浅析大数据背景下商业银行风控问题

　　摘要：金融的核心是风险控制，互联网金融更加注重风控体系的完善，只是互联网金融的风控体系以数据和数据挖掘算法为支撑。随着大数据信息技术发展日趋成熟，传统的商业银行风控体系面临着极大的挑战，迫切需要转型，为了通过大数据信息技术提升商业银行的风控能力，本文针对商业银行传统的风控体系的不足及完善风控体系的必要性，提出了相应的措施及建议。
　　关键词：大数据；商业银行；风控
　　风控，顾名思义，就是风险控制，并采取措施减少风险事件发生的可能。银行进行风控的基础条件就是要尽可能获取全面完整的信息。商业银行对数据信息的采集、分析和处理的水平决定着银行的风控水平，进一步影响银行的盈利能力和竞争水平。随着2014年以大数据为核心的互联网金融的快速发展，传统的商业银行面临着更为严峻的挑战，一边有各大银行相互之间的激烈角逐，另外还要受到一大批兴起的互联网科技公司等其他大小企业的剧烈冲击，跟这些行业相比，传统商业银行明显在产品创新能力、市场竞争能力和风控管理等方面处于劣势。商业银行转型升级、改善风控体系的工作势在必行，这不仅要求银行寻求新的经营出路和利润增长点，更需要把重点放在完善风控体系的建设上面。
　　在国外的金融行业都利用大数据信息技术来进行信用卡的实时交易反欺诈，截取社交软件的信息来取得客户的信用记录运用于风险评估。国内的大数据特別在IT领域，BAT三大巨头公司都极力推动大数据技术的发展，其中最典型是阿里巴巴集团旗下的蚂蚁金服，通过利用客户以往的消费记录、线上线下支付、理财等数据对客户进行信用评估打出芝麻信用分，依据分数的高低来授予不同的客户不同的花呗和借呗贷款额度。总的来看，大数据的发展以社交软件、电商平台、互联网金融的海量数据为依托，可以弥补商业银行传统风控体系的不足。因此，在新的经济大环境下，怎么提高风控技术水平从而提升银行的风险管理水平对其举足轻重。
　　一、大数据背景下商业银行风控的必要性
　　（一）大数据背景下商业银行的绩效考核
　　银行风控管理水平的高低直接影响着银行的绩效好坏。随着互联网金融的发展以及大数据的日益进步，不管是金融市场环境、技术管理水平还是银行客户的个人信息都发生了巨大的变化，传统的银行风控体系已经不足以抵抗日益复杂的经济环境。通过分析中国银行业监督管理委员会公布的数据显示，2019年银行业信贷质量基本稳定，商业银行不良贷款余额2万亿元，不良贷款率1。89，较之前有小幅度上升。对于这种情况，行业内基本认为，这和监管对不良贷款认定统计口径的调整以及信用环境趋紧导致信用风险上升密切相关。按照债券质量分类法，其中约20的不良债为损失级别权，需要核销处理，这无疑给商业银行增加了巨大的呆账准备金压力和负担，同时也严重影响商业银行的盈利能力。由此可见，目前商业银行的风控水平不能适应业务发展和市场环境的变化，风控体系亟待完善。
　　（二）大数据背景下的风控形势所趋
　　随着大数据背景下互联网技术和IT技术的快速发展，打破了传统风控的固有模式，与互联网金融的风控融合程度进一步加深，风控理念也随之革新。运用大数据一方面可以记录更多有效信息，并以准确、稳定的方式保存起来，另一方面促进了效率的提升，甚至是实现动态监测。同时，大数据可以很好地解决不同数据库之间存在的兼容问题，因而促进了共享与合作的可能，跨行业、跨金融机构的合作因为风控而成为必要，克服了以往商业银行单一的以产品为中心、以专业为条线独立经营的管理体制，有利于提高风控的识别和防范。商业银行收集的庞大数据库有助于完善整个社会征信体系。传统的征信系统和风控体系无法准确地考量出借款者真正的还款意愿，这是传统征信的最大漏洞。相比较大数据背景下的风控，商业银行通过运用大数据资料，可以多个角度分析真实的借款者，可以准确客观的反映借贷关系，识别欺诈风险，这些刚好弥补了传统征信体系和电商平台的不足，从而进行正确的风险预测和防范。
