一、项目背景

为解决上海农商银行普惠贷款业务线下数据收集繁杂、人工操作环节较多、主观风控占比过高、风险模型更新较慢等问题，上海农商银行通过“普惠智慧风控系统”项目，探索金融科技手段在普惠业务条线的深层次运用，改善传统线下授信业务的管理水平，实现普惠金融业务的整体提质增效。

在不改变上海农商银行原有授信流程的前提下，基于已有的成熟合规数据源（工商、司法、财报、流水、个人征信、企业征信、行内数据等），通过数字化方式构建中小微企业的普适性评价工具，提供“信息整合与解读”、“客户画像与评价”、“风险识别与审批”、“客户管理与维护”的全面解决方案。

面对快速发展变化的小微企业信贷市场，为继续做好支农支小工作，充分运用快速、灵活、高效的数字化业务能力，在不改变本上海农商银行原有的小微信贷作业流程和作业方法的前提下，通过数字化方式构建普适性客户评价与风控工具，解决线下数据收集繁杂、人工操作环节较多、主观风控占比过高、风险模型更新较慢等问题，从而全面扩大本行客群服务范围，实现普惠金融业务的整体提质增效。

二、项目方案

本系统自下而上主要分数据底座、模型支撑、用户画像、风险预警四部分。底层为数据底座，主要是数据能力中心中的大数据应用服务平台和统一数据服务平台给予数据支撑。第二层为模型层，主要依靠智能辅助决策平台来提供模型的管理和计算。顶层为业务实现层，分别对应用户画像和预警管理功能。

1、数据底座

数据底座与统一数据服务平台、大数据应用服务平台进行数据交互，从统一数据服务平台获取客户的基础信息、交易信息，因考虑统一数据服务平台的上线时间，客户五年内的资产负债明细数据从大数据应用服务平台获取。深度挖掘现有数据源，扩展业务解读主体和场景。基于上海农商银行现接入线上数据源，如税务、司法、工商、企业征信以及个人征信，从数据产生、变更和消失链条去透析数据背后客户主体行为和业务含义。针对不同的主体类型，如企业、个体工商户以及自然人，从数据表现差异性、数据业务含义差异性等角度对数据进行精准化解读。

2、模型支撑

产品风控模型主要有两种形式，一种是风控策略实现的产品风控模块；一种是风控模型实现的产品风控模块。产品风控模型集主要包括客户身份校验、反欺诈模型、准入策略模型、智能评级模型、授信额度模型、要素策略（贷款期限、还款方式、贷款利率、受托方式、资金用途、贷款主题、贷款形式、担保方式）、贷后预警与贷后管理。设计的风控策略及模型符合地方监管要求及相关风险政策规定，同时具备快速部署、灵活配置的特性，满足后期优化调整需求。通过产品数字化风控方案设计及应用，提高了相关人员在数字风控方面的理解和管理能力，进一步提升了数字化智能风控水平；

3、用户画像

按照不同的业务场景展示不同的业务画像，移动端通过互金平台与微信银行对接，展示符合安全要求的客户画像。PC端展现客户全面画像。从客户主体评价角度，从不同维度（如经营实力、经营连续、经营异常等维度）构建客户标签体系，将原始数据资产化，形成可服务于客户画像以及模型构建的有效指标以及标签体系，下沉至具体业务应用，进而达到充分反映客户特征，提示客户潜在风险，完成辅助决策使命的目标。

4、预警管理

充分调研信贷阶段下的具体工作场景，决策辅助支持不同岗位的具体工作所需。在贷后管理与维护环节中，可支持的场景包括客户经理贷后管理、客户经理贷后非现场监控、客户经理贷后非现场监控等

普惠智慧风控系统通过微服务框架设计及实现，达成各组成部分自由组装，构建灵活稳定的系统，可根据需要进行微服务模式部署和单体应用部署。

系统建设采用横向分层，纵向分模块的设计方式，实现数据、服务、交易和展示的有效分离，实现业务数据和业务逻辑的分离，同时保障上海农商银行普惠智慧风控的各个模块间松耦合，通过构建底层支撑平台，业务支撑层和业务实现层，进行技术能力和业务能力的抽象，响应小微业务的快速变化，支撑多产品线上线下业务灵活融合创新。

三、创新点

普惠智慧风控画像系统通过应用先进的数字化智能风控技术，对信贷业务流程的提质增效发挥积极作用，真正将金融活水精确输送至普惠客群。本系统具备以下业务创新点：

A.千人千面全客群覆盖

系统强大的数据分析能力可覆盖全行业全场景全客群，针对不同的场景智能化的构建与输出风险画像报告，并以此指导线下尽调及作业，实现“千人千面”的不同信贷策略转化。

B.信贷业务全生命周期的智能化覆盖

从贷前营销、贷中审查至贷后管理，建立起面对普惠业务客群全流程的智慧风控服务体系，将数字思维贯穿业务运营的全链条，促进信贷业务的高质量发展。

C.海量数据的数字化、结构化解读

围绕客户生成的不同类型的合规授权信息，以数据流转、行为分析、数据表现的层层递进逻辑进行解读，形成信贷标准数据信息。

D.一键生成信用风险画像报告

在上海农商银行信贷风控技术框架下，建立起包含有客户信息层、画像层、评价层的信用风险评价结构，一键快速生成画像报告，提升线下尽职调查的效率。

E.实现业务流程各环节的信息对称

在系统建设上，结合全栈实现技术，拉通业务部门、风控部门、贷后管理部门、技术部门等，以权限配置的方式实现数据信息及风险画像的展示，保持信息对称，提升业务处理的效率。

