商业银行经营即使大数据加持但依然有风险！

 随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。目前，互联网+、大数据、AI等前沿技术持续向各行各业的纵深融合。商业银行作为一类特殊行业，除注重盈利外，风险管理也是其永恒的主题。互联网+为银行的盈利模式提供新的思路与方向，大数据也在悄悄改变银行的风险管理。后者是一种多维度、多层次的颠覆性创新，是未来银行风险管理转型升级的必经之路。

一、因循守旧的思维与落后的现状

商业银行风险管理是商业银行通过风险识别、风险评估、风险控制和风险处理等一系列手段，预防、回避、分散或转移经营中的风险，从而减少或避免经济损失，保证资金安全的行为。我国商业银行历经了重组、上市、体改等诸多阶段，在这些变革的过程中，各项风险管理制度日趋完善，例如贷审分离制度、基于RAROC值(Risk Adjusted Return on Capital-风险调整的资本收益)的风险管理体系、信贷业务全流程信息监控等等。但是在互联网和大数据背景下，商业银行风险管理在战略思维、信息挖掘、数据架构完整性等方面暴露出了一些问题和不足。

首先，很多商业银行依然是冥顽不灵，内部的数据化和信息化还未完全实现，甚至某些银行的风险管理依然停留在扩充机构、增设岗位、吸纳人员的阶段。大数据浪潮之下，风险管理面临的将是海量数据，依靠现有模式难实现风险管理过程自动化、结果标准化的要求。更有甚者风险管理依然是经营业绩的“附庸”，处处为了利润让步，很难想象这些银行如何面对以后金融市场的大争之世。

其次，商业银行的数据建设存在目标不一致、功能单一、数据口径不一致和数据汇总困难等问题。内部数据和内外部数据的互联互通依然不够顺畅，导致数据分散化、不规范，数据有效性大打折扣，内在价值难以被挖掘。

第三，商业银行在日常经营和内部管理的过程中会产生大量结构化数据，例如客户基础资料、存贷款信息、资金往来信息和信用评级等等。这些数据归根结底反应的只是客户的资产状况与资金流向，而对于客户的消费偏好、日常生活、兴趣爱好等非结构化数据基本一无所知，而这些恰恰是勾勒客户轮廓的关键，也是风险管理中最大的不确定因素。

二、变革之路就在脚下

商业银行自诞生以来，就与风险为伴。业务不断革新的同时，风险管理也在与时俱进。风险管理是银行的立身之本，其发展与变革必须由银行自身来完成。业务上拥抱互联网谋求新动力，风险管理则借势大数据求变创新。

首先，打造属于自己的数据库。风险在很大程度上是信息不对称的结果，信息隐藏在数据之中。只有将第一手数据牢牢掌握在自己手中，才能为风险管理提供依托，否则就是无源之水、无本之木。商业银行的风险在很大程度上是信用分风险，征信是防范信用风险的重要手段。无论是个人还是企业，最终的划分标准都是信用。

信用决定能否准入，决定不同的信用等级，等级越高能够享有的金融服务就越多，比如个人能否在一家银行申请信用卡，审批额度为多少，这些都是信用等级的直接体现。与个人相比，企业信用数据较为复杂，也更难获取，目前主流的手段是通过现场调查、客户提供和官方网站进行获取。但在互联网时代的背景下，信息的开放性与共享性更强，积极地与第三方数据提供商进行合作，不仅可以降低获取数据的成本，而且风险测评的结果也将更为准确和写实。

商业银行擅长结构化数据，第三方于非结构化数据造诣更深。相似数据合并提炼，不同数据则融合补充。这种跨平台的数据收集形式，将极大地提升商业银行数据库的丰富性与可行度。然则打铁还需自身硬，从风控的角度来看，获取外部数据本身就蕴含风险。所以商业银行应该着眼于未来，能力打造符合自身特色的数据库，为日后风险管理的全面转型打下坚实基础。

其次，从单一数据模型向复合数据模型转变。商业银行在日常的风险管理中，除了要面对个人与企业，还要面对市场。所以，经济环境和行业分类会对商业银行的经营产生巨大影响，例如宏观经济的剧烈波动、行业整体衰退等，由此产生的风险破坏力极强而且难以控制。

