金融服务业：强化风险管理 拥抱数字未来
金融机构需要管理数字化所带来的风险，提升客户体验，创建一个更具韧性的金融服务生态系统，赢取未来。
在新冠疫情引发的人道主义和经济下行的双重冲击下，金融机构正处于剧烈的数字化颠覆阶段。这种颠覆改变着数字化风险的性质，亦在不断引发新型数字化风险。同时，数字化技术和流程为金融机构重塑业务模式和转变客户交互提供了机遇。
本报告《金融服务业：强化风险管理 拥抱数字未来》全方位地分析了数字化风险并按类型进行细分，以及金融机构如何化劣势为优势。
常见的数字化风险有：
- 网络安全风险
- 生态系统风险
- 新兴技术风险
- 执行风险
- 欺诈风险
- 隐私风险
- 法律及监管风险
- 品牌及声誉风险
- 战略风险
- 人才和文化风险
报告同时加入数字化风险管理中国本地实践，为您洞悉中国本土金融机构在数字化风险管理过程中所面临的来自算法风险和欺诈风险的新挑战。
算法风险
与传统风险不同，算法风险存在隐藏的“偏见”、缺乏可验证性及复杂的解决方案三大特点：
- 算法可能有隐藏的偏见，不是来自人为的任何意图，而是来自于数据本身。这些偏差可能不会作为一个明确的规则出现，而是被考虑在成千上万个因素之间的微妙交互中。
- 与传统的基于显示逻辑规则的系统不同，算法判断的是统计学上的真理，而不是真实的事实。所以，金融机构很难甚至无法证明算法结果的正确性。
- 当算法出现错误时，在短时间内造成巨大损失，而错误诊断和纠正错误的解决方案可能是难以想象的复杂。算法风险带来的影响也是多方面的，算法的不当应用将带来声誉风险、财务风险、运营风险、监管风险、技术风险和战略风险。
德勤算法风险管理解决方案
德勤算法风险管理框架涵盖算法全生命周期，涉及策略和管理、开发和部署及上线后管理三大方面，帮助企业认识算法的风险和局限，建立算法风险管理体系。
- 策略与管理：侧重算法在企业中的管理策略，从流程、制度等方面出发，评估企业算法风险的管理现状，建立整体管理体系。
- 开发和部署：从算法设计流程至算法部署流程，数据评估，再到算法使用，关注算法在开发和部署过程中的潜在风险，在设计过程中规避由于偏见导致的算法风险。
- 上线后管理：算法上线后，持续监控算法使用情况及算法结果，进行敏感度分析和独立验证，规避算法执行中的失控风险，降低由于算法不可验证、算法问题解决方案复杂等特性可能导致的损失。
通过应用算法风险管理体系，可以规避或降低算法潜在风险，提高算法预测精准度，合理释放数据的巨大潜力。对应用通用及复杂算法的企业而言，建立算法风险管理体系，也是企业在数字化转型过程中敢用数据、用好数据的保障。
欺诈风险
随着金融机构线上化业务的快速发展，欺诈风险也急剧上升。以信贷领域为例，其造成的损失不可忽视。同时，我们也观察到，欺诈活动呈现出专业程度高、隐蔽性强、有组织作案、内外勾结、形式多样和持续演化等六大典型特征，这些都对风险防控带来了挑战。
德勤反欺诈管理解决方案
德勤提供涵盖反欺诈制度流程建设、数据集市建设、AI技术应用、系统建设规划、外部数据选型在内的全方位管理咨询服务。同时覆盖全流程欺诈风险管理自动化、智能化的系统开发、实施、优化等内容。
- 业务咨询：建立完善的反欺诈管理体系，包括治理架构设计、政策制度、全流程欺诈风险管理流程、反欺诈规则与模型设计、数据规范及数据集市设计、信息系统需求设计等方面。
- 技术咨询：提供包括测试验证、外部数据寻源与接入、系统自研辅导、技术选型、系统选型等技术咨询方案。
- 开发落地：系统全面开发落地，包括方案设计、数据准备、系统开发、继承测试和系统运维等服务。
- 能力建设：系统性地开展欺诈风险管理人员的能力建设，包括技能培训、文化宣贯和现场辅导等形式。
通过反欺诈管理体系，有效提升欺诈风险防范水平，为业务的数字化转型建立坚实的技术底座。
总结：化风险为优势
金融机构正处于剧烈的数字化颠覆阶段。这种颠覆正在改变数字化风险的性质，亦在不断引发新型数字化风险。同时，数字化技术和流程为金融机构重塑业务模式和转变客户交互提供了机遇。在金融风险和监管风险备受关注的环境下，数字化转型的风险容易被忽略。金融机构需审慎管理数字化风险，提升客户体验和迎接数字化未来，并为创建更具韧性的金融服务生态系统贡献力量。
