大数据与银行信用风险管理优化

  本文关键词：信用风险管理

  更多相关文章： 大数据与银行信用风险管理优化

　　2016年7月-10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70余家银行发起“2016金融科技引领银行未来”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：江苏银行风险管理部 

    以大数据思维为基础发展起来的互联网金融在很大程度上冲击着传统银行业务领域，同时也给传统银行带来新的变革和机遇。在风险管理方面，大数据技术正将客户的各种行为以数据的模式进行储存，对于数据的分析挖掘有助于商业银行了解客户的自然属性和行为属性，在这种情况下，大数据分析有助于全面了解客户面临的信用风险、弥补传统风控手段的不足，对于建立完善的风险防范体系有一定的积极意义。

　　一、大数据技术在银行信用风险管理中的应用领域探索

　　（一）大数据技术应用于信贷业务的贷前调查

　　目前信贷业务的贷前调查主要是借助客户线下填写的资料，对其相关信息进行核实，目前这种人工线下操作的方式对员工的信贷调查能力有较高的要求，且获取的信息可能不够精准、全面，在这种情况下，银行可合理利用大数据分析技术来降低信用风险。比如：可以利用大数据征信收集各个平台的客户信用信息，除了传统央行征信系统外，互联网金融公司等其他机构存在自己的数据系统，也存有相应的信贷记录，通过对这些征信数据的接入，可以增强对客户信用情况的了解；可以对接国家公安端口，收集客户的的其他信息，如犯罪记录等；可以利用其它智能大数据手段，比如对接银联系统，查看客户的消费情况等。通过这些方式可以在贷前对申请人的消费习惯以及信用状况有一个更为全面的了解，并最终将其纳入是否为其办理信贷业务的考量之中。

　　（二）大数据技术应用于贷后监测

　　当今社会人们的消费方式和支付方式均日趋丰富和多样，可以用于分析和挖掘的数据也日益繁多。建立与各个数据平台的联系并进行数据整合，提取有效字段形成统一的数据信息，对所获取的信息按照银行的风险标准，通过计算机技术设计一系列贷后监测的数学模型，利用数学模型在大数据中寻找客户与信息风险间的关联，并提取异常信息，银行风险监控人员根据预警的授信客户异常信息，再对异常信息进行排查，有利于及时了解客户动态，防范潜在风险。

　　二、应用大数据技术进行信用风险管理存在的问题

　　（一）银行对信贷客户的数据信息收集不完整

　　目前银行对借款人的数据信息收集的难度随着市场环境的变化而逐渐增加，对于借款人的实际生产经营情况以及资金流向无法详尽地了解，对于借款人存在的一些民间融资、主营业务外的其他投资以及借款人关联方的数据信息也掌握不够全面。借款人一些较为隐私以及深层次数据信息采集较为困难，存在的遗漏和缺失较多。由于借款人的相关数据信息的采集主要是依靠借款人提供及业务经办人员核实，数据不够完整。

　　（二）银行对客户数据信息的分析挖掘不到位

　　客户数据信息收集不完整，再加之缺乏有效的整合，银行很难对借款人的整体风险全面把控，甚至可能导致银行对借款人风险作出错误的判断。对于一些集团客户，由于其存在经营地域的分散性以及经营领域的多样性，如果不对数据信息进行整合和深入挖掘，就很难对风险进行识别和把控。此类借款人及关联人多头贷款的情况较为普遍 ，如果仅从表层的数据信息分析，很难清晰地了解其复杂的交易、资金流动以及生产经营和社会关联情况，有可能对于客户的关联、互保、交叉违约等复杂风险作出误判。

　　（三）银行数据信息安全存在一定威胁

　　目前大数据分析技术存在的另一个问题就是数据安全的问题，由于银行业务范围的不断拓展延伸，银行的业务日趋多样化和复杂化，对数据的安全也提出了新的挑战。大数据虽然能够在在一定程度上缓解信息不对称的问题，为银行信用风险管理的优化提供新的手段，但如果数据管理不当，造成的数据泄露、丢失等，都将给银行带来较大的声誉风险。因此，大数据本身也需要纳入风险管理体系中，形成独特的风险管理方式，保障银行数据信息的安全。

　　三、大数据应用于信贷风险管理工作的对策

　　（一）拓宽数据信息获取渠道

　　商业银行要利用大数据优化信用风险管理，就必须从获取数据的渠道入手 ，增强与社交媒体、支付网站、互联网网络等新型数据获取渠道的沟通及连接。银行将内部系统与社交网络数据互联，有利于充分发挥社交网络在客户获取等方面的优势，有利于拓展客户资源，完善客户信息。商业银行也可以与社交媒体、互联网站等开展战略合作，如加强同业间的数据信息交流合作，，与相关机构和部门在数据信息上的交互联网，并与一些专业数据公司进行合作，包括协作、购买、交换等方式，全面有效地整合客户信息，由此可以将客户风险管理与移动网络、电子商务、社交网络等融合起来。

　　（二）建设商业银行大数据分析平台

　　大数据分析技术的应用离不开数据分析平台的建立，以大数据思维建设系统集成平台，可以加强风险建模及风险量化的能力，为风险管理提供技术支持，对客户的潜在风险进行量化考评，在有数据支撑的基础上对客户的风险情况进行综合评估。利用大数据平台，商业银行能从互联网、移动平台等非传统渠道中及时捕捉以前无法获得或无法使用的客户数据，并通过与传统数据的快速整合，完成客户行为模式的分析。同时保证系统平台的不断优化，既可以持续提高数据信息的使用价值，也可以持续拓展风险管理的宽度、高度和深度。

　　（三）加强银行数据信息安全管理

　　数据安全管理方面，商业银行可以从以下几方面入手：首先，要建设数据标准管理流程及数据质量管理流程，共同推动数据安全标准，加强对于数据安全的检查及监督，规范数据信息的获取 ；其次，加强与同业机构以及监管机构的交流合作，学习同业经验，借助监管服务的力量，提升自身的大数据安全水准；三是主动加强与客户在数据的安全以及数据的使用等方面的沟通，提升客户本身的数据安全意识，形成数据安全管理的合力效应。

责任编辑：小庄