獲獎單位：廣東省農村信用社聯合社
來源：2019年度農村金融科技創新優秀案例評選
項目背景及目標
隨著信息技術發展及全球經濟一體化，金融市場變化日新月異，企業內外部風險環境日趨複雜，風險數量及種類與日俱增，一方面在大零售戰略轉型的背景下，傳統的風險管理模式難以滿足創新服務與拓展海量客戶的需要；另一方面，隨著市場逐步規範，監管要求日趨嚴格，對金融機構自主風控能力的要求不斷提高。當前廣東農信已有的風控產品以事後分析處置為主，技術架構較為傳統，且數據採集能力及複雜規則模型運行效率不足，難以滿足不斷增長的產品和拓展的業務對複雜風險形式下風險管理的要求，成為制約廣東農信產品創新及業務發展的瓶頸。
大數據風控平臺，依託大數據、機器學習等技術革新傳統風控模式，打造覆蓋全產品、全渠道、全流程的事中風控新引擎，提供交易反欺詐和信貸審批等決策支持服務，全面提升農商行（農信社）風險識別、定價及管控的能力。
項目方案
1.建設規劃
本項目基於阿里雲平臺及蟻盾產品進行實施，構建風險決策中心，包含事件接入、實時決策和決策輸出等核心功能，本期以平臺落地為首要目標，與消費信貸、統一支付、手機銀行相關係統群進行對接，根據不同業務場景構建相應的模型和策略，為業務流程不同風險點提供實時決策服務。一方面與風險預警系統深度整合，構建覆蓋信貸業務全生命週期的技術工具體系；另一方面以統一支付、手機銀行為切入點，構建標準化的實時反欺詐服務框架；最後，根據風險防控的相關數據需求，結合數據治理總體規劃，制定精細化的質量提升需求。
2.應用場景
（1）全流程信貸風控
結合行業應用及第三方數據，通過制定相應的欺詐識別策略，建設標準化的客戶信用評分模型，有效評估客戶的還款意願和還款能力，根據信貸業務生命週期不同階段所面臨的風險狀況差異性提供全流程的風險審批、授信定價和風險監控處置等決策支持服務，在緊守風險關口的同時提高貸款辦理效率。
（2）全渠道交易反欺詐
通過靈活配置規則和模型，利用大數據的強勁計算能力支撐，根據多渠道數據在事後的深入挖掘與分析，深度識別個體欺詐行為和團伙欺詐行為，根據不同渠道和不同業務的特點，及時有效的識別和攔截欺詐風險。
3.平臺核心能力
（1）事件接入：業務系統調用的大數據風控平臺決策服務，支持業務系統主動傳送的業務數據的同時，可根據決策需要自行從其它數據源補償數據。服務接口與數據補償調用接口應符合中心架構管控的相關規範。
（2）決策中心：基於各業務場景的風控要求，配置對應的規則來進行風險的防控。策略中心包含策略管理、策略配置、策略分析等功能。
（3）決策輸出：根據不同業務場景，根據決策運行結果，提供標準化的決策結果返回，為業務流程的中斷、分支等提供決策依據。
創新點
1.數據融合化
引入外部數據，包括客戶基本信息、行為特徵、信用情況、社保、公積金、稅務等，與內部數據融合，基於海量信息對客戶進行全面風險評估。
2.決策智能化
基於阿里成熟的智能風控引擎，面向不同場景配置風險策略以及建設風控模型，通過信息整合提升風險防範的能力，提供個性化智能決策服務。
3.模型標準化
面向個人消費類互聯網信貸產品，我們構建了標準版的反欺詐模型、信用評分模型以及額度定價模型，並支持不同法人根據自身風險偏好進行個性化的策略制定，從而滿足不同的業務發展需要。
4.服務實時化
依託平臺強大的複雜計算能力對外輸出實時風控決策，實現非實時向實時決策的轉變，從而實現事前、事中及事後的風險防控全覆蓋。
5.防控全面化
