返回目录:理财保险
路漫漫其修远兮,吾将上下而求索。如今在金融科技迅猛发展的浪潮中,各机构都在不断探索和深化人工智能、模式识别等在信用卡、消费信贷业务中的场景应用,其中尤以风控层面的自动化、智能化和精细化管理备受关注。正值上海农商银行自动化审批项目上线之际,我们一起走上这条为其量身定制的自动审批之路,去求这修远路上的“道”与“法”。
立身之“道”
适合自身发展之“道”
在为多家银行提供自动审批业务咨询及项目建设的过程中,我们常常会建议他们既要正视自身实际又要紧跟行业前沿,既要立足当下发展又要放眼未来趋势,因此对于银行而言,首先要弄清的问题是自动化审批是否“合脚”的问题。
通常,我们用SWOT分析法从银行自身的优势、劣势、机会与威胁四个角度深度剖析这个问题,帮助行内厘清自身的发展之道,既不墨守成规也不盲目跟风(图1)。
图1 自动化审批SWOT分析
合理搭建体系之“道”
在弄清了是否“合脚”之后,所需要思考的便是自动化审批这条路到底该怎么走。事实上,设计一套适用于银行现状的自动化审批体系非常关键,清晰明确的系统架构可以帮助银行弄清楚自身的需求。然而现实情况是,往往很多银行虽然拥有较为丰富的资源,即数据源、政策、模型一应俱全,但是缺乏对资源进行整合和利用的合理体系,导致其发挥的效果微乎其微。在实际的体系搭建过程中,建议从数据、规则和应用三个层面自下而上进行设计(图2)。
图2 自动化审批系统架构
其一,数据层是基础。对于银行而言,首先应厘清行内现有数据的来源、质量和分布。我们常说数据源是基础,数据的完整性、可靠性、覆盖面对规则和模型策略的部署起着决定性的作用,因此数据质量不容小视。相较于银行的自有数据,第三方征信数据源纷繁林立,可靠性参差不齐,因此对外部数据的接入应慎之又慎,须从数据来源的合规性、数据覆盖的适用性和数据质量的可靠性等角度进行相应的数据测试验证。
其二,规则层是核心。规则层的部署基于数据所构建的模型和决策规则,它是整个审批决策体系的核心,是银行风控能力的体现。在这一层,通过前沿技术将数据价值最大化,通常在模型和规则的建设过程中可以根据数据来源、客群分类和应用场景进行部署,并基于此进行相应策略设计,值得一提的是在这一层的设计中仍然要注意契合自身业务实际,切忌求新不求实。
其三,应用层是关键。应用层凸显的是自动化审批的输出方式和使用效果,主要包括审批和决策两个方面,通俗的说,一个是告诉你核准还是拒绝,另一个则是告诉你该核发多少额度。在这一层的设计中,既要保证逻辑决策和计算的全面和精准,同时也要确保审批结果的展示和运维跟踪简便清晰。
行走之“法”
上文说到自动化审批是否要落实以及在体系架构层面如何设计的问题,这是银行部署自动审批的立身之道,有了这样牢固的基础作为支撑,再来探讨具体业务的落地问题,也就是行走之法。一般说来,自动化审批可以分两步走,第一步是全方位的大数据风控,第二步是一体化的智能决策授信(图3)。
图3 自动化审批流程设计
大数据风控之“法”
伴随着银行信用卡业务的迅速发展,尤其网申渠道的开通,其客群结构也在不断下沉。为有效甄别风险,大数据风控的运用已然成为必备“武器”,主要包括两个方面:
一是第三方数据的应用。由于银行内部数据信息、中国人民银行征信信息覆盖面及数据维度有限,不少下沉客群多为薄信用客户甚至为人民银行白户,而第三方数据的应用可帮助银行获取申请人更多的维度信息作为审批判断的依据(图4)。从信息维度上来说,除了简单的逾期违约信息之外,常用的信息维度还包括法院案件执行信息、多头借贷信息等。
