利用大数据优化银行小微风险管理模式研究.doc

利用大数据优化银行小微风险管理模式探析 　　摘 要：目前银行小微风险管理面临信息不对称和风险管理被动、滞后两大难题，主要原因在于小微风险管理技术手段较落后，手工操作模式对人工依赖度高，识别风险的数据维度尚待丰富，对已有数据的挖掘、利用不足，风险管理效率低下，效果不明显，成本高。文章从国内外银行应用大数据手段开展经营及风险管理的实践出发，提出大数据对提升银行小微风险管理的启示，梳理了小微数据管理及应用现状，并从文化理念与管理机制、内外部数据管理、模型建设与应用等方面提出系列优化建议，旨在促进小微风险管理从传统手工低效率模式向以数据模型为主的批量化、自动化、智能化高效率模式转变 关键词：大数据 小微业务 风险管理 数据管理 中图分类号：F830.4 文献标识码：A 文章编号：1004-4914（2016）08-182-02 引言 大数据在国内外商业银行已广泛应用于授信欺诈识别、准入筛选、授信额度审定、贷款定价等各种风险决策管理领域，并有许多成功运用案例。如：美国富国银行利用大数据拦截客户欺诈和评估贷后风险，VISA组织利用大数据巧妙化解信用卡诈骗、盗刷等事件侵扰；建设银行利用大数据技术挖掘客户融资需求并建立风险决策模型；中信银行利用大数据技术实现授信额度审批和贷款定价的自动化；工商银行通过与沃尔玛建立供应链互联网金融，对物流、信息流、资金流封闭管理，有效降低信息不对称风险，提升风险管理的效率和效果 大数据对商业银行风险管理的借鉴价值在于，通过数据信息分析、挖掘、聚类、建模，可应用于风险管理的防欺诈、授信额度核定、违约预警等各方面，简化流程，提高效率，有效提升风险决策智能化水平，强化风险管理效果，大量节省人工成本 一、大数据对提升银行小微风险管理的意义 银行小微风险管理手段仍较落后，技术提升迫在眉睫。主要体现在对已有各种系统利用不充分，对现有各类数据挖掘利用不足，风险管理自动化、智能化程度不高，手工操作占比大、环节多，严重依赖人工，使风险管理与人员不足的矛盾较为突出。本文认为，大数据对银行小微风险管理的意义主要有以下几点： （一）完整绘制客户数据图谱 全方位解读与识别客户风险基于大数据可将碎片化信息关联、整合、还原，构建以客户为中心的基本信息、资产负债信息、行为信息整体视图，做到360度全方位了解和识别小微客户，有利于洞察每个客户的需求偏好，提前察觉潜在风险并做好防范 （二）有效解决信息不对称问题，实现风险精准定位 小微授信业务的风险很大程度上来源于信息不对称。通过数据分析和数据挖掘技术在风险管理领域的大量应用，整合内、外部丰富的数据资源，进行勾稽关系逻辑印证，可以有效判定信息的真实性、可靠性，精准定位、识别和量化风险 （三）变事后的被动管理为事前的主动管理 小微风险管理滞后的结果是，事后发现风险，效率低下、损失率高，成本难以控制。基于大数据的风险管理，将各种风险规则嵌入生产流程，可实现批量化、自动化，实时、主动识别风险，及时预警，有效解决小微风险管理的被动局面 （四）实现全覆盖、全自动的批量化风险管理 不同于传统的单一抽检，基于大数据可将各种风险管理规则、数据模型与业务流程紧密结合，建立覆盖全业务流程、闭环式风险管理体系，将全量数据进行跑批，有效识别业务模块风险点，克服以往对全量数据进行抽检而遗漏部分风险的可能 因此，全行上下须积极拥抱大数据，改变风险管理决策依据，形成数据决策的习惯，建设小微数据化、模型化、批量化、自动化、智能化的主动风险管理体系 二、小微风险管理中系统开发、数据管理及应用现状 （一）系统开发的规划和前瞻性不足 目前某银行与零售业务有关并已上线的应用系统共计63个，其中与小微业务密切相关的有28个，主要分为授信、渠道、产品、客户服务、账户流水和结算六大类。但总体呈现多、散、乱、杂等特征，系统性规划和前瞻性深入思考不足，系统间关联性不足，自动化、智能化不足，需要人工逐笔处理的环节较多，解决问题的效果不理想 另外，部分业务流程尚未纳入科技系统支持，全流程的电子化、痕迹化管理尚未实现。如项目下资金流向批量监测和预警，不良资产打包转让等处置和核销流程，后督管理、合作社管理尚未纳入系统管理，销售系统尚无法自动进行客户结构分析、客户行为分析等 （二）数据归口管理与团队建设有待加强 一是目前全行数据处于多渠道共管状态，全行数据统筹管理部门不明确 二是银行已初步意识到数据对商业银行经营管理的重要性，在小微风险管理中也开始尝试，但自动化程度不高，未覆盖小微业务全流程，尚未搭建全行统一、高度共享、方便获取的小微大数据平台 三是数据分析、数据挖掘人才缺乏，目前团队建设仍严重滞后，整体速度有待加快，效果有待提升