小型银行智能化风控与数据平台建设的一些设计思路

1、小型银行智能化风控与数据平台建设的一些设计思路对于一家典型的小型传统商业银行，在其线上信贷业 务风控与数据管理平台建设的设计过程中，我们结合小型 商业银行开展线上信贷业务的特点、以及小型商业银行建 设前沿性的智能化数字化决策系统的局限性等，将整个平 台建设放在为银行线上信贷业务搭建完整的数字化风控体 系这个维度下予以充分的考虑。整个设计的首要宗旨，就是要在基本满足业务现状的 前提下，以低成本快上线的方式，选择首先需要满足的核 心功能，留下合理的系统框架以为后期随业务拓展而需拓 展的系统功能提供方便。所以笔者认为这项设计是很好地 符合了小型商业银行快速推进线上信贷业务数字化风控体 系建设的创新实

2、践。一,小型商业银行开展线上信贷业务的一些特点分析首先是小型商业开展线上信贷业务，很难有自己能够 控制的获客场景，往往不得不依靠获客渠道的合作。这种 合作渠道有可能是纯线上的，也有可能是线上线下结合的。 因此通过合作渠道获取客户时候带来的业务进件数据，一 定是很分散很难标准化，相应的风控审批决策流程，也是 各自为政，很难单从银行自身的角度满足合理方便的规范。即使是通过各种合作渠道获客，小型商业银行在合作 过程中也容易处于市场上的相对弱势地位，很难与互联网 大厂进行深度合作，并且从排除风险集中度的角度出发， 较多情况是与多家较小规模的互联网平台和场景进行合 作，由此带来业务过程中的数据质量问题和

3、数据故障问题 则更为显得突出。小型商业银行当前阶段开展线上信贷业务的探索，自 身数字化风控能力较弱，通过各种合作的战略意图应该是 长期能力的建设上，现阶段智能化数据模型本身可以通过 脱敏数据由第三方开发，银行自己则须重点抓数据治理管 理、数据分析能力和模型管理能力。同时从合规和数据安 全的角度，数据特征提取和数据模型部署则必须掌握在自 己手中。从风控的实用效果和数据获得的实际情况出发，小型 商业银行很难进行大范围疑似客户的关系网络、各种流式 计算、各种前端行为埋点的机器学习等当前属于相对高精 尖的人工智能，合适的做法更多应该是与第三方大数据供 应商合作，通过调用经过整合加工的夕陪B实时数据并结

4、合 行内业务经验，尤其是结合渠道场景经验部署各种反欺诈 甄别策略。无论如何，征信数据的应用是银行的强项。尤其在当 前二代征信推出之后，充分强化征信信息的特征加工，同时充分结合行内的业务信息与经验，加强对于数字化风控 策略与模型的效果监控，加强结合业务表现的决策结果分 析，非常方便地不断微调数据策略与模型，对于小型商业 银行来说则是可以起到事半功倍的作用。二小型商业银行建设智能化风控系统的一些特点分析小型商业银行建设智能化风控体系首先是成本考虑。 数字化业务模式比起传统业务模式，前期对于系统建设投 入比例一定是相对高的，最终长期盈利优势要靠后期业务 不断上量来显示出来。但对于创新业务的探索实践，

5、小型 银行不一定能够很快地获得业务体量，同时还面临某类产 品最终无法发展的风险。因此，小型商业银行在建设数字化风控体系的时候， 从以低成本开始起步的角度，会更多希望看到先期系统开 发是合理地平衡地有选择地配备必须有的核心功能，同时 整个系统架构须适合后期能够随着业务的拓展而逐步增加 系统功能的良好衔接。线上信贷业务数字化风控的特点是大量使用从原始数 据衍生发展出来的特征变量，而为了深入开展业务分析和 满足向监管当局进行有效汇报的需要也需要有很好的数据 服务与管理架构。因此，小型商业银行搭建完整的数字化 风控体系，则不仅仅只是需要一个风控决策系统，还需要 与之紧密相结合的数据平台和监控与报表系统

6、。通常在大 中型银行中这几件事是分开不同的项目建设的，但对于小 型商业银行往往不得不放在一起考虑。为了对于多渠道合作业务很好地做好自主风控，需要 一个商业化的决策引擎。但正如上面所述的原因，对于目 前广泛多渠道合作的数据质量尚不能理想的状态，对于目 前银行开展合作的定位更多在于数字化综合能力的培养和 提升，小型商业银行往往在建设数字化风控体系的时候， 需要更多地考虑将各种业务需求落实在数据服务平台的设 计上。我们在设计这个智能化风控与数据管理平台的建设 中，基本思路为：以低成本快速上线基本核心功能为战略目标；以做好数据管理和数据分析支持为主要导向；以方便策略模型部署与监控管理为基本需求；以业务

7、多渠道数据难于标准化为事实背景；以业务功能逐步实现可配置化可视化为推进过程；以功能模块化并后续可拓展可有必要的拆分为实 现模式。我们将整个的数字化风控体系分别从业务需求角度和 系统建设角度出发，决定分为三个子平台系统予以实现三 个业务目标：风险模型与决策管理、风险数据服务与管理、风险监控与服务管理，并通过松耦合可拆分的模式予以实 现。从业务的逻辑出发，整个风控与数据管理平台的大致框架为:,风控与数据管理平台的具体设计思路四下面对于各个子平台的设计点进行简单介绍。（一）决策管理平台决策引擎：引进了著名的国际市场品牌商业化的决策引擎产品Sparking Logic o 我们的基本出发点是：（1）

