大数据风控在银行普惠金融应用中的主要问题及应对建议.pdf

综合论坛

大数据风控在银行普惠金融应用中的 

主要问题及应对建议

文文/吴丽红

随着信息技术的不断发展，大数据成为银行和金融机构不可或缺的重要资源。基于大数据的风控模型，能够帮

助银行在普惠金融领域更好地评估风险、提高贷款审批效率、预测违约概率等。本文首先分析大数据风控在银行

普惠金融应用中的主要问题，然后提出大数据风控在银行普惠金融应用中的应对建议，以期为相关学者提供一定

参考。

信息时代背景下，金融行业越来越多地依靠大数据代，隐私保护与数据安全问题成为全球性研究热点。银

技术迎接风险与挑战。特别是银行普惠金融中，大数据行普惠金融中，相关监管机构落后、体系不健全等原因

风控被越来越多地运用。但在数据量不断增长、应用场造成对数据安全性的监管与保护不足。这使黑客攻击和

景多样化的背景下，大数据风控仍存在一些问题。数据泄露变得更加频繁，造成巨大安全隐患。

（二）数据质量差

一、大数据风控在银行普惠金融应用中的主

要问题大数据风控是银行普惠金融应用的重要技术手段。

银行可借助海量数据实现风险评估与决策支持，从而提

（一）数据安全性不高

供准确、个性化金融服务。实践中，银行遇到的重大问

数字化背景下，数据是推动各产业发展的主要力题就是数据质量差。

量。银行普惠金融中，大数据风控得到广泛应用。但第一，资料不完整。大数据风控赖以支撑的庞大数

是，数据安全性不高，成为银行普惠金融应用的主要据通常来自各种渠道与平台，这些信息中含有大量噪音

困扰。与冗余数据。这些资料的完整性不能得到保证，会出现

一是银行普惠金融涉及数据量大，在数据传输、存资料缺失、重复及差错，造成分析结果不准确及可靠性

储及处理过程中数据易被黑客攻击及恶意篡改。数据一下降。

经篡改，会给银行风险评估与决策带来显著影响，甚至第二，数据不准确。大数据风控下，数据精度会直

会造成金融体系动荡。接影响模型预测结果与决策精度。由于资料来源多样

二是大数据风控采用的数据源呈现多样化，主要有复杂，可能会出现多种差错，如录入差错、传输差错以

从社交媒体、移动设备和第三方服务商获取的信息，数及逻辑差错，从而造成模型训练与运用出现偏差与误判

据源存在不确定性且可信度较低，给数据安全留下隐等。另外，大数据风控过程中，来自不同系统、业务部

患。实践中，若数据源自身有泄露、虚假或受操纵等可门的数据不统一。比如，不同体系下数据命名规范、数

能性，则银行对风险的判断就会失之偏颇，并最终造成据格式以及数据定义等会有差别，从而造成数据不能有

风险扩大。效地集成与关联，这不但会影响模型的构建与应用，而

三是大数据风控在运用中通常取决于各种算法与模且会加大数据集成与处理的困难程度。

型，即人为因素干预。在数据分析与模型建立过程中，第三，数据整理不及时。银行风控的应用过程中，

若出现人为疏漏、误操作或恶意操作等情况，则极易造数据的实时性与时效性对风险预警与决策准确性具有重

成数据安全性下降。在此背景下，银行作出的决策会产要意义。由于数据来源异构性、数据采集受限等原因，

生偏差