一、项目背景及目标

在数字经济蓬勃发展和国家推动数字技术与实体经济深度融合的背景下，信用卡行业作为金融与消费的关键连接点，正经历深刻变革，并成为践行金融“五篇大文章”的重要载体。国家、省、市层面多次明确提出支持地方法人金融机构探索数字化转型发展，建设数字经济基础设施，为各类经济主体提供数字化金融服务。信用卡业务亟须通过科技赋能，利用AI模型将数据转化为生产力，连接消费场景，服务实体经济并实现商业可持续。

从行业发展现状看，我国信用卡市场已从高速发展步入存量竞争阶段。随着市场日渐饱和，行业发展面临跨域数据割裂、外部数据接入不足，审批效能滞后、模型计量精度较低、客户价值挖掘不足、客户流失率较高等诸多问题。与此同时，市场竞争愈发激烈，不仅来自同行之间的竞争，互联网金融平台推出的类信用卡产品也对传统信用卡业务造成冲击，消费者的金融消费选择更加多元，这使得信用卡业务拓展新客户、提升客户活跃度与忠诚度面临巨大挑战。

为应对挑战，贵阳银行启动“智能风控驱动的信用卡全流程精细化经营体系建设项目”。项目旨在深度挖掘数据价值，运用先进模型技术，构建覆盖信用卡贷前、贷中、贷后全生命周期的数字化经营体系。通过整合内外部数据构建精准客户画像，实现精准营销与高效获客；利用大数据与AI模型优化审批流程、实时风控、动态调额，提升风险管理水平；洞察消费趋势，创新产品与服务，精准匹配新消费需求，从而提升业务竞争力、运营效率与风控能力。

二、项目方案

本项目构建了全域化、高价值、强流通的数据生态体系，深度整合各类数据源，支撑智能风控的核心引擎。

1.数据开发

（1）数据来源的广度与深度：本项目使用数据来源于行内、政府平台（税务部门、公积金管理中心等）、外部第三方数据服务机构等，数据维度丰富，来源范围广。涉及行内线上、线下业务渠道，包括手机银行、微信银行、小程序、PAD、自助服务终端等渠道，也包括行外银联云闪付、一码贵州等外部第三方渠道。通过本次项目实施，打通三大数据圈层，破解区域性银行数据孤岛困局。行内生态层：实时汇聚信用卡交易流水、客户基础属性、分期历史等核心数据，并联动零售存贷记录、手机银行行为埋点等关联数据，构建客户全景视图，深化对客户金融行为和需求的理解。政务赋能层：接入税务、公积金、司法等政务数据，有效补充客户资质与信用画像，提升风险评估与业务验证的精准度。外部协同层：整合人行征信报告、银联黑名单等权威数据，完善风险识别维度，强化信用评估与反欺诈能力。

（2）数据维度的纵深化拓展：构建覆盖全生命周期的精细化风控特征体系。本项目着力推进数据维度的纵深化拓展，成功构建了一套覆盖贷前、贷中、贷后全生命周期的精细化风控特征体系。该体系已整合并衍生形成上千个动态特征变量，系统性地覆盖了风险识别的三大核心价值维度。

信用风险维度：以人行征信数据为基础，深度聚焦客户基础信用资质与偿债能力评估。核心指标不仅包括对人行征信报告中历史还款记录（如逾期频率、时长、金额）、负债结构（如信贷账户数、总授信额度、循环使用率等） 的全面解析，更精确计算并评估负债收入比等关键偿债能力指标，为信用风险的精确定价与分层管理提供坚实依据。

行为偏好维度：充分挖掘客户交易数据，深入刻画客户消费行为模式与价值取向。通过量化分析绿色消费行为（如公共交通高频使用率、特定环保商户交易占比）、文旅消费特征等非结构化行为标签，精准描绘用户画像，识别潜在风险与价值增长点。

收入稳定维度：引入权威政务数据（个税、公积金等），强化对特定客群收入稳定性与持续经营能力的评估。重点纳入如纳税额同比增长率及波动系数、社保公积金连续缴纳时长、企业注册资本实缴比例及变更频率等指标，有效评估其经营稳健性和收入可持续性，弥补传统风控模型对经营风险的识别盲区。

2.技术路线

（1）技术架构

项目基于贵阳银行信用卡客户申请及行为数据，以行内大数据平台为数据底座，横向打通行内零售条线各版块数据，有机结合司法、税务、公积金等外部第三方数据，融合线上、线下的海量结构化数据及非结构化数据，搭建了以贷前申请评分模型、贷中行为评分模型、贷后早期催收模型为核心，多功能模块全面覆盖的一整套信用卡智能风控体系。技术架构如下：

