大數據時代銀行法律風險防控新思維作者：祁燕泰維克托?邁爾?舍恩伯格在他的《大數據時代》一書開篇寫道：大數據開啟了一次重大的時代轉型。就像望遠鏡讓我們能夠感受宇宙，顯微鏡讓我們能夠觀測微生物一樣，大數據正在改變我們的生活以及理解世界的方式，成為新發明和新服務的源泉，而更多的改變正蓄勢待發……大數據時代改變了企業經營管理的模式和競爭法則，從經營上看能夠充分挖掘數據，并通過大數據分析預測市場趨勢的企業將不斷的壯大，而跟不上時代的企業將舉步維艱。從管理上看，大數據為企業提供了一個內部管理和風險控制的“利器”運用好大數據，將幫助企業提升管理和風控水平。銀行業也應跟上這個時代，調整自己的管理模式，本文將試著探討一下在法律風險控制領域，銀行可以如何應用大數據，提升防范法律風險的能力。銀行傳統的法律風險防控模式是，事前根據法律規定審核法律文本，找到其中的漏洞，修補文本漏洞。出現訴訟，事后的補救工作，處置風險，總結經驗教訓，修訂制度，學習制度，貫徹執行，檢查跟蹤。這種執行多年、對于銀行法律人員輕車熟路的法律風險防范模式其實是存在著一個漏洞，或者說存在著一個環節的缺失：如何從紙面上的法律風險防控落實到實際中的法律風險防控。學習過法律的人都知道，法律有兩種，一種叫做“紙面上的法律(lawinpaper)"，一種叫做"實踐中的法律lawinaction)"，說的是法律條文的規定和現實中指導社會運行的實際規則之間是有差別的——很多法律規定躺在紙面上，現實中無人執行；而現實中很多“習慣法”又與法律條文不太一樣。其實銀行的法律風險管理也是分為這兩部分的一種是“紙面法律風險管理”，大部分的非訴法律事務的處理就是這種工作。銀行業務相對來說較為規范和嚴謹，與外界發生各種法律關系都要以書面法律文件記錄。銀行法律人員的紙面法律風險管理就是對這類法律文件進行審查，找出其中的風險點，并提出修改的意見。這種法律風險防范措施的著眼點和目的是預先為在今后可能發生的糾紛甚至訴訟中，使本行在紙面上取得一定的法律優勢，至少不能在紙面上使本行陷于不利境地。但是銀行法律人員只占員工的很少一部分，銀行的主體業務、絕大部分經營管理工作不是由法律人員來操作，而且合同簽訂后需要履行才能跟銀行帶來收益，而履行合同的人員也不是法律人員，其是否能理解復雜有時甚至是晦澀的法律語言寫成的合同條款的約定，并按照合同條款的內容執行，也是一個很大的不確定因素。為了解決這個問題，讓業務人員掌握法律規定，看懂并遵守合同，明白法律風險，目前一般采取的方式是加強普法宣傳和法律培訓。但是有兩個因素制約著普法和培訓的效果。首先，法律是復雜和專業性很強的領域，法律專業員工本科階段在法學院學習四年時間（或者再加上研究生階段三年時間）尚不能深刻理解和靈活掌握銀行業務中的法律風險防范方法，更何況其他專業的畢業的員工，對法律毫無基礎，經過幾次普及型的培訓也很難對銀行業務復雜的法律風險有深刻的認識。其次，現在銀行員工內外部流動性均較大，尤其是前臺業務崗位人員變動較快，剛剛接受過培訓的人可能很快就更換到新的崗位，而新入崗人員又不可能馬上再接受一遍同樣的培訓，使得培訓效果大打折扣。而且現在的部門銀行的組織結構，使得法律部門和各業務部門分屬不同“條線”，不同的管理通道和報告路徑，造成法律風險與操作風險、市場風險、信用風險等分別由不同部門分工負責，這也會帶來一定的問題。例如，業務部門因對法律的無知或規避自身責任的考慮將合同風險完全等同于法律風險，甚至認為一切風險都可以通過對合同“措辭”的修改而防范住，與此同時法律部門在法律審查的時候又因職責所限，難以“越界”考慮在業務操作和經營管理中的其他風險。