《大数据与商业银行风险管理优化的关联分析》由会员分享，可在线阅读，更多相关《大数据与商业银行风险管理优化的关联分析（6页珍藏版）》请在金锄头文库上搜索。
1、大数据与商业银行风险管理优化的关联分析 孙继锋 刘高峰 中国建设银行广西区分行 摘 要： 在经济增速换挡、结构调整加快、新旧动能转换的新常态下, 商业银行的不良贷款高企再次成为社会关注的焦点, 银行的风险管理再次成为业界研究的重点。本文从大数据技术的视角重新审视银行风险管理, 分析大数据技术与银行风险管理的关联关系, 进而提出商业银行利用大数据技术优化风险管理机制的对策建议。关键词： 大数据; 商业银行; 风险管理; 优化; 作者简介：孙继锋, 男, 经济师, 供职于中国建设银行广西区分行。作者简介：刘高峰, 男, 经济师, 供职于中国建设银行广西区分行。收稿日期：2017-06-29Rece
2、ived： 2017-06-29在“三期”叠加的经济新常态下, 商业银行的不良贷款进入高发期, 引起全国各方面的关注。商业银行资产风险管理再一次成为社会的焦点, 银行风险管理成为一个重要的研究方向。不良贷款的高企也促使银行开始反思传统风险管理技术的适应性, 进而查缺补漏。鉴于此, 本文将探讨商业银行如何利用大数据技术优化风险管理。一、商业银行风险管理的现状分析商业银行股份制改革以来, 经营业绩和风险管理水平都取得了长足的进步, 但随着 2012 年经济下行成为新常态后, 商业银行不良资产进入暴发期, 逐步暴露出商业银行风险管理的短板。在贷前管理环节, 商业银行信贷调查不尽职、不深入是普遍现象,
3、 调查方式、方法单一是客观限制, 主要表现为:对行业判断存在拍脑袋的现象, 造成行业风险的预判不准确、不客观, 导致进入落后产能行业;存在对准入客户评级分类不严谨的问题, 为了让客户符合准入条件, 虚高客户信用等级结果, 进入生产经营不正常、主营业务不突出、财务状况不好、过度融资的客户;存在对客户过度授信的现象, 由于系统测算不正确、不审慎, 导致偏离客户实际融资需求。贷中管理环节, 商业银行存在审批不严格、抵质押不足值、保证人代偿能力差、动态重估流于形式、贷款发放与客户用款计划不匹配等问题。贷后管理环节, 商业银行由于缺乏先进的监管手段、技术, 导致贷款资金流向监控不到位, 贷款资金被挪用的
4、现象频发。对客户的账户结算等关键信息缺乏监管能力, 还款资金得不到有效控制。对客户出现的风险监控预警不到位, 未能及时调整客户风险等级, 导致客户资产质量反映不真实。综述可知, 我们可以看到商业银行风险管理中还存在着各种问题, 这些问题有主观的不作为原因存在, 但更多的还是观念、意识、手段的原因造成的, 尤其是技术手段的不足已成为制约商业银行风险管理的最大障碍。二、大数据技术对商业银行风险管理的适用性商业银行经过几十年的发展, 积累了海量的客户数据资料, 由于传统信息技术的限制, 这些数据中只有少量的结构数据得到了利用, 大量有价值的数据得不到有效开发。随着大数据技术出现, 以往“不见天日”的
5、数据开始成为战略性资源, 对提升商业银行的风险管理技术有很大的作用。首先, 大数据技术可以帮助商业银行精准定位客户, 把好客户准入关。选择好的客户才是风险管理最关键的一步, 没有好的客户, 再优秀的贷后管理能力也是无回天之力。精准定位说起来容易, 做起来是很难, 在大数据技术未出现前, 精准大多时候只能是理论上的存在。传统的商业银行客户选择更多是在信息不对称的条件下作出的判断, 既然是信息不对称, 就很难开展精准的营销, 容易错失优质客户。现实中, 大量优质的小企业客户和个人客户未能被银行识别就是活生生的例子。有了大数据技术, 商业银行通过大数据进行客户识别后, 还可以通过大数据技术深度挖掘客
