摘要：隨著銀行業(yè)務載體與社交媒體、電子商務的融合越來越緊密，大量信息廣泛存在于物聯網、電子商務等媒介的非結構化數據，整合客戶線上線下行為產生的結構化和非結構化信息，打破數據邊界，進而降低信息不對稱風險，使銀行形成對客戶行為立體化跟蹤評估，構建更為深化的信用風險管理全景視圖。

隨著銀行業(yè)務載體與社交媒體、電子商務的融合越來越緊密，大量信息廣泛存在于物聯網、電子商務等媒介的非結構化數據，整合客戶線上線下行為產生的結構化和非結構化信息，打破數據邊界，進而降低信息不對稱風險，使銀行形成對客戶行為立體化跟蹤評估，構建更為深化的信用風險管理全景視圖。

我國銀行眼下正在艱難的轉型中。不止金融脫媒和利率市場化步伐越來越快，還因為以電商為代表的互聯網企業(yè)已不再滿足于進入支付領域而開始全面拓展至傳統(tǒng)銀行業(yè)務領域。在這種背景下，通過大數據的應用準確定位市場機會和挖掘新的業(yè)務增長點，成為銀行實現戰(zhàn)略轉型的有效途徑。

麥肯錫評估西方產業(yè)數據認為，大數據的有效利用將能使歐洲發(fā)達國家政府節(jié)省至少1000億歐元(約1490億美元)的運作成本;使美國醫(yī)療保健行業(yè)降低8%的成本(約每年3000多億美元);并使得大多數零售商的營業(yè)利潤率提高60%以上。

近幾年我國互聯網公司的大數據建設快馬加鞭，互聯網公司通過利用大數據技術大舉進軍金融行業(yè)，與銀行形成分庭抗禮之勢，而商業(yè)銀行面臨的挑戰(zhàn)不僅是互聯網金融帶來的。百度建立大數據計劃，包括開放云、數據工廠、百度大腦三大組件，通過大數據引擎向外界提供大數據存儲、分析及挖掘的技術能力。阿里金融利用客戶的網購聊天記錄、口碑評價、投訴糾紛等結構化、非結構化數據對貸款企業(yè)經營狀況、信用水平和還款能力等進行信用評估，并給予對客戶資金流的行為分析，實現流動性風險管理。京東根據客戶的注冊信息、網上交易信息挖掘數據，選擇信用較好的一批客戶發(fā)放小額貸款。

鑒于資本市場的不斷完善和金融創(chuàng)新的不斷推進，銀行業(yè)務領域和盈利空間不斷受到擠壓，應用大數據能幫助銀行更好實現業(yè)務擴展的準確定位，通過對客戶結構化和非結構化數據的分析應用，準確預判業(yè)務的潛在需求人群，并根據不同客戶群的特征制定差異化的業(yè)務拓展策略，提高客戶粘合度和運營效率，為銀行的經營轉型提供有力支持。

電商企業(yè)的蓬勃發(fā)展，深刻改變了企業(yè)和個人的金融行為和習慣。電商企業(yè)的核心競爭優(yōu)勢是掌握了用戶的核心信息資源，其金融服務建立在用戶經營或消費等核心信息基礎之上，因此具有渠道優(yōu)勢和較快的推廣速度。一方面，電商企業(yè)通過對客戶信息的分析開發(fā)專屬產品，實現客戶的精準化營銷和差異化服務，建立與客戶更緊密的粘性；在此基礎上，電商已從單純的支付中介逐步擴展交易撮合、支付代理、融資、保險等一系列金融中介服務，開始蠶食銀行的經營優(yōu)勢。因此，銀行也必須充分利用自己掌握的客戶信息和數據資源，利用大數據技術加強在客戶營銷和市場拓展方面的競爭力。另一方面，客戶在電商平臺上的經營和交易信息與銀行割裂，加劇了銀行信息不對稱，客戶信用風險表現形式更多元化，信用風險管理難度加大，銀行因此需要推進大數據技術的應用，構建更豐富的客戶信息平臺，關注客戶各類信息之間的關聯性，從而發(fā)現潛在的風險因素并預判風險變化趨勢。

