马红
(中国光大银行股份有限公司大连分行特殊资产经营管理部 辽宁大连 116001)
大数据时代的到来，推动了各行各业的深化改革，数据的价值得到众多领域的共同认可。大数据技术的发展推动着金融领域的数字化转型，特别是具有数据优势的商业银行也纷纷进行大数据应用，力图通过大数据技术降低银行风险，实现自身的可持续发展。
大数据技术具有传统数据管理无法比拟的优势，在商业银行风险管理中应用大数据技术是新时代发展的必然要求。
1.1 有效降低信息不对称
信息不对称是造成商业银行风险的重要原因，大数据技术的深入应用能够有效降低信息不对称，从而实现高质量的风险管控。通过深入挖掘、整合商业银行内部积累数据和外部共享数据能实现对客户的精准画像，展现真实的客户风险状况。通过对客户财产、财务、交易、行为、市场和区域等方面数据的整合，形成全面的客户风险视图，并通过全过程的大数据分析，及时掌握客户情况，前瞻性地发现风险，从而实现有效的风险管理[1]。具体而言，在贷前环节，大数据技术通过整合客户数据，实现对客户精准的综合评分，包括信用评分和偿债能力评价等，从而为客户准入提供有效指导，减少商业银行不良贷款率，降低经营风险。在贷中环节，商业银行通过动态的内外部数据搜集、整合和分析，实现对贷款客户的实时监控，及时进行风险预警，减少银行的潜在损失。在贷后管理阶段，通过大数据技术能对逾期客户的企业、资产和其他个人信息有更全面的判断，从而为贷后催收提供便利，实现更高效的不良资产处置。
1.2 进行更全面的风险识别与评估
风险识别与评估是进行有效风险管理的基础，大数据技术的应用能更全面地进行风险识别与评估。商业银行的风险主要包括信用风险、操作风险和市场风险三大类。针对信用风险，现阶段我国商业银行不仅缺乏统一的风险评估，还缺乏针对中小企业和个人信用的评估手段，风险评估不全面、不科学。通过大数据平台，商业银行可在建立丰富的风险库的基础上，通过大量数据的采集、分析和交叉对比，量化客户的风险状况，从源头上减少贷款风险，避免不良贷款的产生。针对操作风险，商业银行可以利用大数据技术对内外部损失数据进行系统、深入的分析，从而获取风险点，完善内部操作流程，提高风险管理。针对市场风险，商业银行可以利用大数据技术对产品交易价格、利率变化状况进行实时监控，并进行准确的风险计量与评估，最大程度地减少市场风险的影响[2]。
1.3 实现更为全面的风险监控
利用大数据技术，商业银行能够更好地计量风险，实现全过程、全方位的风险监控，实现全面风险管理。一方面，商业银行可以利用大数据技术实现风险定量分析，通过搭建大数据平台，挖掘和整合数据之间的内在关系，建立风险计量模型库，量化管理信用风险；
另一方面，商业银行可以利用大数据技术实现动态风险监管。风险与商业银行的运营发展相伴而生，无时不在。因此，静态的风险管理注定无法满足商业银行发展需求的，通过大数据技术对实时数据进行采集、分析和智能评估，能及时发现风险，实现实时风险监控。总之，大数据技术助力更精确的风险识别，实时的风险监控，从而实现全面风险管理，促进商业银行的持续健康发展。
大数据背景下，商业银行纷纷开始进行数字化转型，然而受多方面因素影响，现阶段商业银行风险管理在融入大数据技术中还存在一些问题。
2.1 大数据加剧了商业银行信息安全隐患
大数据技术的应用是新时代下商业银行风险管理的大势所趋，然而由于大数据来源的广泛性及互联网的共享性，导致商业银行更容易产生信息安全隐患。一方面，如若管理流程存在漏洞，或大数据平台存在漏洞导致黑客攻击及数据泄露，就会给商业银行带来无法估量的损失，也会泄露客户的隐私，造成客户对银行的不信任[3]；
另一方面，大数据采集的范围广、内容繁杂，涉及一个采集标准和尺度的问题，这是大数据技术应用中普遍面临的困境，对数据格外敏感的金融业更是如此。因此，若商业银行在大数据采集中缺乏明确的标准，就很有可能存在过度采集的问题，不仅会侵犯客户的合法权益，还面临道德和法律上的问题。