（2）数据平台

数据平台为我行数据底座，为信用卡全流程风控体系的搭建提供数据支持。主要有四层架构，包括数据贴源层、数据整合层、数据共性加工层、数据应用层（含模型计算和模型调用区）。采用分层设计，将数据加工与历史存储分离，极大地提高了ETL处理效率和数据前端访问效率。

数据贴源层：承担数据湖的职能，将全行业务系统数据T+1日进行接入存储，同时还接入外部数据。

数据整合层：采用3NF与宽表设计结合，既满足集市时效性的需求，又尽量减少数据冗余。整合各源业务系统和外部数据，实现了全方位的数据整合和融合。

数据共性加工层：采用逆范式及维度建模的设计方式，使其业务含义易于理解，方便业务进行自定义查询，一次加工，多次使用，服务多个不同集市及应用，实现数据和指标的共享，减少数据重复计算与存储。对常用的业务口径进行统一的定义和维护，有利于实现可信的单一视图，提高数据使用效率和数据标准化。

（3）数字化模型策略体系

本项目基于行内百万量级的信用卡客户完成开发评估，使用机器学习算法进行模型开发验证，通过数据驱动构建优质客户画像，使用规则学习算法针对不同客群构建差异化的业务规则集，最大化地发挥模型优秀识别能力，提升信用卡贷前风控精细化运营水平。项目涵盖贷前申请评分模型、贷中行为评分模型、客户分期意愿模型、贷后催收模型、贷前准入策略、申请反欺诈策略、转人工策略、授信审批策略、早期风险预警策略、额度调整策略、差异化定价策略、消费促活策略、早期催收策略等多个板块。

（4）智能化决策平台

本项目通过引入可参数化配置、热部署的决策引擎，实现内外部数据源的统一调度，提高申请决策的响应速度和策略迭代的频率，实现信用卡业务申请审批的实时化、线上化，有效加强数据集中和共享，助力线上业务有序开展，提升风险管理价值，推进信用卡业务数字化转型进程。

（5）信用卡贷中运营管理系统建设

项目搭建了贷中运营管理系统以支持贷中风险预警、客户邀请提额、自主申请提额等策略的落地，该系统支持对各业务模块全流程的系统化及自动化处置，并通过该系统实时监测各业务运行情况，从而定期对相关策略进行适应性优化调整。

（6）贷后催收系统建设

项目搭建了自动化、智能化的催收管理平台，整合客户信息、账务数据，实现催收案件全流程线上化管理（分案、提醒、跟进、记录）。通过决策引擎配置差异化催收策略，并集成智能外呼、短信、语音机器人等工具，辅助人工降本增效。系统强化监控预警与合规管控，助力金融机构有效降低不良率、优化资产质量、提升风控能力。

（7）智能风险监测预警体系

项目搭建了客户全生命周期的风险管理监控报表体系，对风险模型策略、资产质量、客户交易行为等进行全面监控，实现对业务运营状态的充分监测与动态管理，包括申请审批流程监控、客群结构监控、规则命中监控、资产质量监控、交易行为监控等方面，结合实际业务设置相应指标预警阈值，对异常指标进行快速识别和风险排查。

三、创新点

1.机制创新

大数据和人工智能结合：打通了行内外各模块间数据，打破了数据交互壁垒，丰富了数据维度，提升了数据使用效率。利用大数据技术进行多源数据整合，结合人工智能算法进行深度学习和模型优化，提高风险评估准确性和精确度。

实时风险监控：建立实时风险监控系统，利用流处理技术，对贷款申请和客户行为进行实时监控和分析，及时发现风险并采取应对措施。

综合数据平台：搭建集成多种功能的大数据平台和数据社区，并提供数据清洗、加工、分析和建模等全方位服务，满足金融机构多样化的风控需求。

动态数据更新：实现数据的实时更新和动态分析，保证风控模型的时效性和可靠性，适应不断变化的市场环境和风险情况

定制化解决方案：根据不同客户需求，提供灵活的风控策略和模型调整服务，确保解决方案的适用性和有效性。

2.模式创新

全系统渠道横向打通：以客户为中心，围绕客户运营，通过打通行内大数据平台、信用卡管理平台、卡核心系统、手机银行、微信小程序、微信公众号等诸多系统渠道，整合风控、营销、获客、运营等各模块为一体，在提升客户用卡便利性和体验感的同时，也提升了后台管理效率。