　　（三）大数据背景下商业银行的地位
　　商业银行是整个经济活动的枢纽，在我国金融体系中一直是居于主体地位，掌握着几乎全国人民的可用于风控及征信的重要数据。仅以银行卡业务为例，截至2019年四季度末，全国银行卡新发卡2。67亿张。借记卡新发卡2。22亿张，信用卡和借贷合一卡新发卡0。45亿张。全国人均持有银行卡6。03张。庞大的发卡数量所积累的数据是商业银行相对于其他金融机构无法比拟的优势，为大数据背景下的完善风控体系打下坚实的基础。另外，伴随着金融形势的不断发展创新，商业银行的总利润构成中利差收入所占比例逐步减小，大中小商业银行积极开展形式多样的表外业务与中间业务，这么做一方面是需要为银行打开新的盈利形式，扩大银行的经营业务范围，扩展银行增长利润的途径，另一方面也为积累丰富的数据资源以及针对特定用户量身打造的产品奠定了基石，从质和量两个维度提升其市场信息丰裕度和完整性。
　　二、大数据背景下商业银行风控面临的挑战
　　（一）商业银行传统风控系统对海量数据适应性较差
　　大数据的基础就是海量的数据。随着经济的飞速增长，数据也呈正比例同步增长，不仅增加了商业银行处理数据的成本，同时越来越多的非结构化数据、半结构化数据以及其他行业跟客户行为息息相关的数据都成为银行大数据库风控信息收集的基础信息。但是，商业银行传统的风控体系中结构化数据占据主导地位，而以海量数据为前提的大数据风控要求商业银行必须构建起将非结构化、半结构化和结构化数据三者结合起来的数据储存增长模型。大数据技术应用的风控体系中，只有将来自各个渠道的各种类型的甚至异构的数据整合在一起，才能打破传统数据化与非结构化数据间的壁垒，构建全面准确的商业银行大数据信息视图。因此需要强大的采集技术去挖掘和分析数据，并结合风控场景实现转换、加载、处理有效的模型数据，从而解决实际的风控业务问题。
　　（二）商业银行大数据有效性受到质疑
　　现在已经有很多商业银行正在使用或者尝试使用大数据进行风控管理，并且有些银行已经取得一定的成效。依据当前收集到的信息，大数据资料主要来源于社交网站和电商平台。社交网站的用户有一个特点，大多使用虚假信息展示美化的而非真实的自己，而电商平台则因为存在着大量的刷单水军等现象出现欺骗消费者。另外，大数据风控的理论还未成熟，未形成系统的理论模型，导致无法准确检验利用其他外部数据来分析银行客户的金融行为的合理性。最后商业银行风控管理利用大数据的风险无法排除。基于大数据的搜集和分析要求，要尽可能防范网络风险，保证在数据的处理、存储、访问、备份、灾难恢复等环节都没有失误。目前还没有一个绝对有效的技术将这些影响因素消除，这使得大数据的有效性无从保证，需要进一步提升。
　　（三）商业银行缺乏大数据风控的基本环境
　　海量数据的储存与优化是大数据风控的关键。目前我国商业银行风控形式还处于传统地位，主要以批量处理为主，技术设备落后，处理速度慢，跟大数据风控所要求的条件相差甚远，无法满足数据急剧增长的需求。按照当前数据处理速度，当数据量达到千万级以上时，数据量剧增，而信息查询或者处理速度反而会急剧下降，数据规模和数据处理速度不能实现完全同步。另外，大数据风险管理分析模式复杂多变而且繁琐，这对构建配套的数据分析中心提出了更高的要求。基于這个形势，很多商业银行都在积极配合布局建立庞大的数据平台，希望早点建立配套的数据管理系统，搭建适用于大数据分析的环境，用来实现大数据储存、查询、分析、备份和恢复。
　　（四）商业银行大数据风控人才较为稀缺
