2.构筑商业银行数据集市
所谓数据集市，是指商业银行将所有的经营数据、员工行为管控数据等结构化数据，各种音频、视频、日志等非机构数据以及外部公共服务数据的信息融合平台。商业银行如何构筑自己的数据集市，还需在以下三个方面下工夫。
一是突破各条线的“隔离墙”，建立全行范围内的数据池，从商业银行案防现状来看，部门银行现象仍然存在，各条线仍然实行垂直化的风控模式，银行业务管理系统分散在各个条线，商业银行数据集市提供各个条线的数据接口，将各个系统管理数据纳入数据集市。
二是提高对非结构化数据的利用程度，目前，非机构化数据只是作为检查的辅助手段，即查到某笔业务，去找该笔业务相关的日志、视频等，如何通过海量的非机构数据预警出存在风险的业务，这才算实现了非机构化数据的价值，员工履职行为的智能化管控正是解决的这个问题，随着大数据、人工智能、区块链等技术的广泛应用，不但员工的行为可以数据化，客户的行为也可数据化，最终实现的是对员工、对客户精准的画像。
三是积极对接外部公共服务数据，大数据技术应用的基础是海量数据，光靠银行内部的数据远远不够，如何做好外部数据的共享融合，需要的不但是技术方面，更大的症结在于社会各部门的互利互惠，社会上各部门均掌握着某一方面的专业化数据，如：社保部门的居民社保数据、工商部门的企业注册信息等，只有银行能为社会部门提供更优质的个性化服务，才能获得更多、更准确的公共服务数据。
3.案防模型的开发与利用
案防模型的开发与利用是一个不断修正的过程，这与经济发展水平、银行业务创新能力、客户行为习惯改变等有着密切的关系。案防模型开发的初级阶段，主要依靠业务专家的经验判断，其特征为业务专家从风险事件中归纳、总结出风险特征，将这种特征模型化，而模型化的基础是商业银行数据集市的不断完善。
举个例子，员工信用卡套现模型，专家以自己的检查经验判断，员工总是在某一固定商户POS机大额消费后，在很短的时间内员工或其关系人借记卡账户有从商户、商户经营人处相似金额的资金回流，符合这一特征的大多数属于员工套现行为。由专家设置“大额”、“很短时间”、“相似金额”等参数将交易特征模型化。无论违规特征还是参数设置，模型的开发对专家的经验判断依赖程度都很高，而要获得更精准的模型，还需根据风险处置结果反馈线索准确性，以此来修正模型，这种修正可理解为小修改。随着社会经济环境、银行产品创新、客户消费习惯改变后，想要获得更精准的线索必须对模型进行大修正，如：客户支付方式改变了，不再使用实体卡片，客户的交易信息如何获得等，这都是需要对现有模型的大修正。
如何在模型的开发阶段做好智能化水平，这就需要引入人工智能策略了，人工智能主要依靠机器的深度学习能力以及大数据的积累，人工智能技术拥有性能更强的神经元网络，神经元网络是对人类大脑的模拟，是机器深度学习的基础，对某一领域的学习将使得人工智能直逼人类专家顾问的水平。人工智能的另一主要特征为技能的跨级数增长，在某一分析领域，人工智能应用的越频繁，其智能化程度就越高，能实现技能的跨级数增长。
4.风险预警的处置与化解
风控模型的利用成果就是预警出来的风险信息，只有有比较具体的风险信息，银行案防工作才有抓手，银行才可以集中资源精准发力，建立专业化的风险处置团队，对全行风险预警进行处置，利用非现场手段查证风险事件，形成风险事件确认书，发至被查单位，并在风险处置流程中嵌入整改流程，即实现风险化解，具体来说就是做好三个到位，即行为纠正到位、风险控制到位、处理处罚到位。风险处置的结果有两方面的应用，一是验证风险模型的准确性，对其不断的修正、完善；二是实现机构、人员的风险画像，即对某个营业机构或员工甚至客户以直观的形式表现其都有哪些风险，为银行管理层合规决策提供重要参考。（作者单位：中国农业银行河北省分行内控与法律合规部）
主要参考文献：
[1]刘刚.大数据时代智能风控体系建设实践.[J].中国金融电脑，201808
[2]刘刚 何启翔 方渊 王晓刚 袁凡.商业银行智能化案防体系建设研究.[J].中国金融电脑，201808
[1] 三三四十：2017年，为整治银行业市场乱象，严守不发生系统性金融风险底线，银监会组织开展的系列专项治理行动，具体包括“三违反”、“三套利”、“四不当”、“十个方面乱象”。
2/2 首页 上一页 1 2
