首页 > 专题  > 正文

银行大数据风控与应对

2015-08-31 16:45
来源:中国电子银行网
作者:许方明
字号:

  2015年6月-9月,中国金融认证中心(CFCA)、中国电子银行网(微信公众号:cfca-cebnet)联合全国近70家银行发起“2015未来银行”征文活动。以下为热心网友通过网络渠道投来的稿件。

  作者单位:江西省农村信用合作联社

  一、商业银行风险管理面临的挑战

  银行风险控制是一个不过时的话题,虽然经过了多年的努力之后,我国的银行在风险管理这一领域当中已经取得了很大的进步。然而,在新形势下,风险控制又出现了很多新问题,所以我们必须承认,如果想真正的实现银行风险的控制,还需要做很多的工作,还需要客克服很多的障碍。这些障碍主要表现为风险管理与银行日常业务管理间结合的不充分。即使在一些已获共识的风险应用领域,如风险定价、绩效考核等,在实际的推广应用中,仍然普遍面临来自主观与客观两方面的挑战和阻力。

  究其根本,商业银行风险管理所面对的挑战,缘于风险量化手段的不足。对以数字为基本对象、追求精细化管理的商业银行而言,由于缺乏有效、合理、被业务部门接受的量化手段,风险因素在传统管理指标体系中难以得到充分体现,使得对风险的考虑不能成为银行日常业务决策过程中的天然和必需成分,风险管理方式以主观经验判断为基础。

  二、大数据的概念特性及之于银行业风险管控的优势

  关于大数据的概念,《大数据时代》一书中是如此描述的:“大数据是人们获得新的认知、创造新的价值的源泉;大数据还是改变市场、组织机构,以及政府与公民关系的方法。”大数据的核心就是预测,不是要教机器像人一样思考,而是把数学算法运用到海量的数据上来预测事情发生的可能性。

  (一)大数据的新思维模式

  大数据管理与现有的市场预测所不同之处,在于以下三点:

  第一,在大数据时代,我们可以分析更多的营销数据,有时候甚至可以处理和某个特别现象相关的所有数据,而不再依赖于随即采样。传统的数据分析存在误差,而大数据的营销数据分析更为准确,便于进行营销管理和营销决策。

  第二,大数据时代,便于统筹市场全局,大数据的指导之下,我们能够厘清市场当中的一个轮廓和整体的发展脉络,这其实要比数据分析本身的精确性表现的更为重要。相比之下,大数据因为更强调数据的完整性和混杂性,帮助我们进一步接近事实的真相。

  第三,在大数据时代,分析的大数据可以帮助我们捕捉现在和预测未来。比如世界贸易巨头沃尔玛就通过相应的大数据分析得到了一些分析,那就是在季节性的飓风在美国来临的时候,某一种蛋挞突然很受欢迎,所以,沃尔玛就会把这种库存的一些蛋挞和一些飓风时使用的物品放在一起,从而增加成交量。至于两者之间的关系究竟如何,无人关心,只需要明白两者之间存在某种相关性,就按照这种相关性加强管理就可以了。

  (二)大数据发展趋势

  1、各个领域都产生了大数据,大数据变得越来越重要

  随着科技的发展,数据的规模不断的爆发扩大,未来都会呈现指数型增长。我国网民数量位居全世界之首,每天产生的数据量也位于世界第一。像淘宝网站每天订单超过数千万笔,百度每天的搜索请求超过50亿次,这都将产生上单日TB级的数据量。除了互联网领域,在传统行业也会产生大量的数据形成大数据,如公共交通领域,北京每天各个交通主干道环路的交通变化情况,节假日拥堵情况记录,都属于大数据的基础数据范畴。另外,在医疗领域也是大数据暴发的一个关键领域,每个人的身体情况记录(体检记录、就诊记录、CT,B超记录),流行病的发病情况记录,一个病人的CT影像数据量达几十GB,以中国每年数十亿计的门诊就诊量来算,产生的数据规模不小于EB级。除此之外,在工业传感领域、在零售业、娱乐业、金融保险业都孕育着大数据,并且大数据己成为了重要的生产要素。

  2、大数据也逐渐形成了新的增长点

  数据的爆发式增长不光带动了规模的增长,也产生了更多的价值。比如公共交通领域的大数据,每天的拥堵情况变化,反映了城市在建设中的功能规划上存在的问题和不足。另外,随着城市的不断变化,数据也会呈现一定趋势化的变化,这些信息都将对未来的城市规划、道路设计、拥堵疏通产生重要的指导意义与价值。

