大数据时代商业银行的信用风险防控解析

王崇

【摘要】近几年，我国的互联网技术得到了快速的发展，人们的生活水平也受到了很大的影响，相应的，我们也迎来了“大数据时代”。大数据时代的到来，既给商业银行带来了机遇，也带来一定的挑战。对此，笔者根据自己多年的工作经验，对大数据时代商业银行的信用风险防控进行了分析和探讨，希望有助于我国商业银行未来的发展。

【关键词】大数据时代 商业银行 信用风险 解析

一、前言

随着各种网络在社会上的广泛使用，全球已经基本跨入了“大数据时代”。在IT产业中，除了云计算、物联网以后，大数据是一次历史性的技术变革，分析处理大量的信息是其核心。人类有着纷繁复杂的行为，可是通过收集大量的信息，分析并处理相关的数据，最终变得有规矩可寻。在这个“大数据时代”中，商业银行该怎么样防控信用风险是非常值得深思熟虑的一件事。

二、分析银行业在大数据时代中的信用风险管理

我们所说的信贷风险其实就是在贷款的过程中，存在着一定的风险性，也就是也需借款人不能按照合约偿还所借的债务。数据的多样化、海量化，价值化及传输快速化等都是“大数据时代”所拥有的特征，这就意味着银行业在管理信用风险的过程中，将要面对新的挑战和机遇。

（一）对定性进行分析

1.分析存在的优势。经过多年的发展，银行业的客户群体还是很庞大的，对客户的有着大量的详细数据，比如说客户交易、客户基本资料及客户存贷款等。商业银行在大数据时代的背景下，因为自身的资本很雄厚，所建立的设备都是大数据服务器，在整合好其他来源的数据和传统的数据，通过对云计算等技术手段的利用，数据分析人员从中将一些有价值的信息挖掘出来，通过不同的角度对信贷存在着哪些风险和客户的需要进行分析，如此一来，银行业对经营业绩的评价、业务风险的评估及资源的配置等方面都有一定的好处，有利于更加健康稳定的向前发展银行的业务。

2.分析存在的劣势。银行通过交易系统已经掌握了大量的客户信息，比如说交易流水账、身份证件信息等，但对客户其他方面的信息却并不了解，比如说客户有哪些消费习惯、客户的家庭收入怎么样、及客户有哪些兴趣爱好等。除此之外，银行业还较为缺少产业链客户的信息和小型企业客户的信息，这就造成银行在给这些客户进行金融服务的时候，直接影响了服务的水平。还有就是，在大数据时代的背景下，只有数据分析人才和金融专业人才二者互相进行配合，才能将数据价值充分的挖掘出来，不过，以现在人才市场的形式看来，还是比较缺乏数据分析人员，这也是银行在发展的过程中的一个缺陷。

3.分析存在的机遇。银行业在步入大数据时代的初期，就应该尽早的将大数据战略体系构建出来，对大数据发展战略建立健全，实现最先抢占先机。如果可以成功的应用大数据，银行就可以获得先发竞争的优势，进而银行在决策的时候可硬从“经验依赖”转化为“数据依据”，增加自己在市场中的竞争力。银行的发展道路将向着“数据-信息-商业智能”的道路发展，在风险防控的过程中，数据分析将成为有利的法宝。

4.分析存在的挑战。银行业在大数据时代的背景下，在遇到机遇的同时也面临着一定的挑战，存着着很多威胁的因素。比如大数据存在着网络安全、风险及数据失真等情况。云技术在开发利用大数据的过程中，其应用的范围得到了扩展。不过，云计算需要在云端储存数据，而云端通常情况下实现存取都是通过第三方的服务器，第三方如果泄露了数据，银行就需要面临很大的风险。除此之外，传统的金融模式正在被互联网金融颠覆，作为网商其金融的需求是很大的，而且交易记录也是很活跃的，可是这些客户是很难被商业银行开发出来的，这就需要银行面临带来的挑战。

