| 标题 | 大数据视角下商业银行运营的风险管理研究 |
| 范文 | 邱璜 摘要：文章首先简要阐述了大数据时代下的数据分析技术含义，分析了大数据视角下商业银行運营需面对的机遇和挑战。然后从管理思维、管理方式以及管理数据基础等方面，探究了当前商业银行运营风险管理的现状，提出了存在的问题。最后结合实际，提出了大数据视角下商业银行运营的风险管理措施。 关键词：大数据;商业银行;风险管理 随着大数据时代的到来，人们对于传统数据处理的思路与方式都发生了较大转变，商业银行也需要革新自身的运营风险管理方法，积极利用大数据技术和网络技术，不断健全并完善运营风险管理模式，才能确保商业银行有效规避风险，最终实现科学转型与升级。因此，针对大数据视角下商业银行运营的风险管理展开研究，在当下具有十分重要的现实意义。 一、大数据时代下的数据分析技术简述 （一）大数据的含义 近年来，随着电子化与信息化的发展速度日益加快，人们在生产与生活当中积攒了海量的电子数据，而“大数据时代”也因此悄然来临。有关专家指出，2001年，就已经产生了关于大数据的定义。另外也有分析师在自己的研究报告中作出了诠释，用“三维式”即三个“V”来代表数据增长过程中所出现的挑战与机遇，也就是数量“volume”，速度“velocity”以及种类“variety”。其中“数量”指的是生成并搜集大量数据，同时其规模仍在逐步扩大。“速度”指的是大数据所具有的时效性，其数据的搜集与分析都必须十分快速且及时，以便实现对数据商业价值的最大化利用。“种类”则指的是数据类型丰富多样，不仅是包括了传统的结构化数据，同时还更多地涵盖了视频、音频、文本、网页一类的半结构或非结构化数据。在以上定义当中，速度着重体现了数据处理的快捷性，而数量与种类的“多”则可称作大数据的本质特点。所以，在管理实践中，可将大数据总体归纳成一种“全量数据”，其是由结构化与非结构化数据一同构成。若是可运用于决策的数据越多，且数据规模越大，处理速度越快，那么就越称得上是真正的大数据。 （二）数据分析技术 第一，描述性分析。以大数据为基础，不需要再运用繁复的数据挖掘分析技术，只需采用简洁的数据表述，即可以勾画出管理目标的大致轮廓，知晓其实际面貌，进而给科学合理的决策提供有力支撑。如专家所言：“大数据的简便算法比小数据的复杂算法更为高效。”就眼下情况看，描述性的分析已变成了大数据背景下最为核心的分析技术。 第二，预测性分析。大数据把预测性分析的基础数据库进一步扩大了，这在很大程度上优化了分析的精确性。例如采用传感器数据，汽车制造商可以更加确切地预知汽车部件可能会出现故障的位置与时间点。也可通过职工电话音调、邮件数据以及监控拍摄的职工表情等，合理地预判职工离职的可能性与时间。 第三，规则性分析。在大数据视角下，新兴仿真技术也拥有了更为可观的发展机遇。将全量数据作为根本，能够实现更精确的过程模拟，继而给设计管理方案带来多种多样的选择，有利于作出科学有效的决策。 二、大数据视角下商业银行运营需面对的机遇和挑战 （一）商业银行转型发展 商业银行在目前呈现出逐渐转型与发展的趋势，同时增加了在业务集约、产品规范、系统整合以及技术应用等方面的投入，这些都为大数据视角下的运营风险管理夯实了基础。首先，全方位实现数据集中化，对商业银行内部的各项系统进行整合与改善，达到运营风险管理信息高度集中的目标，可以在统一化平台中获得大量数据资源，从而减少了数据成本。其次，大力推动业务集约化的运作，把以往呈分散状态的，层级化与多极化的运营业务汇集起来实行归纳管理。同时逐步增加产品种类，让流程模式得以慢慢统一起来，降低了运营风险管控的难度。最后，对商业银行产品和流程实施规范化管理，提升内部管理与监督的力度，让商业银行的业务和产品更能够满足相应标准，且对应的数据指标也变得愈加统一。这些都给大数据管控商业银行运营风险带来了方便和契机。 而从另一方面看，商业银行转型和发展也需面对不少严峻的挑战。一是监督管理标准变得更加严格，在金融创新不断改革发展的当下，社会对于金融机构的系统性风险管控要求亦随之提高。在这样的条件之下，商业银行便需要面临更高难度的运营风险管理。二是商业模式开始逐渐发生改变，比如社交工具全面推广开来，交易途径变得愈发多样化，交易方式也更为快捷方便。