閆炯智

隨著社交軟件、智能手機(jī)和網(wǎng)絡(luò)的普及，數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)，人們正在步入“大數(shù)據(jù)”時(shí)代，這種顛覆性的技術(shù)變革對(duì)社會(huì)、商業(yè)和個(gè)人都將產(chǎn)生巨大而深遠(yuǎn)的影響。在此背景下，本文闡述了大數(shù)據(jù)的內(nèi)涵及其發(fā)展，介紹了目前在商業(yè)銀行的應(yīng)用現(xiàn)狀及難點(diǎn)，并提出了大數(shù)據(jù)在商業(yè)銀行風(fēng)險(xiǎn)管理領(lǐng)域深入應(yīng)用的策略建議。

大數(shù)據(jù)風(fēng)控的發(fā)展歷程

目前，業(yè)界對(duì)“大數(shù)據(jù)”并沒(méi)有統(tǒng)一的定義。研究機(jī)構(gòu)Gartner認(rèn)為，“大數(shù)據(jù)”是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。大數(shù)據(jù)有“4V”的特性，包括“Volume ”“Variety”“Value”“Velocity”?！癡olume”是指海量的數(shù)據(jù)，并隨著科技的飛速發(fā)展，數(shù)據(jù)量將急劇增長(zhǎng)。根據(jù)國(guó)際數(shù)據(jù)公司IDC的研究預(yù)測(cè)，到2020年， 全球范圍內(nèi)將產(chǎn)生的數(shù)據(jù)容量為35ZB，是2011年數(shù)據(jù)容量的近20倍；到2025年，全世界將創(chuàng)建和復(fù)制163ZB的數(shù)據(jù)，是2016 年所創(chuàng)建數(shù)據(jù)量的十倍。“Variety”是指數(shù)據(jù)的類型豐富多樣，相較于以往文本形式為主的結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)時(shí)代包含了視頻、音頻、圖片、地理位置、網(wǎng)絡(luò)日志等眾多類型的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。“Value”是指數(shù)據(jù)的價(jià)值密度與數(shù)據(jù)總量負(fù)相關(guān)?！癡elocity”是指快速的數(shù)據(jù)處理速度，海量的數(shù)據(jù)量需要高效率的數(shù)據(jù)處理速度，同時(shí)，短時(shí)間內(nèi)完成的數(shù)據(jù)處理結(jié)果有助于應(yīng)用策略的快速制訂及調(diào)整。

在網(wǎng)貸領(lǐng)域， 英國(guó)貸款網(wǎng)絡(luò)平臺(tái)W o n g a首創(chuàng)大數(shù)據(jù)風(fēng)控。該公司成立于2006年，從事發(fā)薪日貸款（Pa y d a y Loan），可以全天24小時(shí)辦理業(yè)務(wù)，向用戶提供金額從50英鎊到750英鎊不等的小額在線借款業(yè)務(wù)。其獨(dú)特的大數(shù)據(jù)自動(dòng)風(fēng)控系統(tǒng)克服了傳統(tǒng)征信系統(tǒng)的片面、不注重成長(zhǎng)性和效率低下等難點(diǎn)，將征信數(shù)據(jù)節(jié)點(diǎn)提升到8000個(gè)，能夠根據(jù)用戶填寫(xiě)的信息自動(dòng)進(jìn)行風(fēng)險(xiǎn)評(píng)估，并在20分鐘內(nèi)給出貸款報(bào)價(jià)，堪稱大數(shù)據(jù)風(fēng)控的鼻祖。

在征信領(lǐng)域， 美國(guó)金融科技公司ZestFinance具有代表性。該公司成立于2009年，在其模型中，往往要用到3500多個(gè)數(shù)據(jù)項(xiàng)，從中提取70000多個(gè)變量，在傳統(tǒng)信用分?jǐn)?shù)不到1000個(gè)數(shù)據(jù)變量的基礎(chǔ)上發(fā)生了質(zhì)變。該公司引領(lǐng)大數(shù)據(jù)計(jì)算和征信技術(shù)的前沿，顛覆了延續(xù)半個(gè)世紀(jì)的傳統(tǒng)征信模式。

在國(guó)內(nèi)銀行業(yè)，工商銀行、興業(yè)銀行、寧波銀行等在大數(shù)據(jù)風(fēng)控中取得了長(zhǎng)足進(jìn)展。