8、银行后期还是要完全独立地自己部署管理和迭代各种不同 的复杂的信贷产品风险决策流程与策略；（2）当前阶段为 互金的线上信贷风控决策服务，未来应该推广为全行各个 部门的各类数字化决策服务；（3）一个商业化的决策引擎， 可以保障我们将后期主要的日常风险管理和系统优化升级 方面的工作直接集中在数据上；（4）便于决策引擎外围可 以建设一个便于统一标准的用于管理决策流程调用的决策 流程管理模块。决策流程调用管理：虽然可以有外部的线上信贷业务 平台直接负责对于决策引擎中所部署的各项风控决策流程 的调用，但是我们还是在决策管理平台自身开发一个可拓 展的决策流程调用管理模块。这样做的好处在于：（1）当前的线上信

9、贷业务平台与整个风控与数据管理平台不是部 署在同一个云上；（2）为方便后续决策管理平台可为全行 各类业务的数字化决策提供调用；（3）我行当前的征信获 取模式还是通过征信前置的异步接口的模式；（4）非常重要的考虑是从后续数据分析的需求出发，除了导入决策引 擎的决策流程入参之外，我们还要从渠道端各种更为广泛 和复杂的数据来源中做数据挖掘。决策部署和测试环境：将决策部署环境与整个的风控 与数据管理平台的执行环境分离开，直接部署在互金部本 地的服务器上，以便于我们的风控人员本地操作各种风控 策略模型和决策流程的部署和测试，以及实践和学习。完 成了决策流程的部署和测试之后，上传发布包到决策引擎 执行的预

10、发布环境。决策引擎执行：将决策引擎部署在云服务器上，并从 风控及合规管理的角度，特别配置了决策流程发布包正式 发布的按钮及岗位，并将该岗位的设置与从决策部署和测 试环境上传决策流程发布包的操作岗位予以严格分离。决策模拟与仿真环境：区别于原来在决策引擎商业版 本中带有的测试功能，特地在生产环境中开发了独立的决 策模拟与仿真环境。该环境的作用是可以对任何决策流程 或子流程，通过数据配置后直接调用风控与数据管理平台 中存储的任何真实数据，进行模拟仿真。（二）数据服务平台数据资源对接管理：用于通过可配置的界面，管理外 部数据资源的对接扎口，管理接入的外陪陵攵据对于行内其 他部门其他系统的供应接口，管理

11、接入的外部数据资源和 分派给行内使用的外陪陵攵据资源之间的调用关系，及管理 数据资源配置的主备线和优先级等事项。该模块同时管理 由征信前置提供的解析数据的调用和接入管理。数据缓存与调用台账：对于平台获取的夕卜部数据原始 格式文档进行缓存，并对前端决策流程发送的外部数据调 用请求一一建立详细的调用台账，并配置缓存数据的定期 清理删除功能，以方便对于各种数据资源调用过程的各种 审计和合规检查。该模块同时记录各种类型的数据源接入 故障，反馈决策流程调用使得可作出相应的更为详细的风 控决策。数据衍生与封装管理：对于平台接入和产生的各种数 据原始信息，提供可配置的衍生和封装功能。该服务功能 的定位是不仅

12、仅为决策引擎中的决策流程提供夕陪陵攵据和 征信解析数据的衍生封装服务，更为广泛地是为建立在各 种外部数据、征信解析数据、业务进件数据和决策过程数 据整体下开展信贷业务深入数据分析提供服务。数据服务查询管理：重点是配合在生产环境中的决策 申请进件和风控决策结果，提供实时的主要信息界面查询， 同时提供对于各种原始数据接入状态、决策流 与数据调用 状态、数据故障及原因等的查询等。数据调用策略管理：为更为方便地调用数据和根据调 用结果做出相应的决策，开发了数据调用策略管理模块， 目前重点针对数据接口超时策略、缓存数据调用策略进行 管理。（三）数据仓库与数据输出管理非结构化数据存储：针对平台中大量的非结

13、构化的原 始数据、缓存数据、决策过程数据,在实时时间,采用 MongoDB数据库进行数据存储和查询调用，以支持业务 的灵活和敏捷，特别方便各种数据增添、衍生和封装的配 置，同时有利于更好地利用服务器资源。结构化数据存储：根据业务与风控的实际需要，重点 针对有明确数据分析支持、数据批量查询、数据报表输出 需求的行内夕卜数据衍生字段、风控决策结果字段、有共同 特性的申请进件渠道信息，进行结构化落地。数据跑批：根据业务与风控的实际需要，针对数据缓 存清理、数据结构化转换、数据报表输出、定式数据分析 支持等进行跑批运行。非定式数据分析支持：提供界面给业务人员和风控分 析人员，在数据权限范围内，可以方便地自由配置所需结 构化落地数据的分析支持。（四）智能化监控与报表故障监控埋点：对于当前业务流程中常常发生各类故 障、尤其是数据故障的节点进行埋点，定制判别策略与报 警任务。监控报告展示：提供监控报告界面展示，并打通邮件 与短信平台传送重大监控事件。与Tableau报表系统相结合：引进