一、项目背景及目标

      近年来，受经济下行和高度市场竞争的双重压力影响，商业银行对风险管理的精准度要求越来越高。特别是随着现代企业的规模化、市场化、多元化发展，银行对企业客户的风险评价与管理已经不能仅仅局限于单一企业客户本身，而要对企业及其所在的关系群体进行整体的评价与管理。而企业之间的关系已远远超出了传统的以股权关系为基础的集团派系，形成了一批不依靠股权但在经济上具有高度相关性的“类集团”式的关联企业群体，这一方面使得现代企业的经营管理更加复杂、经济往来的隐蔽性更高，银行与企业之间的信息不对称进一步扩大，银行多头授信、过度授信风险不断加剧；另一方面行业的紧密度、区域经济的联动性越加增强，信用风险的传染度及传播范围不断提高。这些都进一步加大了银行对企业客户授信管理的难度。因此，银行对企业客户的管理，无论是从营销拓展、风险评估还是从授信管理来看，都应该是一个集合企业所属关系网络的综合管理，而不应该仅仅局限于管理单一授信客户本身。而当前大部分银行的风控手段及管理措施仍偏向于对单一目标授信企业本身的评价、监测与管理，即使是在传统集团客户管理方面，仍缺乏对集团整体风险评价与整体授信管理的理念。可以说，对企业的复杂关系识别、群体特征分析与异常风险监测是银行进行风险防控与授信管理的基础。

      基于此，重庆银行在过去几年数据积累和大数据探索的基础上，依托知识图谱技术，融合行内外数据，构建了以企业关联关系挖掘为核心的“风铃智评”大数据风控系统，以提高对企业客户授信风险管理的精准度和效率。

二、项目/策略方案 

      “风铃智评”基于知识图谱技术，融汇NLP、机器学习等方法，在引入外部互联网大数据的基础上，有效挖掘行内自身积淀的数据价值，构建企业客户的关系网络，包括但不限于企业股权关联、企业经济关联、企业事件关联、企业分群和群体特征分析等，并在此基础上力争构建企业客户风险评价模型，实现客户风险的提前预警、及时发现与迅速处置，并为企业客户整体风险管理提供决策依据与指导。

      1、数据整合及分析

      系统整合内外部数据并进行深度分析，行内数据主要为企业信贷数据、行为数据、交易数据、征信数据等；行外数据主要为企业工商信息、司法信息、招中标信息、舆情信息等，并在数据整合的基础上实现数据的结构化、标准化和标签化。

      2、构建企业关系网络

      系统基于知识图谱技术，构建与挖掘企业全方位的关联关系，包括股权关系、人事关系、担保关系、资金交易关系、疑似关系、事件关系，以及在此基础上层层穿透、深度挖掘的实际控制人、一致行动人、历史人物关系、受益所有人等核心关键关系，以实现对多度关联企业的挖掘，从而达到对企业整体关联关系及其背景的全面认识。

      3、企业群体风险监测

      系统基于知识图谱技术，结合聚类、分类等手段，对全量企业客户进行分群和群体特征分析，深度挖掘企业客户群体风险形态，以辅助评估我行关联授信整体风险。主要包括集团派系识别及风险洞察、担保圈链识别及风险洞察、黑名单关联族谱挖掘及风险洞察、信贷资金用途监测、企业风险传导监测等。

      （1）集团派系识别及风险洞察：根据集团客户的定义及判定规则，本系统以“股权与人事构成的控制权”为核心，利用外部大数据、以集群穿透算法，对全国集团公司及其成员边界进行了梳理与判定，形成了全量级的集团派系群。通过本系统，业务人员可查看集团派系的核心企业、集团成员及其关联关系、集团内行内企业/授信企业客户的基本信息及业务情况，同时，系统针对行内客户所在的集团进行了专门的数据分析与风险解读，可有效辅助行内集团客户认定与统一授信管理工作。

