1.数据获取成本居高不下

相较于大型银行，中小银行的业务规模很难为银行提供海量的金融市场数据支撑。因此，中小银行在大数据应用中，需要花费巨大的代价从外部获取数据信息。其中，与第三方数据公司合作是大多数中小银行采用的数据获取方式。而在双方合作中，中小银行为获取数据，需要向第三方数据公司支付大量的费用，而相当一部分中小银行的资金基础无法支持其与第三方数据公司进行长期合作。也就意味着，这些银行无法获取足够的金融市场数据，进而对银行经营发展造成不利影响。

2.缺少大数据领域的专业人才

现阶段，中小银行受制于自身的规模，在经营发展中，很难在技术、资金以及人才队伍建设领域进行大规模的投入，普遍面临着人才不足的问题，导致大数据应用很难充分发挥出效果，削弱了中小银行在金融市场中的竞争力。除此之外，大数据技术领域的复杂性与不断发展，使得中小银行在大数据技术、金融数据分析、人工智能等与大数据应用相关领域的人才建设需要不断适应新的技术发展形势，而人才的培养过程，导致中小银行成本支出激增，进一步放大了人才缺口。而且，中小银行在大数据人才与引进领域缺少完善的制度保障，给大数据应用专业人才队伍建设造成了更大的阻碍。

3.自主风控能力有待提升

受制于数据资源匮乏，中小银行在自主风控能力方面存在较大挑战。在这个以数据为核心的大环境下，中小银行犹如面临无源之水。现阶段，在我国中小银行经营中，主要依托外部的数据平台公司对客户资质进行筛选，向客户发放银行贷款。这一过程中，中小银行所接收到的信息是经过第三方公司“处理”过的信息，银行方面并没有从根本上掌握这些数据信息内容。这就导致中小银行在大数据应用中，无法真正掌握“大数据”。带来的直接影响就是，中小银行在大数据应用中，无法有效开展数据分析环节，进而无法及时发现数据中包含的风险因素，削弱了中小银行的自主风控能力，导致银行经营中各种不良事件的发生。

1.全面调整数据采集与管理

针对现阶段我国中小银行在大数据应用中自主掌握数据规模过小的问题，全面调整数据采集与管理工作内容是解决这一问题的根本途径。在实际工作中，首先，中小银行要更多关注数据的质量管控。在进行银行内部经营数据的采集时，工作人员要对各项信息的来源进行追溯，将数据与其来源统一录入到数据系统中，真正做到数出有源，提高原始数据的正确率。在此基础上，银行要加强对数据库内信息的实时检查，及时对库中缺失的数据内容进行补充录入，以便后续对银行经营数据信息开展识别、监控与预警活动。其次，中小银行要加强对自身经营数据的分析与开发，通过银行工作系统收集整合客户的各项金融活动信息，通过数据分析了解客户需求与客户行为背后的心理机制，以便为客户推荐更适合他们的金融产品与服务，促进客户满意度提升。通过客户数据分析，银行方面可以根据分析结果构建业务风险评估模型，以便在业务活动中及时发现各种潜在风险，让银行具备更强的抗风险能力。

2.全面完善大数据应用人才队伍建设

现阶段，加强人才队伍建设是解决中小银行各项大数据应用问题的根本途径。对此，中小银行要进一步加大对大数据应用专业人才的引进与培养力度。落实到实际工作中，中小银行可以和当地的高校开展合作，通过引进高校相关专业的应届毕业生，解决中小银行在大数据应用人才队伍建设中人才基数不足的问题。与此同时，中小银行方面可以借助与专业高校开展合作的契机，加强银行内部大数据应用人才的培养。中小银行在与高校开展合作时，引进优秀毕业生人才的同时，也可以组织银行内优秀的职工进入到高校，进行大数据应用专业理论知识学习，通过高校内专业的教学资源，促进这些优秀职工大数据应用能力的提升。学习结束后，这些进入高校的优秀员工再通过岗位实操示范的方式，向其他职工传授大数据应用的专业技能。此外，银行也可以邀请高校教师到银行内部进行大数据应用技能培训。通过以上手段，能够在银行内部全面建立起大数据应用人才的系统培养体系，为大数据应用人才队伍建设提供真正有力的支持。

3.构建科学的大数据应用风险防控体系

现阶段，我国中小银行大数据应用中普遍存在对大数据信息掌握力不足的问题，导致银行风险防控能力不足。对此，中小银行需要构建起科学的大数据应用风险防控体系。

首先，银行方面要注重风险识别体系的构建。在实际工作中，中小银行可以将大数据技术与人工智能技术作进一步整合，搭建风险识别模型，根据模型结构构建银行风险预警机制。

其次，强化风险定价和评估模型。建立科学合理的风险定价和评估模型，充分考虑行业、地域、客户等多维度因素，提高风险定价的准确性和风险评估的全面性，避免因风险误判导致损失。在此基础上，中小银行要构建银行大数据系统操作的监管体系，对系统运行作全流程监管，规范银行大数据应用的各个流程，消除大数据系统应用中不规范操作给银行经营带来的潜在风险。

来源：《网络安全和信息化》杂志

作者：中国邮政储蓄银行股份有限公司太原市分行  徐国勇