大数据在商业银行中的应用——基于风险控制的视角

发布时间：2022-01-20 21:00

　　大数据应用已成为时下热门技术,将大数据技术与商业银行风险管控相结合,嵌入全授信生命周期,解决商业银行信贷流程中信息不对称、信贷决策不科学等业务痛点,促进商业银行风险管理技术升级。首先,通过梳理商业银行存在的风险管控问题,依据大数据风险管理的特点,提出大数据风控逻辑。其次,通过细化风险方案设计,搭建不同的功能模块,提升商业银行风险识别、自动化策略制定水平,从而优化商业银行在信贷全生命周期中的风险管控能力。 

【文章来源】：科技与经济. 2020,33(04)

【文章页数】：5 页

【部分图文】：

大数据风险控制逻辑图

大数据风控管理采用“主动元数据管理”的理念,将外部数据转换成商业银行内部能够识别的数据,并进行相应的存储管理。通过解析模板和元数据映射,外部各种数据结构和报文转换到数据存储结构,并进行解析存储。同时对于交互文件进行管理,用于管理各种接入渠道的交互文件,实现预览、导入、导出等功能。商业银行将主动元数据管理贯穿于整个大数据处理生命周期,通过对元数据管理、信息配置实现数据加工操作,通过数据采集、作业调度、运行监控模块实现外部数据的个性化采集,通过数据标准、数据资源以及数据加工模块完成数据的加工,最终实现对下游应用系统灵活、便捷、有效的数据服务,实现数据的价值最大化。3.3 数据服务管理

大数据风控数据服务管理可将各种服务视图嵌入到商业银行业务系统和业务场景,承担着连接桥梁的作用。大数据使用端如信贷系统、网贷系统、税贷系统等可获取相关数据或者调用大数据应用引擎。大数据风控管理可将外部服务端、内部服务端、平台端、业务系统端多者相互打通,数据经过模型加工形成服务引擎,在实际业务场景当中,通过数据引擎实现专业、权威、实时、优质的大数据风控服务。3.4 数据智能引擎

【参考文献】：
期刊论文
[1]大数据时代商业银行服务小微企业的风险管控[J]. 陈婕.  财经界(学术版). 2019(19)
[2]商业银行智能风控探索[J]. 肖馨,马远,陈璐.  中国金融. 2019(11)
[3]中国影子银行的经济学分析:定义、构成和规模测算[J]. 李文喆.  金融研究. 2019(03)
[4]大数据风控的现状、问题及优化路径[J]. 巴曙松,侯畅,唐时达.  金融理论与实践. 2016(02)
[5]大数据技术在商业银行中的应用:场景、优势与对策[J]. 李虹含.  广西大学学报(哲学社会科学版). 2016(01)
[6]美国ZestFinance公司大数据征信实践[J]. 刘新海,丁伟.  征信. 2015(08)
[7]大数据助推信用风险管理创新[J]. 庞淑娟,黄旭.  银行家. 2015(02)
[8]大数据时代商业银行信息化问题浅析[J]. 赵付玲,安锋,张晓锋.  金融理论与实践. 2013(10)
[9]大数据可解小微企业融资瓶颈[J]. 巴曙松.  中国经济报告. 2013(06)
[10]信息不对称、企业异质性与信贷风险[J]. 尹志超,甘犁.  经济研究. 2011(09)



本文编号：3599510