搜索
大数据技术在物流金融风险控制体系中的应用传金所物流金融业务是指在供应链业务活动中，金融机构对有金融需求的物流企业提供融资的一种业务。物流金融业务涉及主体多、模式多、流程复杂且不断变化，这些特点决定了其高风险属性。而物流金融业务一旦发生风险将可能给金融机构及物流企业造成巨大损失。因此，构建物流金融业务的全面风险控制体系，对开展此类业务的物流企业具有极其重要的意义。而随着互联网技术的发展，大数据的积淀和大数据体系打造将有望为物流金融风险控制体系带来划时代的进步。一、大数据及大数据技术综述1、大数据及大数据技术的概念大数据，又称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前的主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。大数据技术描述了新一代的技术和构架，其被设计用于：通过使用高速的采集、发现和或分析，从超大容量的多样性数据中经济地提取价值。2、大数据带来的新业务应用（1）基于归因的应用归因应用用于评估一个特定事件对多阶段复杂流程中的一系列活动或事物的作用。这些应用程序需要检索、联合和分析一系列活动，同时，考虑频率、顺序、新进度、阈值及活动时间衰减等因素，以便为每个活动评定价值。（2）基于建议的应用建议应用基于行为、人口统计数据或某些其他可分辨属性，识别和创建一组“相似”的用户或产品。这些应用通过分析群体的事务情况，用以得出衡量用户及其行为和偏好之间关系强度的倾向，根据这些倾向即可提出相应的建议。（3）基于预测的应用预测应用考虑多种变量、指标和维度来简化不同市场情形下的决策制定。利用统计和数据挖掘技术对众多变量进行提纯，易识别能在最适合的特定情形下预测绩效的变量和变量组合。（4）基于洞察的应用洞察应用使用统计和数据挖掘技术来识别“异常”行为和情况。高级洞察应用能跨数百甚至数千个业务维度执行复杂分析。（5）基于基准的应用基准应用利用分析将某个实体的性能与某一基准相比较。用于比较的基准可以是行业标准、先前时期或先前事件。二、物流金融全面风险控制体系的理论框架1、物流金融风险要素识别与梳理识别与梳理风险要素是做好风险管理工作的基础。从物流企业的角度分析，可以把实践中常见的风险大致归纳为以下3类：①外部环境风险，主要包括：政策风险、行业风险、供应链风险等。②被监管企业风险，主要包括：客户经营风险、客户信用风险等。③物流企业自身风险，主要包括：操作风险、人员道德风险、法律风险等。2、物流金融风险控制的主要阶段（1）事前风险预判阶段主要是指在物流金融项目正式运作前，对该项目的风险等级进行预判，以决定是否批准该项目以及在操作中应重点关注哪些环节。（2）事中风险识别阶段主要是指在物流金融项目运作过程中，通过对多方信息的收集与分析，及时识别出隐藏于其中的风险隐患，从而在风险真正爆发前采取防范与补救措施。（3）事后风险处置阶段主要是指在物流金融项目出现风险后，根据风险的类型与严重程度，制定相应的应对措施，并在处置完毕后对风险事件进行总结，以提高今后的风险预判与识别能力。3、物流金融全面风险控制体系的构建物流金融全面风险控制体系就是要在物流金融风险控制的3个主要阶段中，对3大类风险进行分类监控、综合分析，通过环环相扣的控制手段，实现物流金融业务的风险预判、识别、控制。三、大数据技术在物流金融业务风险控制中的优势1、传统物流金融业务风险控制工作的局限性由于技术条件的限制，传统的物流金融业务风险控制工作存在一系列的局限性。一是信息收集主要依靠人工完成，人力物力成本高；二是收集到的信息有限且片面，不能反映业务的全貌；三是由于我国诚信体系尚不健全，部分企业，尤其是小微企业，缺乏合规的、真实有效的财务报表等资质材料：四是信息的处理效率低、滞后性严重、有效信息识别度低；五是缺乏对客户经营情况的动态跟踪、对客户经营数据是否正常缺乏可靠的参照标准；六是对风险的分析与处置具有较强的主观性，缺乏科学的决策依据。以上这些缺陷使得传统方式下的风险控制工作很难达到理想的效果。2、大数据技术的应用给物流金融风险控制带来的变化上述的缺陷使得传统方式下的风险控制工作很难达到理想的效果。而随着互联网的广泛应用，大数据体系的建立可以有效改善风险控制的缺憾。一是大数据技术可以极大地扩展数据来源，利用大数据平台，物流企业能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的客户数据，这使得许多依靠传统方式无法完成的工作成为可能，从而使物流金融业务的事前风险预判结果更准确，更具指导意义；二是通过大数据技术可以将许多非结构化数据与传统数据快速整合、关联补充，完成企业行为模式分析和发现。这有助于物流企业确定被监管企业运营状态变化规律，建立运营状态变化路径，按变化路径设置风险控制点，逐点评估业务风险，从而形成全新的事中风险动态计算体系及管理模式；三是虽然单个事件是偶然的，但是大量数据汇总就会具备一定的必然性。大数据技术提供的基于预测的应用恰好可以将物流企业所掌握的许多第一手信息进行充分利用，帮助物流企业更加主动地掌控局面，为物流企业的风险处置提供客观准确的决策依据。