一、项目背景及目标

（一）项目立项背景

随着金融业务产品种类的不断扩展，反欺诈、授信准入、提款等关键环节的风控需求日益增加。当前人工智能和大数据技术发展迅猛，科技赋能在金融机构的演化变更中起到了越来越重要的作用，机器学习及神经网络算法的引入也为风控领域带来了革命性的变化。在传统专家规则主导的风控模式下，用于风险评估的输入参数通常被称为“变量”，这些变量往往是基于专家经验设定的，在面对复杂风控场景时，传统风控模型的规则触发阈值难以量化，风险防控效率和精准度方面也存在较大瓶颈。在新的风控场景下，算法模型通过使用大量的“特征”来进行风险评估，“特征”不仅是数据端的输出，供算法模型使用，同时也是应用端的输入，参与到下游的风控模型中。这种转变不仅提高了风控的精准度，也极大地增强了模型的适应性和灵活性。

中原银行致力于打造一流城商行，在这之中离不开数字化转型对业务发展的支撑，核心点在于通过数据驱动的方式实现客户信贷全生命周期的管理，从传统的流程模式转变为更加注重提升用户体验和深度发掘客户潜在价值的新模式。目前我行零售小微产品基本实现风控模型覆盖，在风控模型和策略中，特征处于核心地位。特征数据来源于征信数据、外部数据、行内数据等各个方面，其中征信特征在模型决策中占比超过50%，是模型构建中最重要的数据。如何更深入、更便捷、更系统的挖掘利用好征信报告衍生出丰富的征信特征，俨然成为各金融机构数字化风控的重要竞争力。

在此背景下，为进一步完善我行智能风控体系，提高风控管理的质量和效率，迫切需要搭建统一的特征衍生平台，提升建模效率和模型精准度。项目一期以标准化、高价值的征信报告作为切入点，规范了特征的衍生、测试、发布、调用、存储及监测全流程，实现征信特征的统一管理，确保不同业务场景下风控策略的一致性和准确性。

（二）项目痛点分析

我行早期征信特征加工主要使用Java、sql和python通过硬编码方式开发，传统的加工模式依赖专家经验及开发团队的产出效能，渐渐不能满足业务部门对特征迭代效率及衍生广度、深度的诉求，主要面临以下两类问题：

1.特征开发模式固化，效能低下

（1）特征开发上线周期长

传统加工模式是业务提需求，科技开发、测试并上线，整体耗时周期较长。

（2）特征加工和存储不统一

离线变量和实时变量分别在不同开发平台开发，开发语言不统一，存在重复开发、重复存储等问题。

（3）特征无法实现回溯

建模和数据分析时需要大量历史存量客户特征，目前无系统可以统一实现客户历史特征回溯工作。

2.特征挖掘不足，管理不规范

（1）特征挖掘不足

传统的特征开发模式需要一定技术和经验门槛，导致征信特征挖掘不足。

（2）特征未共享共用

不同业务条线和部门按需开发特征，形成“烟囱式”的独立开发和管理模式，无法共享共用，造成资源浪费。

（3）特征管理不规范

不同业务条线特征加工标准不一致，且特征加工口径缺失，特征管理不统一、不规范。

（三）项目目标简介   

在此背景下，本次项目通过搭建特征衍生平台，总结和梳理金融行业征信特征衍生经验和应用流程，沉淀规范化的特征库和标准化开发上线流程，实现征信数据的充分挖掘、风险特征的统一管理以及共享共用，降低特征开发门槛，提升特征开发效率，丰富完善从数据-特征-模型-应用-监控的智能风控体系闭环建设，为数据驱动下的精准营销、智能风控管理、存量客户数字运营等提供数据支持，提高分析决策效率和精准度，为业务发展提供强有力的支撑。

二、项目/策略方案  

（一）业务架构

随着我行线上化产品的不断丰富、风控技术的不断进步，特别是新中原战略方向和发展理念的转变，目前已构建以数据为基础，以系统平台和智能化工具为支撑，以业务场景应用为驱动的数智风控体系。

特征衍生平台作为系统平台支撑的一部分，为客户信贷全生命周期管理，包括智能风控、精准营销、客户运营等方面提供数据支持。

第一层为数据来源，一期实现个人和企业征信数据的接入和衍生；

第二层是全行统一的特征衍生平台，包括特征库、特征管理、特征加工、特征上线、特征回溯、特征监控等模块，支撑特征的快速开发和迭代，以及特征的统一管理等。

第三层是应用场景，包括反欺诈、贷前准入、贷中运营、贷后管理等风控场景。基于衍生的特征，通过相应的模型算法实现风控和运营的高效性。

（二）技术实施路径 

1. 同业调研

调研同业厂商20+实施案例，深入剖析传统特征开发模式局限性，明确项目实施技术方向，锁定易用、易维护、可扩展的技术方向。

2.技术选型

大量调研行外先进同业情况，参考最佳实践案例，从技术适配（前端框架、后端框架、微服务、信创基础设施兼容性等）、性能与可靠性、安全性、可维护性等方面制定技术选型综合决策矩阵，选取适合中原银行实际情况的最佳技术栈。

