时代金融
摘要：随着大数据技术、人工智能技术等先进技术的发展，金融行业的管理逐渐趋向智能化，
特别是在银行的各种管理过程中，大数据技术能发挥重要的作用。目前，很多银行已经开始以大
数据技术为基础构建内部智能风控体系。文章主要通过对当前银行面临的机遇、挑战以及大数据
风险控制优势进行分析，提出了完善大数据风险控制内容、完善银行内部审计、建立大数据服务 云平台、完善风险模型开发技术平台等措施，以此对智能风控体系进行构建。
关键词：大数据技术 银行 智能风控体系
● 陈振华和谐美
近年来，银行业发展迅速，而大数据技术在其中起到了关键性作用。同时，在大数据的支持下，人工智能、云计算等先进技术也开始进入到银行风控体系的构建中，为银行智能风控体系构架提供了技术支撑［1］。目前，银行的经营环境发生了重大改变，银行需要面对的风险种类更加多样。在大数据背景下，
银行需要不断提升自身的风险管理能力，抓住机遇，通过对大数据技术、人工智能等技术的合理应用，构建内部智能风控体系，促使自身风控能力得到提升，从而促进自身的快速发展。
一、大数据时代下银行面临的机遇和挑战
在机遇方面，当前大数据技术发展迅速，其技术体系已经趋于完善，被运用于各大银行中。在大数据技术的支撑下，银行可依据传统风险控制分析技术基础来实现升级，打破原有瓶颈，从而实现海量吞吐以及高效处理等目标。同时，在大数据技术的支撑下，银行还可以扩大风险管理分析对象范围，提升管理的精准性。另外，大数据技术促使银行的传统风控模式发生了转变，从而促使银行风险管控方式得到创新发展。比如，在大数据技术的支撑下，银行的数据分析密度更大，分析范围更加广泛，这大大提升了数据的有效性。再比如，大数据技术可以支撑银行进行知识管理，从而搭建起风险管控模型，进而实现更好的风险管控。
在挑战方面，在信息时代下，银行需要收集的数据量十分巨大，其不仅需要对内部数据进行采集分析，还需要对市场、行业以及个人的信息进行收集分析，这就大大增加了银行数据收集分析的难度。收集难度的提升促使银行需要对自身的数据收集成本进行考量，这也间接提升了银行数据收集分析的难度。另外，银行在数据收集、处理、存储以及维护的过程中需要充分考虑数据的安全性，这就要求银行需要采取相应的安全措施，如果没有相应的应对措施，银行就无法保障数据安全。
二、大数据风险控制的优势
相较于银行传统风险管控技术，大数据技术具有一定优势，能够更好地帮助银行进行风险管控。大数据风险控制的优势主要体现在以下几个方面：
（一）能够更好地实现风险预测
在进行风险控制的过程中，数据发挥着非常重要的作用，尤其是用户的数据，比如用户身份信息、资产负债情况、交易信息等，都是银行业进行风险控制的关键数据信息。用户行为在某种程度上与信用风险有所联系，只需要通过对用户的行为进行分析就可以判断出信用风险的情况［2］。银行通过大数据技术对已经存在的信用风险事件进行分析，可以判断出用户的基本行为情况，这对信用实践提供了非常关键的作用。通过对用户的基本信息进行总结和分析，可以直接发现信用方面存在的问题，进而有效地避免信用风险。大数据风险控制的主要优势在于它可以通过技术和庞大的数据库来进行风险预测，如果数据库提供的信息存在虚假情况，就很难判断出是否存在真正的风险，但是如果依靠大数据来进行数据采集和分析，就可以有效地避免这一情况。通过大数据对用户的数据进行分析，可以发现其中的规律，而且这些规律会随着大数据技术的优化得到完善。
（二）风险评估实现实时化
使用大数据技术，可以有效地避免传统时代风险控制的缺点和不足，实现数据的实时录入，保证评估结果的实时输出，有效地解决传统风控结果缺乏时效性。如果利用滞后的数据来进行风险评估，那么评估结果必然会对风险预测带来影响，而大数据技术就可以有效地解决风险评估的时效性问题［3］。一般来说，银行风险具有很强的联动性，用传统方法很难根据其中的联系对具体的情
42时代金融抗辐射药物
况进行分析和联系，这就体现出实时数据的重要性。引用大数据技术，收集实时数据，可以有效地提升风险识别情况，改善当前的风险控制机制。利用大数据技术的采集能力、计算能力和分析能力建立实时风险管理视图，可以提升风险预测的准确性、风险管理的及时性，提升银行的风险评估能力。
（三）能够丰富数据的层次感和颗粒度
