一、项目背景

当前国内外环境复杂严峻，经济恢复不均衡、基础不稳固，银行业面临息差收窄、监管从严、资产质量劣变和信用风险上升等多重压力。如何强化风险管理，推动全省农商行资产业务高质量发展，关键就是要以数字化转型为抓手，积极构建数字化、智能化风控体系，使之成为业务发展的“发动机”与“助推器”。

为深入贯彻落实《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》关于着力加强数字化风控能力建设的要求，“加快建设与数字化转型相匹配的风险控制体系，建立企业级的风险管理平台，实现规则策略、模型算法的集中统一管理。利用大数据、人工智能等技术优化各类风险管理系统，将数字化风控工具嵌入业务流程，提升风险监测预警智能化水平”，同时围绕省联社战略转型要求，在省联社层面拟建设基于数据中台的立体、协同、融合的智能风险监测体系，进一步通过各类业务、风险场景的数字化应用，提升风险识别和预警能力，有效促进全省法人机构稳健经营。

二、项目方案

数据中台是一套“信数据、建数据、用数据”的机制，通过体系化的数据平台与工具，构建一条从数据生产通往数据使用的高速公路。在此基础上构建的智能风险监测体系是全省农商行业务发展和风险管理的重要工具，它在数据应用过程中能够妥善平衡好风险控制和业务发展之间的关系，是全省农商行数字化应用能力提升的关键。

（1）风险偏好与限额是纲

风险偏好要形成画像，精准评价机构、业务（产品）、客户的发展状况，从激进、积极、审慎、保守四个方面建立画像标尺。限额管理是工具，它不能仅围绕监管指标去做结果性限额，还要对实际经营有适应性。表现在：一是在过程管理层面，限额管理是战略的执行工具，围绕大额管理、客户成长、资产分布等做实时动态监测；二是在产品管理层面，对网贷、担保公司业务、商业承兑汇票、财务公司承兑的银行承兑汇票等业务盲区进行限额管理。在限额的管理过程中，要根据实际需要对被管理单元进行监测，做到账户级层级渗透的监测体系；三是在机构管理层面，要支持两种操作模式：一方面，支持省联社在省级层面做好行业限额、客群限额、监管限额的导入及控制，并结合省联社对各法人单位经营定位管理控制的需要，在省级层面设定对单个法人单位单一指标或者多维指标的限定与控制。另一方面，支持各法人机构在自身定位、市场开拓、风险管控、产品管理等层面做好限额导入及控制。通过在机构层面的差异化部署和配置，解决目前信息滞后、信息失真的现实难题。

（2）预警体系是主干

预警体系是穿透到账户级管理的执行者，按照多维度建设原则，从客户预警开始向机构、业务（产品）、客群预警等方向延伸，建立立体式的管理框架。同时，要同步建立可溯源的规则。预警的能力取决于两个方面：一是省联社对于数据收集的完备性要重点关注，网内单位理论上是时间的问题，会逐步完善，网外单位是架构的问题，解决起来相对复杂，把这一部分划入预警体系建设，实际是数据输入和输出能力建设；二是模型层的构建问题，构建一体化模型平台，让原有的模型规则实现配置化、实现对风险业务条线系统模型统一管理、模型跑批数据统一管理。模型的运用能力应进一步加强，不然风险管理就相对滞后，所谓的风险关口前置也只能停留在设想中，并不能真正实现。

项目整体架构图如下： 

三、创新点

1.打造预警分层分类，建立预警闭环管理

针对预警系统存在的预警率高、根源分析不到位问题，提出了从信号分层分类、法人信号参数自定义、信号监测、信号输入输出一整套管理体系，全面提高预警信号信服力，实现预警客户资产质量和预警信号可追溯、预警信号差异化管理与精准度分析、预警时效性数据的微治理等数据分析和数据治理功能。

2.萃取提炼共性指标，释放征信数据潜能

项目组一方面帮助法人机构进行征信特征排雷，另一方面提供完整了的解决方案。特征工厂的建设能较好地解决农商行征信数据应用较为片面、数据存储不规范等问题，项目组调研了征信数据使用较成熟的多家法人单位，通过分析提炼共实现个人约300个和对公约150个特征变量，可以很好满足法人对征信数据的诉求，同时也可以规范征信数据的使用。

3.灵活部署决策工具，实现快速响应诉求

项目组引入决策引擎系统，把业务决策过程通过图型化的方式部署在决策引擎系统中，实现了业务决策开发图型化、决策部署快速化和决策过程追溯可视化。系统采用租户模式，租户之间互不干涉，满足全省多法人要求。