2.2 部门间客户信息数据割裂
客户信息数据割裂导致商业银行大数据技术应用效率较低，主要表现在两个方面：一方面，行内数据缺乏分享。各商业银行分行、支行获取的数据主要是为了本经营行使用，行内共享程度不高。由于总行搜集数据主要是为了风险管理与评估，分支行搜集数据则主要为了贷款业务需要，在数据搜集和使用中总行与分支行之间、各分支行之间缺乏紧密的沟通，一些商业银行还缺乏统一的大数据信息平台，这就造成客户信息数据的割裂，不仅造成工作上的重复和低效率，还增大了风险管理难度[4]；
另一方面，统一经营行不同部门间信息共享度不高，客户信息数据割裂。一般而言，对客户数据进行采集的有个人信贷部门、零售部门和私人银行部门，这几个部门负责的业务不同，风控管理也有较大差别，在信息采集、分析过程中的标准也有较大差异，因此各部门各自采集的信息既可能造成重要信息的缺失，又可能产生重复性的工作内容，增大了商业银行风险管理的难度。
2.3 大数据开发能力有待提高
商业银行传统风险管理大都是对结构化数据进行处理，然而在大数据背景下，商业银行一方面要面对众多非结构化数据，另一方面是数据处理规模呈几何量增长，这对商业银行大数据开发能力提出了更高的要求。面对数据量大、结构复杂的数据，商业银行大数据开发能力呈现不足的现状，主要表现在三个方面：第一，传统的数据处理硬件系统和软件系统已经无法满足高效率的数据处理要求。传统数据处理系统数据处理效率不高，并且对很多非结构性数据无法处理，不能有效挖掘数据背后反映的风险；
第二，大数据处理技术缺失。一些商业银行仍采用传统数据处理思维，缺乏对大数据技术应用的战略意识，没有引进相关大数据处理技术，导致银行在大数据处理上的核心能力不足；
第三，大数据专业人才缺失。这是影响商业银行大数据开发能力的重要因素，下文将着重分析。
2.4 大数据专业人才缺失
专业人才是大数据背景下商业银行深化大数据应用能力、提高风险管理质量的必要保证。大数据技术在商业银行风险管理中的应用，一方面是大数据的采集、分析与预警，需要处理海量的数据内容；
另一方面是构建风险模型。商业银行传统数据处理以报表分析为主，涉及的数据量相对较少，处理起来较为简单。在风险管理上，传统方法是采用样本分析，很难展现商业银行风险管理的真实情况，而大数据技术是从全样本出发，处理的数据量、复杂程度都大大增加，这就对工作人员提出了更高的要求，他们不仅要具备风险管理相关知识，还要具备数学、统计学、金融学等相关领域的知识。就现状而言，一些商业银行缺乏大数据专业人才，导致在大数据技术应用上存在瓶颈，风险管理质量不佳。
2.5 缺乏对外数据合作机制
商业银行利用大数据技术进行风险管理的前提是全面的基础数据，不仅需要银行内部获取的数据资料，还需要外部的数据作为补充。然而，现阶段由于客户隐私和风险控制方面因素的影响，难以建立充分的外部数据共享。客户出于自身的利益考虑，根据不同银行的风控管理在信息提供上会有所美化，商业银行难以从多个角度对信息的真实性进行验证[5]。同时，无论是人民银行的征信系统还是商业银行自己的数据库，客户信息的时效性都存在很大问题，这会给银行带来风险。除了信贷风险外，商业银行同业之间缺乏系统风险、操作风险方面的数据共享，也不利于商业银行的风险防控。
针对大数据背景下商业银行风险管理存在的问题，本文针对性地提出了优化策略。
3.1 强化数据风险管控
要想保证数据安全，就必须强化数据资源风险管控。首先，商业银行要重视信息化建设，完善大数据平台，做好信息安全防护，避免因黑客入侵造成的信息泄露，保证数据安全；
其次，由于大数据的关 联性强，商业银行要加强与监管机构的合作，协调大数据链条中涉及的监管机构与合作单位，共同制定数据安全标准，明确数据采集标准、采集范围和使用范围，严格按照基于法律范畴内的数据安全标准采集、使用数据，避免过度采集数据情况的发生，维护客户的合法权益；