工商銀行通過(guò)打造大數(shù)據(jù)服務(wù)云，支持大數(shù)據(jù)發(fā)展數(shù)據(jù)多樣化、服務(wù)能力實(shí)時(shí)化、算法引擎智能化、基礎(chǔ)平臺(tái)云化的趨勢(shì)，在信用風(fēng)險(xiǎn)領(lǐng)域成立信用風(fēng)險(xiǎn)監(jiān)控中心，以大數(shù)據(jù)分析技術(shù)為手段，集信用風(fēng)險(xiǎn)的分析、監(jiān)測(cè)、預(yù)警、管控于一體，確立了分析建模、實(shí)時(shí)監(jiān)測(cè)、風(fēng)險(xiǎn)預(yù)警、核查管控、跟蹤督辦、反饋優(yōu)化及考核評(píng)價(jià)的信用風(fēng)險(xiǎn)監(jiān)控工作流程，實(shí)時(shí)開(kāi)展融資客戶、融資產(chǎn)品、信貸機(jī)構(gòu)及信貸人員風(fēng)險(xiǎn)的監(jiān)測(cè)預(yù)警及跟蹤管控。

興業(yè)銀行在風(fēng)險(xiǎn)管理方面大力推動(dòng)數(shù)據(jù)應(yīng)用和數(shù)據(jù)挖掘分析的力度，迭代開(kāi)發(fā)風(fēng)控搜、核貸寶、黃金眼等創(chuàng)新型大數(shù)據(jù)產(chǎn)品?！帮L(fēng)控搜”產(chǎn)品整合了互聯(lián)網(wǎng)風(fēng)險(xiǎn)類信息，供貸前調(diào)查、貸中審批、貸后監(jiān)控等各環(huán)節(jié)的人員使用，旨在成為一款“采集風(fēng)險(xiǎn)—提示風(fēng)險(xiǎn)—撲滅風(fēng)險(xiǎn)”的風(fēng)控產(chǎn)品?！昂速J寶”通過(guò)Python技術(shù)自動(dòng)抓取各重要網(wǎng)站信息，提供一站式查詢服務(wù)，可一鍵查多網(wǎng)，并智能生成征信報(bào)告，促進(jìn)貸款審核流程的革新；同時(shí)，該產(chǎn)品通過(guò)對(duì)外部數(shù)據(jù)實(shí)現(xiàn)電子化存儲(chǔ)，信貸人員在貸款審查審批、放款復(fù)核及貸后管理環(huán)節(jié)只需一次性查詢?！包S金眼”以隨機(jī)森林算法為核心，利用大數(shù)據(jù)信息技術(shù)，結(jié)合網(wǎng)絡(luò)爬蟲(chóng)和搜索引擎，模擬人工查詢和評(píng)價(jià)數(shù)據(jù)的過(guò)程，構(gòu)建100余條預(yù)警規(guī)則和評(píng)分模型，利用圖關(guān)聯(lián)技術(shù)可視化展現(xiàn)客戶的股東、擔(dān)保、交易等關(guān)聯(lián)關(guān)系。

寧波銀行通過(guò)整合行內(nèi)各業(yè)務(wù)數(shù)據(jù)， 引入互聯(lián)網(wǎng)數(shù)據(jù)以及專網(wǎng)數(shù)據(jù)，建立了內(nèi)容覆蓋面更廣、風(fēng)險(xiǎn)信息來(lái)源更多、預(yù)警針對(duì)性更強(qiáng)的大數(shù)據(jù)風(fēng)控平臺(tái)。該平臺(tái)通過(guò)風(fēng)控模型探測(cè)潛在風(fēng)險(xiǎn)信號(hào)，在貸前、貸中和貸后三個(gè)環(huán)節(jié)，向前臺(tái)業(yè)務(wù)人員及各級(jí)審查審批人員提示風(fēng)險(xiǎn)，通過(guò)建設(shè)企業(yè)級(jí)客戶標(biāo)簽畫(huà)像系統(tǒng)，全面了解客戶渠道使用、產(chǎn)品購(gòu)買等信息，為風(fēng)險(xiǎn)控制提供決策支撐。

大數(shù)據(jù)風(fēng)控的應(yīng)用難點(diǎn)

商業(yè)銀行具備實(shí)施大數(shù)據(jù)的基礎(chǔ)，雖然我國(guó)很多商業(yè)銀行都建設(shè)了數(shù)據(jù)中心， 但離大數(shù)據(jù)的應(yīng)用要求還有一定距離，應(yīng)用難點(diǎn)主要表現(xiàn)在以下方面。

