大數(shù)據(jù)與風(fēng)險(xiǎn)管理數(shù)據(jù)和風(fēng)險(xiǎn)歷來就是銀行的兩大要素。數(shù)據(jù)是銀行最有價(jià)值的資產(chǎn)，銀行本身從事的是有風(fēng)險(xiǎn)的業(yè)務(wù)，如何依靠數(shù)據(jù)，量化風(fēng)險(xiǎn)，是發(fā)揮數(shù)據(jù)價(jià)值的關(guān)鍵。銀行過去的風(fēng)險(xiǎn)管理與決策，以主觀經(jīng)驗(yàn)判斷為主，輔以數(shù)據(jù)支撐，導(dǎo)致銀行風(fēng)險(xiǎn)管理水平較低。而在當(dāng)前宏觀經(jīng)濟(jì)調(diào)整、利率市場(chǎng)化、外部競(jìng)爭(zhēng)加劇的大環(huán)境中，如何依靠數(shù)據(jù)，量化風(fēng)險(xiǎn)，提高管理決策水平，進(jìn)而提升銀行競(jìng)爭(zhēng)力，顯得極為重要。本文在大數(shù)據(jù)不斷升溫的背景下，就大數(shù)據(jù)的有效性以及大數(shù)據(jù)在銀行風(fēng)險(xiǎn)管理的應(yīng)用等相關(guān)問題進(jìn)行分析研究，希望能對(duì)有效大數(shù)據(jù)的建立以及大數(shù)據(jù)在銀行風(fēng)險(xiǎn)管理方面的運(yùn)用起到一定的借鑒意義。大數(shù)據(jù)的有效性運(yùn)用大數(shù)據(jù)對(duì)銀行風(fēng)險(xiǎn)進(jìn)行管理，第一步是建立一個(gè)安全有效的大數(shù)據(jù)。大數(shù)據(jù)服務(wù)于銀行業(yè)務(wù)，故有效大數(shù)據(jù)推進(jìn)過程中的數(shù)據(jù)、技術(shù)、成本選擇方面應(yīng)于銀行業(yè)務(wù)相融合。在數(shù)據(jù)選擇方面，充分挖掘銀行內(nèi)部沉睡數(shù)據(jù)（工資代發(fā)、年金、基金托管、公司賬戶等）的同時(shí)，注重互聯(lián)網(wǎng)站、社交媒體、電商等新型數(shù)據(jù)來源，建立一個(gè)覆蓋結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的360維度的數(shù)據(jù)庫；在技術(shù)決策方面，規(guī)避選擇錯(cuò)誤、過于滯后或者超前的風(fēng)險(xiǎn)，大數(shù)據(jù)是未來總體趨勢(shì)，然而是分階段推進(jìn)的，當(dāng)前尚處于初級(jí)水平。銀行切勿急功近利，抱有太高期望，選擇不切合實(shí)際的軟硬件，所有這些都會(huì)對(duì)銀行的發(fā)展帶來不利影響；在成本投入方面，應(yīng)綜合評(píng)估開發(fā)管理維護(hù)成本，要注重考量銀行業(yè)務(wù)人員使用的難易度?？傊粋€(gè)安全有效的大數(shù)據(jù)要基于對(duì)銀行業(yè)務(wù)的融合，同時(shí)要防止數(shù)據(jù)泄露，保護(hù)客戶隱私，這是大數(shù)據(jù)在風(fēng)險(xiǎn)管理應(yīng)用的前提。大數(shù)據(jù)推動(dòng)風(fēng)險(xiǎn)管理本文所論述的大數(shù)據(jù)在風(fēng)險(xiǎn)管理的運(yùn)用，是銀行業(yè)務(wù)方面，特指信用風(fēng)險(xiǎn)，包括信貸、抵押、信用卡等，而非內(nèi)部控制風(fēng)險(xiǎn)，也不是銀行的操作市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)。在信貸領(lǐng)域，由于信息的不對(duì)稱，將產(chǎn)生道德風(fēng)險(xiǎn)，致使銀行遭受損失。銀行對(duì)客戶信息的獲取大多源于客戶申請(qǐng)貸款所填表格以及銀行與客戶面對(duì)面的交流，信息來源的廣度和真實(shí)性可見一斑。通過大數(shù)據(jù)的運(yùn)用，銀行整合更多外部數(shù)據(jù)，以拓展對(duì)客戶的了解，降低信用風(fēng)險(xiǎn)。