一、项目背景及目标

（一）立项背景

当前金融市场竞争加剧，柜面业务场景复杂多元，虚假交易、违规操作等风险点隐蔽性增强，传统不定期现场检查、合格审查、柜面业务复核等依赖人工抽查、事后监督的风险管控模式存在效率低、覆盖窄、滞后性等问题，难以适应精细化风控需求。同时，国家金融监管机构对金融机构运营风险管控的规范性、前瞻性要求持续提升，亟需科技手段破解风控难题。为落实金融高质量发展要求，践行“做好五篇大文章”中“科技金融”“风险防控”相关部署，贵州银行立足运营风险管理痛点，立项建设运管平台-预警监测管理系统，以科技赋能提升风险管控的精准度与时效性。

（二）项目目标

利用大数据平台公共数据，结合运营风险特征设立风险预警模型，构建及时监测、精准预警、有效应对的风险监测管理体系。预警监测管理系统覆盖全柜面业务及延伸业务，实现风险特征自动提取、预警数据精准生成、核查处置闭环管理。进一步推动柜面业务操作规范化，降低运营风险损失，提升全行运营风险管理效能，助力高质量发展。

1.提升风险识别精准度。通过风险模型精准定位高风险交易，降低人工筛查的盲目性与漏报率。

2.提高风险监测时效性。变事后监督为事中、准实时监测，缩短风险发现与处置周期。

3.统一风险核查标准。建立标准化的预警分析与核查流程，提升全行风险管理的规范性与一致性。

4.赋能基层合规操作。通过预警反馈机制，促进柜面人员规范操作，筑牢风险防控第一道防线。

二、项目/策略方案

（一）项目策划

由总行运营管理部牵头，信息科技部协同开发厂商，明确“技术架构搭建-风险模型研发-业务流程适配-试点推广落地”四个阶段推进，将预警监测管理定位为运营风险管理的核心工具，覆盖全行所有柜面及延伸柜面业务。

（二）项目实施

1.技术构架搭建（数据准备）。

采用麒麟操作系统（Kylin）、东方通中间件（东方通中间件）、国产分布式数据库（GoldenDB）以及国密算法构建信创基础服务平台。基于微服务架构设计，前端框架采用Html5 +VUE框架，后端技术运用SpringCloud微服务框架，按业务模块拆分独立服务单元，降低系统复杂度，实现服务间的解耦；前后端通过http+json交互数据,搭配 redis缓存、 kafka消息队列、ESC服务治理,文件传输平台等系列组件，采用 CICD/EasyOps部署模式；基于大数据平台ETL任务调度加工源系统数据，运用 Flink流处理框架与 Kafka 消息队列，支持集群横向线性扩展。

2.风险模型开发与管理。

（1）总行基于历史运营检查风险事件、同业相关专家经验以及相关合规管理要求，设计涵盖员工行为、账户管理、支付结算、现金出纳、内部账户、异常交易等多维度关联风险的预警模型，其中，除延续重点交易监测外，计划上线76个风险预警模型，包括“非正常时间交易”“频繁发生长短款”“当日开户当日销户”“频繁取款”等典型场景模型。

（2）通过“调整参数+优化规则+精准数据范围”实现模型动态管理，适配风险形势变化。

3.运行推广。

先选取五家分行开展“核心柜面系统重点监测+运管平台预警监测”双线运行；待系统运行稳定且计划模型基本上线后，终止核心柜面系统重点监测，在全行九家分行所有机构全面试运行。

4.业务模式。

构建“系统运行风险模型→生产预警任务→各级监测人员以监管及本行规章制度为依据，以人工审核为手段，对系统推送的“预警监测单”进行审阅、核实、分析，依据结果判断是否存在风险隐患或违规情形→处置预警任务→督促整改与反馈→质检→实施有针对性性的辅导提升”的闭环管理模式。

三、创新点

（一）技术创新：精准识别风险。

深度整合行内各系统数据与外部数据，构建全面覆盖机构、客户、账户等维度的运营数据集市，为风险识别提供充足数据支撑；引入多维度风险模型，实现复杂、隐蔽风险线索的精准捕捉，提升风险识别颗粒度。

（二）模式创新：高效处置风险。

打破传统依赖人工核查、经验判断的“被动防御”模式，通过“大数据+风险模型”实现了运营风险管理从“人防”为主向“技防+人防”深度融合的转变，构建了“智能驱动、人机协同”的风险监测新模式。

（三）管理创新：长效管控风险。

1.构建客户、账户、操作行为的三维风险画像，实现“一笔一查”的精准管控，推动运营风险管理从“粗放式”向“精细化”转型。

2.预警数据赋能员工行为管理与培训，解决“培训无重点”的问题，通过数据驱动提升全行整体操作合规。

四、项目过程管理

（一）需求调研与规划阶段

项目启动前期，我行针对本次项目作了整体规划调研，包括市场情况调研、组织同业考察交流、我行内部运营情况分析等，同步明确我行关联部门职责，提升了整体项目建设视野，最终决定选择基于统一数字化运营管理平台的架构模式实现管理功能全面整合。    （二）基础平台搭建及预警监测功能上线

2022年7月-2022年12月，搭建技术架构，实现运营管理基础管理平台搭建，上线预警监测管理功能，实现重点交易预警。

（三）试点上线与优化阶段

2022年12月22日-2023年12月31日，一是选取5家分行试点运行（2023年9月7日前实行“核心柜面系统重点监测、运管平台预警监测重点交易”双线运行，9月7日至12月31日单独运行“运管平台预警监测”），收集反馈优化系统功能。二是严谨按照“需求分析+数据分析+开发+测试+投产”模式逐个上线66个风险模型。    （四）全行推广阶段