人才短缺難點(diǎn)。在商業(yè)銀行應(yīng)用和推廣大數(shù)據(jù)技術(shù)，需要既掌握大數(shù)據(jù)技術(shù)和IT技術(shù)，又懂業(yè)務(wù)邏輯和業(yè)務(wù)操作流程， 同時(shí)也熟悉銀行內(nèi)控合規(guī)要求等的綜合性人才。然而，現(xiàn)實(shí)的人才情況限制著商業(yè)銀行大數(shù)據(jù)技術(shù)的發(fā)展。一方面，在大數(shù)據(jù)技術(shù)應(yīng)用和推廣領(lǐng)域中的人才儲(chǔ)備普遍比較短缺；另一方面，隨著互聯(lián)網(wǎng)金融的火熱，商業(yè)銀行的部分金融科技人才逐漸流失，從而限制了銀行大數(shù)據(jù)技術(shù)的創(chuàng)新應(yīng)用。

數(shù)據(jù)整合難點(diǎn)。商業(yè)銀行擁有豐富的、標(biāo)準(zhǔn)化程度較高的客戶數(shù)據(jù)，但這些數(shù)據(jù)寶藏往往分布在內(nèi)部各條線、各職能部門、各分支機(jī)構(gòu)之間，而且各信息系統(tǒng)是在不同時(shí)期建設(shè)的，開(kāi)發(fā)者也各不相同； 同時(shí)，各系統(tǒng)之間的管理要求不同，標(biāo)準(zhǔn)不統(tǒng)一，共享基礎(chǔ)差，業(yè)務(wù)信息也不一致。由于難以互聯(lián)互通，缺乏共享機(jī)制，形成一座座“信息孤島”，導(dǎo)致在應(yīng)用數(shù)據(jù)時(shí)難以有效整合，許多行內(nèi)數(shù)據(jù)仍然在數(shù)據(jù)庫(kù)中“沉默”，未發(fā)揮應(yīng)有的作用。

合規(guī)或?qū)徤麟y點(diǎn)。大量的數(shù)據(jù)涉及客戶隱私，而且有時(shí)候難以確定界限。銀行作為受嚴(yán)格監(jiān)管的金融機(jī)構(gòu)，為了符合合規(guī)要求，或者出于保護(hù)客戶隱私如手機(jī)號(hào)、家庭住址、身份證號(hào)等敏感信息的需要，抑或?qū)Υ髷?shù)據(jù)技術(shù)應(yīng)用審慎的態(tài)度等原因，對(duì)所擁有的海量數(shù)據(jù)開(kāi)發(fā)程度有限，使得寶貴的數(shù)據(jù)難以發(fā)揮效用。

開(kāi)發(fā)和應(yīng)用協(xié)調(diào)難點(diǎn)。由于銀行內(nèi)部各條線、各部門間的合作機(jī)制不完善， 又缺乏復(fù)合型人才，導(dǎo)致風(fēng)險(xiǎn)部門與開(kāi)發(fā)部門、風(fēng)險(xiǎn)部門與業(yè)務(wù)部門的溝通協(xié)調(diào)成本較高，協(xié)調(diào)數(shù)據(jù)產(chǎn)品的開(kāi)發(fā)實(shí)施周期較長(zhǎng)，產(chǎn)品創(chuàng)新及應(yīng)用推廣與業(yè)務(wù)的實(shí)際需求難以有效匹配，從而使得創(chuàng)新、開(kāi)發(fā)、應(yīng)用難以有效統(tǒng)一。

傳統(tǒng)系統(tǒng)架構(gòu)適應(yīng)難點(diǎn)。隨著互聯(lián)網(wǎng)金融、穿戴傳感設(shè)備、物聯(lián)網(wǎng)的快速發(fā)展，這些新形態(tài)下產(chǎn)生的數(shù)據(jù)、客戶交易行為記錄，以及包括銀行在內(nèi)所記錄的影像、圖片、音頻等半結(jié)構(gòu)或非結(jié)構(gòu)化數(shù)據(jù)，都是非常有價(jià)值的數(shù)據(jù)信息，都將和結(jié)構(gòu)化數(shù)據(jù)一并納入數(shù)據(jù)管理和分析范圍。目前，銀行傳統(tǒng)的系統(tǒng)對(duì)這類數(shù)據(jù)的處理能力普遍較弱，由于銀行的業(yè)務(wù)鏈條較長(zhǎng)、各信息系統(tǒng)較為復(fù)雜等原因，傳統(tǒng)系統(tǒng)架構(gòu)距大數(shù)據(jù)技術(shù)的應(yīng)用與推廣還有較大差距。