基於大數據風控平臺，對接海量數據，面向不同業務場景提供全流程的信貸反欺詐和全渠道交易反欺詐服務，充分發揮多法人架構下數據大集中的優勢，實現跨法人、跨渠道、跨產品的聯防聯控。
技術實現特點
1.系統架構：
（1）基於阿里雲的IAAS和PAAS層，搭建風控平臺，其底層平臺採用分佈式計算和分佈式存儲技術，主要模塊做了組件化設計，對外提供統一的restful API接口設計，方便其他數據渠道或者模塊的集成對接。涉及到外傳的數據統一都進行了加密，保證了數據傳輸的安全性。在數據存儲方面，結合了關係型數據庫，非關係型數據庫，K-V數據庫的優缺點，對不同的數據進行分庫分表設計，有效的提高了數據訪問的吞吐量。
（2）建設後臺管理工具，包括決策中心，數據中心，名單中心，模型中心，分析中心等組件，可以配置不同的規則滿足不同的風控場景。
2.技術實現特點
（1）統一數據管理：實現行內、行外數據處理和使用的統一管理，海量計算和擴展能力支撐業務創新發展。
（2）統一技術框架：面向交易反欺詐和信貸風控的實際需求，同時引入了蟻盾及DX兩款決策引擎，提供機器學習擴展，依託大數據平臺進行數據的加工處理，利用機器學習平臺進行模型的構建。
（3）統一風控服務：大數據風控平臺通過企業服務總線向業務系統提供交易反欺詐服務和信貸風控決策服務。
項目過程管理
本項目分為三階段投產，並根據上一階段投產情況持續迭代優化系統功能，第一階段完成平臺搭建及我社“秒貸”、“快貸”所需信貸申請反欺詐及客戶信用評級相關規則模型；第二階段完成我社“易貸”、“場景貸”所需信貸申請反欺詐及客戶信用評級相關規則模型；第三階段完成我社手機銀行、統一支付的交易反欺詐相關規則模型；項目週期歷時7個月，於2019年4月完成投產，投產後對部署的相關規則和模型持續進行驗證和迭代優化。
項目運營情況
大數據風控平臺自2019年4月投產以來：
1.交易反欺詐方面
目前已對接我社手機銀行、統一支付、互金平臺、新舊櫃面等4個渠道，覆蓋註冊、登陸、開戶、綁卡、轉賬匯款、繳費、充值、預約取款、修改密碼等場景，合計佈防反欺詐策略126條。
2.信貸風控方面
目前已為我社秒貸、零花錢、快貸、場景貸、易貸、稅易貸等6大線上貸產品提供反欺詐和授信評級服務。合計佈防93條反欺詐策略，10條風險排除規則，搭建信用評分模型和償還能力評估模型。
項目成效
1.手機銀行渠道轉賬匯款交易針對收款賬號電信詐騙黑名單進行實時攔截，該部分功能於2019年08月完成投產，截止10月14日，總計調用服務341萬餘次，命中410餘次，挽回資金損失約1400萬餘元。
2.悅農E貸秒貸自2018年7月份上線以來，申請筆數合計為12萬餘筆。其中，審批拒絕的貸款共23,526筆，佔比19.99%；審批通過但客戶未接受的貸款共10,245筆，佔比8.71%；實際放款的貸款共83,891筆，佔比71.30%，授信額度合計約為130億元。
經驗總結
1.充分的進行數據的融合以及治理工作。保障數據質量的基礎上充分考慮外部數據應用對業務連續性造成的影響，並制定有效的備用方案和應急機制。
2.以業務為導向進行中臺能力的沉澱。從技術角度推進數據的實時化和在線化，不斷完善現有數據架構以及中臺支撐能力；從業務角度重視服務的線上分析運營與迭代優化，逐步提升風控決策服務能力。
3.加強自有人才儲備和培養。大數據風控平臺是以智為核心，數據與技術融合的典範，充分進行知識的管理和沉澱，真正實現從防控風險向經營風險的轉變。
本文由2019年度農村金融科技創新優秀案例評選組委會授權發表，轉載請註明出處和本文鏈接。
閱讀更多 金科創新社 的文章
