2021年12月，中国人民银行印发《金融科技发展规划（2022—2025年）》，提出健全金融科技治理体系、充分释放数据要素潜能、打造新型数字基础设施等重点任务。北京金融科技产业联盟开设“今日案例”专栏，以《规划》为牵引，通过优秀案例展示产业各方在实践中取得的成果，促进机构互学互鉴。

关键字：信用风险处置、闭环管理、大数据、人工智能、物联网、云计算

浙商银行综合运用“大数据+知识图谱+多方安全计算”等金融科技，利用现有的区块链、物联网基础设施，致力打造行业级数智闭环风控平台。聚焦“风险实时预警”小切口，谋划“金融风险处置闭环”的大场景，全面对接国家工商总局等多方数据，探索构建跨层级、跨部门、跨业务协同的金融风险防控处置智治机制，实现贷前准入、贷中审批、贷后管理的风险防控和预警全流程闭环管理。

大数据风控平台目前已广泛引入外部相关数据与模型，领先搭建知识图谱平台，填补关联关系管理、贷后管理、预警管理、财务分析、客户画像、移动应用平台等系统支持能力的空白，实现金融风险管理和预警的数据化、移动化。

图1 大数据风控平台架构图

大数据风控平台已引入来自国家工商总局、最高人民法院、中国人民银行等多渠道数据，涵盖征信、工商、司法、税务等62项数据产品或服务，积累形成1700余张数据表，加工形成200余张整合表，通过结合客户黑灰名单、授信负面客户清单、信贷不良记录等行内数据，建设黑名单、客户画像等重点项目，实现数据二次利用。

在技术研发方面，大数据风控平台一是基于分布式微服务架构设计，支持平台弹性扩展，具备系统和风控体系对外输出的能力。二是通过搭建大数据建模平台与新决策引擎，满足平台模型开发管理和实时高效的在线决策需求。三是利用流计算引擎技术，解决大数据吞吐的实时性问题；利用自然语言处理技术，解决外部数据的大量重复问题；利用光学符号识别技术，解决图像数据等非结构化数据导入问题。四是通过知识图谱、深度学习等人工智能技术，建立“人工+智能”“实时＋批量”的风险防控和预警体系。

图2 模型架构图

五是通过搭建物联网基础技术平台，监管产品从生产源头到供应商、物流、销售等供应链的每一环节，实现对企业经营状况持续监控，加强贷中、贷后风控能力。六是运用区块链技术将授信客观数据、物联网数据等上链储存，保证不可篡改；融合多方安全计算、联邦学习，探索形成数据安全合规共享模式与机制，促进机构间信息共享，降低银行风险。七是在风控模型建设方面，以分布式数据平台HAWQ、图数据库Neo4j、流计算引擎Flink、大数据建模平台为技术支撑，构筑高可用性、强可扩展性的运行环境。

在经济效益方面，平台上线近千条预警规则，支持千万级风控请求量，通过将大量线下人工操作转化为线上自动流程，实现银行内部“降本增效”。社会效益上，依托“互联网+大数据+云计算”技术，解决企业融资难问题，聚焦服务优质企业；在客户准入环节响应用时达毫秒级，贷款额度审批环节响应用时在30秒以内，有助于提升贷款审批效率，解决企业融资慢问题。

大数据风控平台成效显著。一是客户信用风险控制，即利用机器学习和深度学习模型，实现主要个人与企业信贷业务场景的风险全流程管控和自动化审批机制，推进互联网贷款业务、小企业贷款业务、零售业务、国际业务、对公企业贷后等风控建设。其中贷后催收模型已覆盖全部20余项互联网贷款场景，形成完整的风控闭环。二是网络欺诈与交易风险防范，即研发完成涉赌涉诈交易风控，贷款资金用途管控，收银台反诈等交易类专家规则63余条。截至2022年7月，反欺诈中心累计受理交易阶段风控业务超1921万笔，拦截近275万笔疑似风险交易，风险客户18200多个。系统平均响应时间约45毫秒。交易反欺诈模型实时联动并智能分析用户行为轨迹数据，提前预警风险，成功挽回多客户经济损失。涉赌涉诈相关策略共拦截53142笔近509亿元人民币。

图3 业务流程图

三是金融风险实时预警，即建设并持续推进小企业风险预警规则、零售风险预警规则、资产池预警规则等预警模型的建设，形成涵盖司法、工商、物联网等数据的预警规则体系。2022年二季度，平台累计产生90564条预警信号，自动定级信号占比99.9%，实现风险客户提前预警率为92.14%，平均提前预警时间为25.3天。四是客户画像与客户标签，即已建设完成125个对公客户标签及248个对私客户标签，2022年以来已提供服务超5000万次，日均调用近30万次，有效支撑贷后管理、客户准入、征信风控、手机银行、大数据营销平台等相关业务系统的标签使用需求。