一、项目背景及目标

随着国内经济景气水平回升、消费市场持续回暖，以及支付行业随法律监管、行业自律不断的规范化，市场竞争也随之加剧，支付机构需要不断提升精细化管理水平，在市场发展、风险控制和成本控制三者间取得平衡。银联商务自2022年起建设投产银商鹰眼智能风控系统，构建“风险五库”数据底座，研发客户风险画像，通过获取客户的基本信息、交易信息以及外部信息，以确定客户的主体类型、各个风险特征值，并利用与客户主体类型对应的评分模型，同时结合客户历史案例触发、查处管控等，勾勒出客户的风险画像，助推精细化管理与稳健经营。

由于支付行业的迅速发展，客户的种类和交易模式日益多样，传统的风险评估方法已不足以满足复杂多变的市场环境，需要更准确、综合地评估客户的风险，以便更好地管理风险、防范洗钱、合规监管等问题，精准落控，助力市场健康发展。

银联商务通过结合内部客户数据、交易数据、历史风险数据、外部名单数据等，设计一个全面、可直观展示的客户风险画像，使其能够按照不同的客户主体类型（小微、个体和对公客户等）、多个维度对第三方支付机构的收单客户进行风险评估，并为不同的客户主体、不同类型的风险提供相应的风险标签，能够适应不断变化的客户特点、市场环境和风险形势。

二、创新点

1.综合性风险评估： 客户风险画像不仅关注单一风险类型，而是综合考虑多个风险维度，从而更全面、准确地评估客户的风险水平。

2.风险画像指标权重个性化： 通过为不同指标赋予不同的权重，能够根据实际情况调整风险评估的敏感度，更符合不同客户的特点。

3.自动化风险分类： 采用标准化的风险分类标准，使评估结果更具可比性，便于客户风险管理和满足监管合规要求。

4.风险特征权重类与非权重类结合：风险特征权采用权重类的重基础信息特征与非权重类风险特征（权重为0）相结合的方式，保障客户整体体现合理的风险分类分层，同时也能精准的识别高风险客户。

5.多维度风险标签： 提供多个风险大类标签，有助于刻画出不同客户风险画像的不同特征。

三、项目技术方案

本方案通过一系列精心设计的步骤，将客户的风险水平从多个维度进行量化评估。以下是方案的具体内容：

1.数据收集与预处理

在这一阶段，从不同数据源中收集数据，包括公司内部的客户数据、交易数据、外部的名单数据、工商数据，涉及地域的数据、历史案例触发、查处管控等。这些数据涵盖了客户的基本信息、交易行为、地理分布、历史风险行为等多个维度。

数据预处理涉及数据清洗、去重、填充缺失值等步骤，通过识别并处理数据中的异常值、错误、重复或无效数据，确保数据的一致性和准确性。在这个过程中，我们应用数据清洗算法和异常值检测技术，以消除不准确或异常的数据影响，并减少评估结果的偏差。

2.客户分类

一方面因客户在规模、业务特征上存在差异，使用泛化的风险评估方法，会导致一些特定风险情形和客户的经营规模、经营特征不匹配的问题，从而使评估的精确度、可用性下降，给后续的风险管理、控制和策略制定造成负面影响。另一方面，客户的分类不宜过于精细，造成在客户风险评估的过程中缺乏统一标准，给后续的风险管理、控制和策略制定造成困难。因此本方案将客户分为小微客户、个体工商户和对公客户，既合理的进行了分类评估，也保证了整体设计的标准统一。

3.风险大类选择

为了充分综合客户风险的多个维度进行评估，本方案提出一种创新的指标选择与构建方法，以有效捕捉不同风险类型的影响因素，从而实现更准确、全面的客户风险评级。我们采用了一种基于领域专业知识和数据分析的方法，从海量数据中选择与风险类型密切相关的关键指标。以下是针对每种风险类型的指标选择和构建方法的详细描述。

①互联网风险

为了深入评估客户在互联网支付环境下的风险，我们关注了客户退单率、入网时间、客诉率、交易金额、商品价格、交易集中度、退款交易等关键方面，这些指标的选择基于对互联网支付风险的深入理解，旨在捕捉客户可能存在的异常行为和交易模式。

②内/外部名单风险

当涉及内外部名单风险评估，我们采用了包括组织证件号、法定代表人证件号、股东证件号、结算账户信息等，与监管、行业、公司的风险信息数据进行比对，识别出客户是否命中内外部黑名单，以全面洞察客户的潜在风险。