这些都使得风险事件表现出形式多样、方法隐蔽的特征，给监督、管理及控制工作带来了各方面的问题，导致商业银行目前的运营风险管理体系面对极大挑战。三是商业银行内部的管理形式较为单一，在当下依旧是采用条线管理法，对风险管控进行块状分割，没有将不同种类的风险资源统筹起来实施管理，这也很容易导致管理真空的局面出现。 （二）大数据技术广泛应用 如今大数据技术和网络技术的广泛普及与快速进步，给商业银行优化运营风险管理提供了良好的机会。首先，数据的搜集与获得更为方便快捷，数据技术的迅猛发展使商业银行可以高效获取各项数据，以此来实现科学的运营风险管理。这些数据不仅包含了客户信息之类的内部数据，同时还包含有司法、工商、征信、税务乃至第三方平台等外部数据，如此便使得数据信息的获取从深度与广度两方面均得到了拓展。其次，技术工具被普遍地使用，在一定程度上加强了运营数据处理及分析的功能，让数据管理精度进一步提升，并表现出更为明显的灵活性特点。最后，互联网企业以大数据为方向开展了不少实践，比如评估网贷企业风险，规划地图软件行车路线，推送网购平台的广告等，这些都可以作为商业银行运营风险管理的主要参考。 除了上述机遇以外，商业银行在利用大数据技术的方面依然需要攻克一系列难题。一是商业银行对于大数据的管理理论及分析方法均还处于探索阶段中，怎样才能在海量的数据信息中实现高效筛选，完成对数据的科学整合与利用，在目前还没有得出统一的结论。二是和互联网企业相比较而言，商业银行在运用大数据时，考虑因素较多，要建立完善的运营风险数据管理体系，还需要花费较长时间。三是大数据专业的相关人才较为欠缺，商业银行容易受到人力资源管理体系的局限，从而导致其难以自外部直接引进人才。而内部人才培养又需要面对条线分割的难关，故而所耗费的时间成本居高不下。 三、大数据视角下商业银行运营风险管理的现状及问题 （一）管理思维相对滞后 商业银行的传统风险管控体系大多是强调“三道防线”，针对市场风险、信用风险以及操作风险实施监督和控制，对于风险的计量主要依靠监控标准及具体评估方法。其缺陷就是难以避免内部和外部人员为谋取私利而出现的违规行为，同时也无法对高级计量方法展开科学应用。另外，在当今网络时代下，风险管理的界限也在逐步拓展，风险形式变得更加多种多样，而新兴技术和数据的应用不到位，使得传统商业银行风险管理体系很难实现全方位的覆盖与渗透，监管效果不理想。商业银行在进行运营风险管理时，不论是在拓展监控指标、加码控制环节、增加岗位层级抑或是技术手段约束等各个方面，都无法做到及时、高效地应对持续增长的监控需求。所以在面对日新月异的技术、不断改革的业务产品和变化多端的市场形势时，商业银行便需面临较大的风险压力。 （二）管理方式不够先进 首先，商业银行的风险管理和控制仍然处在较为主观化的误区中，对于运营风险的管理大多还依赖于拥有审核资格的人员进行职业判断。但这样的判断始终带有一定的主观性色彩，且具体的标准不统一，容易出现判断失误的情况。其次，控制环节衔接不到位，在集约化形势下，商业银行的运营业务活动基本呈现出线上线下流程式处理、前台后台一体化处理、跨部门条线综合性处理的特征，存在较多风控主体。如此一来，风险控制的判断信息就容易发生缺漏或不对称的问题，直接导致判断出错。再次，风险管理碎片化，商业银行的运营风险控制经常会受到操作风险防范的影响，相关人员对于风险产生的原因及本质都缺乏一个全面的了解和把握。比如对人员水平、岗位变化以及业务组织等均不够了解，存在孤立判断的情况，使得运营风险无法得到根本上的防控。最后，前瞻性的预判不足，难以对风险采取适时的预防措施。总体来说，对于风险的预防应当优先于治理，管理者要想高效完成风险识别与管控工作，就必须要提前针对可能发生的风险作出预判。但就目前情况来看，商业银行的运营风险管理还没有达到此种水平。 （三）管理数据基础较薄弱 即便商业银行现已逐步加深了经营管理的信息化与数据化程度，但其所追求的主要目标仍然是放在短期利润上面，对于运营风险管理数据等一系列风险资源的重视程度略显不足。首先表现为对非结构化与半结构化风险管理数据的忽视，这类风险管理数据大多包含了员工能力、客户偏好、岗位经验等内容，可以真实地反映出各种不同类型的风险因素，同时也可实现跨层面与跨节点的搜索及分析，强化风险数据管理功能。