• 快捷搜索
  • 全站搜索

商业银行风险管理与大数据思维

2017-06-23 13:35:25作者:中国民生银行北京分行 江波 黄宇波编辑:金融咨询网
如果企业能够有效捕捉、分析、可视化日常经营活动中的相关数据源,合理应用大数据思维实现业务目标,提升运营效率和成本控制能力,必将在激烈的竞争中脱颖而出。

随着互联网信息技术的迅猛发展,以网络为传输渠道的数据信息正以前所未有的速度急速膨胀。数据信息指数级的增长和积累,极大地促进了以挖掘和分析庞大数据资源为核心的大数据理论与应用的发展。基于庞大数据资源的全维度分析,大数据能够有效过滤因数据样本限制产生的认知偏差,准确将隐藏于数据信息表层下的社会、生态、经济、商业规律予以量化揭示,规避经验和直觉决策风险,为决策提供精确、科学的依据。如果企业能够有效捕捉、分析、可视化日常经营活动中的相关数据源,合理应用大数据思维实现业务目标,提升运营效率和成本控制能力,必将在激烈的竞争中脱颖而出。

图片2.jpg
中国民生银行北京分行零售业务风险管理部 江波

  数据和风险是伴随商业银行经营活动的两大要素,二者相辅相成,维系着商业银行的正常运行。正如业界常说的:银行的业务就是经营风险,而数据则是银行最具价值的资产。如果将风险比作银行的灵魂,那么数据则是银行流动的血液。
   
  风险是数据信息不对称导致的结果,因此数据信息的识别和分析工作是银行风险管理的基础。作为经营风险的主体,商业银行既有数据信息应用的宽泛环境,又有数据信息应用的强烈需求。我们只有掌握尽可能多的各种数据信息、全面了解客户的真实情况,才有可能主观识别虚假信息、欺诈行为,客观揭示隐性风险、潜在风险。商业银行的数据采集、挖掘与分析能力决定了其风险管理水平,而风险管理水平直接决定了商业银行竞争力。
   
传统信息收集处理模式不适应新形势挑战

  以往,商业银行传统风险管理模式以良好的社会信用为基础,且客户的生产经营活动较为简单、关联关系并不复杂,需要识别和评判的风险因素相对清晰,数据信息主要由基层客户经理现场调查和借款人提供。
   
  经过多年改革发展,市场环境日趋复杂,信息技术的进步促使客户生产经营活动及风险特征发生重大变化。与此同时,商业银行有效获取数据信息的难度也逐渐增大,数据信息的各种不确定性给商业银行带来新风险。
   
  近年来,商业银行不良贷款率呈现持续上升态势。除了外部宏观经济下行的影响,从自身风险管理情况分析,不良贷款的成因至少包括以下几点与数据信息应用不到位相关的问题。
   
  1.信息不对称。市场环境错综复杂,资金链严重吃紧,很多企业实际控制人铤而走险,隐瞒实际经营情况、虚报账务、提供假担保和流水,导致商业银行收集的客户信息不对称,生产规模不对等、资金流向不清晰、盲目投资、关联交易、过度融资等一系列问题不能准确反映,严重影响了风险的识别和判断。另外,存在“一个客户多家支行上报,数据信息采集分散、重复”等问题。
   
  2. 信息缺乏说服力。商业银行采集的数据信息不完整、不连贯,各个部门之间信息很少共享,数据缺乏有效的整合。一个客户的数据统计往往因为口径不一致,出现多个版本,缺乏说服力,无法支撑对企业的整体风险识别。
   
  3.风控手段不完善。商业银行主要依靠定性因素结合自身经验判断风险,这样的方法对于经验欠缺的审批人员来说,很多风险隐患会被忽略。即使经验丰富的审批人员,遇到不熟悉的行业领域时,也会出现识别偏差,这种风控手段局限性大、效率低、质量差。如果借款人提供的信息遗漏、不真实,审批人员单纯凭借经验很难甄别风险,一旦风险暴露则早已错过最佳保全或退出时机。

