答：

       整体来看，大数据风控能力构建集中在以下几个方面：第一个是数据层面，整合内外部数据，夯实风险管理基础；第二个是平台层面，构建技术平台，打造实时分析和海量处理能力；第三个是模型层面，打造共享模型工厂，提升企业级建模和分析能力；第四个是场景层面，丰富智能风控场景建设，打造全流程风控闭环；第五个是基础层面，优化人员技能和管理流程，提升大数据基础支撑力。具体来看：

       第一，数据整合。一方面要继续挖掘企业内部各方面的相关数据，在挖掘数据的同时，还要统一数据标准，加强数据治理，提升内部数据质量，从而发挥更大的价值。另一方面要更好地利用外部数据。例如，在合规的前提下，银行可以和工商司法部门合作，去获取一些相关数据，包括工商登记数据和司法处理的数据等，然后应用到对企业的风险管理流程中去。

       第二，平台能力。在数据整合的基础上，银行需要建立一个大数据平台，这个大数据平台其实更多的是一个技术方面的平台，它也具有服务于大数据风控的能力。依托大数据平台构建海量数据离线处理和流式计算能力，支持可视化分析展现，具备将数据服务实时嵌入业务流程和场景应用的能力。

       第三，建模能力。银行需要有风险管理模型分析和开发的能力，需要有支持模型开发的工具和基础。银行可以通过打造智能化能力共享中心，利用标准建模方法、可视化建模工具，建立共享模型工厂，形成全流程共享的自学习闭环。

       第四，场景能力。数据发挥价值要与风险管理的场景进行融合，才能达到实现智能风控的目的。银行需要把数据和模型贯穿应用到整个业务场景中去，同时跟踪模型反馈，不断优化风险管理模型，构建“数据+决策+监控”的动态闭环。

       第五，基础能力。包括人才队伍、技能工具、管理流程和数据治理等基础能力。尤其重要的是，银行风险管理能力的竞争核心在于模型，而模型的核心其实在于人才队伍，培养一支具有高水平数据分析能力的人才队伍是未来银行竞争的关键。

       关键词：大数据，银行，大数据风控能力构建，金融科技

       TGES金融科技与科技风险管理研究中心