图1-集团派系概览视角网状图

     （2）担保圈链识别及风险洞察：担保圈链是由担保关系所构成的企业关系集群，本系统挖掘的担保圈链形态主要为“互保”、“担保圈”、“担保链”、“一对多担保”、“多对一担保”等授信业务风险管理中可重点关注的担保形态。通过本系统，业务人员可查看由上述多个担保形态所构建的企业集群成员及其关联关系，以及其中的行内企业/授信企业的情况，同时，系统针对行内企业的担保圈链进行了专门的数据分析与风险解读，可有效辅助行内授信集中度风险判别、以及不同企业间担保风险交叉感染的预判。

     （3）黑名单关联族谱挖掘及风险洞察：黑名单关联族谱是指以我行认定的黑名单客户为核心，融合企业的多种关联关系，挖掘与黑名单客户存在密切股权、人事、担保、资金交易以及疑似关系的企业与自然人客户，构建一个以多个黑名单客户为核心的企业关系集群。通过本系统，业务人员可查询黑名单客户的重要关联方，以及其中涉及到的行内企业/授信企业的情况，以辅助业务人员提前知晓并预防黑名单企业对行内其他客户风险传染的可能性，以加强对该批客户的重点关注。

     （4）信贷资金用途监测：根据商业银行信贷资金流向监测的要求，本系统利用企业关联关系，对我行存量客户信贷资金的支付与还款的关联方往来及异常情况进行监测，以辅助贷后人员识别信贷资金挪用风险。通过本系统，业务人员可查询信贷资金支付与还款的对象情况，判断授信企业与支付对象之间的关联方关系。同时，还可监测行内客户信贷资金流向的集中性问题，以辅助判别信贷资金被挪用的风险。

     （5）企业风险传导监测：本系统通过企业之间的关联关系及其密切程度，结合企业自身的属性，综合判断企业违约风险的传染路径及影响范围。通过本系统，业务人员可查询两两企业之间的违约风险传染值、传导路径及范围，以及其中涉及到的行内客户/授信客户的情况，以辅助业务人员提前发现并预防企业之间违约风险的交叉感染。

图2-本体构建示意图

图3-传导率衰减分析

图4-风险传导与叠加

      4、企业风险评价模型

       系统在上述功能的基础上，按照一定的业务逻辑，融合企业风险事件与行为，进一步构建企业风险评价模型，生成企业风险评价报告，实现对企业主要风险的判别、预警与智能推送，以辅助授信业务全流程的风险评估与防控，提高授信业务风险管理的智能化水平。

三、创新点

      根据国家支持实体经济及民营经济发展的要求，“风铃智评”结合全行大数据智能化创新发展战略规划以及数据治理的要求，深入调研银行风控痛点，围绕实际业务创新与应用，该系统应运而生，创造性将行内外数据打通与融合，探索构建以关系群体风险挖掘为核心的企业全风险视图。“风铃智评”一期全功能于2019年7月上线试运行，二期全功能于2020年7月上线运行，面向全行推广应用，为行内授信业务风险防控提供了很好的工具，已取得了较好成效，现已广泛的应用于分支机构/业务前台部门的企业贷前调查、风险筛查以及反欺诈识别，评审部的贷中风险审查审批、风险管理部的统一授信管理以及贷后风险管理、内审部的内部审计检查以及合规部的反洗钱风险识别与管理等领域。

四、项目过程管理 

      “风铃智评”于2019年2月完成公开招标引入项目合作方-北京海致星图科技有限公司，正式启动研发，经过连续4个月的集中研发，于2019年7月17日完成系统一期上线投产工作，主要使用的范围是总行的业务条线，风险管理及检查部门。同时为进一步满足用户需求、提高系统服务的灵活性与定制化能力，“风铃智评”在一期运行的同时，启动了二期项目的研发，二期全功能已于2020年7月上线运行，面向全行开放。

