大数据 银行风险管理的“金钥匙”
数据越丰富则分析结果会越强大,大数据分析及相关分析数据迎来了黄金期。
随着数据量的增大以及数据多样性的增强,如何驾驭好这些数据让它更好的为决策服务、减少损失以及增加收益变得越来越重要。银行的业务经营依托于对风险的评估,以及对评估结果加以利用。这对当下的银行管理者提出更高的要求,包括分析获取可信的数据以及与公司员工分享得到的结果。
风险一直在增长
正如最近一些头条所指出的,风险的复杂性在增加,这种复杂性遍布于银行业的各个角落。银行业的集中度越来越高,更多的大型机构要协调不同层级和维度的关系,包括产品、流程、技术、组织架构以及合同等。金融创新带来了新的工具,不同市场之间的关联性增强也带来更频繁的跨界信息流动。由此带来的问题是,当风险出现的时候,市场的波动率会瞬时增加,从而造成会带来巨大流动性风险的“波动聚类(Volatility Clustering)”,就像2007—2009年的金融危机以及2001年的互联网泡沫破裂那样。
显然,银行业的风险非常广泛。“我们已经定义了13种系统性风险:网络风险、高频交易风险、对手风险、担保风险、流动性风险等等,同时我们也从如此多的大型银行的清算和结算活动中总结出一整类的关联性风险定义”。Mike Leibrock说,Mike是美国存款信托清算公司(DTCC)负责系统风险的副总裁(DTCC为所有的大型银行提供清结算服务)。
作为监管者,当然也包括他们监管的机构,还是像之前一样关注与识别和管理金融系统中的潜在风险,同时数据的管理实践也在不断变化。
大数据的潜力
银行在处理储存在他们数据库的数据方面都是专家。他们能够从把每天发生的数据整理成报告提供给中台和前台人员,供他们研究最新的市场趋势。
大数据是不同的。它数量巨大、形式多样并具有瞬时性,它可以从移动设备、社交应用、网页访问以及第三方获取,包括信用消费等方面的数据。它可以帮人们揭示那些连专家都不易察觉到的潜在消费习惯。大数据能够帮助银行从更细致的层面上发掘潜在的风险,可以细致到单一客户、产品以及投资组合水平,有些甚至可以更细致,达到信用审批以及定价层面。
为了了解更多关于大数据和银行风险管理的关系,EIU调查了6大洲55个国家的208位风险及合规管理上的高管,涵盖了零售银行(29%)、商业银行(43%)、投资银行(28%)。结果显示越来越多的银行界开始倾向于使用大数据,但他们仍然面临着一些挑战,主要是将分析结果应用在更高级的风险管理中,尤其是流动性风险和信用风险。
调查要求高管们为他们自己的机构打分,主要在控制以及缓解风险方面。结果显示了如下的一些相同点,包括:
基本的大数据工具来进行整理和获取那些有序及无序的数据(有35%高于平均分及7%低于平均分的高管选择了此项);更高级的大数据工具来进行预测和视觉化分析(有33%高于平均分及8%低于平均分的高管选择了此项)。
换句话说,那些表现更好的银行更喜欢使用多种不同的方法来进行风险分析,包括基础的和高级的分析工具。更进一步说,他们也更喜欢靠大量的数据解决风控问题。
支持风险管理的大数据投资
除了来自四个区域,受访者还来自三类机构:43%的商业银行,剩下的一半来自零售银行,一半来自于投资银行。相比较于其他类型的风险,三类机构的受访者均更加关注流动性风险和信用风险。同时,随着行业和地区的不同,他们赋予不同风险的重要性不同。
在所有地区和行业中,绝大部分银行已经或者很快在支持风险管理中投资大数据。五分之四的银行(81%)定期向高级管理人员提供关于银行风险状况的综合报告,另外有15%的银行打算在未来三年内也这样做。几乎所有银行都在致力于推动风险管理信息至银行高级决策者。但问题是他们是否获取到了正确的大数据工具并且真正有效。
仅仅过了十分之四的受访者创建风险概况时,拥有整合、操作和质疑大数据的能力。近半数的受访者在未来三年有计划在这些工具上进行投资。
先进的大数据工具的占比稍微有些低。例如,预测分析和数据可视化:41%的正在使用它们,44%的预计在未来三年内获取它们。
尽管如此,来自各大洲的绝大多数的零售银行、商业银行和投资银行都致力于利用大数据的力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29持证人简介 郭畅,CDA数据分析师二级持证人,安徽大学毕业,目前就职于徽商银行总行大数据部,两年工作经验,主要参与两项跨部 ...
2025-01-282025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-01-27在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-01-26数据指标体系 “数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而 ...
2025-01-26在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-25俗话说的好“文不如表,表不如图”,图的信息传达效率很高,是数据汇报、数据展示的重要手段。好的数据展示不仅需要有图,还要选 ...
2025-01-24数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪70 ...
2025-01-24又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-23“用户旅程分析”概念 用户旅程图又叫做用户体验地图,它是用于描述用户在与产品或服务互动的过程中所经历的各个阶段、触点和情 ...
2025-01-22在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-22在数据分析领域,Excel作为一种普及率极高且功能强大的工具,无疑为无数专业人士提供了便捷的解决方案。尽管Excel自带了丰富的功 ...
2025-01-17在这个瞬息万变的时代,许多人都在寻找能让他们脱颖而出的职业。而数据分析师,作为大数据和人工智能时代的热门职业,自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言,已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手,还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策,真的靠谱吗? 最近几年,“数据驱动”成了商界最火的关键词之一,但靠数据就能走天下?其实不然!那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么?Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代,数据已然成为企业的生命线。无论是科技公司还是传统行业,数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而言,数据指标体 ...
2025-01-07