6、户态度和行为信息, 并针对某一群体的特征展开精准营销。例如, 建设银行的大数据小微企业贷款产品就采取了“细分市场、批量开发、名单制销售”的方法, 快速占领市场份额。因此, 客户选择很关键, 没有高质量的客户, 后续的风险管理就成为无源之水。其次, 大数据技术可以帮助商业银行定量动态监测风险。经营风险是银行的本质。传统的风险管理方法大多依靠银行工作人员的定性分析, 辅之以简单的计量模型来进行风险的识别、分析、判断和预防。随着竞争的日益激烈, 这种传统的方法已经不能满足复杂的银行风险管理的需要。基于大数据分析技术, 商业银行可以建立内部风险评级模型, 量化管理信用风险。大数据可以帮助商业银行高效、
7、客观、定量地评价客户的真实还款能力, 进而为商业银行信用风险管理提供更加丰富的信息支持。置身于不断变化的社会环境中, 商业银行面临的风险也在不断变化, 这就需要商业银行采取动态监控的方式来监管风险。商业银行智慧型风险管理借助大数据技术, 可以实现实时动态采集、挖掘、分析和决策。传统商业银行风险管理方法则多是简单的采用静态模型计算风险敞口, 这些信息虽然能反映商业银行客户的生产经营与资金运行流向、交易习惯和历史数据变化等信息, 但是静态信息往往只能反映单次交易, 难以从总体上发现风险端倪。大数据技术能够跟踪和监控商业银行现有的信贷客户, 追踪每个信贷主体的资金流、物流和还款数据等, 并将之输入对
8、应的计量模型, 智能分析客户的信用状况, 对可能出现的坏账情况做出预警。总之, 伴随着大数据时代的来临和电子信息化的深入发展, 信贷风险管理领域对数据分析的要求越来越高, 大数据技术在商业银行风险管理领域所能发挥的作用也越来越重要。三、商业银行风险管理运用大数据技术的 SWOT 分析当今社会, 信息化浪潮方兴未艾, 正改变着整个世界。商业银行无疑也是被深刻影响的一员, 大数据技术对商业银行的服务、产品、管理、营销、风险管理等方面产生了深远影响。下面, 利用 SWOT 模型重点分析商业银行风险管理运用大数据技术的机会与挑战。(一) 商业银行风险管理运用大数据技术的优势 (S) 分析一是拥有超大规
9、模的数据量, 具备了开展大数据技术的核心基础。银行每天都在发生着数以万计、亿计的业务量, 这些结构性数据、非数据就是数据战略资源。二是拥有众多高素质人才, 大数据技术归根结底还是要由人来掌握和应用, 才能发挥大数据技术的优势。银行从业人员的素质在各行业中都是比较突出的, 基本具有本科及以上学历, 具备人才优势。三是资本充足, 资产质量较好, 整体风险可控, 具备开展大数据技术的物质基础。商业银行是金融体系的核心, 每年的利润可观, 资产质量一直保持优良, 未来发展向好, 将会继续在社会发展中充当重要的角色。(二) 商业银行风险管理运用大数据技术的劣势 (W) 分析一是创新不足, 风险管理的手段
10、传统, 数据信息收集不完整。传统的风险管理是建立在经验判断的基础上, 业务条线与风险条线的整合不够, 导致对客户信息收集的口径不一, 容易出现关键信息缺失的问题。二是智能化达不到大数据技术所要求的水平, IT 技术缺乏核心竞争力, 缺乏深入分析应用数据与信息的功能, 对数据信息的整合、挖掘分析不到位。三是人才队伍素质与结构和大数据技术要求有差距, 员工知识老化, 综合性复合型人才不多, 难于满足智能化的发展潮流。(三) 商业银行风险管理运用大数据技术的机会 (O) 分析一是大数据降低了信息不对称程度, 提高商业银行识别风险能力。信息不对称一直是经济学中最大的难题, 很多经济学理论在面对信息不对
11、称的现实条件下, 都不能得到很好的解释。大数据技术的出现很大程度上解决了信息不对称的问题, 有效提高了银行的风险识别能力。二是大数据打开了新的业务渠道和营销渠道, 有助于商业银行规避潜在的风险。现在的营销策略多是经验性营销, 配置给客户的产品也不是最佳的组合, 营销给客户的产品也不是最合适的, 这样自然就会产生风险。三是大数据采用计量与定性相结合的方式计量风险, 促进商业银行精细化管理。在信息不对称的市场, 银行选择客户凭经验为主, 缺乏定量的分析判断手段, 精细化水平不够, 不能实现有效的风险管理。(四) 商业银行风险管理运用大数据技术的威胁 (T) 分析一是大数据加剧了银行业的竞争, 竞争