大数据风险管理的运用与创新

  目前,商业银行面临实体经济产能过剩、外部市场日益复杂、大环境不景气等诸多风险隐患。伴随大数据时代的步伐,商业银行如何运用大数据防控风险、提升信贷资产质量、遏制不良率上升、保持市场优势,是业务持续经营的关键。

  商业银行引入大数据模式,可将现场调研与非现场数据收集分析有机结合,通过模型筛选、定性定量的多维度数据信息结合实践经验进行判断、核验,挖掘出多发风险的行业数据特征。通过大数据信息辅助识别风险,将会事半功倍地提升风险防控能力。
   
  1.  大量采集数据。大数据需要的是整个事物的全部数据,而不是随机采样,是大体的方向,而不是精确的某个点,大数据是一个相关的关系,而不是一个因果关系的结合体。数据信息的采集量达到一定数量,才能由量变引发质变,才能准确描述一个行业的发展规律、风险隐患和历史拐点。
   
  商业银行应利用各种渠道搜集数据。首先,应实时记录授信客户的贷前调研、贷中审查、贷后管理等各个环节的全部资料。其次,加强同业间的数据交流、合作和共享,相关数据收集部门间加强互联网沟通,充实整体大数据链条,便于下一步的数据挖掘和归纳。最后,尽可能引导客户利用互联网、电子化渠道办理业务,籍此提升各类交易数据的电子化程度。
   
  2.优化整合数据。各渠道收集上来的数据,数量大、维度多、时间跨度长、涉及面广,没有可借鉴性,只有通过优化整合才能充分发挥数据价值。我们要根据数据的来源、内容、时间、性质、特点等进行分类,建立相关的筛选、识别、保存制度,严控数据质量,确保数据的真实性、可靠性和连续性。要建立常态化的数据梳理机制,保障风险识别的深度。

  3.深度挖掘数据。深度挖掘是大数据的精髓。商业银行之所以可以运用大数据防控风险,是基于深度挖掘数据特性进行的行业预判和风险防范措施。作为互联网时代的新型产物,大数据与传统的信息收集、运用有天壤之别。过往的数据缺乏连续性、源头比较单一、反映问题比较片面,无法准确表现出客户的持续交易习惯、经营状况、盈利能力等,不利于商业银行预判预期走势。
   
  通过对数据的深度挖掘,可以掌握不同行业的发展趋势,同类企业的经营周期、区域变化和上下游供求变化等。深度挖掘后的数据,不仅可以呈现一个行业的历史,还可以通过数据交换和映射,进行短期、中期预测。便于商业银行及时调整授信方案,有效规避风险,降低不良资产率。
   
  4.大数据在风险管理中的运用。首先,要建立以客户为服务中心的全方位风险管理体系,打破原有的“小格局”。梳理各部门职责,剔除不必要的门坎和束缚,打破部门、机构、区域及不同产品之间的数据信息分散管理模式,集中统计管理各项数据信息,形成高效合作、资源共享的运营机制,实现信息分析的多元化、准确化、高效化。
   
  其次,构建非现场贷后管理模式。将授信客户贷后信息完整准确地录入大数据信息系统,如发现授信客户出现交易结算量下降、存款变动幅度较大等风险隐患数据,应进行实地核查,及时采取资产保全或收回授信等措施。

  最后,商业银行应重点培养自身专业团队,深度挖掘各项数据,梳理各项参考值、各种波动区间,及时向全行通报行业变化情况、风险预警信息等。
   
结束语

  依托于社会科学的进步、信息技术的发展,前所未有的庞大信息数据透过互联网这一新兴载体,影响并逐渐占领了传统行业与金融市场的每个角落。作为经营风险的企业,商业银行在这一变革浪潮中应高瞻远瞩、与时俱进,通过大数据思维不断提升与信息化社会发展相适应的风险控制能力,在大数据时代的激烈竞争中把握新机遇、取得新成绩。

(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章