而銀行風險的出現往往是多種風險交織在一起的，例如，一些銀行不良資產的產生，就是內部人員內外勾結（存在道德風險）和居心不良的客戶客戶（存在信用風險），在市場情況不佳（存在市場風險）的時候，尋找與銀行業務中存在的疏忽（操作風險），利用法律的漏洞（法律風險）來逃費銀行債務。再比如，有一些銀行簽的的合同，條款本已對銀行十分有利，但就是因為業務人員簽訂和履行時不盡職導致銀行陷入違約的境地。有的代客戶簽名，導致合同不成立，有的不按時繳納租金，導致房屋租賃合同被解除。因此，銀行需要整合各種風險防范體系，打破“條線分割”，統一的、高效的，且有操作性的法律風險防范體系。大數據時代為這一需求提供了可能性。所謂“大數據”，簡單的說就是我們通過各種形式可以得到的全部數據信息。大數據具有以下的特點就是：1、不是隨機樣本而是全體數據；2、不是更精確，而是更混雜；3、不是因果關系，而是相關關系（不是為什么，而是是什么）4、一切皆量化。大數據的核心是“預測”，就是根據現有的數據之間的關聯關系推斷未來將發生的事情。大數據應用最為有名的例子，就是Google公司通過對用戶搜索記錄的大數據分析成功預測了2009年美國流感流行的傳播，而且具體到特定的州和地區。谷歌公司是通過用戶對特定詞條檢索的頻率和2007年、2008年美國流感病例的數據進行對比后，建立一個特定的數學模型，預測出流感將從哪里傳播到哪里。特定詞條檢索和流感之間并沒有直接的因果關系，Google公司也并不知道二者之間為什么會有聯系，他們只是通過算法找出了這種聯系。大數據這種“由一般到一般”“由現象到現象”的處理問題的方法，看上去膚淺，卻十分便于操作，其不問為什么，只問怎么做的模式，也非常適合于內部分工高度發達，內部專業跨度大的大企業的管理。“小數據”體系下的法律風險預警與提示往往是發生訴訟案件等法律風險后的事后分析，而且是根據“典型”個案總結出該案例中與法律法規不符之處，并指出防范的方法，這種方法的指導思想是“舉一反三”，是“由個別到一般”，“由現象到本質，再還原到現象”需要收到預警和提示的人充分理解法律風險發生的原因，以及該案例中的事件和自己所操作業務的共同點和區別，才能知道自身的業務操作。所以，業務人員理解力決定了風險預警的效果。而大數據時代則可以采取完全不同的方式，只要通過大數據分析預測出市場、客戶、員工有何種變化或行動時，會發生什么情況，再由專業人員制定出相應對策，普通員工按照對策行事就是了。這樣既大大縮短了管理的鏈條和反應時間，又使得管理層的決策可以直接轉化為員工的行動，減少因員工對規章制度學習不足和理解不到位造成的執行力不足問題。從防范法律風險角度講，在大數據下，我們可以從企業內部和公共領域獲取客戶和潛在客戶的各種行為數據和已經發生過的各種風險，并通過編制一定的算法，找出其中的關聯關系，在防范風險的角度，我們就可以知道，什么樣的客戶容易違約，什么樣的客戶守信用，什么樣的客戶真的有信用需求，而什么樣的客戶利用銀行資金進行高風險的活動等等。在這種體系下，法律人員仍然是十分重要的，法律部門作為銀行整體處理大數據和應用大數據的一個環節和組成部分，為大數據的應用提供法律上的線索和支持。比如說為數據采集合法性提供意見，利用數據分析結果對防范風險的措施提出法律上的意見。法律人員做對行為預測的判別，提出哪些行為存在風險，并預先防范。通過“大數據”分析，直接發現某些業務行為和某些法律風險的相關關系，對相關度高的行為直接予以禁止。反過來將避免法律風險的行為直接寫入操作手冊。業務人員可以不問為什么，只問做什么，避免業務人員的理解力影響法律風險防范。拿租房為例，如果大數據分析出某種現象下，房東容易提出解除租賃合同，在出現此種情況時，法律人員，就可以預先提示下屬機構及時、完全履行租賃合同的約定，避免房東找到解除合