在互联网环境下，银行面临的环境越来越复杂，但是以往的风险控制模型数据不完整，无法将数据丰富、完整地呈现出来，银行的相关信息，比如银行竞争环境、银行竞争产品情况、银行交易信息、客户信息等都无法多层次、全面地呈现出来。而在大数据技术下进行风险控制，可以提供更加全面的数据，即使是非常细微的数据，也可以得到关注，有利于银行提升管理水平。大数据通过打通不同程度颗粒感的数据，有利于银行及时掌握用户的还款能力，将用户的诚信情况进行及时展现。
三、大数据技术的银行智能风控体系构建对策
国人健康手机号
（一）完善大数据风险控制内容
首先，在数据采集方面。银行要想有效地进行风险控制，就一定要准确地进行风险识别，评估出风险等级，为制定风险控制策略提供数据参考。因此，银行的数据源中除了包括银行本身所掌握的数据以外，还可通过第三方平台来获取数据，比如工商红盾网数据、企查查数据、法律文书裁判网、环保局处罚数据、社交平台数据以及其他媒体平台等都可以成为获取数据的来源。待数据源确定之后，银行便可以使用先进的大数据技术进行数据采集，在大数据技术的帮助下，即使是不同来源、不同类型的数据都可以被迅速采集［4］；其次，在数据分析方面。数据分析一般包括数据预处理和数据挖掘两部分。数据预处理是指根据计算机技术的基本知识来了解数据的类型和机构，以方便后续工作的开展，另外便是对数据进行处理和转化，大数据技术由于其先天性优势，可以直接对信息数据进行甄别和处理。海量数据中不仅具有风险相关的信息，还有很多没用的数据，通过对这些数据进行挖掘和甄别，可以提取出有效数据。大数据技术拥有较先进和成熟的数据分析方法，其中涉及人工神经网络分析、遗传算法等分析方法，大数据技术在进行数据挖掘的过程中可以直接筛选出有用信息，并且出其中规律；最后，在数据应用方面。利用大数据技术进行风险控制，还可以根据数据分析结果提供方大数据分析报告，将用户的信用等级和欺诈检测结果进行展示。通过大数据技术可以有效地进行风险预警，尤其是大数据分析报告可以有效地提高风险评估的系统性、可靠性和安全性。所以，银行可以在应对风险的过程中提供完整的数据，帮助银行将风险控制在可以接受的范围之内。
（二）完善银行的内部审计
银行的特点决定了金融数据的复杂性，在大数据背景下，传统的审计方法无法适应当今海量的数据采集和分析工作。随着金融创新的不断升级，越来越多的金融产品不断出现，银行的海量数据资源需要不断进行整合管理，进而转变为统一规范的数据信息。因此，银行需要利用大数据技术进行数据统一管理，并且对需要进行审计的对象进行实时跟踪，避免数据不充分情况出现。在处理数据的过程中要及时对数据进行集中处理，将那些无用的数据进行筛选，同时可以排查出遗漏的数据。在分析阶段要充分利用大数据技术，对数据进行多层次和多角度的筛选，发现其中存在的问题，利用技术将人为错误风险降低，提升审计工作的开展效率。具体来说：首先，在数据采集方面，银行本身的数据具有数据集中、信息化程度高、业务关联度高等特点，这样就导致审计工作数据采集难度较大，比如需要较长的数据采集时间、储存难度大等问题。但是在大数据时代，银行可以利用大数据技术保障银行的数据采集从实际活动出发，整合历史数据，有目的的进行数据采集，同时借助计算机技术，对非结构化的数据进行数据统一采集，将不同的信息纳入到统一范围内。同时，大数据采集系统还建立及时、保密的专业数据传输通道，保证集中审计、实时审计和远程审计工作的有效开展；其次，在数据分析方面，当数据采集工作完成之后，银行内部审计部门还需要对数据进行整合和分析，快速发现不正常数据，进而对可能存在的异常数据进行分析。通过大数据技术，银行可以直接通过多维分析、查询分析、关联分析和专题分析等技术手段建立起审计模型，出其中存在的异常数据，根据实际数据生成
分析报告。例如，大数据技术通过数据挖掘将数据库中的不同数据进行分类，然后再与往年的数据进行对比，进而可以评估出银行可能存在的风险，银行就可根据这些内容生成分析报告，为银行规避风险提供依据。
（三）建立大数据服务云平台
为了应对在大数据时代中银行风险控制所面临的挑战，银行需要建立风险管理大数据服务云平台。这样不仅可以对信用风险、资产风险、操作风险、市场风险等进行更好的管控，同时还能够将风险管控纳入到云管理之中，提升银行风险数据的量化以及银行对数据的应用能力［5］。具体为：首先，银行需要建立大数据云存储空间，构建基础数据库和指标库来实现对风险数据的量化。大数据云存储相较于一般性存储具有成本低、延展性好的优点，因此银行建立大数据云存储空间可以降低成本，同时还能将数据保存超过十年，使银行的数据存储资源不再是数据应用过程中的阻碍；其次，通过大数据技术实现对数据的抽取、分析及解决。大数据技术有着极其强大的数据处理能力，能够以月为单位对数据及相关指标进行处理，并且处理过程耗时较短，处理完成的数据更加稳定，银行可以随时使用这些数据；最后，通过大数据实现对银行风险管控模型的优化升级。通过大数据可以对当前银行中的风险模型以及相关管理进行处理，从而将其中的数据实现联通和共享，这样不仅可以实现提升风险模型的开发速度，还能够充分保证
