一、项目背景和目标

近年来，国内外经济形势下行，商业银行零售贷款不良率普遍面临下行压力，中小银行零售风险管理面临四个痛点：一是资产质量管控难，个人客户及中小微企业抗风险能力不强，随经济周期下行，资产质量劣变加速，同时零售业务基于不同场景的产品创新程度高，业务模式从线下逐步过渡到线上，信贷风险不仅涉及借款人违约风险，还涉及贷款办理流程中各环节复杂多变的合规风险，资产质量管控难度进一步加大；二是收贷收息难，经营机构客户管理量级大，管理地域幅度广，单户催收效果差，季末月末贷款接续、本息催收缺乏统一有效指导，管理效率低、压力大；三是贷后管控难，客户经理人均管户过百，传统的贷后检查流于形式，难以及时识别客户风险，往往贷款逾期后才被动介入，风险化解成本高、成功率低；四是客户经营难，零售客户的风险特征缺乏深度洞察，客户精准识别、未来风险趋势预估难度大。风险管理形式复杂多变，亟需构建科学、系统、前瞻的风险管控路径，增强应对内外部多元风险的韧性，提升核心竞争力。

为破解上述难题，支撑零售业务稳健发展，我行于2025年1月开启贵州银行零售风险视图建设，旨在打造一个集监测、分析、预警、管理于一体的零售风险核心驾驶舱，实现全行资产质量“一图清”、风险预警“一哨响”、临期管理“一链管”、客户画像“一览明”。

二、项目方案

零售风险视图的构建与应用实践项目主要功能包括全行级资产质量动态监测、信贷风险监控、客户风险画像、贷款临期管理，四个板块均位于项目首页菜单栏。

项目基于我行现有的大数据平台及BI工具搭建，技术架构自下而上分为四层，分别为数据源层：整合行内核心系统、信贷系统、客户关系管理系统以及外部工商、司法、征信等数据；数据整合与计算层：利用大数据平台进行数据抽取、转换和加载，形成结构化的零售风险数据集市，并在此层完成预警模型的跑批计算；数据分析与服务层：基于数据集市，构建多维数据立方体，支撑上层的灵活分析和快速查询。应用展示层：通过BI工具开发交互式仪表盘，用户通过浏览器即可访问四大板块的可视化界面，支持钻取、筛选、下钻等多维度分析操作。

（一）聚焦“提速”，提供多维度风险监测体系

项目中“资产质量动态监测”板块打破传统小微、消费信贷以及信用卡业务之间的数据壁垒，搭建完成全行级资产质量数据看板，重点监测不良、逾期、关注等监管重要指标，实时、动态、一键展示各细项产品、各分支机构资产质量较上月、较年初及历史趋势变动情况。板块整体定位于“大而全”，通过覆盖全行零售信贷50余款产品、100余家支行，对标监管1104报表口径数据，不断丰富监测维度，着力提升各级人员重点风险指标变化的敏感度，实现风险管理效率的提升，筑牢风险管理阵地基础。

（二）聚焦“提能”，提升多层次预警监控能力

项目中“信贷风险监控”板块历经3年的迭代优化及实战验证，不断持续挖掘风险信息，已开发落地32个预警监测模型，按月自动调度，全面筛查客户及业务风险，输出信贷业务非现场监测预警信号，为内部检查提供样本。

通过引入大数据、分布式计算、机器学习和人工智能等技术手段，提升非现场监控能力。包括提高风险管理人员整体风险分析和发现能力，构建关联网络以深度挖掘信贷业务风险，整合行内金融交易数据、征信数据的基础上，将外部的工商、司法、涉税经营等信用类数据纳入大数据模型，叠加特定场景专属风险特征，有针对性研发特色产品风险子模型，精准抓取异常信号业务，提升风险预警引擎识别能力。如针对小微经营贷款，预警是否存在企业注销失信、涉毒涉案涉诉、关联风险集聚等信用风险信号；预警存在统贷统还、虚假交易、户贷企用等高欺诈风险贷款；预警信贷资金流向限制领域、员工客户是否存在资金往来等不合规业务。如针对按揭贷款，开发业务办理中介和虚假融资等风险场景模型，对疑似假按揭进行提示预警。通过智能风控模型的应用，提供全面、准确的风险贷款线索，包括多维度的客户风险识别和业务风险识别，推动我行的数字化转型和风险管理综合能力的提升。

（三）聚焦“提质”，探索多形式客户管理策略

项目中“客户风险画像分析”板块，在全面风险管理的偏好下，专家经验及数据驱动共同提炼借款主体关键特征，包括贷前贷后评级分布、学历及行业占比增速等10余项特征，满足各级机构深入了解客户全貌的需要，进一步设置低学历、高风险行业客户准入线，及时提示下级行加强贷前风险管控，优化客户营销策略、做好后续风险变化防范，有助于提升全链条管理人员选客户和控风险的动态平衡能力，提高风控效率。

（四）聚焦“提效”，拓宽多渠道临期管理手段

项目中“贷款临期管理”板块，实现各分支机构收贷收息、逾期压降情况实时跟踪，清晰掌握本息待收回差额、逾期贷款待压降目标。根据客户逾期情况，精准推算风险分类下迁时限，即时生成应续尽续、应重组尽重组清单，并按下迁不良时间智能排序，直观展示临期贷款处置优先级，实现年末季末收贷收息、临期处置工作的数字化、智能化跃升。

