大数据时代下商业银行运营风险管理的思考

吴文兴

摘 要：随着互联网和大数据的快速发展，商业银行业与互联网的融合开始加速，银行不断利用互联网技术避免空间和信息不对称的限制，提升经营管理效率，加强风险监控，实现自身的转型和升级。大数据应用于商业银行的产品研发、客户管理、绩效考评等各个方面，其中风险管理是最重要的一个方面。本文从精益管理角度，针对大数据对商业银行集约化运作、员工操作风险、业务流程处理等内部运营风险管理的影响，分析大数据时代下商业银行运营风险管理的现状和不足，面临的机遇及挑战，提出了商业银行的应对策略。

关键词：商业银行 大数据 风险管理

中图分类号：F832.33 文献标识码：A 文章编号：2096-0298（2018）07（c）-003-02

1 商业银行运营风险管理的现状及不足

1.1 商業银行运营风险管理思维略显落后

无论是信用风险、市场风险还是操作风险，传统商业银行风险管理体系强调以“三道防线”对内控合规流程进行监督管控，在风险计量上则依赖监控规则和具体指标的评估方法，但始终无法规避内外部人员徇私舞弊造成的风险，也缺乏对高级计量方式方法的运用。

同时，在互联网时代，风险管理边界不断扩展，风险形式层出不穷，新兴技术及数据运用缺乏，导致传统商业银行风险管理体系更加难以做到全覆盖、穿透式监管。作为商业银行操作风险范畴的运营风险管理同样如此，加码控制环节、增加岗位层级、扩展监控指标、乃至于技术手段约束，都不能及时、有效地应对不断强化的监管要求、推陈出新的业务产品、日新月异的技术运用以及复杂多变案防形势所带来的风险压力。

1.2 商业银行运营风险管理方式落后

一是风险控制主观化。运营风险控制大多数还依靠具有审批权限的岗位人员作出的职业判断，这些判断往往具有一定程度上的主观性，使得判断标准不一致，导致判断失效。二是控制环节衔接真空。在集约化背景下，运营业务流程具有前台后台一体化处理、线上线下流程化处理、跨部门条线综合化处理的特点，风控主体多，风控判断信息容易缺漏或存在不对称，导致判断失真。三是风险管理碎片化。运营风险控制容易陷入具体的操作风险防范中，对产生这些风险的缘由或本质缺乏判断，如业务组织、岗位变化、人员素质等方面缺乏全面了解，孤立判断风险，导致难于从根本有效防控风险。四是缺乏前瞻性预判。预防胜于治疗，前瞻性地预判可能产生的风险，是运营管理者进行风险识别和管控的有效途径，但目前运营风险的管理尚未达到这种水平。

1.3 商业银行运营风险管理数据基础薄弱

虽然商业银行不断深化经营管理的数据化、信息化，但追求的目标更多的着眼于短期利润，对运营风险管理数据等风险资源未给予应有的重视。一是忽视非结构化风险管理数据。非结构化和半结构化风险管理数据，包括客户习惯、员工素质、岗位经验等，是对各类风险因子的客观反映，能够实现跨层面、跨节点查询分析，提升风险数据管理效能。但传统的数据管理着力于对客户交易、业务处理、流程控制等结构化数据的获取和保留，对非结构化风险管理数据的重视程度不足。二是风险管理数据资源的获取渠道有限，集中体现在风险管理数据量少、时效性差，现有数据维度不足、口径不规范，导致相关数据难以互联互通。三是缺乏对运营风险管理数据的持续运营，也导致运营数据人才和技术的缺失。