43
时代金融
时代金融
模型本身优化、监控、运行等方面的稳定性。
（四）完善风险模型开发技术平台
首先，银行可以引入最新的生物识别技术，加强对客户身份识别的准确性。银行可以建立客户声音以及人脸识别数据库，通过人脸识别技术或声音识别技术来替代传统的人工审核、密码审验证等方式，提升自身的工作效率及客户身份识别的准确率，精简工作流程，从而提升整个风险管控系统的智能化水平；其次，银行可以通过各种方式加强对人工智能技术的应用。对于银行来说，通过大数据技术能够提升其本身数据收集处理能力和计算能力，提升风险管控模型对于不同风险的识别能力。而加强对人工智能技术的应用则是可以结合大数据技术更加深入挖掘客户的信息以及客户关系，从而以此为基础绘制出客户信息关系网络，进而解决在多层关系中对客户信息挖掘以及进行计量的问题；再次，银行需要对风险计量模型进行创新。银行可以在传统风险模型的基础上，通过大数据技术对更多的数据以及信息进行整合，形成相较于以往更强的信息集合，提升风险控制模型的风险识别能力［6］。同时，银行需要建立对客户关系识别的风险管理机制，对不同风险进行分级处理，及时对处于不同层级的风险进行识别，保障其方向的正确性。另外，银行还需要对智能终端、第三方支付等方面存在的风
险计量问题进行研究，提升自身对风险进行科学性识别。最后，在风险计量模型创新的基础上，银行还需要搭建智能风险管控模型试验室，引进当前最先进的算法及技术，以此来实现对数据的智能化分析和处理，从而代替传统方式，促使银行的风险识别更加及时和精准。
（五）创新场景，有效防控
在上述基础上，银行还需要积极应用大数据及风险管理模型，以此来响应不同应用场景的需要，解决风险管控的难点和痛点。首先，银行可以通过建设反欺诈平台，对交易中的欺诈风险进行有效防控。银行需要在不断完善自身信息采集和整合、风险管控模型开发以及风险监测等基础上，通过大数据技术、人工智能技术、云计算技术等建立反欺诈平台，将反欺诈范围从原来的网上支付、银行卡以及信用卡等拓展到包括个人业务或更大范围，实现对欺诈风险的全程监控和管理，做到一旦出现欺诈风险就可以全面布控，防控欺诈风险［7］。比如，工商银行就以大数据技术为基础建立了自己的数据平台，将客户基本信息、授权信息、账户信息等全部存储在该平台中，并且通过对这些信息的分析，建立了客户交易行为档案，实现了对欺诈交易的精准定位；其次，银行可以通过建立金融风险统计监测平台来对金融产品以及客户出现的关联风险进行监测、预警。金融风险统计监测平台可以对客户信息、产品信息进行整合，建立起从客户、产品到资金的多层次投资关系，对投资过程中的资金使用情况、资产情况等进行识别，从而绘制出风险传播视图。然后通过相关计算方式，对客户及产品中存在的风险进行识别，从而到风险传染的关键节点，并对该节点进行处理，抑制或者消除风险，进而实
石大科技现对各种交叉性金融业务的科学分析和即时监测。NORWAL
参考文献：
［1］白海晶.风从何处来？将往何处去？——对银行风险管理的思考［J］. 银行家，2019（12）：92-95+5.济南莱钢钢结构有限公司
［2］梅崇秀. 基于大数据背景下的银行智能风控体系建设［J］.中外企业家，2020（06）：82.
［3］金融科技助力银行开启智能化发展［J］.商讯，2018（09）：42-44.
［4］刘瑞霞.打造基于大数据的智能化风控体系［J］.金融电子化，2018（08）：57-58+6.
［5］邢桂伟.科技引领 创新驱动 持续推进数字化发展战略实施［J］.中国金融电脑，2019（03）：10-14.
［6］石峰.基于大数据背景下的银行智能风控体系建设［J］.现代经济信息，2019（18）：289.
［7］兰翔.智能创新专利为银行大数据风控体系保驾护航［J］.中国金融电脑，2020（10）：22-26.
作者单位：交通银行广东省分行
44时代金融
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议