5.技术实现特点及优势

系统架构、技术实现等特点：

5.1技术架构

整个技术架构设计理念是按照整体采用横向分层，纵向模块化通过微服务方式构建，实现业务按需装配。底层是开发框架层，采用前后端分离的模式，前端通过VUE、Element技术组件体系进行构建，后端采用业内成熟的spring相关技术体系，以spring cloud框架，作为微服务支撑框架。构建两级缓存框架体系保障执行效率。

基础支撑集成常用的通用技术组件，构建通用支撑模块，形成业务无关的技术组件，支撑业务层的快速构建。包括流程平台、决策引擎、数据工厂等。

业务定义和支撑层是通过集成支撑层构建一个业务层，做业务级支撑，如产品工厂，管理产品的版本要素等。

业务实现层主要解决日常性的业务操作管理，支持信贷业务的流转处理和跟踪。

业务产品与加载是基于数字化信贷业务中台可以快速构建出信贷产品进行发布，覆盖更多客群和场景，充实业务体系。

普惠全景画像致力于帮助银行等机构快速构建数字化信贷业务助力工具，衔接信贷前台与后台，形成数字化产品的运行和决策机制，并对过程和结果数据实现运营。

5.2技术实现特点

快速数字化平台构建

覆盖贷前、贷中、贷后业务多环节数字化，通过快速采集数据分析处理，形成自动评估决策体系，实现跨条线多产品构建和运行。

低代码构建产品

系统通过解耦数字化信贷产品构建要素，对应通过多维度页面化配置和可视化构建，低代码方式构建产品。

成熟运行和管理体系

系统已在多家银行落地实施，完成客户数字信贷转型，实现了多款产品运行。

灵活部署模式

支持简化单体应用部署和微服务架构多节点部署。

细粒度安全管控

支持多级组织机构管理和用户认证体系，实现了RBAC的权限管理系统，使得业务功能细粒度权限控制，包含基于默认所属机构、角色分配和特殊标志的灵活的数据权限模式，并基于拦截机制进行统一审计日志处理。支持指标、模型和产品的版本管理，保障过程跟踪。

可视化流程构建平台

采用流程引擎支撑自动流程和人工审批流程，并实现业务审批流和产品决策流的融合。通过可视化流程设计，实现业务流程、决策审批过程自定义，通过流程监控，实现业务全过程跟踪。

强大的内置决策引擎和引擎对接能力

系统内置决策引擎，通过业务的规则引擎化处理，实现业务与技术解耦，保障业务的动态调整和快速响应。平台内置了决策引擎适配层，使决策应用（设计和运行）与决策引擎解耦，平台可以实现与现有决策引擎快速对接。

完善的数据处理能力

内置的数据工厂是构建统一、完整数据中心的平台，以可视化、可配置、可管理的模式实现数据采集、清洗、转换、加工、分析等流程，通过数据服务为业务系统提供统一数据服务。采集支持多数据源、多种数据格式、多种协议、多种报文。

成熟可靠开箱即用的业务技术组件

多年信贷产品实施经验，积累大量数据分析接入配置、线下数据采集表单、清洗转换规则、指标定义、风控模型等内容，预置到系统中，可实现开箱即用。

四、项目过程管理

本项目自2021年9月开始建设，2021年12月份上线*****期业务功能，2023年4月上线全部功能。

五、运营情况

项目自上线推广运营以来，实现以科技手段实现对普惠客群的精准滴灌，拓宽客群覆盖面，提升拓客精准度，释放金融活水。

践行银行业数字化转型，沉淀信贷技术要素，下沉工商、司法、税务、社保、知识产权、反欺诈、流水、征信等多类数据特征工程及标签，助力数字化驱动风控。

依托科技优势，积极响应小微企业纾困述求，在信贷客户营销、续贷业务、流水类贷款业务上夯实智能化客户评价，真正为客户提供优质服务，压实银行业主体责任，真正落实国家政策初衷。

六、项目成效

本项目基于中小微企业的信贷业务逻辑，利用线上、线下的大数据资源，构建中小微企业信贷业务全流程所需的风险策略与模型，识别客户风险，输出若干风险模块的结论性信息与明细信息，提供不同行业、不同体量以及不同业务场景（含客户营销、信贷审批、贷后管理）的相关岗位人员提供风险识别和辅助决策的数字化工具，协助产品使用者在关键业务环节中克服经验主义，减少操作风险，提高贷前、贷后环节的风控管理水平，全面优化资产质量与结构。具体体现在以下两个环节：

（1）授信审批环节

本产品所提供的贷前风险辅助决策，除相关风险模块的综合结论与明细信息以外，还包含具体指导性意见，供报告使用者参考。包含但不限于综合建议（通过/否决/其他）、风险提示（基于非关键风险的风险提示）；

（2）贷后管理环节

本产品所提供的贷后风险辅助决策，除相关风险模块的综合结论与明细信息以外，还针对客户当前风险等级，向报告使用者提供差异化的业务管理工具。包含但不限于贷后现场检查表、贷后非现场检查表。

七、经验总结

在数字化转型的过程中，金融机构在客户画像分析方面的技术水平不断提高，将会为智能化服务的普及提供有力支撑。随着人工智能技术的不断提升与普及，未来，金融机构将会通过智能化服务，为客户提供更加便捷、贴心的金融服务。金融科技在客户画像分析中的应用，为金融机构提供了更加全面、深入的客户洞察。借助数据挖掘、人工智能、机器学习等技术，金融机构可以更加精准地进行客户画像分析，为客户提供更加个性化、优质的服务。在不断提高服务质量的同时，金融机构也需要关注隐私保护和数据安全问题，不断创新，为客户带来更多的价值。