最后，商业银行要强化员工的数据安全意识，完善内部数据管理和操作流程，制定标准化的数据采集、使用流程体系，加强内部监管，防止因操作风险导致的数据泄露、过度采集问题，切实确保数据安全。
3.2 健全企业级信用风险分析与预警平台
针对客户信息数据割裂问题，商业银行要建立健全企业级信用风险分析与预警平台，实现充分的数据共享与风险防控，降低银行风险[6]。商业银行要整合现有的风险监测与预警系统，搭建统一的风险分析与预警平台，实现总行、分行和支行等不同层级、不同地区商业银行及同一商业银行不同部门的充分信息共享，统一数据搜集、整合，和统一风险识别、监控和应对，既能通过统一平台降低风险管理成本，又能提高风险管理的深度和效率，从而及时进行风险识别和防范。企业级信用风险分析与预警平台要在对整个商业银行数据进行搜集、分析和整合的基础上，构建完善的风险模型库，并对各项业务环节包含的实质性风险与风险边界进行统一监控，及时识别和化解风险。
3.3 提高银行数据开发能力
要想提高商业银行大数据开发能力，就必须树立大数据战略理念，落实大数据开发的硬件、软件条件，充分应用大数据开发技术，培养大数据开发人才，实现大数据开发能力的全面提高。首先，商业银行要重视大数据技术，灌输大数据技术的重要性，让每个员工都意识到大数据技术的重要性，形成大数据思维，形成在工作中使用数据、用数据说话的文化氛围；
其次，商业银行要建立健全大数据开发硬件和软件系统。硬件系统方面，对现有硬件系统进行更新、升级，满足大数据存储、计算、开发的需求，为大数据开发奠定良好的硬件基础。软件系统方面，搭建大数据平台和数据智能引擎，为批量数据采集、挖掘和分析创造良好的软件条件；
最后，商业银行要不断提高大数据技术核心处理能力。加强大数据技术相关培训，特别是对基础数据搜集相关岗位的培训及数据处理和分析相关岗位的专业培训，对于有条件的，可以让岗位人员到优秀同业进行学习，提高数据开发能力。
3.4 加强大数据人才的引进与培养
人力资源是企业发展的核心竞争力。针对商业银行大数据人才不足的状况，商业银行要加强大数据人才的引进与培养，从根本上提高大数据的应用能力。首先，商业银行要加强大数据专业人才的引进和留用。在人才引进上，商业银行可以重点采用校企协作的人才开发模式，与高校相关专业进行紧密协作、定向培养，并邀请优秀学生到银行实习、见习，与其签订用工意向，实现源源不断的人才储备。在人才留用上，商业银行要建立具有市场竞争力的薪酬体系，采用多样化的激励手段，构建与员工共同发展的企业战略，充分实现留住人才的目的；
其次，商业银行要加强员工培训，提高员工大数据意识和大数据处理能力。根据岗位发展要求，制定完善的岗位培训计划，进行针对性的大数据技术员工培训，全面提高岗位员工大数据素养[7]；
最后，商业银行要搭建岗位轮动体系。让各分、支行推荐数据分析岗位人员到总行数据中心进行阶段性交流工作，通过工作实践提高员工的大数据素养，实现大数据人才的引进与培养。
3.5 强化同业协作，保证数据安全
外部数据是商业银行实现全面大数据分析的重要基础，因此商业银行要强化同业协作，降低商业银行风险。一方面，商业银行要搭建行业间数据共享平台，实现商业银行信贷风险、系统风险和操作风险相关数据、资料的实时共享，从而为大数据分析提供足够的样本来源，降低其风险[8]。目前，除了人民银行的征信系统平台外，市场中还有针对信贷客户的一些征信数据平台，但缺乏统一的商业银行行业间数据共享平台。因此，相关部门要发挥引导功能，推动建立行业间数据共享平台，强化同业协作，实现风险控制的目的；
另一方面，行业间数据共享并不意味着对客户隐私的掠夺，相反，在这个过程中商业银行要更加注重客户隐私与信息安全，明确信息共享的界限，对涉及客户隐私、未经客户同意的信息坚决不能共享，切实保障数据安全。