科技行者

转型私董会 科技行者专题报道 网红大战科技行者

知识库

知识库 安全导航

至顶网CIO与应用频道从非结构化数据中发现问题 富国银行的风险分析之道

从非结构化数据中发现问题 富国银行的风险分析之道

  • 扫一扫
    分享文章到微信

  • 扫一扫
    关注官方公众号
    至顶头条

在银行传统管控大多着重在结构化数据,像客户的开户数据都是非结构化数据,现在这些非结构化数据也要用相应的方式存储来了解顾客行为的变化,当然传统的KPI指标配置的模式也值得去思考。

作者:王聪彬 来源:ZD至顶网CIO与应用频道 【原创】 2016年9月23日

关键字:风险分析 富国银行 Teradata 2016 Teradata Partners

ZD至顶网CIO与应用频道 09月23日 北京消息(文/王聪彬):9月初,美国消费者金融保护局称美国富国银行(Wells Fargo)员工在未告知客户的情况下,自2011年起私自建立近两百万个虚假银行账户,富国银行被要求支付1.9亿美金高额的罚款。

9月中旬我也在大洋彼岸见到了美国富国银行企业模型风险部副总裁刘维政(Richard Liu),第二次见面没有客气,一上来我就提出了“幽灵账户”和风险管控的问题。虽然刘维政最近正热衷于研究和学习太极,但他却并没有和我“打太极”。

“这一现象其实在很多银行都可能发生,可能只是没有找到数据发现他们。”刘维政则从数据的角度为我解读了这一事件给银行业带来了一个很好的启示,银行内部的风险管控也是很重要的一部分。

传统管控大多着重在结构化数据,像客户的开户数据都是非结构化数据,现在这些非结构化数据也要用相应的方式存储来了解顾客行为的变化,当然传统的KPI指标配置模式也值得去思考。

银行实质从事的就是风险业务,而数据是银行最有价值的资产,如何依靠数据量化风险发挥价值是成功的关键。当然最终所有的分析还要遵从银行的经营模式,就像在武侠小说里,各大门派都有着自己的一套武功体系一样,在银行的经营上也是如此,富国银行则重点在商业分析上具备明显优势。

从非结构化数据中发现问题 富国银行的风险分析之道

富国银行企业模型风险部副总裁刘维政(Richard Liu)

大数据成就风险管理

目前富国银行拥有超过7000万个客户,8643家网点,虽然拥有众多的客户和网点,但富国银行每次看到这些庞大得数据仍然担心这些客户会流失,因为银行的三大职能存、贷、汇都是非常容易被替换的。

银行的客户流失可分为两种情况,一种是因为服务问题主动关闭账户,另一种则是安静型流失,因为在美国休眠6年的客户按照法规将被清理。

“银行最害怕客户在没有任何抱怨的前提下主动关闭账户。”刘维政说,在客户主动关闭账户前我们会有一个决策树,从中可以看到他提出问题的过程和轨迹,从而进行分析挽留客户。因为获得客户的成本和留下客户的成本相差千倍,富国银行建立了很多统计模型去预测一个人的终身价值(Life Time Value)。

传统的分析过程中比较偏向于名单似的销售,也就是从数据库中寻找客户价值,看到客户价值中缺少的产品,再产生一个名单进行跟进推销。这个模式可能大家都经历过,接到银行的来电推销产品,这一模式在经历了10年已经越来越低效,客户也逐渐产生疲倦效应。

富国银行则在利用大数据的过程中发现了一个重点,除了人的信息很重要外,时间信息实际上更重要,因为时间和人连接后一个重要的关键因素是行为的变化,就像你给一个整天待在家的人推销信用卡成功率会很低,而银行需要换位思考。刘维政举了一个生动的例子,当一个人出现在本身住所外的其他城市比例更高时,就可以断定这个人的用户习惯发生了改变,所以可以向其推销航空卡和信用卡来应对他的行为变化。

当然富国银行企业模型风险部的工作还不仅于此,其主要保证银行现金流的收入,因为银行风险管理的首要问题就是资产负债。一部分是通过数据建模进行信用风险评估,另一部分是银行操作流程风险,尤其在针对客户行为分析防范洗钱上美国银行都投入了庞大的成本。

说回幽灵账户事件,这也引出另一个重要问题,即如何把结构化数据和非结构化数据进行结合。银行需要回到基本的数据整理,充分运用大数据,除了结构化数据外,富国银行还会从非结构化数据中查看结构化数据的合理性,这中间也使用了人工智能的方式。

从非结构化数据中发现问题 富国银行的风险分析之道

通过检测算法主动找到不正确的地方

更聪明地投资FinTech

在风险分析上,富国银行使用Teradata的产品已经有近20年之久,其中Teradata Aster的使用最为广泛,因为Aster提供了在同样分析条件时最简单的语法,这样企业就不需要雇佣资深的编程人员,普通的策略分析人员也可以利用简单的编程语言做高深的分析。

在开源方面,富国银行还用了Hadoop和Spark,因为在经济模型的构建中银行需要绝对的可控,尤其是后续在建好的架构中做修改。但企业在开源的过程中面临的最大问题是如何和原系统进行融合,所以富国银行也正在向着统一数据架构(UDA)进行演变,Teradata则提供了一个整体的服务整合。

在云计算方面,美国金融行业还是比较保守,银行要符合政府的安全规范。在刘维政看来,严格意义上讲真正的云计算是在资源集中化之后通过API跨不同平台实现调用,而富国银行的应用还只是在基础阶段。

富国银行把美国划分为四个区域,每个区域都有一个数据中心互相进行数据备份。由于美国希望创造一个经济平台,将不同领域的数据集中分析产生价值,所以富国银行的数据甚至还会备份到国家的数据中心。

不管是大数据还是云计算,这些都属于FinTech的范畴,而FinTech在全球金融领域又是不可不谈的一个话题。但在金融海啸之后美国银行受了很多伤,刘维政所看到的实际环境是,银行在科技上的支出非常受限,很多银行都在疲于支付高额的罚款。

由于和中国金融环境的不同,在FinTech上美国银行面临的问题是如何更聪明地去投资科技。对富国银行而言,FinTech也是一个重要项目,目前富国银行已经建立了加速器,希望在传统金融的思维上拥抱一些新的想法。

同时,富国银行在区块链这一去中介的记账方式上也做了很多研究,虽然其目前在交易上还很难应用,但在信用风险上有却着重要意义,尤其可以防止像2008年美国次贷危机的出现,在贷款过程中对借款进行追踪,实现透明化。

综合评分:8.38667 分
云能力:8.2 分
营业额:26.9亿美元[2013]
云服务:Teradata ADW

查看更多 >>

邮件订阅

如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。

重磅专题