2 商业银行运营风险管理的机遇及挑战

2.1 转型发展为提升运营风险管理创造了条件

近几年，各家商业银行不断转型发展，加大了在系统整合、业务集约、产品规范、技术运用等方面的投入，为运用大数据提升运营风险管理提供了基础：一是全面推进数据集中。整合或优化行内各项系统，实现运营风险管理信息的高度集中，能够在统一的平台获取数据资源，降低了数据成本。二是全力推进业务集约化运作。将原来分散的、层级化、多极化的运营业务集中归拢处理，并不断扩展产品种类，实现流程模式的相对统一，减少了运营风险的管控难度。三是产品及流程的规范化管理。内部管理的强化和监管力度的加大，促使商业银行业务及产品的规范化，相应的数据标准也趋于一致，为运用大数据管控运营风险提供了便利。

商业银行的转型发展也面临着严峻的挑战：一是监管要求日趋严格。在金融创新不断推陈出新的同时，社会对金融机构的系统性风险防控要求不断提升，监管要求日趋严格，运营风险管理难度也随之增大。二是商业模式的变化，如社交工具推广、交易渠道多样化、交易方式便利化等因素，使风险案件呈现出方法多样、手段隐蔽等特点，监控和管理的难度加大，商业银行现有的运营风险管理体系面临较大挑战。三是商业银行内部管理仍以条线管理为主，风险管控块状分割，未能有效统筹各类风险资源，也容易形成管理真空。

2.2 大数据技术为提升运营风险管理提供了手段

大数据及互联网技术的进步为商业银行改进运营风险管理带来了机遇。一是数据获取便捷化。数据技术的发展，使得商业银行能够较为便捷的获取运营风险管理的各类数据，既包括客户信息等内部数据，也包括工商、税务、司法、征信、第三方平台等外部数据，数据获取的深度和广度都得到了扩展。二是技术工具的广泛运用，提升了运营数据处理和分析的效能，数据管理精度更高，灵活化更大。三是互联网企业在大数据方面的实践，如地图软件的行车规划，网购平台的广告推送，网贷企业的风险评估等，为商业银行运营风险管理提供了借鉴。

商业银行在运用大数据方面仍要克服许多困难。一是商业银行大数据的管理理论、分析方法尚处在摸索阶段，如何在海量的大数据中去粗取精，实现数据的高效整合和应用，尚无一致论断。二是与互联网企业相比，商业银行对大数据运用反应较慢，考虑因素较多，建立有效的运营风险数据管理体系尚需时日。三是大数据专业人才匮乏。由于商业银行用人管理体系的限制，外部直接引入人才难度较大，而内部培育需克服条线分割难题，培养的时间成本也较高。

3 大数据时代下商业银行运营风险管理的对策及建议

3.1 加大商业银行运营风险大数据管理

一是加大运营风险管理数据的收集及积累。建立企业级数据仓库（EDW），广泛收集各渠道、各类型的信息，既包括机构、员工、客户等主体信息，也涵盖产品销售、业务操作等运营流程信息；既有账户开立、资金往来等结构化的数据，也包括监控视频录像、咨询语音等非结构化数据。数据是运营风险管理的血液，通过分析这些数据，能够真实还原商业银行运营风险管理的原貌，掌握了解产生运营风险的主客观原因，为化解防范运营风险提供了必要的原材料。目前，商业银行特别是国有大型商业银行，大多已经建立或者正在建立数据仓库。

二是加大运营风险管理数据的整理及提炼。商业银行数据涉及客户信息、业务流程、账户交易等方方面面，数据总量庞大，要筛选契合运营风险管理需求的数据，必须建立有效的提炼规则，从海量数据中剔除无用信息，提炼关键要素，为数据分析打下坚实基础。

三是摸索建立运营风险管理数据管理机制。运营数据管理不是简单的积累整理提炼，从技术角度来说，数据就是一个个表格，记录不同主体或行为的信息，一个商业银行运营风险的基础数据表，可能数以万计，表格数据标准、更新频率不尽相同，表表之间、数据与数据之间的关联性不尽清晰，甚至可能出现相互矛盾，需要建立起一整套的数据管理流程及平台，实现统一数据标准、统一更新规则，建立数据关联、数据验证、数据质量控制等数据集成机制，构建完整、全面的数据信息视图，提升风险量化能力，并在运营风险管理中广泛和深入应用。

