易坊好文馆

  1. 首页 > 玩科技 >

王乾|王乾 | 智能风控在商业银行普惠金融中的应用

商业银行 金融科技 客户 场景 智能 自动 金融 的发展 银行 风控 改变传统 模型 王乾

编者按：金融的核心是风控 ， 随着大数据、云计算、人工智能、区块链等新技术的应用 ， 智能风控逐渐成为商业银行进行风险管理的重要手段 。 但是 ， 智能风控的核心是人工智能和大数据 ， 本身存在基于历史数据难以准确预测未来 ， 源于特定场景难以精准分析 ， 以及需要决策人的主观判断等弱点 ， 商业银行想要充分掌握和运用智能风控 ， 尤其是发挥智能风控在普惠金融领域的优势 ， 还有很长的路要走 。
智能风控以大数据场景化为基础 ， 以云计算和人工智能为技术依托 ， 应用于前端获客、授信审批、贷后管理等工作环节 ， 通过规则嵌入、建立模型、智能判断、自动纠错升级等环节 ， 精准获客、智能管理 ， 以降低运营成本 ， 有效防控风险 。
智能普惠风控的特点
随着金融科技的发展 ， 各商业银行在风险管理中也应用了部分新兴技术 ， 提高了业务效率 。 有的银行在贷款调查中应用了二维码技术和PAID ， 实现远程获客和调查；有的银行应用模型实现了自动化审批；有的银行实现了客户的手机端提款和还款；也有银行实现了客户逾期还款自动提醒等功能 。 但上述应用只是部分环节的技术改进 ， 还谈不上完全意义的智能风控 。 笔者认为 ， 普惠智能风控至少应具备以下特点 。
通过场景嵌入实现批量精准获客 。 互联网的高速发展 ， 逐渐使分散的普惠客户实现交易的场景化 。 通过分析场景特征 ， 描绘客户画像 ， 可建立客户准入模型 ， 并为客户的后续风险管理做好端口管理和数据传输 。 这在降低获客成本的同时 ， 实现了客户的精准智能风险管理 。
通过闭环式管理实现流程的高效化 。 从前端客户的获得 ， 数据的收集分析到决策 ， 再到最后部署和风控模型优化 ， 实现闭环式管理 ， 可以改变传统风控“铁路警察 ， 各管一段”的问题 。 从前端的智能分析、自动获客 ， 到中间的贷款审查审批、贷款发放 ， 再到贷后管理和催收 ， 都要实现高度的智能化 ， 并且是连续不间断的 ， 以保障内部风险的有效防控和外部客户体验的便捷化 。
通过机器学习实现系统的智能升级 。 将有效的风险规则和模型嵌入到贷款的全流程只是第一步 ， 智能风控要通过机器学习 ， 实现智能升级、快速优化和创新 ， 才能应对日新月异的社会经济变化 。 传统的模型更多关注建立和布放 ， 存在预警的滞后性 ， 以及更新时间的落后性等问题 。 智能风控要做到及时预警、及时诊断、及时纠错 ， 在部署规则的同时 ， 要实现预警管理 ， 设计预警阈值 ， 及时根据预警信息进行自动纠错 。
开发模块组件化实现系统自动迭代 。 传统风控开发系统按照整套流程开发 ， 牵一发而动全身 ， 存在系统迭代周期长、人工编码决策部署慢、业务系统滞后的问题 。 普惠智能风控系统开发 ， 用拖拽的方式 ， 把未发生变动的模型或系统部分组件直接自动引进 ， 可减少开发时间 ， 降低开发成本 。
普惠和安全是普惠智能风控追求的价值 。 近年来 ， 商业银行通过智能风控的应用 ， 改变传统的“二八理论” ， 实现服务更多的“长尾”客户 ， 促进了普惠金融的发展 ， 也通过向智能风控的转变 ， 提高了贷款效率 ， 降低了贷款风险 。 商业银行通过智能风控 ， 可以有效降低银行成本 ， 为客户提供更便捷、更安全、更便宜的服务 ， 有效解决普惠客户融资难、融资贵的问题 。 而对银行来说 ， 这样能够实现风险安全和社会效益的统一 。
智能风控的痛点
