获奖单位：广东省农村信用社联合社
来源：2019年度农村金融科技创新优秀案例评选
项目背景及目标
随着信息技术发展及全球经济一体化，金融市场变化日新月异，企业内外部风险环境日趋复杂，风险数量及种类与日俱增，一方面在大零售战略转型的背景下，传统的风险管理模式难以满足创新服务与拓展海量客户的需要；另一方面，随着市场逐步规范，监管要求日趋严格，对金融机构自主风控能力的要求不断提高。当前广东农信已有的风控产品以事后分析处置为主，技术架构较为传统，且数据采集能力及复杂规则模型运行效率不足，难以满足不断增长的产品和拓展的业务对复杂风险形式下风险管理的要求，成为制约广东农信产品创新及业务发展的瓶颈。
大数据风控平台，依托大数据、机器学习等技术革新传统风控模式，打造覆盖全产品、全渠道、全流程的事中风控新引擎，提供交易反欺诈和信贷审批等决策支持服务，全面提升农商行（农信社）风险识别、定价及管控的能力。
项目方案
1.建设规划
本项目基于阿里云平台及蚁盾产品进行实施，构建风险决策中心，包含事件接入、实时决策和决策输出等核心功能，本期以平台落地为首要目标，与消费信贷、统一支付、手机银行相关系统群进行对接，根据不同业务场景构建相应的模型和策略，为业务流程不同风险点提供实时决策服务。一方面与风险预警系统深度整合，构建覆盖信贷业务全生命周期的技术工具体系；另一方面以统一支付、手机银行为切入点，构建标准化的实时反欺诈服务框架；最后，根据风险防控的相关数据需求，结合数据治理总体规划，制定精细化的质量提升需求。
2.应用场景
（1）全流程信贷风控
结合行业应用及第三方数据，通过制定相应的欺诈识别策略，建设标准化的客户信用评分模型，有效评估客户的还款意愿和还款能力，根据信贷业务生命周期不同阶段所面临的风险状况差异性提供全流程的风险审批、授信定价和风险监控处置等决策支持服务，在紧守风险关口的同时提高贷款办理效率。
（2）全渠道交易反欺诈
通过灵活配置规则和模型，利用大数据的强劲计算能力支撑，根据多渠道数据在事后的深入挖掘与分析，深度识别个体欺诈行为和团伙欺诈行为，根据不同渠道和不同业务的特点，及时有效的识别和拦截欺诈风险。
3.平台核心能力
（1）事件接入：业务系统调用的大数据风控平台决策服务，支持业务系统主动传送的业务数据的同时，可根据决策需要自行从其它数据源补偿数据。服务接口与数据补偿调用接口应符合中心架构管控的相关规范。
（2）决策中心：基于各业务场景的风控要求，配置对应的规则来进行风险的防控。策略中心包含策略管理、策略配置、策略分析等功能。
（3）决策输出：根据不同业务场景，根据决策运行结果，提供标准化的决策结果返回，为业务流程的中断、分支等提供决策依据。
创新点
1.数据融合化
引入外部数据，包括客户基本信息、行为特征、信用情况、社保、公积金、税务等，与内部数据融合，基于海量信息对客户进行全面风险评估。
2.决策智能化
基于阿里成熟的智能风控引擎，面向不同场景配置风险策略以及建设风控模型，通过信息整合提升风险防范的能力，提供个性化智能决策服务。
3.模型标准化
面向个人消费类互联网信贷产品，我们构建了标准版的反欺诈模型、信用评分模型以及额度定价模型，并支持不同法人根据自身风险偏好进行个性化的策略制定，从而满足不同的业务发展需要。
4.服务实时化
依托平台强大的复杂计算能力对外输出实时风控决策，实现非实时向实时决策的转变，从而实现事前、事中及事后的风险防控全覆盖。
5.防控全面化