（二）对定量进行分析

在定性的分析了银行业在大数据时代的背景下在管理信用风险的时候需要面对的内外部环境以后，下来我们就在进行下一步的分析。具体如下：

一是对内外部的环境因素进行明确，其中包含了机会、劣势、威胁及优势等很多个。

二是对各因素的权重进行明确，所利用的方法主要是层次分析法、客观赋权法及主观赋权法等其中任何的一个。

三是对不同的因素进行打分，将分值的范围设定在1～10分，因素月中，所得到的分数也就会越高。

四是使用分数乘以每一个因素的权重，算出的得数就是每一个因素的加权分数。

五是将每一个因素加权分数进行相加，所得出的数值就是公司总加权分数，再以分数为依据进行判断。

三、银行业在大数据时代背景下信用风险管理中需要注意哪些问题

银行业在大数据时代的背景下，需要面对信用风险防控的新形势，这就要求商业银行在应对工作的时候要积极地进行，具体措施如下：

（一）面对风险意识的时候要有开放式的思维

银行业在预测风险的时候，需要考量好很多的因素，比如说人为的操作风险、政策及市场的环境等，不过现阶段在对大数据挖掘商业价值的时候，现有的技术水平是很难支撑的。所以，银行业应该具备的思维方式是像互联网那样的开放式的思维，要有对数据进行分析的习惯，对开发和利用大数据给予高度的重视，和风险预测高度有关的一些大数据信息要格外的关注，比如说客户的交易信息、基础信息及一些外部的信息等等，以数据为依据，可以有效地促进预测不确定风险水平的提高。

（二）注重整合数据的质量

在挖掘、分析及利用大数据的数据价值的时候，都并不是从传統的角度出发的。数据有着复杂广泛的来源，在对大数据的价值进行挖掘和利用的时候，需要不断的对技术进行创新，而且不同数据之间有着很强的关联性，银行业应该进行自己数据地图的建立，银行应该对自己内部和外部的相关数据进行整合，坚持在采集数据的时候按照标准化，保证有真实可靠的数据来源，坚决抵制以假乱真的现象发生；与此同时，还应该要进行专门的使用体系和数据分析法进行构建，规范化处理相关的数据，在使用的过程中要严格的遵守法律法规，使数据的质量得到保证，进而促进数据应用性的提高。

（三）进行高屋建瓴的系统建设

和通常的数据相比较，大数据有自己的独特性，在分析和处理大数据的时候，如果使用传统的解决方案和处理工具是很难满足其需要的，所以，如果想要将大数据的效能在最大程度上发挥出来，就必须要使用新的处理模式。银行业在对数据仓库系统进行完善的过程中，需要有大量的资源投入，对数据仓库项目建立健全，进而满足大数据技术的需求。在建设系统的过程中高屋建瓴，将不同的分析数据相结合，预装一些不同的算法，将数据挖掘工具的扩展性不断地进行完善，有助于分析人员在分析数据的时候可以加快速度。

（四）要与时俱进的进行内部控制

银行业务的普遍化、格式化及电子化特点在大数据时代的背景下需要不断的进行强化，如果有无效或者是失控的问题发生在了银行管理中的某一个环节，就有可能有相似的问题和风险大面积的发生。公司的内部模式、治理结构及外部的相关制度等内容都和银行业内部控制有一定的牵连，有助于健康稳定的经营商业银行。所以，商业银行要建立健全内部的控制制度等一系列的相关制度，并不断地分析和挖掘数据，进而有效的提高对新业务风险评估的水平。

（五）要加快的储备人才资源

传统的数据的来源主要是企业的信息系统，而大数据却是不同的，所以在人才的选择上也是不同的。在我国，数据分析是一项新颖的工作，相关的工作人员不仅要对数据分析的技术有一定的了解，其数据建模能力也要很强，与此同时，对银行的业务也要有所了解，可以对风险的来源及时的进行分析。在现阶段，像这样的人才在我国的银行业中并不多见，所以，对这样人才的储备要高度的重视起来，有意识的培养这方面的人才，有利于银行业信用风险防控工作的顺利进行。

四、结束语

综上所述，随着信息技术网络的快速发展，大数据时代已经成为了时代的主流，在这样的长河之中，我国的商业银行只有不断的对自身进行完善，增强自身信用风险防控的能力，才能夠保证自己健康平稳的向前发展，免受时代变迁的影响。

参考文献

[1]李宏博.商业银行大数据时代的SWOT分析及战略探讨[J].时代金融（下旬），2013，（06）：151-152.

[2]黄锐.大数据环境下公众移动服务的研究[J].计算机光盘软件与应用，2013，（13）：278-280.

[3]马毅.商业银行邂逅大数据-挑战与竞争战略演进[J].征信，2014，32（2）：75-78.

[4]夏春梅.数据挖掘技术在银行信贷风险管理中的应用[J].现代电子技术，（04）：78-81.