　　任何时候企业的竞争关键在人才，商业银行大数据风控的竞争也不例外。对比传统的风控管理，大数据风控对人才各方面的综合素质的要求更高。从事大数据风控工作必须精通金融、计算机、数学建模等专业化的知识，并且要有灵敏的思维分析能力和快速的学习能力。目前市场上的大数据风险管理人才主要分布在互联网、电商等行业，而商业银行的大数据风控人才寥寥无几，尤其缺乏熟悉和精通大数据相关技术的复合人才，缺乏自主培养大数据人才的完整体系。这种模式不仅会导致人才出现水土不服、人才断层的现象，而且人才培养速度十分缓慢。因此，商业银行自主培养属于自己的专业、高效、灵活的大数据风险管理团队十分迫切。
　　三、大数据背景下完善商业银行风控体系的建议
　　（一）加强数据仓库建设和数据挖掘培养
　　大数据风控的重点和核心就是数据基础。商业银行可以通过连接银行各个线下和线上渠道，比如网点、ATM机、手机银行、网上银行、三方支付等，收集真实、准确、有效的数据信息。另外，要加强和一些电商平台、互联网金融平台等外部渠道的合作，利用政府资源，放大数据来源渠道。通过提高数据挖掘能力，进一步筛选出客户有效信息，才能保证风控工作的顺利进行。这样商业银行才能够进行更精确的风险评估，并采取更具有针对性的风险防范措施。
　　（二）完善风控制度流程和体系
　　商业银行的风控管理是大数据为基础的，以客户为中心。打个比方，通过利用客户大数据信息平台进行统一授信，把数据接口与数据加工和完善数据信息共享机制完美结合起来。这样就不仅利用了大数据的时效性、真实性特征，也充分结合了数据的完备性以及数据分析的模型化特点，有助于风险预测及决策。结合大数据灵敏性的特征，制定完善的风险预警机制，对客户每个环节均进行360度无死角的监控，同时提前对涉及风险的事项进行预警。此外，还需要匹配简洁有效的业务流程，建立快速反应机制，实现低成本、高质量的风险控制程序。
　　（三）建设标准大数据运用环境
　　商业银行最担心的恐怕就是风险事故了，出现事故一方面损害了银行客户的利益，也给银行本身造成损失，更会对社会甚至政府带来消极影响。所以，建设高标准全方位的风险控制体系对于商业银行来说十分必要，一定要重视对数据安全性、制度合法性的建设。可以从下面几个方面进行：第一要建立一系列标准化制度，比如涉及到客户数据、信息安全和客户信息隐私的等方面；第二要规范相关部门的人员必须在监管许可的范围内利用数据信息实现风险管理创新；第三要加强对风险管理人员的制度制约，防范操作风险。
　　（四）注重风控人才的培养
　　大数据风控除了以数据信息、模型为支撑，关键的是高素质的风险管理人才，人才的识别、决策、创新能力才是整个风控的核心。大数据风控人员需要的是能把金融和计算机知识融会贯通的综合性人才，这需要与之相匹配的能力，比如风险的识别、定性、判断、防范等能力，此外，还需要具有专业的风险模型分析能力以及运用数据进行挖掘和整合的能力，这些都是商业银行在市场上立于不败之地的关键。为此，商业银行必须把大数据风控人才的培养放在首位，要配置优质的资源，搭建配套的人才培养方案，这样才能留住关键人才。同时要建立相适应的考核机制，这样才能慢慢培养出一批高水平的大数据风险人才。
　　参考文献：
　　〔1〕巴曙松，侯畅，唐时达。大数据风控的现状、问题及优化路径〔J〕。金融理论与实践，2016（02）。
　　〔2〕葛仁余。大数据提升互联网金融风险管控能力的应用实践〔J〕。中国金融电脑，2015（12）。
　　〔3〕韦颜秋，黄旭，张炜。大数据时代商业银行数字化转型〔J〕。银行家，2017（02）：128131。
　　〔4〕贾学奇，胡棋智，姜勇。关于将大数据技术引入银行运营风险管控的思考〔J〕。农村金融研究，2015（01）：4145。
　　〔5〕宫哲，万适。论驱动信息化银行的三驾马车：数字服务、大数据及信息安全〔J〕。当代经济管理，2015，37（12）：6974。