數(shù)據(jù)收集包括（1）客戶在社交媒體上的行為數(shù)據(jù)（光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫）。通過打通銀行內(nèi)部數(shù)據(jù)和外部社會(huì)化的數(shù)據(jù)可以獲得更為完整的客戶拼圖，從而進(jìn)行更為精準(zhǔn)的風(fēng)險(xiǎn)管理（2）客戶在電商網(wǎng)站的交易數(shù)據(jù)，建設(shè)銀行則將自己的電子商務(wù)平臺(tái)和信貸業(yè)務(wù)結(jié)合起來（3）企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)。如果銀行掌握了企業(yè)所在的產(chǎn)業(yè)鏈上下游的數(shù)據(jù)，可以更好掌握企業(yè)的外部環(huán)境發(fā)展情況，從而可以預(yù)測(cè)企業(yè)未來的狀況（4）其他有利于擴(kuò)展銀行對(duì)客戶興趣愛好的數(shù)據(jù)，如網(wǎng)絡(luò)廣告界目前正在興起的DMP數(shù)據(jù)平臺(tái)的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)。借鑒國外大數(shù)據(jù)在銀行信貸的實(shí)踐：美國一家名為SCOR的金融信息公司抓取并分析客戶的社交網(wǎng)站數(shù)據(jù)，為銀行提供更為準(zhǔn)確的信用評(píng)估結(jié)果，降低銀行的信用風(fēng)險(xiǎn)和成本。SCOR公司收到銀行客戶的信用評(píng)估申請(qǐng)后，經(jīng)客戶同意，將調(diào)取其在facebook、twitter等社交媒體的數(shù)據(jù)，分析客戶的行為特點(diǎn)，興趣愛好，甚至?xí)鶕?jù)該客戶朋友圈特性來對(duì)客戶信用風(fēng)險(xiǎn)來進(jìn)行評(píng)估。社交數(shù)據(jù)真實(shí)反映客戶行為，能幫助銀行更準(zhǔn)確地判斷客戶的違約風(fēng)險(xiǎn)，最終降低銀行的信用風(fēng)險(xiǎn)。大數(shù)據(jù)促進(jìn)信貸轉(zhuǎn)型降低銀行信用風(fēng)險(xiǎn)。新預(yù)算法的通過，地方債務(wù)的發(fā)行，地方投融資平臺(tái)以及PPP模式，銀行建立基于地方政府的大數(shù)據(jù)平臺(tái)，在政府信用的保證下，降低信貸風(fēng)險(xiǎn)。對(duì)于貸款需求額度小，無抵押品的小微企業(yè)，充分利用大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)，獲取企業(yè)納稅憑證、交易結(jié)算、信用記錄等數(shù)據(jù)，在進(jìn)一步分析的基礎(chǔ)上推出適合企業(yè)的信貸產(chǎn)品。國內(nèi)目前，光大銀行推出大數(shù)據(jù)在信貸方面的實(shí)踐。圍繞著風(fēng)險(xiǎn)管理，光大銀行全面打造'風(fēng)險(xiǎn)預(yù)警平臺(tái)”，該平臺(tái)利用互聯(lián)網(wǎng)大數(shù)據(jù)挖掘技術(shù)、文本數(shù)據(jù)分析技術(shù)以及風(fēng)險(xiǎn)欺詐數(shù)據(jù)挖掘模型技術(shù)，將網(wǎng)絡(luò)輿情、監(jiān)管信息與企業(yè)賬務(wù)流水、財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，通過事件驅(qū)動(dòng)覆蓋客戶信用風(fēng)險(xiǎn)、賬戶風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)、關(guān)聯(lián)風(fēng)險(xiǎn)、聲譽(yù)風(fēng)險(xiǎn)、經(jīng)營風(fēng)險(xiǎn)等風(fēng)險(xiǎn)事前預(yù)警。