3.落地实施

（1）构建健全功能体系平台。围绕特征库、低代码开发、快速上线三个核心功能，在我行微服务基础开发平台上实施高度定制化开发。

（2）严选特征，沉淀特征库。通过专家经验衍生和特征有效性筛选，引入征信特征上万维。

（3）确保业务连续性，实施存量特征梳理和迁入工作。

发挥行内系统间协同效应，实现特征交付线上化流程，实现信贷产品全场景多功能覆盖，实现征信特征千万级存量数据回溯。打通与模型管理平台、大数据平台、文件传输平台等十余个系统，实现系统间的有机交互和科技团队间的密切配合。

三、创新点  

（一）技术创新点   

1. 创新的生产要素重构

特征衍生平台的引入，标志着从业务分散管理、高度依赖科技开发的传统模式，向集中管理、分散式开发模式的转变。这种转变突破了传统流程限制，促成生产要素的创新重构，实现衍生效率与开发质效的双重优化。

2.坚实的数据架构设计

借鉴业界先进产品设计理念，基于我行统一开发平台、微服务平台、云平台等技术底座，充分考虑并发吞吐量，采用微服务架构，具备横向扩展和高并发能力。

3.高易用性的低代码开发功能

采用可视化DAG画布编程，沉淀通用自定义40+通用算子，拖拉拽等低代码形式的可视化编程覆盖90%以上场景，达到开发线上化。完成特征生产模式的转变，从依赖科技人员开发上线，转变为业务人员自助低代码开发上线，提高了特征开发效能。

（二）业务创新点  

1. 高效的特征共享机制

基于各类业务场景，建立涵盖基本信息、账龄、收入、负债、还款历史、消费、信贷需求、账户、多头、反欺诈等的特征库，实现特征在各部门和各产品间共享共用。

2.统一的特征管理体系

通过特征衍生平台实现对特征的统一管理，包括但不限于统一的数据源引入、统一的特征加工，统一的特征输出等。制定特征标准化管理办法支撑全行特征的开发、迭代和应用。

3.便捷的特征开发上线流程

通过拖拉拽等低代码形式实现特征开发，降低特征开发门槛，缩短特征开发时间，开发测试完成的特征可以实现一键上线，提升整体建模效率，助力业务高质量发展。

4.敏捷的特征上线策略

通过打通特征开发平台与特征上线审批平台，实现特征一键上线，极大地缩短建模周期，满足快速迭代需求。

5.灵活的特征回溯功能

支持对于在特征衍生平台衍生的特征，通过点击按钮等形式实现对行内存量征信报告的回溯并落库，支持通过设置定时任务对征信报告进行回溯并落库，满足数据分析人员和建模人员的分析需求。

6.实时的特征监控功能

开发特征IV监控模块，对特征库包含的特征进行全部门全产品的IV计算和展示，并支持按照部门、产品等维度筛选特征进行IV计算和监控。

四、项目过程管理   

（一）项目调研及立项

2023年1月-2023年5月属于项目调研及立项期，比选行内外技术方案，邀请知名科技公司及互联网公司参与竞标。

（二）项目建设期

2023年6月-2023年11月属于项目建设期，项目组发布征信特征衍生平台1.0版本，后续采用敏捷的管理模式完成多版本迭代上线；

（三）项目运营期

2023年11月底至今，属于项目运营期，覆盖全行信贷业务部门30余个风控场景，为业务发展提供丰富的特征资产，驱动实时和离线分析，助力精准决策。

五、运营情况    

2023年底，特征衍生平台完成全行30余款信贷产品的上线试运行，截止目前已完成部分产品的生产切换工作，为全行风控人员提供统一特征加工和管理服务，平台日均交易量几十万次，单笔交易平均耗时小于200ms，特征开发上线周期由至少1个月缩减到1周，高效地支撑全行业务发展。

六、项目成效

（一）特征衍生维度显著扩展

平台基于对二代征信数据开展数据挖掘与衍生，对特定时间切片内用户的申请、用信、还款和逾期等各个信贷行为发生的频次、额度、比例等进行计算，充分释放数据效能，交付万余维征信特征。

（二）特征挖掘效率大幅提升 

平台具备拖拉拽低代码开发模式，便于业务人员操作，同时可以实现特征的敏捷上线，征信特征的投产时效由至少1个月缩减到1周，特征挖掘效率提高4倍，为信贷模型决策提供更快捷、更稳定、更高效的服务。

（三）全面赋能风控高效决策

通过与下游智策风险决策引擎的结合，实现了实时决策和离线分析能力在风控场景的落地，覆盖全行零售、小微、信用卡等业务下反欺诈、授信、放款等30余个实时风控场景，特征回溯上亿条，为贷中预警、调额等离线分析提供数据支撑。

七、经验总结  

前期充分调研风控人员在特征衍生方面的痛点和需求，并完成业界主流厂商的多轮交流和探讨。平台建设主要围绕特征库、特征管理、特征加工、特征上线、特征回溯、特征监控等功能，聚焦平台低代码开发模型和特征快速上线功能，为风控人员提供全面、便捷的特征衍生服务。项目实施过程中，强化风险、业务、科技等跨部门的协作，形成项目合力，共同推进项目的高效落地和实施。

下一步，我行将继续探索行内数据和外部三方数据的衍生加工及管理，进一步提升模型、策略迭代效率，助力风控模型高效决策。