然而传统的商业银行数据管理均是把重心放在客户交易、业务处理及流程控制等结构化数据的管理方面，没有充分重视非结构化与半结构化数据。其次，商业银行风险管理数据资源的获得途径比较有限，多数时候都存在着数据量少且时效性不强的问题，现有数据维度不足，口径亦不够规范化，致使相应的数据信息无法彼此连通。最后，商业银行缺少对于风险管理数据的持续运营，这也严重导致相关数据人才和技术匮乏。 四、大数据视角下商业银行运营的风险管理措施 （一）增强运营风险大数据管理力度 第一，商业银行要加强对于运营风险管理数据的搜集和积攒，构建起企业级的数据库，大范围吸纳不同渠道和多种类型的数据信息，具体可包含机构、客户、员工、产品销售、业务运作等内容。同时也要多收集账户设立、资金往来一类的结构化数据，以及监控视频录像、咨询语音一类的非结构化数据。总而言之，数据就是运营风险管理的核心所在，针对这些数据展开全面、深入的分析，可以真实地反映出商业银行运营风险管理的实际情况，让相关人员能够切实了解并把握运营风险出现的主观与客观因素，这也就为风险的消除提供了重要条件。现阶段，商业银行尤其是国有大型商业银行，多数已经构建起了属于自己的数据库，另外一些也正处在紧锣密鼓的建立过程中。 第二，商业银行需强化对风险管理数据的整合与提炼。在商业银行中，其具体的数据关系到客戶信息、账户交易及业务流程等一系列关键内容，数据总量十分可观。相关人员必须要合理地筛选出能够满足运营风险管理需要的数据信息，为其树立起科学的提炼准则，把无关和无用的信息从海量的数据中清除掉，同时找出核心要素，这样才能确保数据分析精确有效。 第三，商业银行应当逐步建立起运营风险管理数据的专属机制。开展运营数据管理工作，不能只是片面地进行整理、提炼和积累，相关人员必须要从技术层面出发，将数据视为一张张表格，从中搜索出记载不同主体及行为的信息。在一个商业银行当中，其运营风险基础数据表的数量是相当庞大的，其中所含的数据标准及更新频率可能都互不相同，且表和表之间、数据和数据之间存在的联系也并不明确，有的甚至会发生相互冲突的情况。对此就必须要建立一套完善的数据管理流程和相应平台，制定出统一化的数据管理标准，对更新规则进行规范。同时构建起数据关联、验证、质量控制等一系列集成机构，确保商业银行的运营风险管理能拥有完整而全面的数据信息视图，使之风险量化能力不断增强。在此基础上，大数据技术就能在运营风险管理过程中得到更为广泛、深入的运用。 （二）推进大数据在运营风险管理体系中的应用 第一，应当把运营风险管理数据彼此糅合在一起。商业银行运营风险管理具有一定的广泛性，这就决定了其应当要进行多维数据的结合。首先，条线模块之间数据的结合，就以员工的行为风险为例，需要将其对公条线的操作信息与对私条线的操作信息充分结合在一起，这样才能对员工的行为风险做出正确的判断，这些信息相互之间是不能分割的。其次，要把静态数据和动态数据相结合，比如员工的素质水平，还有曾经出现的失误情况等，都属于静态数据，应当将其和员工目前所进行的岗位活动数据信息融合起来，如此才能客观地分析出其中隐藏的风险。再次，总分数据的结合，不仅要研究员工个体行为的数据信息，同时还要全面思考到员工所在机构管理能力和文化所产生的影响。最后，将内部与外部数据信息结合，除了研究员工在商业银行内所产生的行为数据以外，也要查看员工在工作时间之外的行为活动数据信息。 第二，要对运营风险管理数据的应用场景进行有效扩展。总体来看，商业银行运营风险管理的防范主要应当从两大方面开展。一是要避免和监管、案件及重大资金损失有关的“黑天鹅”风险。二是要尽量控制好屡查屡犯、此查彼犯的“灰犀牛”风险。要针对上述风险及其主体，采用大数据技术展开深入研究，拓展各式各样的操作风险场景，在此基础上构成操作风险情景分析数据，再将其应用到平时的管理工作当中。例如，相关人员可以全面分析出某个网点的员工素质、组织管理、过往差错以及历年评价等数据信息，据此来勾画出该网点的风险管理视图。这样就能科学地了解这一网点中的漏洞是出现在哪些业务方面，以及哪些员工需要重点关注，哪些方面的管理存在问题，有着怎样的风险趋向等。之后再采取对应的管理策略，就能够很好地预防和处理运营风险。 