數(shù)據(jù)挖掘分析難點(diǎn)。由于搜集的數(shù)據(jù)信息可能不完整，無(wú)法積累客戶在平時(shí)生活中展現(xiàn)的生活習(xí)慣、消費(fèi)傾向等行為數(shù)據(jù)，難以與行內(nèi)業(yè)務(wù)數(shù)據(jù)結(jié)合以刻畫(huà)客戶的消費(fèi)習(xí)慣、風(fēng)險(xiǎn)偏好等。在未進(jìn)行有效整合的情況下，銀行風(fēng)控人員很難準(zhǔn)確識(shí)別客戶的整體風(fēng)險(xiǎn)。特別是對(duì)于跨行業(yè)、跨區(qū)域、跨市場(chǎng)的擔(dān)保客戶或集團(tuán)客戶， 客戶或其實(shí)際控制人往往存在多處注冊(cè)、多頭融資的情況，具有交易復(fù)雜、業(yè)務(wù)經(jīng)營(yíng)和資金流動(dòng)等特征，傳統(tǒng)數(shù)據(jù)分析難以清晰了解客戶的生產(chǎn)經(jīng)營(yíng)、關(guān)聯(lián)關(guān)系的全部真實(shí)情況，無(wú)法發(fā)現(xiàn)虛假信息、交叉違約、關(guān)聯(lián)風(fēng)險(xiǎn)等多層復(fù)雜風(fēng)險(xiǎn)。

解決之道

銀行歷經(jīng)了半個(gè)多世紀(jì)的建模和數(shù)據(jù)分析探索，以信用評(píng)級(jí)或評(píng)分模型為代表，積累了豐富的理論和實(shí)踐經(jīng)驗(yàn)，銀行擁有群體數(shù)量龐大的客戶，擁有海量的客戶數(shù)據(jù)和交易數(shù)據(jù)，是一座有待深挖的寶礦。大數(shù)據(jù)的應(yīng)用為商業(yè)銀行風(fēng)控帶來(lái)了海量的數(shù)據(jù)、更加豐富的風(fēng)控工具和更加高效的處理能力，具有遠(yuǎn)見(jiàn)和雄心的商業(yè)銀行應(yīng)當(dāng)早做布局，引領(lǐng)金融科技的發(fā)展?？梢詮囊韵路矫嫔罨髷?shù)據(jù)的應(yīng)用。

加強(qiáng)復(fù)合型人才的培養(yǎng)。大數(shù)據(jù)思維對(duì)銀行風(fēng)險(xiǎn)管理水平的提升無(wú)疑具有十分重要的意義，但應(yīng)該認(rèn)識(shí)到大數(shù)據(jù)不是萬(wàn)能的，不能代替風(fēng)險(xiǎn)管理專家的作用。因?yàn)閿?shù)據(jù)信息和模型本身具有局限性，能否最大程度地發(fā)揮數(shù)據(jù)的效用取決于用數(shù)據(jù)的人，因此需要大量培養(yǎng)既懂業(yè)務(wù)又懂?dāng)?shù)據(jù)和模型的專家，打造一支既對(duì)風(fēng)險(xiǎn)有定性分析判斷、潛在風(fēng)險(xiǎn)排查、動(dòng)態(tài)風(fēng)險(xiǎn)監(jiān)測(cè)能力，又掌握數(shù)據(jù)整合挖掘能力、定量風(fēng)險(xiǎn)分析技術(shù)、具有風(fēng)險(xiǎn)模型開(kāi)發(fā)和監(jiān)控能力的復(fù)合型風(fēng)險(xiǎn)管理人才隊(duì)伍。