3.2 加大数据在商业银行运营风险管理体系中的运用。

一是实现运营风险管理数据相互融合。运营风险管理广泛性确定了它必须实现多维数据的融合。首先是条线模块间数据的融合，下以员工行为风险为例来说，必须将其对公条线的操作数据和对私条线的操作数据融合分析，才能有效判断员工行为风险，不能割裂；其次是静态与动态数据的融合，员工素质、以往过失等静态数据必须与其当前从事岗位操作的动态数据相结合，才能客观判断其风险；再次是总分数据的融合，既要分析员工个体操作行为数据，又要考虑其所在机构管理能力及文化的因素；最后是内外数据的融合，不但要分析员工在行内的行为数据，也好关注员工8小时以外的活动行为数据。

二是拓展运营风险管理数据运用场景。运营风险管理主要防范两个方面的风险，一方面是杜绝围绕监管、案件及重大资金损失的“黑天鹅”风险；另一方面是减少屡查屡犯、此查彼犯的“灰犀牛”风险。要围绕这些风 险及风险主体，运用大數据研究并拓展各种操作风险场景，并形成操作风险情景分析数据，以运用至日常的管理工作中。比如，可通过对某个网点员工的组织管理、员工素质分布、一定时期差错情况、历年评价等数据进行分析，勾勒该网点风险管理视图，了解网点在哪些业务是短板、哪些柜员需关注、哪方面管理存在缺陷、风险偏好如何等，再采取相应的管理手段解决，以缓释运营风险。

三是构建大数据时代下运营风险管理体系。依据大数据及互联网技术，商业银行可变革运营风险事前事中事后管理流程，实现风险管理的科学有效。一方面要建立运营风险计量模型，在提升风险量化能力的基础上，综合运用了数据仓库、知识图谱、云计算等多种技术，深入分析风险变量及其数据之间的关系，建立打破条块、去中心化的运营风险管理模型，动态揭示运营风险成因、特点、表现和趋势，实现对运营风险或潜在风险有效识别以及综合评估；另一方面要实现基于大数据的运营风险闭环管理，充分用好运营风险建模成果，分析运用成效，不断改进和补充运营风险管理模型，实现大数据基础上的发现风险—>分析风险—>风险建模—>揭示风险—>成果运用—>风险评估—>总结改进的闭环管理。另外，可进一步研究智能风控模式，充分运用大数据平台的计算分析能力，突出机器学习或深度学习模型，最终实现数据驱动风控效能，实现精益风险管理。

3.3 加大商业银行运营风险管理数据人才的培养

人才是第一资源，从管理角度来看，大数据基础人才分为三类：第一类为数据分析人才，或称技术型人才，主要负责运营管理各类数据；第二类为数据运用人才，或称管理型人才，主要负责运用数据实现运营管理目标；第三类为复合型人才，既具备大数据分析能力，也具备大数据运行能力。

商业银行要重视在大数据时代下运营风险管理人才的培养与成长，要以大数据思维，不断提升他们的专业技能，要建立相应的配套机制，引进和留住运营风险管理人才，培养一批数量充足、结构合理、经验丰富、风险敏锐的运营风险管理骨干，建立一支既对运营风险具备定性分析判断能力、对动态风险具备监测能力、对潜在风险具备排查能力，又熟悉和掌握大数据信息整合技术、风险数据建模技术、运营风险管控技术的复合型风险管理专业人才队伍。

参考文献

[1] 车品觉.决战大数据：大数据的关键思考[M].杭州：浙江人民大学出版社，2016.

[2] 蒋耀萱.大数据时代我国商业银行风险管理的问题研究金融视线[J].中国商论，2015（16）.

[3] 陈祖峰.大数据时代的金融风险管理[EB/OL].2017.