随着商业银行的数据、业务的集中，数据已经积累的比较充分，但如何利用这些数据增进对业务情况的了解,帮助银行在风险管理方面发展上做出及时、正确的判断，也就是说,怎样从业务数据中提取有用的信息,然后根据这些信息来采用明智的行动——这是商业银行面临的全新课题。
BI的优势在于对海量数据快捷的存储和提取，基于数据的分析、操纵，建模，稳定的报表能力，多用户支持能力，再结合有效的信息权限控制、风险预警模型、风险预测、信息整合等，就能够有效进行商业银行的风险管理。
BI在风险管理上的解决模型
BI技术对风险分析的体系设计思路，提出以下解决模型:
数据准备。数据准备主要是从源数据中，提取有效的指标数据、预算数据、交易汇总数据等，并转换到总体的数据仓库或风险管理的数据集市中，其本质是实现从操作型数据源到分析型数据变换。
分析模版定义。对各种分析内容进行分类，同时明确风险管理方面的各个数据主题模版定义，包括风险评级，风险分析，风险预测几个模版定义，提供给风险分析内容进行调用。
风险分析。目前已有多种风险分析度量模型，如基本指标法、标准化方法、内部衡量法、损失分布法、极值理论模型等，可根据银行业务需求建立。这一阶段主要是运用这些模型来对风险进行分析，确定数据的维度、事实表、量度等信息，根据维度来分析各个指标和预测信息。
自动化分析。利用BI软件提供的功能，并根据已经定义的风险分析内容，由系统自动到数据仓库系统进行优化分析，加载与钻取这些风险内容。
定量、定性分析报告。根据系统的自动化分析，生成各种定量和定性的分析指标报告。
BI在风险管理上的实现框架
BI在银行内部风险管理上的实现框架，可通过建立风险管理部门的多级化，来整体和层层控制经营领域的风险。多级的管理方式，能够使每个层级都关心自己需要的信息，上级能够监控到下级的信息，下级同样能够发现自身问题，并及时上报上级，这种方式能够有效控制风险，预警风险。这可划分四个层次:
第一层:银行数据的集中，使整体把握银行的情况成为可能，然而如何利用这些数据，仅仅通过原来的各个系统之中的查询方式满足不了需求，需要建立一个数据仓库，以掌握整体的商业风险。当然，整个数据仓库的建立不仅仅应该考虑风险管理方面，因此风险管理部门要根据需要建立一个数据集市，专门对风险管理的有关数据进行分析主题的划分、分析、建模，并进行权限控制和管理等。
第二层:如果对分行的个性化数据需要进行数据分析，则需要单独建立数据库，让分行人员自行分析，具体的做法应该跟总行一致。
第三层:根据需要建立一个或多个风险管理业务服务和权限控制管理，这个层次的主要作用是下级BI用户的权限控制，针对不同等级的用户查询提供相应的分析数据和分析报表，来实现下级分行或网点的风险分析控制。该服务程序根据上送的报文信息，进行权限的控制和管理，根据上送信息到数据仓库中生成查询结果信息等，并返回前台进行显示。
第四层:下级BI分析人员采用B/S,C/S的界面显示管理查询界面，进行权限控制、风险分析、查询和预警等功能。
BI在风险管理上的多级管理模式，主要有以下几项重点:一是权限的控制和管理。即上下级和同一级别的不同BI分析人员的权限控制和管理。二是风险管理业务服务。其功能主要是负责接受下级分行的BI分析人员的数据请求，并进行一定的数据合法性校验和权限控制，根据数据信息向数据仓库或集市申请需要查询的分析数据，最后进行组包返回。三是数据转换抽取服务。目前大型商业银行数据已经集中，数据也在总行有统一的规划，数据转换抽取服务负责从总行的可靠数据中转换并提取风险管理方面的数据，并导入到总行风险管理数据仓库或集市的各个模块中。
目前，BI在银行风险管理的应用上，还面临不少挑战，有许多需要完善之处，如风险模型的建立如何更贴切商业银行的运营模式和更好的进行风险控制。由于目前过于依赖BI软件，一些功能都需要根据商业智能的软件更新才能够进行更新，达不到适应市场快速变化的效果。因此只有建立了一套完善的业务和技术体系，并付诸实施，才能够通过实践，建立银行内部真正需要的风险控制模型，不断完善系统，最终为银行的风险控制和管理提供优质的服务。
阅读关于 商业智能 银行 风险管理 的全部文章