建立集中式的風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警中心?；诖髷?shù)據(jù)及其挖掘技術(shù)，對(duì)分散在銀行內(nèi)部各業(yè)務(wù)條線、各職能部門、各分支機(jī)構(gòu)、各子系統(tǒng)中的數(shù)據(jù)進(jìn)行集中，與外部大數(shù)據(jù)進(jìn)行整合后，實(shí)現(xiàn)商業(yè)銀行的事前預(yù)警、事中控制、事后監(jiān)測(cè)，并通過(guò)海量數(shù)據(jù)的核查和判定，及時(shí)挖掘、監(jiān)測(cè)、預(yù)警、管控可能出現(xiàn)的風(fēng)險(xiǎn)點(diǎn)，構(gòu)建覆蓋“全流程、全客戶、全業(yè)務(wù)、全產(chǎn)品、全資產(chǎn)”的全面持續(xù)的集中式非現(xiàn)場(chǎng)監(jiān)測(cè)預(yù)警體系。力求從數(shù)據(jù)中尋找業(yè)務(wù)發(fā)展和決策的依據(jù)，提高全流程預(yù)警能力和風(fēng)險(xiǎn)管理的信息化、自動(dòng)化水平。當(dāng)發(fā)現(xiàn)客戶出現(xiàn)結(jié)算、存款或交易等大幅變動(dòng)或下降等異常情況時(shí)，則通過(guò)系統(tǒng)向各條線發(fā)出風(fēng)險(xiǎn)提示或預(yù)警，貸前調(diào)查人員應(yīng)核實(shí)相關(guān)信息，貸中審查審批人員應(yīng)據(jù)此作出審查審批意見(jiàn)和決策，貸后管理人員應(yīng)及時(shí)開(kāi)展現(xiàn)場(chǎng)核查，就風(fēng)險(xiǎn)情況督促客戶改進(jìn)，或采取壓縮授信額度、提前收回貸款、資產(chǎn)保全等防范措施。同時(shí)，進(jìn)一步完善基于大數(shù)據(jù)信息的集中式風(fēng)險(xiǎn)輔助審查審批體制，補(bǔ)充或校正授信申報(bào)機(jī)構(gòu)對(duì)客戶風(fēng)險(xiǎn)信息的收集和判斷。運(yùn)用合理的參數(shù)和模型，結(jié)合大數(shù)據(jù)信息，做出更全面、專業(yè)的分析和判斷，使風(fēng)險(xiǎn)識(shí)別、計(jì)量、決策、防范更加準(zhǔn)確及時(shí)。

強(qiáng)化與業(yè)務(wù)的聯(lián)動(dòng)。一方面，開(kāi)展“請(qǐng)進(jìn)來(lái)”，請(qǐng)業(yè)務(wù)部門負(fù)責(zé)人、一線業(yè)務(wù)骨干到風(fēng)控部門和大數(shù)據(jù)應(yīng)用項(xiàng)目組， 親身體驗(yàn)大數(shù)據(jù)智能風(fēng)控服務(wù)，并根據(jù)業(yè)務(wù)需要提出相關(guān)需求和改進(jìn)建議，以更契合業(yè)務(wù)發(fā)展的需要，更好地提升客戶體驗(yàn)。另一方面，通過(guò)“走出去”，派出懂產(chǎn)品、善介紹的骨干人員，深入到業(yè)務(wù)條線和分支機(jī)構(gòu)，開(kāi)展大數(shù)據(jù)產(chǎn)品宣講、培訓(xùn)，并搜集業(yè)務(wù)方面的反饋意見(jiàn)，完善產(chǎn)品功能及服務(wù)，推動(dòng)大數(shù)據(jù)風(fēng)控產(chǎn)品的應(yīng)用，激發(fā)產(chǎn)品創(chuàng)新動(dòng)力。

深化數(shù)據(jù)挖掘分析。銀行內(nèi)部數(shù)據(jù)具有標(biāo)準(zhǔn)化、價(jià)值高的特性，是一座有待持續(xù)深入挖掘的寶藏，隨著銀行擁抱大數(shù)據(jù)進(jìn)程的加快，內(nèi)外部數(shù)據(jù)的整合將產(chǎn)生更大的潛在價(jià)值。銀行應(yīng)充分利用大數(shù)據(jù)技術(shù)對(duì)海量數(shù)據(jù)深入挖掘和分析：一是結(jié)合企業(yè)的靜態(tài)和動(dòng)態(tài)的數(shù)據(jù)，既要看企業(yè)資產(chǎn)負(fù)債表的靜態(tài)數(shù)據(jù)情況，還要考察企業(yè)交易結(jié)算數(shù)據(jù)等動(dòng)態(tài)數(shù)據(jù)；二是結(jié)合宏觀、中觀和微觀的數(shù)據(jù)，綜合考慮宏觀經(jīng)濟(jì)、中觀行業(yè)、微觀企業(yè)的情況；三是結(jié)合結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，其中結(jié)構(gòu)化數(shù)據(jù)包括貸款、存款、交易流水等，非結(jié)構(gòu)化數(shù)據(jù)包括企業(yè)管理層情況、產(chǎn)品信息、抵質(zhì)押品情況等；四是結(jié)合行內(nèi)數(shù)據(jù)和行外數(shù)據(jù)，行內(nèi)數(shù)據(jù)包括信貸數(shù)據(jù)、交易結(jié)算、抵質(zhì)押數(shù)據(jù)等，行外數(shù)據(jù)包括工商稅務(wù)、司法環(huán)保、征信海關(guān)等方面的數(shù)據(jù)。通過(guò)以上幾種結(jié)合，動(dòng)態(tài)地分析貸前調(diào)查、審查審批、貸后管理、資產(chǎn)保全等全流程的客戶及關(guān)聯(lián)關(guān)系風(fēng)險(xiǎn)，更好地了解客戶及其行為特征，優(yōu)化風(fēng)控技術(shù)和流程，提高風(fēng)險(xiǎn)評(píng)估模型的精準(zhǔn)度，進(jìn)一步提升風(fēng)險(xiǎn)管理的精細(xì)化水平。