12、对手已经不再局限于同业内部, 互联网企业的加入将改变整个银行业的生态格局。例如, 现在充斥网络的各种“宝”、P2P 平台, 对银行产生了极大的威胁。建设银行与阿里巴巴的合作, 就充分说明银行已经感受到了压力和挑战。二是大数据加剧了银行业信息安全的风险, 共享性是大数据技术的最大特点, 同时也是最大的风险所在, 对商业银行信息风险管理的要求更高。信息共享的环境下, 信息安全是任何一个单位、员工都关心的问题, 不解决信息安全问题, 大数据就很难真正地走入正轨。三是大数据对商业银行基础设施和人员素质的要求更高, 提高了商业银行风险管理转型的难度。未来商业银行需要培养大量人才来配合大数据技术的应用,
13、实现自身转型。四、以大数据为核心优化商业银行风险管理(一) 树立大数据战略理念经济新常态下, 金融改革的逐渐深化, 在利率市场化、民营银行、“互联网+金融”的冲击下, 商业银行面临的竞争空前激烈, 只有勇于变革, 才能在愈加激烈的竞争中生存。银行在传统风险管理体制下, 条线分割、部门化的经营与管理机制严重制约着风险管理工作的开展。在当前的运行机制下, 部门各自为政, 按自身需求来定义、筛选和采集数据信息, 造成数据信息内涵定义标准不统一, 数据信息采集不完整, 很多关键信息缺失, 达不到大数据要求的数据标准。从国内外实践可以看出, 大数据是目前商业银行战略转型的关键性资源。因此, 商业银行风险
14、管理应树立大数据战略理念, 制定与商业银行整体战略转型相结合的大数据战略。大数据应提高到战略的高度, 才能保证其在商业银行进行风险管理中的效用。商业银行大数据风险管理战略需要各部门的互联互通、紧密合作, 才能确保大量数据信息被不人为分隔。只有各部门相互配合才能实现大数据风险管理的“全面、全员、全过程”目标。(二) 提升大数据应用能力商业银行拥有庞大的数据资源, 但这些数据要经过开发才能发挥其作用, 大数据应用能力是提升风险管理水平的关键所在。要做好大数据技术与风险管理的融合, 具体要从以下几个方面入手:一是商业银行应培育大数据的采集、整合能力, 这样才能构建一个有效的大数据原料数据库。采集大数
15、据内容要多元, 时间上要保持连续。同时, 商业银行应注意内外部数据的整合, 对采集来的数据也应统一个格式与标准, 整合成基准相同的数据库。二是商业银行应增强大数据技术挖掘、分析、加工能力。通过大量数据信息的挖掘分析, 勾画出客户的全景视图。在此基础上, 筛选出那些适合本行风险偏好要求的客户群, 提升客户整体价值和银行整体的风险管理水平。三是要在商业银行数据处理中心强化分析和应用海量非结构化的数据。金融云信息平台, 以数据信息大集中为依托, 运用技术管理手段控制风险, 使风险监控系统更好地发挥作用。(三) 创新大数据整合模式通过分析大数据与银行风险管理之间的联系, 我们可以看出大数据技术对银行风
16、险管理有着极大的指导作用。当前, 银行的部门切割、条线独立等客观现实阻碍了数据信息的收集、整合。要真正发挥大数据技术的作用, 就要以大数据的思维和理念来构建以客户为中心的数据收集整合模式, 破除条线各自收集数据的体制, 构建部门间联合作战的体系, 让以往分散在部门、机构、区域、产品间的数据信息得以大整合, 建立以客户为核心的集中统一管理数据信息的机制, 通过充实客户相关数据信息资料库, 构建健全的管理信息系统、风险控制系统和决策支持系统, 在线实时监控系统, 实现制度化和规范化, 使得风险管理工作成为科学而不是依赖于个人主观判断。同时要建立健全数据信息应用授权和安全管理制度, 让数据在部门、机构间安全、高效的运行起来, 发挥其在风险管理中应有的作用。(四) 优化大数据风控体系商业银行可以探索建立大数据信贷风险监测中心, 将贷前的客户选择、贷中的客户分析、贷后的客户监测作为中心的核心职能, 对信贷客户进行实时、动态、全方位、全流程的风险监测, 真正构建全面风险管理体系。在客户选择阶段, 如发现客户的资产负债、现金流或他行融资信息异常, 则及时