三、创新点

（一）理念创新

打破了传统风险报表周期长、维度单一的局限，创建了实时更新、可交互探索的统一风险视图，将风险管理从“向后看”的复盘模式，转变为“实时看、向前看”的主动管理模式。

（二）业务创新

构建“风险预警-临期管控-指标跟踪-画像监测”四位一体的主动风控闭环，各环节相互支撑，共同助力零售业务健康发展。风险预警板块，自主开发的33个预警模型实现了风险信号的早期捕捉、提前介入、高效化解，降低临期贷款收回压力。临期管理板块，按日更新各分支机构收贷收息、逾期压降情况，智能生成“应续尽续、应重组尽重组”清单，高效开展年末季末收贷收息工作。资产质量指标跟踪，是风险预警、临期管理结果的呈现，也是后续工作的指导。客户画像板块，可视化分析贷前贷后客户评级、学历、行业等特征的变迁，为理解、预判所处风险形势提供了宏观视角，也对贷前客户选择、贷后风险预警处置及临期贷款收回的政策制定提供了支撑。

（三）应用创新

精准赋能基层，为一线客户经理减负提效。项目设计始终以用户为中心，临期管理板块直接告诉客户经理“做什么、先做哪一项”，风险预警板块直接推送风险线索，改变了客户经理“大海捞针”式的工作方式，极大提升了基层的风险作战能力。

四、项目过程管理

项目2025年1月启动，共分为五大阶段，分别是需求设计阶段、模型开发阶段、报表开发阶段、测试阶段及应用推广阶段。

需求设计阶段：2025年1月至2月，历时2个月，完成项目需求编写，确定四大模块具体展示报表、33个预警模型开发逻辑。

模型开发阶段：2025年3月至6月，历时4个月，完成33个预警模型大数据平台开发及代码编写工作，建立自动调度体系，实现系统每月自动跑批。

报表开发阶段：2025年7月至8月，历时2个月，基于BI智能分析平台，完成核心数据源接入、数据标准统一及最终报表开发展示。

测试阶段：2025年9月，历时1个月，完成报表、模型及最终展示成果测试、缺陷修复。

应用推广阶段：2025年10月，贵州银行零售风险视图投产上线并开展全行推广，下发系统操作手册，指导分支行利用风险视图完成预警核查工作，并建立线上支持群提供实时答疑。

五、运营情况

2025年10月，贵州银行零售风险视图面向全行投产上线，目前，总行风险管理部、各分行风险及零售业务条线、支行管理人员及客户经理均已纳入日常使用体系，实现总分支三级管理机构开展全流程风险监测管理。

对于总行管理层，风险视图呈现全行风险现状、预测未来风险趋势，为后续风险政策制定提供了决策依据；对于分支行管理人员，视图提供统一的全行风险指标计算，预警了风险信号，提示了收贷收息进展，避免了繁琐的手工报表制作，帮助分行更好地组织贷后风险核查、化解、管控工作；对于一线客户经理，零售风险视图充分发挥工具作用，贷后风险怎么管，风险贷款怎么查，到期贷款如何收，系统直接给到针对性建议，大大提升工作效率。

六、项目成效

提前介入，推动风险化解。项目上线后一年，通过预警模型提前介入潜在风险贷款，发现问题贷款1878笔、28.78亿元，推动分行核实风险实质，通过整改、结清等方式实现风险化解1432笔，避免贷款劣变至不良。

风险预警，提升合规水平。项目对信贷资金流向、借款人交易行为等进行了监测，防范了资金违规流入股市、楼市等领域，降低了监管风险，提升了内控合规水平。

精准管理，优化客户服务。客户画像跟踪及临期管理模块续贷清单推送，为暂时困难但前景良好的客户及时提供续贷、重组等支持，践行了金融服务实体、支持民生的社会责任，提升了客户忠诚度。

七、经验总结

（一）业务驱动是成功前提：项目始终围绕业务痛点展开，深入一线调研基层需求，确立了风险视图预警式贷后和清单式续贷两大核心价值，确保产品“好用、实用”。

（二）数据质量是成功基石：模型开发及报表开发过程中，团队在数据治理上投入了大量时间精力，数据的不规范不准确也对项目进度乃至模型准确性产生了较大的影响，数据类项目必须坚持“数据先行”，打好基础，树好标杆。

（三）模型精准是成功保障：模型开发紧密贴合重点业务场景，以贷款“三查”各环节隐蔽风险点、监管及行内规定红线、内外部检查审计等问题事项为切入点，提炼并量化风险特征构建监测模型，同时将现场反馈情况对模型进行逐步调优，让监测模型更加精准定位到业务风险，为日常风险管理提供了准确的视角和线索。

（四）敏捷迭代是关键方法：采用“试运行-反馈-优化-推广”的模式，既保障项目进度，促使产品尽快投入使用、产生业务价值，又能有效控制项目风险，确保了最终成果符合用户预期。未来，我行将持续对项目迭代优化，进一步引入先进技术，提升预警模型精准度，持续巩固和提升我行零售业务的风险护城河，为实现高质量、可持续发展保驾护航。