四、大数据技术在全面风险控制体系中的应用1、大数据技术在事前风险预判中的应用（1）外部环境风险预判通过收集宏观经济运行数据，获取新闻、社交媒体所发布的新闻、博客、帖子、状态等非结构化数据，分析得出当前外部环境的景气程度。（2）被监管企业风险预判除了传统工作收集的被监管企业“三证”、财务报表外，还可以通过分析企业的“三表”、企业投融资信息获取企业真实经营情况；通过企业过往的银行征信记录、法院或其他仲裁机构的纠纷处理记录、网络舆情等，实现对目标客户企业诚信与声誉的分析评价。通过分析得到被监管企业的综合风险等级。（3）物流企业自身风险预判建立物流企业内部运营数据库，对物流企业相关分支机构的业务运营情况进行统计。在此基础上建立监管能力评估模型，对各分支机构的监管能力进行评价。例如，某一分支机构的最大管理半径、对不同监管模式及不同监管物品类的操作水平、某一时间内所能承担的最大业务量、监管中最容易出现问题的环节等。当某一分支机构上报项目时，将项目的相关信息与提报项目分支机构的监管能力进行对比评估，从而得出物流企业自身的操作风险等级。（4）物流金融项目事前综合风险预判将上述3类主体的风险预判结果再次进行综合分析，得出物流金融项目的综合风险。若该项目风险巨大且不可控，则应该主动放弃：若风险在可接受范围内，则根据分析结果给出监管意见，如协议修改意见、派驻人员数量建议、对监管场地采取的控制措施建议、项目操作中应特别关注的环节等。2、大数据技术在事中风险监控与识别中的应用（1）外部环境风险监控首先建立监管物品价格波动模型、国家政策对行业的影响模型、供应链相关性影响模型等，对不同的外部环境因素进行分析。在此基础上建立综合分析模型，对初级模型的分析结果进行二次；从而识别出当前存在的外部环境风险及未来的发展趋势。（2）被监管企业风险监控被监管企业风险监控体系主要由两个核心数据库和一个三维分析模型组成。两个核心数据库分别为指标参照数据库和风险案例数据库。指标参照数据库主要记录了被监管企业过往的生产数据以及被监管企业所在行业的各项经营指标平均值或正常浮动范围。风险案例数据库类似于杀毒软件的病毒库，主要用于收集整个物流金融行业过往的风险事件，并提炼出可用于识别风险的特征信息。在监管过程中，将被监管企业的经营数据实时汇入三维分析模型，与两大核心数据库的信息进行比对分析，主要分析工作包括以下3个维度：①将企业当前的经营数据与行业平均水平进行对照比较，如果企业经营数据超出参照数据库中记录的正常范围，则发出风险预警信息。②将企业实时的经营数据与其自身历史数据进行对照比较，如果数据出现异常波动，则发出风险预警信息。③将企业实时的经营数据与风险案例数据库进行对照比较，如果发现企业的某些行为符合风险特征的，则发出风险预警信息。（3）物流企业自身风险监控对物流企业自身风险的事中控制主要包括两个方面：一是异常数据的识别，二是监管控制手段的动态调整。异常数据的识别主要是通过抓取物流企业自身在监管过程中所产生的各项数据，发现其中存在的异常。监管控制手段的动态调整主要是通过项目风险实时评估，动态调整物流金融项目的控制措施，例如根据对项目风险的实时评估结果修订调整巡查计划。（4）物流金融业务事中风险识别将各个风险监控模型发现风险征兆输入综合风险识别与预判模型进行跨维度分析，从中剔除误报的信息，识别出真实的风险，并按不同类型进行分类：一是政策调整与宏观经济下行的风险。二是高度关联企业出事的风险。三是被监管企业经营情况恶化的风险。例如，当企业的预付款规模、采购计划、产品库存量、资金周转率、资产负债率等日常经营数万方数据据的变化超出正常范围且无合理理由，则应当加强对其经营情况的关注。四是被监管企业恶意欺诈的风险。五是物流企业员工操作与道德风险。3、大数据技术在事后风险处置中的应用（1）风险的化解与处置利用大数据技术可以预测风险的发展趋势，模拟不同的处置措施对风险后果的影响，评估风险事件造成的损失，提供风险处置的最佳方案并根据事件发展情况不断对方案进行调整与修正，为物流企业化解风险、减少损失提供有力的决策支撑。（2）事后的总结与反馈事后的总结与反馈主要是在风险事件处置结束后，对案例进行梳理与总结，评估之前工作流程中存在的问题及漏洞，帮助物流企业修订操作流程与风险控制方案。同时，更新修正指标参照数据库、风险案例数据库及客户资信数据库，完成风险控制体系的自我更新。4、基于大数据技术的全面风险管理模型前面已经给出了物流金融业务的全面风险管理体系，结大数据技术在各个环节的应用，便可构建起基于大数据技的物流金融业务全面风险管理模型。模型结构如下图所示。图1基于大数据技术的物流金融业务全面风险管理模型示意图六、结语当前，我国物流企业对大数据以及大数据技术大多还停留在认识阶段，尚未有成熟的应用。尽管受到数据来源、处理技术、安全与隐私、人才等诸多因素的限制，使大数据技术的大规模应用存在一定的障碍，但是这并不代表物流企业可以不关注大数据。大数据时代的到来乃是大势所趋，物流企业应该未雨绸缪，为以后大数据在物流金融业务风险控制甚至其他方面的应用做好准备。