产业链协同：与金融科技公司、系统集成商等合作，构建完整的金融科技生态系统，共同推动风控技术的发展和应用。

开源合作：借助开源社区和技术共享，推动行业技术创新和进步，提升整体风控能力。

3.优秀的模型性能

一是贷前评分卡KS值达53.4，能有效区分好坏客户。实际应用中，评分前20%客户不良率仅0.8%，后20%达7.2%，较传统人工审批风险识别准确率提升31%。二是贷中行为模型KS值66，对异常行为捕捉敏感。某客户因“连续3个月信用卡额度使用率超90%且仅还最低还款额”被模型标记，经人工复核提前预警，规避28万元潜在坏账。三是分期意愿模型KS值63，测试集准确预测78%的分期意向客户。某营销活动仅向30%高意向客户推送优惠，分期交易额占比达65%，较全量推送资源使用效率提升2.3倍。

四、项目过程管理

为确保“智能风控驱动的信用卡全流程精细化经营体系建设项目”高质量、高效率推进，项目采用分阶段、分模块、跨部门协同的精细化管理模式。整个项目建设周期自2021年Q4至2024年Q4，共分为五大阶段，形成“规划—建设—验证—投产—优化”闭环管理体系。

1.项目立项与需求调研阶段（2021年Q4）

周期：约1个月

核心任务：完成项目立项与管理体系建立，明确项目目标、范围、治理架构与成果形态。信用卡部、风险管理部、数据管理部、科技部门联合开展业务调研，系统梳理贷前、贷中、贷后全流程痛点与需求。明确数据需求、模型需求、系统改造需求，形成《项目总体方案》《需求规格说明书》。

阶段输出：项目章程、业务需求说明书、数据需求清单、总体路线图。

2.数据底座建设与治理阶段（2021年Q4–Q1）

周期：约6个月

核心任务：数据仓库扩容、鲲鹏计算平台部署、数据接口打通，为模型运行提供算力与数据环境。

完成行内数据治理：ETL清洗、去重、补全、主数据管理等，构建客户全景视图。完成行外数据接入：人行征信、税务、公积金、司法等数据整合验证。建立模型开发特征库，实现千级变量沉淀与分层标注。

阶段输出：统一数据模型、主数据管理体系、特征库、数据质量监控机制。

3.模型开发与策略体系建设阶段（2022年Q1–Q4）

周期：约12个月

核心任务：基于特征库开展多模型并行开发，包括：贷前申请评分模型、贷中行为评分模型、分期意愿模型、办卡预审批模型、防流失预警模型、FRM模型。使用Logistic、XGBoost、LightGBM、RandomForest等算法构建模型，开展模型对比、参数调优、稳定性测试。建立全流程授信策略体系：自动审批、额度管理、差异化定价、风险预警等。按监管要求完成模型验证。

阶段输出：模型开发报告、模型验证报告、授信策略体系、A/B实验方案。

4.系统搭建与联调测试阶段（2022年Q2-2024年Q4）

周期：分阶段完成贷前、贷中、贷后的系统建设

核心任务：将风控模型、评分卡、策略引擎对接至智能管理平台，实现实时调用。完成智能调额、动态监控、自动审批等场景系统改造与接口建设。进行SIT系统测试、UAT用户测试、压力测试，验证策略准确性与执行效率。通过热部署决策引擎完成多模型A/B实验上线。

阶段输出：系统上线包、测试报告、决策引擎配置文档、投产审批材料。

5.上线投产与运营优化阶段（2022年Q2至今）

核心任务：全量投产上线，覆盖办卡审批、贷中监控、智能调额、促活营销等多个子系统。监测模型表现：坏账率、准入率、风险捕获率、分期转化率、自动化决策率等。依托热部署能力开展策略快速迭代，对风险阈值、定价策略、投放客群进行周度优化。输出月度运营复盘报告，定期监控稳定性及风险偏移。

阶段输出：投产报告、运营复盘、策略优化方案、风险监控报告等。

五、运营情况

作为西南区域首家建立信用卡全流程线上完整风控体系的城商行，打破数据孤岛，实现内评、反欺诈、数据平台、手机银行、微信银行、PAD等系统无缝对接，全流程实现数字化、无纸化。提升了本行市场竞争力，为区域同业数字化转型提供可参考范本。通过多源数据整合和机器学习算法，构建精准的风险评估模型，提高风控的准确性和可靠性，提升整体贷款质量。利用客户画像和行为分析，提供个性化金融产品和服务，提升客户满意度和忠诚度，提供个性化客户服务，增强客户体验。通过数据分析和挖掘，支持银行在信贷审批、风险管理、产品推荐等方面做出科学和高效的决策，提升决策质量和效果。同时，数据驱动的风控解决方案，支持银行在金融科技领域的创新和探索，开发新的金融产品和服务，提升业务多样性和创新能力。