4.建设标准数据底座，支撑全省数据分析

项目组完成了数据集市标准的认定和业务范围的论证，在省联社大数据服务平台进行落地，数据底座同步设计了网外单位的数据标准接口以及业务数据的回流方案，兼容网内外数据差异和业务差异，实现了统一数据标准和统一对外服务。

四、技术实现特点及优势

本项目实施全面依托省联社大数据服务平台，采用Hadoop+GBase的混合架构，实现海量数据的采集、存储、加工、传输等一系列数据操作，为业务开展提供了坚实的平台支撑和技术支撑。

在数据处理方面，针对批量数据加工，主要使用Hadoop+Spark+Hive的架构模式满足海量数据离线加工处理的业务场景；针对批量数据即时穿透分析，主要使用GBase列式存储数据库满足高并发、复杂即时分析查询的业务场景；针对实时数据加工处理，主要使用Flink/Ksql+kafka的双引擎模式满足实时指标数据加工的业务场景。

在应用开发方面，采用Springboot+vue前后端分离框架，可以实现真正的前后端解耦，代码更加易读、易维护，同时实现了应用的敏态开发，提高了开发效率。

五、项目过程管理

1.需求分析阶段。此阶段时间段为2022年1月至2022年3月，其间主要完成了项目需求调研。提交了系统可行性分析报告、建设方案、需求规格说明书等文档。

2.系统设计阶段。此阶段起始时间为2022年4月至2022年5月，其间主要完成了各功能模块的高层设计、系统详细设计工作，提交了系统概要设计说明书、详细设计说明书、数据字典等文档。

3.系统开发测试阶段。此阶段起始时间为2022年5月至2022年8月，其间完成了系统编码开发、测试工作，提交了系统测试报告、上线方案、系统安装部署等文档。

4.系统投产上线阶段。系统于2022年8月投产上线，此阶段完成了系统上线评审及系统上线变更，提交了系统运行维护手册、试点应用准备等文档。

六、运营情况

机构信用风险画像围绕监管指标进行深化设计，通过时间轴、象限图、矩阵图等图形工具分析客户质量变化、产品发展变化，对于设定的风险偏好可进行监测跟踪管理，实现对客户、客群、产品、业务、机构、区域限额管理指标的监测及预警，结合风险预警体系可对上述维度进行过程管理。

风险预警体系建设，一方面实现网内网外全覆盖，通过规则和信号穿透各法人单位特别是网外法人单位的客户、产品和业务。另一方面实现信贷业务和非信贷（资金）业务全覆盖，针对非信贷（资金）业务设计开发专属风险预警规则模型。

通过业务模型管理平台实现预警信号加工、模型有效性验证、模型市场管理、各平台间联动等功能。建模人员可利用系统提供的可视化、拖拉拽式的模型探索工具，进行数据分析建模，无需掌握计算机编程技术。模型平台投产运行后，可以对模型使用情况进行监测和评估，适时调整模型参数和预警规则，并淘汰不适用的模型。

基于征信系统形成数据输出能力，建设特征工厂及决策引擎系统两个子系统工具，进行了提炼集成，形成公共能力。利用征信数据建设公共变量库，通过实时数据查询形成客户征信公共变量的输出，按照客群维度分别建设公共变量，实现向法人机构自建系统和省联社统建系统进行决策输出。

风险数据集市，一是整合了网内外法人单位数据，构建统一标准的风险数据集市，形成向预警、偏好与限额、大额监测、不良资产等系统统一供数的中台能力。二是开展了数据微治理工作，省联社风险统计分析人员可以围绕统计需要，制定取数规则，依据已有数据开展数据跑批，对于缺失和需法人机构核实的数据，派发任务单，指导法人单位进行补录和完善，并将完成分析的数据打上标签，在风险集市完成数据的存储，形成闭环管理。

七、项目成效

本次智能化风险监测体系建设将风险偏好与限额管理系统、客户风险预警系统在数据和应用层面打通，将苏南八家作为智能化风险监测体系建设的成员单位，在风险集市、预警体系、机构风险画像建设上实现数据统一、信号统一、精准画像，逐步实现对各类业务的穿透式管理，监测账户、客户、业务、机构变化以及实现对机构信用风险精准画像，对客群、业务、产品、客户的立体式风险预警体系。

八、经验总结

建设智能化风险监测体系，搭建全省数字化风控体系是一项常态化、长期性、系统性工作，后续项目组不仅在技术层面要积极开拓进取，在业务关键决策端提供稳定、高效的技术支撑，而且在业务层面也要具备更多的业务视角，不断提出新的赋能点，做到“平台视角，汇聚全省”，为更好服务全省农商行，做到精准风控、精准赋能不懈努力。