一、解决方案简介

北银金科不良资产数字化归因分析解决方案，面向商业银行风险管理场景，通过综合运用人工智能大语言模型、归因算法逻辑等先进技术，对商业银行存量不良资产的形成原因进行深入分析，精准识别造成不良资产的关键因素，从而助力银行改进风险管理工作，促进从源头压降不良资产。

不良资产数字化归因分析解决方案的功能体系，可以分解为两个大类：

归因分析层：归因分析层包括了与归因分析相关的主要功能点。主要包括问题标签的定义、问题标签的识别、量化归因、机构和员工的尽责度评价等功能。

应用层：既将归因分析结果应用在风险管理工作中的各项功能。目前主要包括分析结果可视化展示和查询功能，以及归因分析结果在预警方面的应用。

通过上述功能，该解决方案实现了成因定义、成因识别、成因量化、成因分析，再到归因分析结果实际应用的完整链路，能够有效地助力商业银行加固风险防线，减少不良资产的产生。

二、应用场景痛点简介

尽管商业银行设有不良资产追溯责任机制，但因缺乏标准化的不良资产归因分析流程及相应系统，银行管理层难以掌握导致不良资产产生的主要因素：从宏观来看，仅仅对于导致大金额不良资产的成因有概念，对于中小额不良资产的成因缺乏掌握，不能有效识别、定位导致全行不良资产的主要原因；从微观来看，不能精确量化每笔不良资产的成因，不能精准评价各经营机构、员工在信贷工作中的问题。不利于风险管理团队采取针对性措施，以预防不良资产的形成。具体来说，主要有如下几类问题：

一是缺少标准化的归因标签体系；

二是对不良资产成因的识别能力不足；

三是未能掌握各分支行、授信及风险管理人员工作中存在的问题；

四是缺乏对每笔不良资产进行精确量化归因分析的能力；

五是无法有效从已经发生的不良资产中汲取经验教训，改进风险管理工作。

三、解决方案亮点介绍

方案有如下亮点：

一是充分利用了大模型能力，构建起不良资产成因标签体系，并对新增的不良资产问责报告进行标签识别。

运用大语言模型对行内、行外相关管理制度以及历史不良资产问责报告进行分析，提炼总结出初步的不良资产成因标签体系，在此基础上由银行风险管理领域的专家进行审核与调优，形成标准化的不良资产成因标签体系，作为后续归因分析的基础。同时，对于新增的不良资产问责报告，也可以通过大语言模型进行解读，完成不良资产问责信息与成因标签的匹配。

二是运用人工智能算法模型，实现对于不良资产成因的量化归因分析。可以精确衡量每一笔不良资产中，各项成因的权重。在此基础上，可以从银行员工、分支机构、年份、行业等维度去进行更加深入地分析，挖掘产生不良资产的主要成因。

三是构建可视化平台，通过清晰、多维的方式，向银行管理者展示归因分析结果。包括能够整体展示归因结果的可视化大屏，并支持管理者从成因类型、人员、业务等角度深入下钻，查看归因结果；具备个性化的数据分析视图，支持用户按照自己的偏好构建个人数据看板和数据统计报表；同时，还基于大语言模型、chatBI技术建设交互式问答机器人，为用户提供更加灵活的数据查询和分析服务。

四是通过多种形式，将归因分析结果应用到实际的风险管理中，从源头减少不良资产的产生。一是能够面向总行、分行相关管理者以及审计、合规等部门，输出差异化的归因分析预警报告，提示相关人员关注造成不良资产的主要成因；二是运用AI算法和大语言模型技术，筛选并生成典型案例，推送至风险管理条线相关人员；三是联通归因分析系统与审计、合规检查系统，与这些系统共用标准化的不良资产成因标签，当审计、合规发现的问题匹配上归因分析发现的高风险问题时，及时发出预警；四是与信贷业务系统打通，在流程中提示办理人员，该流程节点可能存在的高风险问题，做到防患于未然。

四、金融行业客户名单

已采购该解决方案的金融行业客户名单：北京银行。

五、客户评价

在2024年岁序更替之际，不良资产数字化分析系统一期系统建设即将画上圆满句号。在此辞旧迎新，回顾和感恩的时刻，北京银行特殊资产管理部向贵司领导及项目团队的各位人员表示诚挚的问候及感谢!

自贵司承建不良资产数字化分析系统以来，项目实施团队立足我行数字化转型的战略愿景，针对我行开展不良资产成因分析的系统建设需求，贡献了卓越的创新思维和过硬的专业能力。自6月承接系统建设任务以来，短短4个月，实现了一期系统上线以及一期系统优化；积极开展二期需求探索，为系统二期建设打下了良好的基础。在市场没有类似产品的情况下，项目团队展现了不避不畏、快速响应、积极解决的可贵精神，在极短的开发时间内，按期完成了紧急开发任务，实现了行内不良资产归因分析从无到有的重大突破。不良资产数字化分析系统一期系统成果也赢得了部门、条线及行领导的一致认可。

感谢贵司不良资产数字化分析系统团队各位人员的辛勤付出。对贵司领导以及下列同事的专业素养以及高效快速的服务精神表示衷心感谢!