數據越豐富則分析結果會越強大，大數據分析及相關分析數據迎來了黃金期。
隨著數據量的增大以及數據多樣性的增強，如何駕馭好這些數據讓它更好的為決策服務、減少損失以及增加收益變得越來越重要。銀行的業務經營依托于對風險的評估，以及對評估結果加以利用。這對當下的銀行管理者提出更高的要求，包括分析獲取可信的數據以及與公司員工分享得到的結果。
風險一直在增長
正如最近一些頭條所指出的，風險的復雜性在增加，這種復雜性遍布于銀行業的各個角落。銀行業的集中度越來越高，更多的大型機構要協調不同層級和維度的關系，包括產品、流程、技術、組織架構以及合同等。金融創新帶來了新的工具，不同市場之間的關聯性增強也帶來更頻繁的跨界信息流動。由此帶來的問題是，當風險出現的時候，市場的波動率會瞬時增加，從而造成會帶來巨大流動性風險的“波動聚類(Volatility Clustering)”，就像2007—2009年的金融危機以及2001年的互聯網泡沫破裂那樣。
顯然，銀行業的風險非常廣泛。“我們已經定義了13種系統性風險：網絡風險、高頻交易風險、對手風險、擔保風險、流動性風險等等，同時我們也從如此多的大型銀行的清算和結算活動中總結出一整類的關聯性風險定義”。Mike Leibrock說，Mike是美國存款信托清算公司(DTCC)負責系統風險的副總裁(DTCC為所有的大型銀行提供清結算服務)。
作為監管者，當然也包括他們監管的機構，還是像之前一樣關注與識別和管理金融系統中的潛在風險，同時數據的管理實踐也在不斷變化。
大數據的潛力
銀行在處理儲存在他們數據庫的數據方面都是專家。他們能夠從把每天發生的數據整理成報告提供給中臺和前臺人員，供他們研究最新的市場趨勢。
大數據是不同的。它數量巨大、形式多樣并具有瞬時性，它可以從移動設備、社交應用、網頁訪問以及第三方獲取，包括信用消費等方面的數據。它可以幫人們揭示那些連專家都不易察覺到的潛在消費習慣。大數據能夠幫助銀行從更細致的層面上發掘潛在的風險，可以細致到單一客戶、產品以及投資組合水平，有些甚至可以更細致，達到信用審批以及定價層面。
為了了解更多關于大數據和銀行風險管理的關系，EIU調查了6大洲55個國家的208位風險及合規管理上的高管，涵蓋了零售銀行(29%)、商業銀行(43%)、投資銀行(28%)。結果顯示越來越多的銀行界開始傾向于使用大數據，但他們仍然面臨著一些挑戰，主要是將分析結果應用在更高級的風險管理中，尤其是流動性風險和信用風險。
調查要求高管們為他們自己的機構打分，主要在控制以及緩解風險方面。結果顯示了如下的一些相同點，包括：
基本的大數據工具來進行整理和獲取那些有序及無序的數據(有35%高于平均分及7%低于平均分的高管選擇了此項);更高級的大數據工具來進行預測和視覺化分析(有33%高于平均分及8%低于平均分的高管選擇了此項)。
換句話說，那些表現更好的銀行更喜歡使用多種不同的方法來進行風險分析，包括基礎的和高級的分析工具。更進一步說，他們也更喜歡靠大量的數據解決風控問題。
支持風險管理的大數據投資
除了來自四個區域，受訪者還來自三類機構：43%的商業銀行，剩下的一半來自零售銀行，一半來自于投資銀行。相比較于其他類型的風險，三類機構的受訪者均更加關注流動性風險和信用風險。同時，隨著行業和地區的不同，他們賦予不同風險的重要性不同。
在所有地區和行業中，絕大部分銀行已經或者很快在支持風險管理中投資大數據。五分之四的銀行(81%)定期向高級管理人員提供關于銀行風險狀況的綜合報告，另外有15%的銀行打算在未來三年內也這樣做。幾乎所有銀行都在致力于推動風險管理信息至銀行高級決策者。但問題是他們是否獲取到了正確的大數據工具并且真正有效。
僅僅過了十分之四的受訪者創建風險概況時，擁有整合、操作和質疑大數據的能力。近半數的受訪者在未來三年有計劃在這些工具上進行投資。
先進的大數據工具的占比稍微有些低。例如，預測分析和數據可視化：41%的正在使用它們，44%的預計在未來三年內獲取它們。
盡管如此，來自各大洲的絕大多數的零售銀行、商業銀行和投資銀行都致力于利用大數據的力量。
京公網安備 11010502049343號