一、项目背景

前期我行分别建设了大数据风控、客户风险预警、零售内评等6套风险相关系统，均由不同业务部门根据不同业务场景需求发起建设，分散在不同团队进行管理，这种零散方式有一定的资源浪费且不利于全行数字化风控水平的整体提升。从应用架构角度看，各系统内部有大量相同功能模块（如：变量加工、规则管理、数据对接加工等），存在一定的重复建设。从资源配置上看，各系统均需配置管理、研发人员，且水平参差不齐，不利于资源优化和系统能力提升。从全行数字化风控水平提升角度来看，目前相关风控模型的分散、各自管理，且存在设计、优化阶段基础功能缺失，不利于整体水平提升。

目前金融领域的数字化趋势明显，数字化风控作为其中重要一个模块逐渐被重视。各家大行均已结合各自经营特色建设了集中式风控基础平台提供数字化风控服务，农商行体系内建设步伐相对较为缓慢，大多尚未涉及或早期探索阶段。

风险防控是银行日常经营的主要内容之一，其涉及的场景繁多且过程复杂，不同场景下风控流程和需要的技术各不相同，如何通过一套基础服务支撑全行各类数字化风控场景是本次项目的主要难点。针对该问题，架构层面在抽取公共基础能力的同时，在不同场景的业务管理系统和风控平台之间，设计了一个风控应用层，用于兼容、适配不同业务场景下的差异性风控需求。

二、项目方案

1.项目架构

整个中台分为风险数据、风控中台、风险应用、业务场景4层，终实现通过一套系统支撑全行风控需求。

底层基于 行内外、征信 以及 实时采集的数据，给中台提供数据支撑；中台提供了 数据集成、实时计算、变量加工、模型管理 等这些基础能力；应用层面向信贷、交易、客户、账户、渠道 等建设不同的 风险应用；终，风控场景包括：信贷审批、贷后管理、资金监测、反电信诈骗、反洗钱、反黑中介等。

风控中台设计理念

2.建设思路

建设以大数据计算为基础，将数据接入、变量衍生、实时指标加工、规则引擎、批量计算等多种技术融合，终满足业务部门信贷风控、交易反欺诈、账户安全保障、操作风险防范等不同层面风险防控需求的技术体系。

三、创新点

1.全行统一的风控模型体系

通过风控模型的集中、分层体系化管理，辅以购物车式模型构建工具，能在控住风险底线 基础上，支撑策略的快速迭代。

2.风险的实时拦截

依托中台提供的强大的实时计算能力，通过数据实时接入 ，规则实时运行。终可以实现风险事件的 实时 监测、预警和拦截。

3.风控模型的全生命周期管理

通过制定《模型管理办法》，成立“模型评审”和“数字化风控”专家小组，对风控模型从设计分析到线上部署再到持续迭代，全过程的规范化、标准化，形成了风控模型的全生命周期管理体系。

4.融合机器学习和规则模型

将规则模型和机器学习结合使用，在保证 可解释性 的前提下，提升了风险识别的效果。

推广价值如下：

5.价格低、效果好：整体300~500万之间可建成覆盖全场景的、实时的数字化风控能力

6.高性能、高拓展：实时风控TPS可达2000，平均响应时长150ms；准实时风控可达50000笔/小时，平均3S响应。且支持以热插拔 的方式随时增删服务器节点，来 适应 业务规模的差异。同时提供了完善的 开放API ，支持二次封装开发 。

7.建设方式灵活：平台基于微服务架构，可以把服务 拆分开，独立建设；同时可灵活适配行内已有系统/组件。

8.标准化数字风控管理过程：不仅仅有系统，还配套模型全生命周期管理体系。

四、技术实现特点及优势

风控应用负责对接各类业务场景，内部的业务逻辑控制，如：根据结论生成操作建议、信号或预警的审批和下发等。

风控中台负责风控模型的管理、运行、数据的集成、变量的加工、模型的监控等。

风控平台应用架构

风控平台运转过程

风控平台系统领域

五、项目过程管理

项目21年3月启动，主体应用为自研，同时引入了成熟的规则引擎组件。整体投入 330万，以人力为主。采用项目集的方式分布推进，整体分为三个阶段。

一阶段：建设系统 基础能力 ，支撑更多风控场景

二阶段：完善 服务场景 ，以支撑全生命周期管理

三阶段：针对现有各类风控系统，进行 系统融合，实现模型集中管理

风控中台实施阶段

六、运营情况

截止目前，平台内分别面向信贷、交易、反电诈、反洗钱等业务领域，对接了85个风控场景，研发风控模型148个，对接风险数据283个，研发风控规则4271条，解析风险特征4910个。

日均交易量 260余万笔，日均识别风险 8000余次。中台上线受授信审批时效由30分钟缩短至平均10秒，模型迭代研发速度由之前的一、二个月缩短至一周（简单规则修改分钟级），初次之外模型研发质量也更有保障，基本实现了“生产0事故”。

七、项目成效

1.经济效益

信贷领域：累计决策467万次，识别风险件166万次。业务保障成果：23年1月至今，风控中台服务信贷业务17.5万笔，涉及授信437.4亿元、用信311.2亿元。其中：纯线上产品用信超73亿元，整体不良率0.79%，处于行业较低水平。除此以外，通过自动化审批技术，将贷款审批的实效由30分钟缩短至平均10秒钟。

交易领域：日均监测230余万次，识别风险8300余次，拦截风险交易3000余次，涉及金额3000余万，3月至今识别风险账户65个。

2.社会效益

一是降低金融服务门槛 ，针对风险事件的识别速度更快，误杀率更低，那相应的客户的体验也会更好；

二是为 金融安全保驾护航，通过这套平台，能有效防止欺诈 、 洗钱 、恶意交易等风险行为；

三是支持反电诈和反洗钱 ，我行已经通过中台初步实现了涉案账户的实时监测 、实时冻结 。

八、经验总结

目前，我行已完成大数据风控平台的主体应用建设，实时、准实时、批量服务均已正式上线并接入不同的业务场景。但我行目前在风控规则/模型的优化、设计、迭代上还存在短板，后续计划开发模型设计优化相关功能（如：模型实验室、风控规则库等），以不断迭代完善风控模型，提升风控效果。