这就要求商业银行的数据不能过于局限，要对宏观数据(工业生产总值、物价指数、货币政策、财政数字等)和微观数据(行业政策、产业竞争力、企业财务数据等)进行全面的搜集和分析，并嵌入到风险管理的数据模型当中。在深入分析宏观经济环境的基础上，把握行业动态，进而具体的去考量一个客户的风险水平。

最后，从事后化解向事前预警转变。互联网+、大数据、云计算、AI技术还都处于初级阶段，未来必将以井喷式的发展刷新金融认知。过去商业银行总习惯于出现风险后去化解，今后商业银行的风险管理将更趋向于预警，在出现问题之初便展开一系列风险管理工作，以期能够及时识别风险并将其化解在初始阶段。有效的风险预警需要有较快的数据更迭速度和强大的模型分析能力，这在目前还很难完全达到。但随着技术的不断发展，我们有理由相信这绝非空想。在不久的将来，肯定会出现更为智能的风险管家，从识别到分析再到后续处置，为风控人员提供全流程的协同服务。

三、运用大数据重塑风险管理

商业银行风险管理有严格的流程，无论是个人业务还是公司业务，都主要分为事前、事中和事后。事前主要包括客户识别、客户分类和客户准入。事中主要包括风险的预测、评估和计量。事后主要涵盖风险的确认和转移，以及各种缓释措施。银行风险管理涉及众多的部门和人员，信息数据的滞后与不对称时有发生，各部门之间相互掣肘，甚至是推诿扯皮找借口。但如果能够借助互联网、大数据等新技术，就可以对数据进行全面掌控，在必要的时候打开端口，实现内部之间的信息共享。真正使数据的互联互通贯穿到风险管理的每一个重要节点。

不仅如此，随着大数据的兴起，今后银行风险管理的客户数据必然更加丰满，获得渠道更加便捷，数据准确性要求更高。届时，数据的广度和深度将会达到前所未有的地步，风管对象的交易信息、行为轨迹将会被银行实时获取，即时传回数据中心。此时，大数据将会以其强大的数据分析能力深度挖掘这其中隐藏的信息，风险管理中的不确定因素将会以数据结论呈现出来。在这里我们不妨深入地谈一谈大数据的应用前景：

1.促进征信体系的建立。金融首先要防范的是信用风险，一直以来主要依靠人行的征信系统，目前较为火爆的芝麻信用还有待完善。两者在建立的过程中都要绝对的依靠大数据。不仅因为大数据能够客观真实的反应各类信息，而且通过归纳学习，能够对客户进行全面的描述。商业银行在借鉴外部评级的同时，完全可以利用大数据升级现有的评级体系，真实反映客户资产状况、准确描绘风险水平，在此基础上精准地为客户提供产品。这样不仅使银行的利益最大化，而且能够让客户享受到应有的金融服务，错配风险也会大大降低。

2.利用大数据，提高预警防控能力。目前银行风险管理大多还是评分机制，这使得风险管理处于被动地位。比如很多信贷出现了逾期后，业务人员才意识到客户的信用出现了问题、企业的经营出现了困难，此时的系统预警又有何意义?而通过大数据，风管系统可以实时地获取客户的最新数据，再运用自身强大的分析和学习能力，对客户可能出现的风险隐患提前发出预警信息，之后风管部门再结合传统的风控模型，对这些信息做更为深入的分析和鉴别。这样就大大提高了预防风险事件的概率，也为下一步的风险缓释赢得了更多时间。

3.建立小贷工厂。今后商业银行将不存在对私业务这一概念，取而代之将是零售银行。大中型客户的业务模式短时间内不会改变，但对于多而散的零售客户，过去人工审核的模式注定被淘汰。大客户必须提供差异化服务，而小微客户则可以运用大数据按概率事件去处理风险，利用各种数据模型和评分卡进行业务审批，形成工厂化标准作业。不仅能够节省人力物力，工作效率也将实现质的飞跃，小客户+大数据的魅力便在于此。

互联网+、大数据亦或云计算金融领域的融合最终都会化为金融科技。未来几年数据泄露事件的增长率也许会达到100%，除非数据在其源头就能够得到安全保障。可以说，在未来，每个财富500强企业都会面临数据攻击，无论他们是否已经做好安全防范。商业银行风险管理体系仍处于初级阶段，但作为“业绩附庸”的时代早已一去不复返，盈利固然重要，但风险管理的保驾护航却是盈利的前提。未来的经济环境必将日益复杂，优胜略汰势必更加残酷，对于商业银行来说谁能做好风险管理，谁才有机会做到基业长青!