金融科技的发展给商业银行带来巨大的技术红利 ， 但我们也不能完全迷信金融科技的作用 。 人工智能不是万能的 ， 智能风控也存在弱点 。 一是人工智能模型以大数据为基础 ， 而大数据不是无所不能的 。 数据是过去发生的历史记录 ， 历史规律的把握和历史背景的变化都是复杂的 ， 原有的认识未必完全准确 。 社会经济是不断向前发展的 ， 现实情况又是极端复杂的 ， 历史数据可以说明一些问题 ， 但不能解决所有问题 ， 更不能完全准确地预测未来 。 二是数据来源于场景 ， 但是实现场景内外的要素精准分析却是困难的 。 智能风控取决于场景中关键要素的完备性、要素之间的相关性和要素影响程度的准确性 。 除了关注场景中的要素 ， 我们还要关注场景外的影响因素 ， 而场景外的要素复杂且在不断变化 。 在当前和未来一个可预见的时期内 ， 智能风控难以自动实现对场景内外要素的自觉主动分析 。 三是智能风控背后体现人的意识和决策 ， 仍然离不开传统风控的核心思维 。 人工智能的高效既能带来业务的快速发展 ， 也会带来风险的快速爆发 。 人工智能风控不能忽视部署智能风控决策人员的影响 ， 而是要对决策人员建立有效的培养、激励、约束机制 。 传统风控须仍发挥作用 。
通过对智能风控特点及优劣势进行分析 ， 可以使我们更好地利用智能风控技术 ， 促进业务的更好发展 。 此外 ， 我们在智能风控的实践和应用中 ， 也会遇到以下问题 。
【王乾|王乾 | 智能风控在商业银行普惠金融中的应用】智能风控管理制度薄弱 。 普惠智能风控还没有建立专门的监管制度 。 近一段时间 ， 由于金融科技的快速发展 ， 互联网平台快速渗透到日常生活的许多领域 ， 触角不仅涉及到早年的支付结算领域 ， 还逐渐涉足资金存储和贷款发放领域 。 甚至国外的部分科技公司人员以金融科技的名义与国内互联网巨头合作 ， 进入到银行的风控核心领域窃取数据 。 互联网平台以场景金融的名义非法留存客户个人信息 ， 实行平台垄断 ， 对此类违法和非法的操作行为 ， 需要建立相应的监管制度予以规范 。
银行的智能风控涉及银行全流程的调整 ， 既包含金融业务创新领域 ， 也涉及商业银行重大风险管理 ， 迫切需要监管部门政策指导和规范 。
而商业银行的内部制度同样跟不上智能风控的发展 。 有的商业银行仍然抱守20世纪末的制度理念 ， 忽视新技术的应用所带来的各种变化 。 而有的银行 ， 尤其是中小银行 ， 因市场竞争激烈 ， 放弃风控的核心精神 ， 缺少风险防控意识 ， 受互联网平台牵制 ， 未建立风险制度 ， 埋下很深的业务隐患 。 制度的缺失影响了普惠智能风控的长远发展 。
缺少统一规范的数据场景平台 。 商业银行掌握丰富准确的数据信息 ， 对开展智能风控来说是必不可少的 。 所以 ， 需要有公信力的平台提供基础数据 ， 如征信、教育、涉法涉诉、水电煤气、税务工商等基本公共信息 。 但上述基础信息还存储在各政府部门或事业单位的数据库里 。 同时 ， 日常交易场景信息被少数互联网巨头垄断 ， 没有实现统一规范使用 。 商业银行缺少使用规范、标准兼容的互联网场景信息 ， 想要获得上述信息 ， 则存在对互联网平台进行风险管理权利的让渡 。
缺少专业的智能风控人员 。 普惠智能风控是根据大数据建立的模型 ， 通过云计算和机器学习进行智能风控 。 我们通过分析智能风控了解到 ， 智能风控的成败取决于背后掌控数据和决策的风控人员 。 现在很多商业银行的数字普惠金融风控流程设计及风险评分模型是依靠外部第三方数据公司开发的 ， 模型良莠不齐 。 外部公司不同于银行的价值取向 ， 其风控模型未必适合银行智能风控的需要 。 智能风控对专业性提出更高要求 ， 最主要的是缺少既懂风险、又懂金融科技的高级管理人员 。
缺乏银行数据口径和平台标准 。 大部分银行还没有建立适应金融科技发展的统一客户系统、操作系统、数据库系统 。 有的银行按照客户种类划分为个人、法人信贷系统；有的银行客户数据分别存放 ， 客户数据标准口径不一；有的银行在不同的环节 ， 还在使用不同的操作系统 ， 使得数据不能有效衔接 。 所以 ， 银行内部需要建立规范统一的客户系统 ， 实现全流程的无障碍 ， 同时做好系统的组件化管理 ， 实现机器学习、自动拖拽功能 。 此外 ， 商业银行的系统参数标准和数据接口也需要规范 。
智能风控的措施建议