五、运营情况

     （1）“风铃智评”目前已开通总行15个管理部室187名用户，43家分支机构963名用户，系统合计用户数1985名；用户使用系统查询企业月均量92018条，使用系统标准数据导出功能月均下载量200976条，截止2020年9月末，合计查询总量305867条，下载总量852359条。

     （2）“风铃智评”已在行内贷前调查，贷中审查，贷后预警，风险管理、内部审计、资产保全、运营管理、招标采购等业务场景广泛应用，同时系统已与行内大额风险暴露系统、网贷系统、ECRM系统、信贷系统实现了数据实时对接。

六、项目成效

      本项目成果对我行提升风控水平、提高数据治理能力以及朝着智能化方向转型都具有重大的作用与影响。主要表现在以下几方面：

      1、数据价值

      知识图谱、大数据挖掘是数据价值深度利用的“孵化器”，通过知识图谱平台和大数据平台可以实现结构化、非结构化及实时流数据的混合处理，实现多业务主体的算法选型、变量处理、模型训练、模型评估等全流程的数据挖掘；业务人员借助丰富的数据实验库、高效的计算环境、便捷的操作工具实现对数据的深入洞察，提高经营决策及业务管理的精细化水平。它的价值具体体现在：

    （1）数据集中管理，实现银行内部业务数据的全面集中，对进入大数据平台的数据按照一定的数据标准规范进行采集、清洗后，并根据大数据平台的各个业务需求模型进行加工及存储，为海量数据计算复杂模型处理提供强大的技术支持平台及数据存储平台。

     （2）统一数据交换，实现银行内部业务数据全面采集及分发，统一全行数据出口，为行内的各个业务部门提供统计的数据支持服务，提高数据加工效率满足业务发展需要及监管要求。

     （3）历史数据保存，实现银行历史业务数据产期保存，为全行后续业务发展提供充实的数据分析服务，体现行内业务数据的价值。

       2、风控价值

      （1）以科学方法将风险模式数据化：大数据风控模型以科学方法将风险量化，使得风险评估有所依据，从而弥补人为经验及能力的缺陷。大数据风控平台建立于完整的行内外数据之上，借由数据汇整、清理、分组及探勘等技术，将大量数据转化成为有用的风险信息。

      （2）提供客观风险尺度，减少主观判断：风险管理大的挑战在于如何客观完整地将客户各种质化特性加以综合判断，并做出合适的决定。该平台提供了一个客观的风险量尺，消除了人为判断所造成的差异，使得风险评量有一致性的标准。

      （3）提高风险管理效率，节省人力成本：强大的数据处理效率也是该平台的重要功能，该平台采集了全国全量的工商、司法、招中标等企业大数据，融合了积淀至今的大量的银行内部数据，利用大数据、云计算、自动化等技术才能迅速消化并处理这些数据，并通过模型的搭建实时进行风险运算并根据需要得出相应的风险结果。

      （4）提高银行风险管理的一致性与有效性：“风铃智评”的关系挖掘与风险预警可针对行内全量的客户，打破客户规模、产品类型、机构等各业务条线的边界和壁垒，贯穿于授信业务及风险管理的全流程，解决前、中、后台风险管理的一致性与有效性问题。

七、经验总结

      在信息化时代，数据已然成为商业银行的关键资产，“风铃智评”围绕银行风控能力建设的探索与研发就是对商业银行数据变现价值的好例证，这将促进银行加快数据治理与数据变现能力，推动银行智能化转型发展。而“风铃智评”的推广应用有可能颠覆传统的风险管理模式与机制，有赖于新的制度与管理办法的配套以及全行上下对大数据智能化更深入的认识与学习，而这个过程也必将更进一步地推动银行向数字化、智能化方向的深度转型。重庆银行将持续夯实数据基础、丰富风险维度，创新应用模式，力争将“风铃智评”打造为全行公司业务的风险管理辅助平台，以数字化、智能化进一步提升服务实体经济的能力。