  由此见得,电子商务在三个阶段的发展后,已经进入到“数据为王”精细化营销的发展阶段,掌握用户数据就可以摸索出用户的购买模式,找到用户的购买需求。找准用户需求,就可以有的放矢的进行有针对性的营销,提高营销的精准度。未来的电子商务将与大数据紧密捆绑在一起,可以这么说,未来谁掌握了数据,谁就抓住了电子商务的主动权。

  (三)银行运用大数据管控风险的优势

  1、强大的数据信息收集基础

  我们知道,金融业是一个数据密集型的行业,同时也是我国较早的普及电脑及相关运用信息技术这一技术的行业。在新世纪以来,我国的银行就普遍的提出了有关数据大集中的相关思想,并已经做到了将全行的相关数据集中在了一两个数据中心以及专门的备份中心。到目前为止,国内的规模银行几乎上都形成了自己的开发研究中心,而这些中心其实就是以大数据的收集和分析为基础的。除了这些之外,各银行发展标配的电脑设备、电子影像的采集设备以及ATM机和自助服务机等种种硬件反馈的信息仍然可以得到及时的收集分析,这些都凸显了银行自身所具有的强大的数据信息收集基础。

  2、良好的数据信息来源基础

  与数据收集相匹配,银行自身的信息来源也非常可靠,银行独有的柜面和ATM机乃至于POS机和网上银行等,这些都可以成为银行数据收集的来源。只要用户借助了上述的诸多金融工具,就能够有相关的信息反馈到银行内部的数据收集中心,这些都奠定了商业银行海量数据来源的基础。如此这般经过了多年的积累之后,银行的内部其实早已经形成了一个可以存储海量的相关信息的大型数据库。这些就是大数据的基础,能够为银行进行数据分析提供数据基础,也更为有利于后期的数据分析挖掘。

  三、银行运用大数据管控风险的策略

  (一)引入”大数据“技术,搭建运营风险管控新型平台

  运营风险事件往往涉及金融服务的交易层、账户层、组织层、链接层这四个层面。

  交易层由单笔单独交易构成,涉及现金存取、汇兑、票据等活动。账户是交易的集合,账户层分析着眼于账户涉及的全部交易。组织层即开户单位层面,一个组织开立的账户可能有多个,随着犯罪分子诈骗手段日趋隐蔽,仅凭对单位单个账户表现的分析已不足以判断该组织人员是否有欺诈嫌疑。链接层即跨地域、跨组织的关联方,链接层分析主要用于关联案件调查,尤其适用于商业银行内外勾结类欺诈事件的甄别。

  银行现有各类风险监测系统分析的重点是交易层,维度相对单一。引人“大数据”技术,利用非参数的无监督聚类算法和有监督分类算法及参数的统计回归技术,分类挖掘银行交易与经营数据、监控与检查数据,就能实现对客户业务在交易层、账户层、组织层及链接层等全部维度的数据分析,提升甄别运营风险事件的能力。为此,应通过数据仓库调用商业银行的全量数据而不是专业条线数据进行分析,对风险信息数据进行交叉复现、相互印证,最大限度降低误认、遗漏这两大统计推断错误,提升风险信息识别的稳健性和有效性。同时,采取非统计技术的数据挖掘与统计技术的抽样模型相结合的方式,充分利用银行现有各类监管数据信息,对结构相对复杂且分布特征不明确并多变的数据进行深度挖掘,提高风险信息识别的精准性。

  (二)运营风险管控新型平台的架构理念

  运营风险管控新型平台的主要架构理念是:流程可配置、可进行组件化管理,具备较大的柔性。一是建模流程可自由配置,通过提炼通用建模流程,将其系统化、自动化,流程可配置、支持快速加载建模环节;二是数据挖掘算法可灵活配置,可随时将新算法维护进运营风险管控平台,避免每次维护都进行硬编程;三是特征属性可配置,即数据挖掘的维度或统计变量可根据需要自由调整和增删。一般由业务部门向数据仓库管理部门提交数据采集的变量清单,数据仓库管理部门进行信息数据维护与ETL,运营风险管控新型平台的数据集市即时同步更新。

 

责任编辑:王超

您有好的观点和精彩的文章,欢迎投稿。投稿邮箱:cebnetnews@cfca.com.cn 。

微信扫一扫,在这里读懂新金融。欢迎扫描下方二维码关注中国电子银行网官方微信、浏览手机网站或下载官方APP(半刻金融)。

中国电子银行网官方微信 中国电子银行网手机网站 中国电子银行网官方APP
 
 
 
总是会有福利从这里发出……
手机上省流量看资讯
创新引领 半刻不停

 

新闻推荐

Copyright 中国电子银行网 2009,All Rights Reserved 京ICP证05045998号—2. 京公网安备110102004896号

可信网站