥退出。银行要做好风险分类工作，对客户进行资产风险分类和信用评分，提高风险分类的准确性[3]。

3.建立风险监测预警中心，科学设置风险管理流程

商业银行要建立集中统一的风险监测预警中心，充分挖掘银行收集整合信息的价值，帮助银行对风险进行全面监控，实现对业务流程各个环节的事前预测、事中控制和事后监管。充分利用大数据系统对商业银行大量的数据进行分类收集和统一分析，对潜在风险进行识别，提高商业银行全流程预警能力和风险监测能力。在银行客户申请贷款过程中，通过大数据系统对客户结算、存款和交易情况进行监督，当出现风险时，风险监测预警中心会发出风险提示，贷款前调查人员要及时对相关信息进行核实；贷款中审批人员提出相关意见和审批决策；贷款后管理人员进行核查。根据风险管控的相关原则，对客户进行额度压缩、提前收回贷款等措施，避免银行风险问题的发生。

4.强化检查和评价体系，提高风险管理机制

大数据背景下，商业银行要建立相关的规章制度和体系，保证风险管理的有效开展，主要包括检查和后评价机制、纠偏机制和责任管理机制。检查和后评价机制主要是对利用大数据系统中的各种模型，按照一定的业务规则对数据库中的数据进行全面分析，对商业银行数据中的各种风险隐患进行及时的识别，对技术不断进行优化，对评价标准进行完善，从而提高商业银行内部管控水平；纠偏机制是指对风险管理中的异常项目进行核实，对项目进行再决策处理，通过调整项目授信策略，避免项目风险；责任管理机制是根据检查和后评价机制以及纠偏机制，对相关风险来源和项目责任人进行问题核实和责任追究，避免出现问题无法定位的问题，保证商业银行风险管理的效率和质量[4]。商业银行要建立完善的企业审查机制和信贷流程管理，对不符合规定的企业坚决不放贷，同时，加强对借款企业的监督管理，将信贷风险控制在可控范围内，保证银行的长远发展。

5.健全人才培养体系，提高风险管理水平

大数据时代背景下，商业银行要提高自身风险管理水平，要提高相关人员数据分析处理能力，帮助人员对授信政策进行更新，指导风险管理人员进行业务规则总结，保证其不仅具备银行业务领域知识，还要熟悉了解数据挖掘分析技术，培养成为满足商业银行需要的复合型人才。商业银行要建立完善的人才培养体系，促进员工多岗位定向发展，加强核心人才的引进工作，储存一批高水准数据分析师、模型专家、风险知识管理员，保证银行风险管理能力的提升，提高银行核心竞争力。

6.设立风险经理，全面开展风险防控

商业银行对风险管控的基础是加强合作机制的管理，加强风险经理对业务流程的全面管理。风险经理的参与可以使各个流程成为风险管控的一个环节，通过对企业财务信息的观察，评估企业的风险状况，保证企业提交财务状况的真实性。风险经理可以保证企业信贷资产质量，强化客户评级和风险分类动态管理，及时根据客户评级和风险分类进行评级和额度的调整，避免客户贷后违约风险问题的发生，避免评级与实际情况的差异。对符合总行强制调整贷款形态的情形，必须及时进行形态调整，严控风险分类。

四、结语

随着大数据时代的来临，商业银行需要充分利用大数据分析处理技术，加强信息共享，建立大数据信用评分体系，完善风险决策机制，建立风险监测预警中心，强化检查和评价体系，保证风险管理的效用，建立人才培养体系，提高风险管理水平，提高大数据在商业银行风险管控中的作用，最大限度地减少银行的经营风险。