新一代數(shù)字技術(shù)的日趨成熟,讓“大數(shù)據(jù)”在企業(yè)應(yīng)用中漸入佳境。在大數(shù)據(jù)時代背景之下,銀行風(fēng)控也成功捕捉到了全新的價值空間。隨著傳統(tǒng)利潤的不斷下跌,不良貸款總量上升,風(fēng)控成為了銀行從業(yè)者關(guān)注的焦點。數(shù)字化轉(zhuǎn)型發(fā)展階段,銀行如何秉持“數(shù)字化風(fēng)控”理念,利用大數(shù)據(jù)、云計算、人工智能等前沿科技提高風(fēng)控能力,建立輕資本、輕資產(chǎn)的新型風(fēng)險管控體系,是銀行數(shù)字化的重點工程。在亞太銀行創(chuàng)新峰會上,法海風(fēng)控副總裁高偉就當(dāng)前銀行形勢分享了自己關(guān)于強監(jiān)管條件下銀行數(shù)字化風(fēng)控的建設(shè)性意見。
數(shù)字化風(fēng)控關(guān)鍵在于尋找有價值的數(shù)據(jù)
大數(shù)據(jù)時代,每個企業(yè)每時每刻都會產(chǎn)生數(shù)據(jù),在巨量的數(shù)據(jù)之下,銀行不可能每條都一一查看,這是一個耗時而低效的過程。對于銀行而言,如何找到好的、有價值的數(shù)據(jù)才是個中關(guān)鍵。高偉表示,面對一個目標(biāo)企業(yè),銀行風(fēng)控需要快速的在大體量的信息數(shù)據(jù)之下,迅速按照警告、負(fù)向、中性、正向、利好等指標(biāo)對數(shù)據(jù)設(shè)置分級。這五類分級能夠幫助銀行從海量資料中迅速識別風(fēng)險較高的企業(yè)。此外還需要從行業(yè)基本信息、信息校驗、重點關(guān)注信息、代發(fā)工資、跨商業(yè)銀行風(fēng)險預(yù)警、失信被執(zhí)行、客戶關(guān)聯(lián)關(guān)系、小企業(yè)征信信息等方面形成客戶信息閉環(huán),構(gòu)建以銀行征信、財務(wù)報告、工商報告、抵押擔(dān)保小微企業(yè)司法涉訴等風(fēng)險評估和對公業(yè)務(wù)所需要的基本信息架構(gòu),并結(jié)合外部數(shù)據(jù)和行方數(shù)據(jù)、人行、工商和擔(dān)保信息等完整刻畫用戶畫像,實現(xiàn)數(shù)字化的風(fēng)險評測。
大數(shù)據(jù)等數(shù)字科技賦能銀行風(fēng)控
對于數(shù)字化的銀行風(fēng)控體系建設(shè),高偉明確指出需要三項底層核心技術(shù)的支持:
1. 具備自主知識產(chǎn)權(quán)原界的技術(shù)底層支持;
2. 具備人工智能語義分析;
3. 具備自然語言情感分析;
當(dāng)然,在甄別數(shù)據(jù)優(yōu)劣方面,還需要有“全、準(zhǔn)、快”三個標(biāo)準(zhǔn)衡量。全,要求數(shù)據(jù)全網(wǎng)、全國覆蓋;準(zhǔn),要求數(shù)據(jù)解析精準(zhǔn)度足夠高,一般而言,模型解析精準(zhǔn)度需要達(dá)到95%以上,才可能相對準(zhǔn)確,當(dāng)然越高越好;快,要求能夠及時更新。很多時候,往往一條數(shù)據(jù)就能判別一家企業(yè)生死。因此,在數(shù)字化風(fēng)控方面,銀行需要將收集到的類似法院文書等非機構(gòu)數(shù)據(jù)進(jìn)行高清度結(jié)構(gòu)化解析處理,有了精準(zhǔn)解析的數(shù)據(jù)再利用結(jié)構(gòu)化規(guī)則應(yīng)用到銀行業(yè)務(wù)中,再用人工智能等技術(shù)手段,對各類數(shù)據(jù)進(jìn)行分析(如從招聘數(shù)據(jù)能夠看到企業(yè)關(guān)注點在哪里,需要通過招聘崗位透露核心業(yè)務(wù)),進(jìn)而刻畫出企業(yè)用戶畫像。
目前,銀行識別客戶尚處于不同階段,在借力外部大數(shù)據(jù)方面,高偉總結(jié)了5大情況:
1、 還未引進(jìn)大數(shù)據(jù),但有調(diào)研意圖。這種情況的銀行尚未實現(xiàn)轉(zhuǎn)型,效率低下,且無法保證數(shù)據(jù)的全面性和準(zhǔn)確性。
2、 已經(jīng)引入外部大數(shù)據(jù),并開啟使用。此類銀行使用效率高、覆蓋全面且信息更新及時。
3、 引入外部大數(shù)據(jù)中發(fā)現(xiàn)問題,有升級需求。這類銀行使用時信息量過大,開始考慮如何過濾信息;并計劃對存量客戶進(jìn)行風(fēng)險篩查;試圖找出規(guī)則并結(jié)合行內(nèi)系統(tǒng)建立模型。
4、 已經(jīng)找到好的、高精度的數(shù)據(jù),并開始建模。這種情況銀行已經(jīng)建立信息分級、批量排查和規(guī)則梳理和模型應(yīng)用。
5、 已經(jīng)實現(xiàn)內(nèi)外部數(shù)據(jù)融合,開始自主創(chuàng)新,分布上線迭代升級一氣呵成。