建立大數(shù)據(jù)信用評(píng)分。通過(guò)大數(shù)據(jù)信用評(píng)分可以緩解傳統(tǒng)征信體系中無(wú)征信記錄的企業(yè)、個(gè)人，或財(cái)務(wù)數(shù)據(jù)難以核實(shí)的小微企業(yè)的借貸難題。在利用大數(shù)據(jù)建立個(gè)人信用評(píng)分方面，外部數(shù)據(jù)應(yīng)涵蓋身份核驗(yàn)信息、學(xué)歷信息、運(yùn)營(yíng)商信息、司法信息、工商信息、銀聯(lián)消費(fèi)信息等，內(nèi)部數(shù)據(jù)應(yīng)通過(guò)與個(gè)貸系統(tǒng)、信用卡系統(tǒng)對(duì)接，實(shí)現(xiàn)內(nèi)外部數(shù)據(jù)的整合。在利用大數(shù)據(jù)建立企業(yè)信用評(píng)分方面，一是應(yīng)用企業(yè)及高管的外部大數(shù)據(jù)，涵蓋銀監(jiān)、征信、工商、司法、環(huán)保、稅務(wù)、股東或高管投融資信息、公積金、房產(chǎn)指數(shù)、商標(biāo)專利、外部輿情、學(xué)歷認(rèn)證信息、電商交易數(shù)據(jù)等； 二是應(yīng)用行內(nèi)的企業(yè)及高管賬戶行為數(shù)據(jù)， 包括交易往來(lái)、存貸記錄、代發(fā)工資等。通過(guò)個(gè)人和企業(yè)的大數(shù)據(jù)信用評(píng)分，對(duì)接各業(yè)務(wù)條線生產(chǎn)系統(tǒng)，輔助貸前調(diào)查、授信審批、放款核驗(yàn)、貸后監(jiān)控、預(yù)警等工作， 提升授信業(yè)務(wù)質(zhì)效，尤其是對(duì)于由第三方平臺(tái)如電商或支付公司推薦的客戶，基于保護(hù)客戶數(shù)據(jù)的考慮，平臺(tái)往往不提供詳細(xì)的信息，從而難以評(píng)價(jià)這些客戶的風(fēng)險(xiǎn)。

需要指出的是，大數(shù)據(jù)有其明顯的長(zhǎng)處，但也有其不足。一是大數(shù)據(jù)容量越大，其噪音也相應(yīng)地增加，甚至噪聲增長(zhǎng)速度可能快于數(shù)據(jù)量的增速，在大數(shù)據(jù)管理、分析方法尚未完全成熟時(shí)，挖掘成本較高。而銀行傳統(tǒng)數(shù)據(jù)含金量高，可以基于比較成熟的數(shù)理統(tǒng)計(jì)理論和方法，建立經(jīng)典的數(shù)理模型。二是外部大數(shù)據(jù)往往反映相關(guān)關(guān)系，而銀行傳統(tǒng)數(shù)據(jù)更容易得到因果關(guān)系，只有把兩者互相融合，把傳統(tǒng)數(shù)據(jù)分析方法的完備性、準(zhǔn)確性和大數(shù)據(jù)的多維性、及時(shí)性融合起來(lái)，才能真正提升大數(shù)據(jù)在銀行風(fēng)控中的實(shí)效。

（作者系華夏銀行總行授信運(yùn)行部總經(jīng)理）