如何巧妙运用第三方数据关键点在于针对第三方查得的信息进行合理的策略部署,比如从风险类型、业务发生时间、风险等级等多个角度综合考虑风险因素,根据返回的信息进行充分的梳理和整合,从而进行策略的配置,包括自动拒绝策略、灰名单交叉验证拒绝策略、灰名单差异化额度配置策略、风险提示策略等;同时还应从数据渠道的权威性、适用性和经济性的角度出发,因实制宜地进行策略的优先级配置,进而完成整体策略的配套落地。
图4 第三方数据应用
二是反欺诈侦测。欺诈从来都是金融机构又恨又怕的存在,其实偶发的欺诈并不可怕,可怕的是欺诈中的正规军——黑色产业链(以下简称“黑产”),在当前线上业务迅速扩张的背景下,有研究称线上欺诈的概率比线下高出6倍,且多为黑产攻击,因此对于很多金融机构而言反欺诈侦测迫在眉睫。通常来说,典型的欺诈包括身份伪冒、虚假资料、垃圾账号注册、控制账号骗贷、中介包装等。
部署反欺诈侦测,关键在于构建反欺诈系统架构(图5)。事实上,这并非简单的身份核查和和信用风险查验,它更是一个完整的独立系统,我们需要在底层部署数据源,并基于此进行规则集的设计,同时依托大数据、人工智能技术进行相应的人机识别等等进行前端侦测,进而进行设备指纹、地理位置、欺诈IP/手机、行为分析等一系列的反欺诈策略部署(图6)。
图5 反欺诈系统架构
图6 反欺诈前端侦测
智能决策授信之“法”
相比传统的人工授信,智能决策授信的优势在于其超高的审批效率和规范统一的授信标准,但是与此同时也面临评估申请人风险水平和收入能力准确性的考验(图7)。
图7 综合信用评分模型
第一,多样化模型助力自动授信。在模型的使用上,结合人民银行征信评分模型,银联数据自主研发的申请评分卡模型、综合信用评分模型、行职业风险收入预测模型,从更多维度评判申请人的风险水平和收入能力,经过海量的数据检验完成对申请人身份特征、履约能力、消费偏好、行为特征等一系列的评分,进而输出风险等级、月收入、综合信用评分等综合评价指标助力授信(图8)。
图8 行职业风险收入预测模型
第二,多层决策规则部署。多层的决策规则源自于银行机构丰富多样的产品及场景应用,如何做到精准的目标客群筛选,信用评分和额度授信至关重要。通常来说,整体的决策规则部署主要从准入、审批及授信三个层次出发,细分各阶段的个性化规则的开发配置。落实到更加细化的个性化策略配置,往往不同的渠道、业务类型、信贷产品、客群、专案政策其准入条件、客群分布及授信依据也都各不相同,这也就需要深入理解产品特性、客群特征、渠道特点及政策效果,实现个性化配置和精细化部署,从而使得策略规则更精准、更合理、更有效(表1)。
表1 多层决策规则的个性化策略配置
目前上海农商自动化审批项目上线已一月有余,运行期间为其量身定制的自动决策流程可帮助行内全方位侦测风险,完成一体化审批授信,此外系统本身强大的逻辑处理和多线程计算能力更是为实时结果反馈保驾护航。截至目前,行内每日进件处理量较之前翻倍,整体审批效率提升50%。当然,项目上线之后,银联数据项目团队也仍然在不断追踪行内业务对自动决策规则的适应性,未来随着行内客群、业务、产品的不断变化,有关策略规则的持续优化和迭代不可避免。
不积跬步无以至千里,不积小流无以成江河。自动化审批非一日之功,更无捷径可走,规范全面的结构化数据、完备可靠的征信数据支撑、合理适用的模型设计、清晰精准的策略部署、稳定高效的处理系统,可谓环环相扣,每一个环节都决定着自动化审批的成败。路漫漫而修远,找准立身之道,完善行走之法,才能将这条路走得更远,更好,更稳!
留言请严格遵守保密法律法规,严禁在互联网上存储、处理、传输、发布涉密信息。微信公众号:银数观卡(UPD-Consulting)