普惠智能风控能改变传统风控的不足 ， 更好地帮助商业银行服务广大普惠客户 。 但是 ， 普惠智能风控自身的弱点以及遇到的难点也是客观存在的 。 我们要看到智能风控未来的发展方向 ， 充分发挥智能风控的优势 ， 化弊为利 ， 必须做好以下几项工作 。
完善智能风控管理制度
银行要完善普惠金融智能风控监管体系 ， 要根据普惠客户的特点 ， 适应金融科技发展趋势 ， 制定普惠智能风控的相关监管制度 ， 包括对平台和银行的监管 。 为实现业务的创新性、灵活性 ， 同时保证风险可控 ， 可以对部分银行和平台开展试点 ， 根据试点成效逐渐推开 ， 初期制度可先以指导性为主 ， 随着业务的逐渐发展再逐渐完善监管制度和体系 。
监管内容中要包含智能风控银行准入标准、披露、止损、退出机制 。 一方面 ， 对数据场景平台要有准入标准 ， 明确其权利和义务 ， 对其系统安全、客户信息保密、系统接口安全进行规范 ， 明确其技术和数据提供方的地位 ， 不得从事其主体职能以外的业务 。 另一方面 ， 政府部门、监管机构、金融单位、数据平台之间要建立定期沟通机制 ， 共同推进智能风控的应用和健康发展 。 另外 ， 各商业银行也应根据监管要求 ， 制定和修改银行内部普惠金融智能风控制度体系 。
加大智能风控的基础设施建设
政府要成立全国统一的征信和数据机构 ， 建立依靠网络支付、移动通信等数字化技术的全国公共信息平台 ， 为广大金融业者、企事业单位和个人提供安全可靠的数据和信息 。 数据平台要统一技术标准和参数 ， 要有规范的数据接口 ， 同时要考虑数据的延展性和及时更新 。
商业银行要根据智能风控的要求和金融科技发展的趋势 ， 更新和改造适应未来发展的系统平台 ， 做好系统架构设计 ， 防止盲目建设 。 同时 ， 注意用户界面、使用的安全性和友好性 ， 提高硬件和软件应急保障和安全防范等级 ， 打造支持普惠金融智能发展的技术环境 。
建立普惠智能风控队伍
普惠金融智能防控体系 ， 要坚持普惠客户的定位 ， 打破传统部门的架构设置 ， 成立专门的适应智能风控要求的普惠金融部门 ， 实现从前端获客、审核审批、贷款发放到贷后管理的全流程管理 。 同时 ， 要做好对该部门的数据监测和实时风控管理 。
普惠金融智能风控依托大数据、云计算建立风控模型 ， 实现机器学习 ， 自动升级 ， 其背后的关键是要有熟悉市场、风险管理经验丰富、了解金融科技的专业队伍 。 智能风控对人员队伍的要求 ， 远高于传统风控人员 。 商业银行应建立起更加专业的人力资源管理体系 ， 从招聘、培训、使用、考核等方面 ， 配置与数字普惠金融需求相匹配的人力资源体系 。
做好普惠场景的选择应用
普惠智能风控离不开普惠场景的应用 。 不同的普惠场景 ， 数据风控模型不同 ， 风控的流程和标准、机器的算法也不同 。 普惠智能风控人员的主要精力是重点研究场景的特征、内在要素、外来因子、未来预测以及纠错止损机制 ， 以建立基于场景的风控体系和决策模型 。 但场景的不同 ， 不能改变普惠智能风控的特点和价值 ， 改变的只是不同场景的应用 。 所以 ， 银行要做好智能风控场景的应用 ， 做好相关系统模型的嵌入、维护、监控和更新 ， 更要关注场景内外要素的变化以及引起的变量分析 ， 以便及时进行人工介入 ， 真正发挥好智能风控的作用 。
智能风控作为金融科技在银行业务的应用 ， 解决了传统风控的难点 ， 快速实现了传统风控向智能风控的转变 ， 不仅能为银行精准快速地带来广泛的普惠客户 ， 也能实现银行技术和服务的升级 ， 实现安全微利的普惠价值 。 但值得注意的是 ， 我们可以拥抱金融科技 ， 发挥智能风控的优势 ， 造福普惠客户 ， 但不能盲目迷信科技 ， 忽视人对风险防控的决定作用 ， 给银行造成新的风险隐患 ， 要结合银行传统核心风控思维 ， 利用智能风控的技术优势 ， 实现普惠金融更好、更快发展 ， 更好地服务普惠客户 。
作者系恒丰银行普惠金融部副总经理
分享、在看与 点赞 ， 全都想要拥有！

    推荐阅读


    上一篇：IT|NOAA希望在更多商业客机上安装全球温室气体数据收集器

    下一篇：模型|数据越多，AI越智能？我们一直以来都想当然了