原本銀行擁有廣闊的大數據資源，具備開展大數據研究與應用的先天條件。銀行億級客戶每日交易往來的數據積累形成了龐大的結構化數據資源，但是，現有技術手段和工具對這些數據的利用仍然有限。企業(yè)自身信息系統(tǒng)中產生的運營數據大都是標準化、結構化的，這些數據只占了企業(yè)所能獲取的數據的15%。85%的數據廣泛存在于外部系統(tǒng)、物聯網、電子商務等媒介的結構和非結構化數據。這些非結構化數據的產生，往往伴隨著社交網絡、移動計算、傳感器等新興渠道和技術的涌現和應用。隨著銀行業(yè)務的載體與社交媒體、電子商務的融合越來越緊密，僅分析原有15%的結構化數據已不能滿足發(fā)展需求。銀行需要借助由大數據構建的企業(yè)經營全景視圖來管理風險、產品營銷、業(yè)務創(chuàng)新，進而尋找最優(yōu)的模式支持商業(yè)決策。

在中國經濟向“新常態(tài)”的逐步轉型、金融市場改革的持續(xù)深化、以及現代化信息技術的快速滲透的過程中，銀行傳統(tǒng)的信貸風險管控體系面臨嚴峻挑戰(zhàn)。一是經濟增長換擋回落及經濟結構深入調整帶來資產質量下行壓力；二是企業(yè)跨地域、集團化經營業(yè)態(tài)的發(fā)展，風險傳導機制復雜，增加風險刻畫難度；三是銀行信貸規(guī)模增長以及客戶結構深刻變化，傳統(tǒng)信貸業(yè)務模式下的信貸風險控制方法存在較高的優(yōu)化需求，基于大數據新型信息化風險監(jiān)控模式成為大勢所趨。因為，通過大數據技術實現跨平臺、跨業(yè)務條線、跨區(qū)域的數據整合和風險信息挖掘，建立新型風險監(jiān)控體系具有重要的戰(zhàn)略意義。

商業(yè)銀行資產質量有周期波動特點，并且與宏觀經濟周期具有較強正相關性。在經濟上行周期，信貸規(guī)模順周期擴張形成“漲潮效應”，一旦經濟進入下行周期，“落潮效應”顯現，資產價格回落導致貸款質量惡化。目前，我國經濟處于經濟減速的下行周期，行業(yè)產能過剩，小企業(yè)經營風險較高。因此，深化和完善風險監(jiān)控體系，建立事前預警、事中控制、事后監(jiān)督的監(jiān)控流程是應對系統(tǒng)性風險的必要舉措。

從行業(yè)來看，在金融全球化不斷推進的背景下，通過供應鏈關系上下游行業(yè)之間風險傳導性加大。從公司來看，經營多元化、區(qū)域分散化趨勢明顯，風險關聯關系復雜，風險聯動控制困難。所以，交叉風險日益加劇，需要建設信息共享平臺實現風險聯動控制。整合日益互聯互通的數據平臺，基于廣泛的數據獲取方式，完善大容量、多類型的數據存取功能，實現及時在銀行間系統(tǒng)共享數據已成新形勢下風險管理的必要路徑。

大數據技術的發(fā)展將改變銀行信息獲取、分析和運用的渠道和機制，為信息化風險監(jiān)控創(chuàng)造技術條件。一方面，銀行運營過程產生了海量數據，有效的數據清洗和數據挖掘技術的應用可從海量數據中識別信用風險管理過程中的關鍵信息，從而提高銀行數據的利用效率。而另一方面，隨著銀行業(yè)務載體與社交媒體、電子商務的融合越來越緊密，大量信息廣泛存在于物聯網、電子商務等媒介的非結構化數據，整合客戶線上線下行為產生的結構化和非結構化信息，打破數據邊界，進而降低信息不對稱風險，使銀行形成對客戶行為立體化跟蹤評估，構建更為深化的信用風險管理全景視圖。