2024年1月1日-12月31日，一是持续完成全部76个风险模型上线投产，含重点交易在内，运管平台预警监测共计上线78个预警模型。二是全面启动全行9家分行运营管理平台预警监测管理工作，分批次完成风险模型上线，同步开展人员培训，建立常态化运维机制。

（五）持续运营与迭代阶段

2025年1月1日至今，建立常态化管理机制，涵盖预警监测、模型优化、系统维护及功能升级。一是建立总分支“运营直通车”反馈机制，及时收集各机构关于重点交易、风险模型、系统操作、数据等方面的问题，总行收到问题立即响应，及时分析判断并进行优化处置。二是筛选各机构业务骨干组建模型分析小组，不定期对风险模型进行分析，对风险模型进行持续迭代优化。

五、运营情况

（一）推广应用

1.预警监测管理系统已在全行9家分行全面上线，监测范围覆盖所有营业网点、总分行本级业务机构以及现场营销延伸柜台。截止至2025年10月31日，除重点交易监测外，共计上线78个风险预警模型，累计进行13次模参数调整优化、3个模型规则及数据优化，同时实现与集中作业联动，实现集中授权风险线索推送。系统累计产生预警数据176.88万条（重点交易占比18.11%），下发问题整改单据2900余个，向总行相关部门及业务团队提交系统管理、业务管理风险提示约5条，助力全行实现柜面业务风险监测全覆盖。

2.运管平台预警监测功能不仅致力于风险模型的动态管理，还结合日常监测处置情况，不断优化相关操作功能。

（1）2025年7月31日上线监控调阅功能，实现在预警监测系统通过业务流水定向查阅监控录像的功能，较大提升监测人员核查处置效率。

（2）2025年9月10日，突破数据及时技术壁垒，在预警监测系统已改变原风险管理模式提升为“T+1”日预警的基础上，进一步实现重点交易“准实时”预警，即重点交易发生后半小时内发起预警，预警效能更加高效。

（3）2025年10月15日，新增支行三级模型监测员角色，协助运营主管核查处置异常交易账户预警排查，进一步提升支行账户风险管控效率。    （二）用户反馈    分支行运营风险管理人员均反馈，预警监测系统精准提取风险数据，有效提升了运营风险管理的工作效率，解决了原现场或非现场检查覆盖面广、抽查随机以及不易发现风险问题的痛点，通过充分利用预警监测系统，一方面调整现场检查辅导方向，减少检查要点，使得现场检查辅导更充分、更深入；另一方面提供了新的更全面、更有效的运营风险管理思路，大大提升风控效率。同时，识别异常交易账户三级风险模型，为支行开展账户精准排查和管理提供了有力抓手。    （三）系统运行    经过对系统上线以来的持续应用监测，目前系统运行稳定，数据处理与预警生成性能满足业务需求，按需进行模型迭代优化，保持较高的风险识别率。

六、项目成效

（一）风险防控成效显著

预警准确率稳步提升，进一步规范柜面业务操作。如发现柜面通过存取款交易规避冲正业务、拆分交易、使用现金交易规避转账等日常不易察觉的违规操作。

（二）管理效率提升

预警监测提供了大量“非现场检查”的排查数据，释放了大量现场检查人员人力、时间的投入，将更多精力投入风险分析和管理工作，进一步提升运营效能。

（三）合规价值凸显

让柜面操作人员知晓不能心存侥幸，交易“随时”被监测，强化了内部控制和合规操作文化；系统上线以来向其他业务部门提供相关风险管理线索，有力支持了“防控风险”的金融大文章。

（四）社会效益

以科技赋能提升金融服务质效，有效防范柜面业务操作风险，维护金融市场稳定，践行金融机构风险防控主体责任，为“做好五篇大文章”中的科技金融、风险防控提供实践样本。

七、经验总结

（一）项目建设

1.技术选型：邀请多家软件供应商产品进行POC测试，选用稳定、先进的技术架构，保证平台的性能和可扩展性。

2.需求调研：做好传统的线下运营管理模式向线上转换的需求梳理，既要满足内控需要，又要便捷操作。

3.充分测试：进行多轮、多维度的系统测试，包括功能测试、性能测试、安全测试等，确保项目质量。

4.持续优化：根据监管要求以及风险形势变化趋势，结合用户使用反馈情况，实现模型规则和系统功能的智能进化，具备“持续优化、自我迭代”的内生能力。

（二）推广经验总结

1.业务与科技深度融合是关键：风险管理人员与科技开发团队的紧密协作，确保了模型与业务场景的高度契合。

2.数据质量是基石：高质量、标准化的数据是风险模型有效运行的前提，必须持续加强数据治理。

3.“建用结合、持续迭代”是生命力：根据监管部门持续提高的风险管理要求、银行业务风险形势的变化趋势以及相关用户体验反馈，敏捷迭代风险模型与功能，保持预警监测风险管理的前瞻性、先进性和实用性，满足业务发展需求。

4.流程配套与人员培训是保障：技术创新必须配套相应的管理制度、操作流程和人员技能培训，才能确保新模式的顺利落地和有效运行。

5.本项目是贵州银行在“数字金融”和“防控风险”领域的有益探索，为后续运用科技手段赋能经营管理、推动高质量发展积累了宝贵经验。