这场全球金融危机带给我们的最大教训就是加强风险的监管力度，如何更好的进行风险管理已经成为政府、以及银行等金融机构重要的课题，但是分析师认为世界约有一半的银行对自己风险数据的信息是没有信心的。为什么会这样呢？原因可能包括数据不完整，或者是数据质量有问题，或者因为他们的数据在不同系统中。由于存在着这样的孤立性，使得银行没有办法从整体角度看全局的风险暴露。针对这些问题，Teradata全球产业解决方案企业风险管理总监Sam Harris表示可以通过提供全面，具有权威的，合规的风险数据基础架构帮助客户来解决这个问题。
Sam Harris首先分析了目前的风险管理趋势。第一，从企业风险管理的趋势而言，现在正在经历一个转型。原来企业只是为了监管的强制要求去进行企业风险管理。现在是真正利用合规信息构成风险数据战略。举例来说，银行利用相关数据进行反向的压力测试，所谓反向压力测试就是设想一种银行可能要破产，或者要崩溃的最糟糕的情形，然后进行一个反向的测试，根据已有数据来模拟可能的情况。
第二，现在公司也在用合规的相关数据来进行全公司风险测量，通常在银行称为经济资本计算。这是用风险数据对银行业绩进行风险调整后业绩指标的计算，从而帮助管理层来进行更好的决策。以往风险管理更多的是一种历史观，即在一天交易结束之后计算风险指标，而现在则是在当天就需要对很多风险指标计算采取行动，能够快速的搜集，并且把很多数据进行加总，再以适当的方法传输到计算引擎当中，进行相关信用风险以及其他风险的计算。比如涉及到针对交易对手的风险，针对某一个客户集中度的风险，或者说某一种金融工具集中度的风险。
要顺应两个趋势的发展，要求机构要提供全公司的风险指标，经济资本计算以及一天交易日或者工作之内的风险指标计算。而关键在于要具备一个好的风险数据基础架构。怎么来计算这个指标呢？这个并不难，但是，金融危机规模庞大以及大量数对计算提出了挑战。尤其是对于中国的机构更加如此。因为中国的金融机构都是无比的庞大，用户和客户的数量都是非常多的。所以相比较其他国家的金融机构，可能在中国这更是一个非常大的挑战，从而使得风险数据和基础架构在中国市场意义更加凸显。
而Teradata在这个方面则具备核心优势，为银行提供企业级数据仓库。企业级数据仓库是一个大容量，性能高的数据仓库环境。同时，Teradata在数据基础架构方面也很有优势，能够把来自于不同数据源的数据集成到同一个数据库当中，实现一次加载，多次使用。 这样不仅可以帮助企业节省成本，而且无论从合规还是管理的角度对于企业也都是有利的。全面且具有权威性的风险数据基础架构的合规确保企业不仅能够合规，同时在定价、信贷审批或投资决策等日常活动中，通过风险数据和企业风险战略把风险作为一个要素纳入考虑。
Teradata极具特色的风险数据基础架构不仅仅包括软件、硬件产品和相关服务，实际上也涉及到为了能够建构一个适当的环境所需要进行配置与此相关的资产权方面的一些内容。举例来说，Teradata拥有行业领先针对金融服务部门的逻辑数据模型，帮助客户对数据进行组织，从而满足风险管理的需求。
以其中的质量评估软件为例，它可以对特定环境中数据的完整性、质量，和希望要求之间的差距进行分析，确保客户导入特定环境中的数据应该都能达到他们预期要求的质量和完整度。不仅仅是软件、硬件还需要很多与资产权配置方面的辅助，才能够对企业所需要的特定目的的特定环境进行实施。
同时，还涉及到逻辑和物理数据建模，最终目的就是要确保数据的高质量、完整性和灵活度。一些公司会通过购买衍生工具来对其某些风险进行套期，过程中需要了解被套期点位和套期工具情况。但是在金融危机之后，这些还不够，还需要知道发行套期工具的交易对手方的情况，比如说他的信用质量、信用状况，对于管理套期工具来说这也非常重要。数据模型的一个适当性也至关重要，通过适当的数据模型可以掌握与一笔交易相关的各个方面的风险。
在风险管理这整个管理链条中，Teradata在很多方面也具备优势：例如数据采集，以及从不同的数据源对数据进行加总和集成。还有就是对数据进行建模，以满足风险管理需求。此外，在数据库之内进行相关的分析以及对结果进行报告也是Teradata一直领先的领域。除此之外，Teradata也和合作伙伴展开合作，例如通过共享原数据，最终实现计算和报告，可以一直从最后的计算和报告追溯到原始数据。
