大数据如何助力银行业金融机构舆情防控？

Question

如题所述

Answer 1

金融企业运用大数据和机器学习算法，对欠款客户进行人群聚类并根据聚类的结果识别骗贷、恶意欠款、恶意透支、盗刷盗用、对交易有疑问拒绝还款、经济状况恶化无力还贷、遗忘还贷等多种欠款类型；从而准确预测客户的还款概率和金额，从而进行催收策略评估，最大限度降低催收成本。
中国建设银行资产总行风险管理部/资产保全部副总经理谭兴民曾详尽分析大数据何以帮助银行提高征信水平和风险管控能力：
首先，一站式征信平台可以进行贷前客户甄别。目前，银行查询客户的情况既费时、费力，又增加银行费用，而利用企业的一站式征信平台，则可以最大限度地节省银行的人力、物力及时间，并确保数据有效、及时、准确。
其次，风险量化平台可以助力贷后风险管控。平台基于企业日常经营数据，结合平台数据模型，采用动态、实时的云端数据抓取技术，对企业的发展进行分析和评测，给出风险量化分数，并第一时间发现企业的生产经营异动，在风险触发前3到6个月预警，使银行等金融机构能够及时采取相应措施，防止和减少损失发生。
同时，利用“企业族谱”查询，对不良贷款进行监控。如一些企业通过关联交易转移利润、制造亏损的假象，为不偿还银行贷款寻找理由；或者通过关联交易制造虚假业绩，为继续获得银行贷款提供依据，这些假象通过关联交易查询，都可以很快发现蛛丝马迹，让企业造假暴露原形，可防止银行上当受骗。
大数据风控相对于传统风控来说，建模方式和原理其实是一样的，其核心是侧重在利用更多维的数据，更多互联网的足迹，更多传统金融没有触及到的数据。比如电商的网页浏览、客户在app的行为轨迹、甚至GPS的位置信息等，这些信息看似和一个客户是否可能违约没有直接关系，但实则通过大量的数据累积，能够产生出非常有效的识别客户的能力。
在运行逻辑上，大数据风控不强调较强的因果关系，看重统计学上的相关性是大数据风控区别于传统金融风控的典型特征。传统金融机构强调因果，讲究两个变量之间必须存在逻辑上能够讲通因果。
在数据维度这个层级，传统金融风控和大数据风控还有一个显著的区别在于传统金融数据和非传统金融数据的应用。传统的金融数据包括上文中提及的个人社会特征、收入、借贷情况等等。而互金公司的大数据风控，采纳了大量的非传统金融数据。
相对于传统金融机构，互金公司扩大了非传统数据获取的途径，对于新客户群体的风险定价，是一种风险数据的补充。当然，这些数据的金融属性有多强，仍然有待验证。
巨头优势明显，并不代表创业公司的路已被堵死。大公司不可能面面俱到，布局各种场景。在互联网巨头尚未涉及的领域，小步快跑，比巨头更早的抢下赛道，拿到数据，并且优化自己的数据应用能力，成为创业公司杀出重围的一条路径。

Answer 2

新浪舆情通认为，通过舆情监测系统能够有效帮助银行业预防舆情风险，第一时间发现潜在或初始舆情，具体实施步骤如下：
1、实时监测舆情
新浪舆情通以大数据、人工智能技术为基础，实时采集全网信息，快速识别敏感信息，并可根据负面信息在全部信息中的占比，判断风险状况。此外，系统还支持对重点媒体、行业垂直网站等来源进行定向的信息收集，如垂直类网站上的投诉情况及点评内容等，帮助用户及时了解自身网络口碑情况，不断提升服务质量。
2、快速下达预警
系统实时检索全网信息的同时，会将符合条件的触警信息第一时间通过多渠道通知用户，方便用户及时知晓舆情信息，以防错失舆情应对的最佳时机。
3、银行业及金融行业内重大事件分析
对银行业及金融行业内的舆情事件进行多维度大数据分析，了解在互联网平台中事件的起因与发展过程、舆论主要关注点与质疑点、媒体传播情况等，帮助相关主体有效回应关切。
4、自动生成报告
将一定时间段内的舆情发展趋势进行自动梳理、多维度分析，并以可视化图表的方式呈现，快速生成数据分析报告，支持一键导出。另外，新浪舆情通具备专业舆情分析团队，针对不同行业不同客户的需求，综合分析事件的性质、发展趋势、主要观点等，为客户提供“产品+服务+解决方案”的定制化报告。
新浪舆情通面向不同的场景与需求提供以事件、品牌、行业等为对象的舆情监测及数据报告服务。