基于大数据风控平台，对接海量数据，面向不同业务场景提供全流程的信贷反欺诈和全渠道交易反欺诈服务，充分发挥多法人架构下数据大集中的优势，实现跨法人、跨渠道、跨产品的联防联控。
技术实现特点
1.系统架构：
（1）基于阿里云的IAAS和PAAS层，搭建风控平台，其底层平台采用分布式计算和分布式存储技术，主要模块做了组件化设计，对外提供统一的restful API接口设计，方便其他数据渠道或者模块的集成对接。涉及到外传的数据统一都进行了加密，保证了数据传输的安全性。在数据存储方面，结合了关系型数据库，非关系型数据库，K-V数据库的优缺点，对不同的数据进行分库分表设计，有效的提高了数据访问的吞吐量。
（2）建设后台管理工具，包括决策中心，数据中心，名单中心，模型中心，分析中心等组件，可以配置不同的规则满足不同的风控场景。
2.技术实现特点
（1）统一数据管理：实现行内、行外数据处理和使用的统一管理，海量计算和扩展能力支撑业务创新发展。
（2）统一技术框架：面向交易反欺诈和信贷风控的实际需求，同时引入了蚁盾及DX两款决策引擎，提供机器学习扩展，依托大数据平台进行数据的加工处理，利用机器学习平台进行模型的构建。
（3）统一风控服务：大数据风控平台通过企业服务总线向业务系统提供交易反欺诈服务和信贷风控决策服务。
项目过程管理
本项目分为三阶段投产，并根据上一阶段投产情况持续迭代优化系统功能，第一阶段完成平台搭建及我社“秒贷”、“快贷”所需信贷申请反欺诈及客户信用评级相关规则模型；第二阶段完成我社“易贷”、“场景贷”所需信贷申请反欺诈及客户信用评级相关规则模型；第三阶段完成我社手机银行、统一支付的交易反欺诈相关规则模型；项目周期历时7个月，于2019年4月完成投产，投产后对部署的相关规则和模型持续进行验证和迭代优化。
项目运营情况
大数据风控平台自2019年4月投产以来：
1.交易反欺诈方面
目前已对接我社手机银行、统一支付、互金平台、新旧柜面等4个渠道，覆盖注册、登陆、开户、绑卡、转账汇款、缴费、充值、预约取款、修改密码等场景，合计布防反欺诈策略126条。
2.信贷风控方面
目前已为我社秒贷、零花钱、快贷、场景贷、易贷、税易贷等6大线上贷产品提供反欺诈和授信评级服务。合计布防93条反欺诈策略，10条风险排除规则，搭建信用评分模型和偿还能力评估模型。
项目成效
1.手机银行渠道转账汇款交易针对收款账号电信诈骗黑名单进行实时拦截，该部分功能于2019年08月完成投产，截止10月14日，总计调用服务341万余次，命中410余次，挽回资金损失约1400万余元。
2.悦农E贷秒贷自2018年7月份上线以来，申请笔数合计为12万余笔。其中，审批拒绝的贷款共23,526笔，占比19.99%；审批通过但客户未接受的贷款共10,245笔，占比8.71%；实际放款的贷款共83,891笔，占比71.30%，授信额度合计约为130亿元。
经验总结
1.充分的进行数据的融合以及治理工作。保障数据质量的基础上充分考虑外部数据应用对业务连续性造成的影响，并制定有效的备用方案和应急机制。
2.以业务为导向进行中台能力的沉淀。从技术角度推进数据的实时化和在线化，不断完善现有数据架构以及中台支撑能力；从业务角度重视服务的线上分析运营与迭代优化，逐步提升风控决策服务能力。
3.加强自有人才储备和培养。大数据风控平台是以智为核心，数据与技术融合的典范，充分进行知识的管理和沉淀，真正实现从防控风险向经营风险的转变。
本文由2019年度农村金融科技创新优秀案例评选组委会授权发表，转载请注明出处和本文链接。
閱讀更多 金科創新社 的文章
