某城商行：多变金融场景下的智能风控决策应用.pdf

1、多变金融场景下的智能风控多变金融场景下的智能风控决策应用决策应用一应用背景四应用成果二应用架构五应用创新三应用场景01应用背景一、应用背景国家宏观政策商业银行数字化转型的关键“人控”到“机控”的必要关于银行业保险业数字化转型的指导意见：加强数字化风控能力建设，建设与数字化转型相匹配的风险控制体系。金融科技发展规划(2022-2025年)：建立智能化风控机制，全面激活数字化经营新动能。可利用多维数据，打破客群局限，服务传统风控无法评估的客群。基于大数据风控模式，实现自动决策、实时审批，提升客户体验。风控模型更新频率更快，随着机器学习的深入发展，智能风控准确性、科学性越来越高。全流程风险管理数字化

2、的必要 结合客户贷前准入、贷中用信、贷后管理、风险预警、逾期催收，打通壁垒，实现标准化、线上化、智能化的风险管控。可实现客户贷前、贷中、贷后全流程信息共享，提升风险处理效率。可加强商业银行行风险识别与控制能力，合理评估客户风险。可多维度地对客户日常行为轨迹分析、过滤和交叉验证。可通过定量的方式评估潜在风险隐患，优化风险管理措施。02应用架构ECIF零售信贷反欺诈其他系统信贷系统核心系统人力系统内部数据司法数据学信网税务数据其他数据征信数据工商数据外部数据管理分析型应用业务支持型应用零售信贷平台对公进件平台信贷系统预警系统报表可视化催收系统柜面综合网点风险监测分析决策服务模块智 能 风 控 平

3、台决策引擎智能催收开户评级零售信贷反欺诈AI机器学习平台知识服务公共平台人工智能平台电子保函贷前审批风险预警批量决策实时决策决策副本配置管理系统管理统计分析平台管理模块二、应用架构二、应用架构统一风控引擎、统一决策平台、统一风统一风控引擎、统一决策平台、统一风险指标体系险指标体系系统可控、模型可控、风险可控系统可控、模型可控、风险可控智能风控统一风控引擎 统一模型部署 模型规范管理 模型集中管控 灵活可配置统一指标体系 统一指标加工，保证数出一源 内部数据+外部数据 实时数据+批量离线行为分析指标 多角度、多维度的指标框架 数据集中管理和共享 服务各场景风险模型统一决策平台 全行级统一风险决策

4、平台 支撑零售、普惠、企金等多业务条线贷款业务 支撑贷前、贷中、贷后全流程 支持在线实时决策和离线批量决策三个自主可控 系统可控 模型可控 风险可控03应用场景三、应用场景-信贷全流程贷款申请反欺诈检测信用评分贷后监控放款拒绝申请通过信用恶化是否贷前审核（申请环节）准入评估不通过通过贷后监控（贷后环节）逾期催收通过贷前反欺诈风险预警智能催收贷中用信贷前信用评估三、应用场景-贷前&贷中贷前反欺诈贷前反欺诈贷前信用评估贷前信用评估 通过贷前反欺诈的关系图谱分析技术及设备指纹识别技术，基于申请信息进行多维度的网络构建，构建贷前反欺诈评分模型，升级现有欺诈管理技术，有效提高申请欺诈防范能力、降低案件调

5、查成本。通过”内部数据+外部数据，实时数据+批量离线行为分析数据”，围绕借款人“还款意愿和还款能力”，构建贷前准入评分模型及额度策略，从源头降低信贷风险。贷中用信贷中用信 通用提款周期及客户信用数据，构建贷中用信模型，对贷中用信客户风险分层，应用在风险早期预警、额度调整及冻结解冻等贷中风险处置场景。三、应用场景-贷后风险预警模型风险预警模型智能催收模型智能催收模型 为信贷客户提供批量风险预警服务，通过客户行内外数据表现情况，输出不同等级风险信号级别，制定差异化的预警信号，为客户经理的管理动作提供有效依据，最大力度把控风险、降低风险，为行内的资金安全保驾护航。为客户提供批量催收服务，提供批量决策

6、支持，通过客户行内外数据表现情况，构建催收评分模型，对客户进行风险分层，提高催收效率，降低催收成本，制定差异化的催收处理方案，提升贷后管理能力。除实时决策服务外，还为全行对公和零售信贷客户提供批量风险预警及催收服务，全方位应用于信贷全生命周期各环节的风险监测管理中。04应用成果四、应用成果-整体零售银行网络银行部六大场景批量离线决策2小时内可完成百万级风险客户识别普惠金融企业金融村镇银行七大条线票据条线运管开户贷前反欺诈贷前审批贷前用信风险预警智能催收前台开户将传统审批1-2天缩减到5-20s决策大数据实时决策服务信贷全生命周期流程，覆盖七大业务条线零售、普惠、直销、企金、村镇、运管、票据，提