文/《清华金融评论》 张英凯

伴随着互联网金融的快速发展，大数据成为了热词。众多互联网金融企业把如何有效利用大数据作为企业发展的几个关键因素之一。在这过程中，传统商业银行如何利用大数据，目前关注不是很多。但实际情况是，传统商业银行已经在如何利用大数据的道路上探索多年。

针对银行如何利用大数据的问题，中国工商银行行长易会满在《中国金融》杂志 2015年第8期撰文《用大数据提高风险管理能力》指出，由于银行的数据分散在各个数据库和业务系统中，不同业务、不同风险类别之间还没有完全打通；交易明细等非结构化数据，需要针对交易对手与交易内容进行结构化处理。

　  文中提到，通过多年积累，工行形成了庞大的数据资源，在商品流、资金流、信息流“三流合一”的基础上，充分应用大数据技术，积极开展数据挖掘和风险量化分析。值得注意的是，2004年，工行已在国内同业中率先启动内部评级法工程，全面整合了信贷、运行、科技与财务等多个数据来源，在海量数据积累、加工与应用的基础上，做好风险识别、计量与管控。

向数据要质量，不断深化内部评级法建设与应用

文章指出，工行非零售信用风险评级使用十多年的内部数据，加工处理财务报表信息760万条，客户基本信息80万条，交易明细信息4000万条，开发34类非零售客户评级模型，债项评级涵盖200多个业务品种，建立了以客户评级与债项评级为基础的二维评级体系。

适应新常态，及时调整优化数据模型

　　文章提到，要根据形势变化，及时调整模型，支持经济结构转型。针对经济转型过程中部分行业违约水平上升较快的情况，采取细分行业、细分规模、细分客户的方式，对各类模型进行了全面优化，提升了模型的风险区分能力。例如，对批发零售行业按大、中、小分类，按批发与零售的子行业进行细分，指导基层行根据风险特征筛选、发掘优质细分行业与客户，促进批发零售行业的健康发展。

　　针对经济结构调整，房地产行业出现分化的情况，文章举例指出，工行收集整理70个大中城市和三、四线城市房价变动情况，根据房价走势以及宏观环境变化，对个人住房贷款及时进行评级，利用最新趋势进行校准，及时满足个人贷款的差异化需求，到2014年底，个人住房贷款余额达到2万亿元，新增3500亿元；与此同时，随着零售业务需求快速发展，工行利用牢固的数据基础和先进的风险量化管理优势，使用违约账户信息与还款交易数据，对近700个零售评级模型进行了全面的优化与更新。

进一步加大数据积累与整合力度

为了加快银行风险管理的前瞻性与精细化转型，促使走资本节约型的发展之路。文章认为，在数据积累方面，应该进一步加大数据积累与整合力度。主要从以下两个方面进行了论述：

一、做好经济下行期的损失数据积累。针对资产质量下滑以及与经济周期有较强相关性的特点，做好下行期的数据采集与整理工作，不但要积累内部违约、损失、财务、客户与交易信息，还要采集外部客户行为与第三方数据，分析数据特征，对不同来源的数据进行相互校验，提高数据质量，为升级内部评级法做好准备。

二、做好数据整合。进一步推进跨平台、跨业务条线、跨区域的数据整合。由于数据分散在各个数据库和业务系统中，不同业务、不同风险类别之间还没有完全打通；交易明细等非结构化数据，需要针对交易对手与交易内容进行结构化处理；前台营销以及现场调查等方式获取的大量一手信息，尚未运用结构化形式进行记录和存储。要对上述问题进行深入研究，打破数据边界，有效降低信息不对称风险。