在單一客戶預(yù)警的基礎(chǔ)上，還深度挖掘企業(yè)與關(guān)聯(lián)企業(yè)、企業(yè)與關(guān)聯(lián)個(gè)人、個(gè)人與關(guān)聯(lián)個(gè)人之間的關(guān)系，使認(rèn)定的風(fēng)險(xiǎn)預(yù)警信號(hào)得以傳導(dǎo)給與客戶相關(guān)聯(lián)的其他客戶，更為高效的發(fā)現(xiàn)風(fēng)險(xiǎn)，為銀行貸后風(fēng)險(xiǎn)管理構(gòu)建起一道強(qiáng)有力的大數(shù)據(jù)信息屏障。透支額度是信用卡風(fēng)險(xiǎn)管理的重要方面。銀行通過運(yùn)用大數(shù)據(jù)，結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)進(jìn)行全局分析，每天評(píng)估客戶的行為，并對(duì)客戶風(fēng)險(xiǎn)等級(jí)進(jìn)行動(dòng)態(tài)調(diào)整，實(shí)現(xiàn)對(duì)客戶授信的精細(xì)化管理。銀行信用卡中心借助大數(shù)據(jù)分析技術(shù)每天評(píng)估客戶的行為，并對(duì)客戶的信用額度隨時(shí)進(jìn)行調(diào)整。大數(shù)據(jù)將幫助金融和銀行卡產(chǎn)業(yè)提升事后、事中、事前的風(fēng)險(xiǎn)管理和防控能力，減少甚至消除損失機(jī)會(huì)。本文也整合了大數(shù)據(jù)在國內(nèi)銀行風(fēng)險(xiǎn)管理方面的實(shí)例：民生銀行將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高端客戶流失風(fēng)險(xiǎn)預(yù)測(cè)研究中，利用邏輯回歸與決策樹分類技術(shù)構(gòu)建了客戶流失預(yù)測(cè)模型以預(yù)測(cè)客戶流失的可能性，將客戶按照流失可能性的從高到低進(jìn)行排序，從而幫助客戶經(jīng)理把握流失挽回工作的輕重緩急程度。此外，民生銀行還按流失客戶的分布情況進(jìn)行多類別細(xì)分，對(duì)潛在流失客戶制訂適當(dāng)?shù)耐炝舨呗裕罱K將數(shù)據(jù)挖掘結(jié)果應(yīng)用于其管理信息體系中。針對(duì)銀行信用卡業(yè)務(wù)無抵押、風(fēng)險(xiǎn)性較其它信貸業(yè)務(wù)高的特點(diǎn)，廣東發(fā)展銀行采用數(shù)據(jù)挖掘與分析技術(shù)加強(qiáng)風(fēng)險(xiǎn)控制機(jī)制。廣東發(fā)展銀行引入申請(qǐng)計(jì)分機(jī)制，根據(jù)客戶資料信息，建立數(shù)據(jù)挖掘模型對(duì)信用卡新申請(qǐng)客戶或已有客戶進(jìn)行信用評(píng)分，根據(jù)信用評(píng)分結(jié)果可以初步對(duì)客戶信用分析進(jìn)行評(píng)估，識(shí)別客戶是優(yōu)質(zhì)客戶還是高風(fēng)險(xiǎn)客戶。最終減少了審批人手壓力和審核時(shí)間，提升了批核新卡的效率。此外，廣東發(fā)展銀行還引入行為計(jì)分機(jī)制，對(duì)每個(gè)客戶的行為、消費(fèi)模式和還款數(shù)據(jù)進(jìn)行跟蹤和監(jiān)控，根據(jù)建立的數(shù)據(jù)挖掘模型結(jié)果，對(duì)客戶信貸額度進(jìn)行智能調(diào)整，同時(shí)還能尋找到高增值客戶，對(duì)這類客戶推廣相應(yīng)的新產(chǎn)品和服務(wù)。招商銀行采用SAS的EnterpriseMiner模塊建立個(gè)人貸款評(píng)分卡模型。在建立模型過程中，建立了統(tǒng)一的評(píng)分卡監(jiān)測(cè)報(bào)表，并根據(jù)評(píng)分卡使用情況對(duì)評(píng)分卡模型進(jìn)行相應(yīng)調(diào)整，從而實(shí)現(xiàn)綜合評(píng)價(jià)客戶信用風(fēng)險(xiǎn)。為實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)的集中整合，提升業(yè)務(wù)效率，中信銀行引入Gree