第三，科学构建大数据视角下的运营风险管理体系，充分利用大数据和互联网技术，对风险前、中、后的管理流程进行改革创新，提高商业银行风险管理的有效性。一方面，需要构建运营风险计量模型，强化风险量化能力，同时对云计算、数据库以及知识图谱等多项技术进行综合应用，深入分析风险变量与其相关数据之间存在的联系。让去中心化运营风险管理模型得以树立起来，在打破条块的基础上，动态化地显示出运营风险成因及特征，分析其表现与趋势，如此便能够完成对运营风险以及潜在风险的准确辨识和综合评价。另一方面，应当要以大数据为基础，完成运营风险的闭环管理，切实利用好运营风险建模成果，对实际成效展开深入分析。以此来改善并优化风险管理模型，最终实现大数据视角下的发现风险、分析风险、建模、揭示风险、成果利用、风险评测、总结改进的管理工作。此外，还需要对智能风险控制模式展开进一步探索，合理利用大数据平台的运算与分析功能，建设机器学习与深度学习模型，最终达到数据驱动风险控制的效果。 （三）集中力量培育运营风险管理数据人才 众所周知，在当今社会中，人才应属于是第一位的资源。从管理角度来讲，大数据基础人才可以分成三种。一是数据分析方面的人才，也可称之为技术型人才，其主要负责运营和管理各项数据信息。二是数据应用方面的人才，也称为管理型人才，其主要负责利用数据来达成运营管理的主要目标。三是复合型人才，他们不仅具有较强的大数据分析能力，同时也有着运行大数据的能力，可以为商业银行运营风险管控的多项工作贡献一己之力。作为商业银行，在大数据时代下必须要重视对运营风险管理人才的培育，要在日常工作中融入大数据思维，逐步提高内部人员的专业技术水平。同时还应当构建相对应的配套机制，引入更多运营风险管理人才，并将其切实留在银行内。此外，要着重培养一批经验丰富、结构合理，对于运营风险管理工作有较高敏锐度的管理骨干，打造出一支高质量、高水平的人才队伍。要确保其拥有较强的风险分析、判断、监测及排查能力，并能够熟练掌握和运用大数据信息整合技术、运营风险管理技术、数据建模技术等，让商业银行的运营风险管理活动能够得到专业团队的支撑。 （四）将社交网络和商业银行妥善结合 商业银行实现大数据视角下的运营风险管理，必须要依赖于大数据技术，对相应的实践工作进行不断优化和完善，从根本上突破传统数据边缘的限制，积极利用互联网、社交媒体等，实现数据信息获取途径的拓展，以此达到大范围搜集客户信息的目标。另外，商业银行也要注意将与客户沟通交流的途径整合起来，充分体现出互联网的作用，强化内部数据信息和外部社會交往信息之间的关联性，绘制出全面而完整的客户视图。与此同时，也可以和一部分大型社交媒体网站及媒体机构进行数据信息分享，不断提高信息的有效性与科学性，在真正意义上加强商业银行运营风险管理。 五、结语 综上所述，在大数据视角下，商业银行的运营风险管理面临着前所未有的机遇和挑战，如何处理存在的问题，对大数据技术进行科学利用，在很大程度上决定着商业银行未来的发展方向。对此，商业银行就应当增强运营风险大数据管理力度，推进大数据在运营风险管理体系中的应用，培育更多运营风险管理数据人才并将社交网络和商业银行妥善结合起来，带动商业银行在未来的持续、健康发展。 参考文献： [1]谭春枝，梁翠云，耿晓旭.货币政策对流动性风险的影响——基于银行信贷行为视角[J].金融监管研究，2020（01）：84-96. [2]彭海斌，李静.财政对商业银行监督的有效性[J].财经科学，2019（12）：14-26. [3]时波.货币政策对商业银行流动性创造的影响效果研究[J].上海金融，2019（12）：79-85. [4]段翀.商业银行最优贷款组合定价研究——基于风险调整资本收益最大化模型的分析[J].价格理论与实践，2019（08）：92-95 [5]贺燕军，徐晓琛，王天娥.商业银行客服中心的数字化转型探索之路[J].国际金融，2019（10）：15-18. [6]陈立华.科技驱动发展，银行转型创新——浅谈商业银行的金融科技之路[J].特区经济，2019（06）：91-93. （作者单位：安徽工业经济职业技术学院） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。