③洗钱风险

为了深入评估客户的洗钱风险，我们选择了一系列重要的指标，这些指标涵盖了客户的历史洗钱案例记录到客户交易模式的特征的多个关键方面。例如，客户身份的识别情况、困难度，，客户交易对手的分布、与历史风险样本的相似度、交易行为的突然变化、试探性交易、交易行为与所在行业地区的一致性、偏离度等，这些指标能够帮助我们发现与正常交易行为不符的模式，进一步判断可能的洗钱行为。

④客户综合资质异常风险

针对客户综合资质异常风险，我们依托一系列核心指标进行构建，如客户的交易额、交易笔数、客单价等，通过客户签约时长、企业注册资金金额等评估客户经营稳定性和实力，通过客户贡献度、活跃度以及年累计清算金额分层等指标进一步考量客户在整个支付生态中的地位和表现。同时，我们关注客户的全年交易分布、门店数量和受理终端数量等指标能够帮助我们了解客户在不同时间段和地点的交易情况，从而全面评估其经营情况。此外，通过分析客户关联风险也有助于更准确地判断其可能存在的综合资质问题。

⑤地域性风险

在考虑地域性风险时，我们选取的指标涵盖了客户所在地是否来自高风险地区、边境高风险地区，是否涉及与反洗钱监控或制裁、受到反洗钱风险提示的国家、地区相关，是否涉及存在洗钱犯罪上游的国家或地区，是否与避税型离岸金融中心有关等，并客户所在地经济水平相结合，从而更准确地评估地域性风险。

⑥客户交易风险

在评估客户交易风险时，我们着重审视涉赌、涉诈、移机移码、套现、异常交易和营销套利等交易风险特征，以捕捉客户的异常交易行为，重点包括通过数百项特征综合判定客户与历史风险样本行为的相似度，并监测客户在交易金额、交易对手、交易备注等单个或多个要素中呈现出的规律性特征，例如集中性高频特定金额的借记卡交易、信用卡交易，低频大额、高频低额、退货率异常、无交易客户突然交易激增，以及试图规避监测的行为。

⑦工商信息异常风险

在考虑客户的工商信息异常风险时，我们关注了多个重要的指标，这些指标涵盖了客户企业的工商记录、行政处罚、经营异常名录等方面，有助于更准确地评估客户企业的信誉和合规程度，从而更全面地了解客户企业可能存在的不正常经营情况。

⑧监管合规类风险

在评估监管合规类风险时，我们筛选的指标涵盖了客户的法人信息、营业执照状态以及近期内的变更情况，包括客户证件到期日剩余期限、营业执照的过期状态、近一年内客户法人信息、营业地址、营业范围以及结算账户的变更情况等，这些变更可能暗示客户在经营行为方面存在变化，引发合规性的疑虑。

4.风险标签生成

在根据评分结果对客户进行分类时，我们结合了统计分布情况以及实际案例，经过了精密的设计和反复验证，将多个风险指标融合考虑，将客户分为低、中、高不同风险等级，确保了风险等级的准确性、实用性和有效性。同时，基于制定的风险分类标准，我们为每个客户生成了相应的风险标签，这些标签涵盖了地域性风险、洗钱风险、工商信息异常风险、互联网风险、监管合规风险等多个大类。这一风险标签生成的过程是一个关键的环节，它提供了一个直观、有效的手段来分类客户风险。每个客户根据其评分结果被分配相应的风险等级和风险标签。这些标签将成为对客户进行风险管理和合规监管的重要依据，有助于针对不同风险水平的客户采取适当的措施，对客户进行分类管理，如低风险客户可能会享受更简化的监管，而中风险和高风险客户则可能会接受更加严格的监控和审查。

5.风险权重确定

为了确保客户风险画像刻画的准确性和可靠性，本方案在指标选择的基础上，采用了一种创新性的方法来确定各指标的权重以及不同风险类型的权重，以更精确地评估客户风险。该方法结合了支付领域专业知识和数据分析，确保权重的分配能够合理地反映指标的重要性和风险的影响程度。

在指标权重的确定过程中，我们首先依靠支付领域专家的经验和见解，对每个指标进行了初步的权重赋值。这些初步权重考虑了指标在风险评估中的影响程度，但仍需进一步的量化分析。接着，我们采用数据分析的方法，通过历史交易数据、风险案例和模拟实验等手段，对不同指标的影响程度进行量化评估。这一过程涵盖了大规模数据处理和复杂统计分析，以确保每个指标的权重与实际影响一致。同时，风险类型（例如洗钱大类风险）的权重也是我们评估模型中的关键因素，不同类型的风险在客户评级中可能具有不同的影响，因此，我们对每种风险类型进行了分析和权衡，通过结合领域专业知识和历史案例分析，我们确定了不同风险类型之间的相对权重关系，以确保得出的客户风险画像能够更准确地反映实际风险情况。

