伴隨著互聯網和大數據的快速發展，互聯網和傳統行業的融合開始加速，在互聯網浪潮下，傳統行業重新找到了發展的新方向。互聯網與傳統銀行業可以融合發展，即形成新型的“互聯網+”模式，該模式的本質在於將互聯網技術（大數據處理、雲計算）融合於銀行經營管理的各環節，這不僅僅是簡單的將傳統業務置於互聯網環境中，而是一種多維度、多層次涉及面廣的顛覆性創新，是未來助推銀行業轉型升級的必經之路。大數據在銀行風險管理中的作用主要體現在信用風險管理和輿情分析兩方面，下面一一來看。
信用風險管理
對於風險管理領域,數據倉庫可以支持風險管理領域對客戶、債項層面的內部評級和風險綜合評價,支持對風險資產的綜合管理,同時將評價結果應用於信貸審批、風險監測、風險報告、政策制定、撥備計提資本計量等各領域。中國工商銀行基於數據倉庫開展了內部評級、資本管理、不良客戶管理等工作,取得了較好的效果。
圖.遼寧省農村信用社聯合社-數據管理系統
在內部評級方面,通過客戶的基本信息、客戶評價信息、客戶持有產品等數據,對客戶進行風險評級,細分客戶群體,統一了全行卡、貸款等信貸業務的授信策略,實施了針對客戶個體的差異化綜合授信,真正實現了以客戶為中心的服務理念,提升了信貸服務水平。
例如,某銀行基於神經網絡實現了信用卡欺詐交易的實時識別和干預,進一步提升了反欺詐識別準確度,堵截信用卡盜刷、網銀轉賬、手機銀行轉賬和B2C支付等業務的風險交易;某銀行運用決策樹算法,通過對客戶資金流向履約情況、關聯關係等特徵進行分析,及時預測和量化客戶信用風險,實現及時對不同的風險資產採取差異化的處置措施。
輿情分析
在大數據時代的背景下,網絡上存在大量以文本為代表的非結構化數據，特別是互聯網上的新聞、社交媒體數據,其中更不乏與商業銀行有關的情信息。對這些信息進行有效的挖掘和利用,將為商業銀行及時掌握在互聯網上傳播的潛在風險事件提供一個全新的視角。
實現輿情風險管理的文本挖掘技術過程一般分為文本獲取、預處理、分析挖掘、可視化展現等步驟。
文本獲取:商業銀行獲取文本的方式包括已採購的財經新聞、行業動態、研究報告等外部資訊信息,還可以通過開發採集工具來進一步擴大新聞媒體的採集範圍,比如對以微博、論壇為代表的社交媒體信息進行採集。採集方式包括搜索引擎、新聞網站、論壇頁面適配、微博頁面適配。
預處理:包括中文分詞和文本去重等步驟,從而實現文本的預處理。前者是在獲取到文本數據之後,將文本切分成詞彙的集合,使得機器能夠更好地理解詞彙組成的文本。後者則通過相似哈希算法快速對海量文本相似程度進行計算。
分析挖掘:通過主題分析、關聯分析、情感分析、分類分析等方法實現文本的挖掘。
主題分析：主要對分析所涉文本中主要的關鍵詞及相關的主題詞進行提取;
關聯分析：主要對文本進行算法處理,得到文本的數字特徵格式;
情感分析：主要對文本情感進行分析,從而得出文本的情感基調,判斷主觀語義;
分類分析：主要通過分類器進行訓練,從而得到不同維度下分類的概率特性。
可視化展示:通過“詞雲”“詞彙網絡”“主題河流”“傳播途徑”等展現方式,展示不同的數據結果。
圖.億信華辰為某機構做的輿情監測大屏
一般來說,內控合規所涉及的事件往往是商業銀行不可逾越的“高壓線”,其中絕大多數員工違規事件的發生,都會對商業銀行產生極大的負面影響和不可估量的損失,因此對於合規的實時監測就顯得尤為重要。合規風險事件監測可以對商業銀行內控合規中涉及的受賄、非法集資、飛單等關注點進行實時監測,自動識別信息正負面以及相關的業務類別,從而儘早發現,甚至預先判斷風險,以及時做出相應的對策。
輿情分析還可以有更多、更廣泛的實際應用領域,例如銀行產品和服務的口碑監測、危機事件的預警等。
小結：億信華辰是智能數據全生命週期產品與服務提供商，目前億信產品已成功應用於中國人民銀行、中國進出口銀行、中國農業發展銀行、北京銀行、天津銀行近200家各類銀行機構，為億萬用戶提供大數據服務。
閱讀更多 億信華辰 的文章