①数据预处理

首先需要分析客户业务相关数据表，包括客户基本信息、订单交易、账户交易及外部数据四类，涵盖客户各类潜在风险主要维度。

数据质量分析包括缺失率分析、业务含义分析、关联性分析、异常值分析、连续值分析、离散值分析、重复性检查等。

②特征选择

基于客户订单交易和账户交易数据，监控涉赌涉诈、洗钱、套现、虚假交易、异常经营等交易类风险并构建特征集合。

③权重赋值

权重类基础信息特征规则

基础信息特征规则既包含连续型数据的特征如客户签约时长、客户一段时间的交易量统计，也包含离散的枚举值类特征，如客户归属城市等级、客户贡献度等。

针对连续型数据的特征如客户签约时长，通过对业务的风险理解（如签约入网时间短的客户风险相对较高，特别是30天内的），结合数据的分布分析，将数据分箱为不同的区间段。不同的分值区间给与不同的风险分值。

针对离散的特征如归属城市等级，一般可分为一线城市、二线城市、三线城市、四线城市；根据对业务的风险理解（一般高能级的城市风险偏低），可对一线城市赋予低风险分值，四线城市赋予高风险分值。

为了确保整体评级的客户有合理的分类分层表现，需给各基础信息特征规则赋予不同的权重，确认所有客户均有基础的风险得分。对比各特征项，根据数据信息区分度越大的，以及专家经验评估风险识别越明显的特征，则赋予较高的权重；数据信息区分度越小，风险识别不太突出的特征，则赋予较低的权重。

强风险判断特征规则

本方案通过客户属性异常特征，以及交易异常风险特征建立多个观测点，一旦触发风险点，直接赋予风险加分。

客户属性异常特征，如组织证件号命中企业营业命中联合国制裁名单，则直接根据触发的严重程度赋予模型结果不同的加分。

客户交易异常风险特征：首先统计分析风险特征中不同指标的数据分布组合结果，确定合理的指标参数阈值，然后结合业务专家经验根据客户命中潜在风险点的统计数来确定此风险点下的风险。

④创新性的调优方法应用

本方案应用了创新性的调优方法，按画像风险得分细分区间对客户总分及各特征项进行得分均值统计。通过对各得分区间内的客户，计算出各风险特征变量的得分均值，可分析特征计算逻辑是否存在错误，特征变量的有效性及重要情况等，进而辅助特征阈值、特征权重的调优。

通过这些详细的步骤，本方案构建了一个全面、综合性的客户风险画像。通过数据的采集、预处理、指标选择、权重赋值、模型构建等一系列步骤，将客户的风险水平量化，并在风险分类标准和风险标签生成方面进行了详细的设计。这种新方案的实现将提供更有效的风险管理手段。

四、客户风险画像应用

客户风险画像融合了标签、特征、规则、模型、案例等风险“五库”内容。案例库中确认风险的案例及协查经分类归纳，对客户风险情形进行分类标记形成标签库；通过量化指标反应客户的风险行为表现，提炼形成特征库；将规则库与模型库组合，对不同风险场景实现精细化监测，进一步充实案例库。

客户风险画像能够在风险“五库”统一的框架下，将特约客户的不同风险维度结合，从而更全面、精准地量化特约客户的风险水平，使评估过程更具有综合性、精确性和实用性，能够更好地应对不同类型特约客户的多维度风险挑战，从而提高整体评估结果的可靠性和实用性。

通过风险画像辨识出的风险客户，将根据不同的风险等级、风险标签，通过策略矩阵，分别采取关停业务、冻结交易、暂缓资金、限额管控、风险核查等管理策略，通过银商鹰眼智能风控系统，将管控指令、核查任务分发到各中台业务系统或风险子模块中，完成后续的管控和核查处理。

对于高风险等级、各风险标签下的客户，银联商务通过图例与数据结合，在系统中进行跟踪分析，实现了各类风险的时空趋势判断和客户类别、进件渠道、行业、历史核查、管控情况等多维度的分析数据，以助于风险决策、风险定位。

五、经验总结

银联商务不断优化完善银商鹰眼智能风控系统，通过构建“风险五库”数据底座，将客户进行分类，并引入了多源数据，包括内部客户数据、交易数据、外部名单数据、企业综合资质数据、地区数据等，综合考虑客户的多个风险维度，形成交叉矩阵，研发客户风险画像。整体评估过程更具有综合性、精确性和实用性，能够更好地应对不同类型特约客户的多维度风险挑战，从而提高整体评估结果的可靠性和实用性。通过采用这一综合性的方法，能够弥补传统方法的不足，为支付机构提供更准确、全面的客户风险评估，从而更好地落实风险管理、防范洗钱、合规监管等工作要求，助推精细化管理与稳健经营。