六、项目成效

1.服务成效

（1）客户服务质效跨越式升级。项目构建了涵盖贷前、贷中、贷后全流程风控机制，形成信用卡业务智能决策中枢，通过决策引擎整合征信、交易、行为等10多类数据源，实现多系统之间的数据整合与加工传输，实现秒级响应能力。基于自动化审批决策体系，实现客户最快6秒极速授信审批，较传统流程时效提升99.2%，客户平均等待时长大大缩短。

（2）实现全周期风控体系升级。进一步夯实信用卡贷前风控水平，实现了对存量客户的定期风险评估、异常情况监测等，通过系统代替人工，提高贷中管理效率，防范客户信用风险和员工操作风险。根据客户行为表现数据信息、客户交易行为信息、信用历史记录和第三方数据，开发贷中行为评分模型，在所有客户中识别出特定的细分人群，进行有针对性的早期干预活动，减少逾期并提高收益。风险预警模块于2024年1月初步上线，截至当前已陆续对近3万名风险客户提示风险预警信号，新增逾期不良金额下降了约9%，有效防范了逾期风险并减少了逾期损失。目前我行信用卡客户首逾率0.11%，低于贵州区域同业的0.74%，低于全国117区域性商业银行的0.98%，有效筑牢业务可持续发展防线（注：数据来源于银联数据）。

（3）授信管理动态化与精准化。通过系统模型实现了对客户额度的综合化、动态化管理，提升了授信的精准度，并确保了对客户的授信额度每年至少进行一次重新评估测算。一是对持卡人可用额度进行持续监测与调整，基于对持卡人账户表现和早期风险信号的评估，自动或人工降低信用额度；二是以收益、风险、额度使用率等多维特征，确定提额目标人群及最优提额量；三是对我行现有贷中调额流程进行了梳理与系统化再造。提额模块于2024年2月至今，陆续上线了包含固额、临额的邀请客户提额、客户自主申请提额功能，上线至今共为7万多名客户进行提额，提额幅度总额约5亿元，带动分期1.6亿元，通过A-Btest，提额用户在提额后的消费金额提升约2.7倍，分期金额提升约2.5倍，既解决了客户的用信需求，也提升了客户对我行信用卡的用卡黏性。同时通过授信额度支持，有力激发客户消费活力。2024年，全行信用卡客户消费笔数较2022年增加26%。

（4）建立风险收益平衡定价体系。构建“行为－风险－收益”动态机制，基于高风险高定价，低风险低定价的定价原则，结合客户风险评级与账单行为，计算客户个性化分期折扣系数，建立客户分群定价浮动区间。与此同时，并优化了一系列分期促客系统流程，在风险可控的同时提升了信用卡分期业务收益。该策略上线前后，整体客群月均分期笔数提升28%，月均分期金额提升13%，月均分期利息收入提升74%。2024年，分期意愿模型上线后引导客户分期28亿元。

2.经济效益

一是风险成本精准压降。通过全流程风控模型（覆盖贷前、贷中、贷后），实现动态风险定价与早期干预。通过多源数据整合和机器学习算法，构建精准的风险评估模型，提高风控的准确性和可靠性，提升整体贷款质量。智能预警系统上线后新增逾期不良金额下降9%，不良客户数下降22%，高风险客户识别准确率提升30%以上。基于千维特征变量（信用风险、行为偏好、收入评估等多个板块）的决策引擎，降低人工审批依赖。

二是运营效能显著提升。自动化审批体系实现“秒批”功能（最快6秒），显著改善客户体验。流程再造清除冗余节点达60%，配合大数据模型调额与预授信模型，额度管理效率提升3倍，年处理调额需求超7万笔，授信总额增加5亿元，带动分期提升1.6亿元。

三是收入结构的多元化拓展。构建“行为－风险－收益”动态机制，高风险客群分期定价上浮带动利息收入增长，低风险客群利率优惠提升动卡率11.6%，分期业务利润贡献提升22%。存量客户深度经营（如借记卡客户转化）降低获客成本大大降低，新增客户同比增长94%，户均生命周期价值提升40%。

3.社会效益

一是激活区域消费市场。联合本地商户打造“消费券+满减权益”场景，嵌入餐饮、文旅、绿色消费等高频领域。2025年至今累计带动消费额突破120亿元，助力区域经济循环。响应“乡村振兴”“绿色金融”政策，发行乡村振兴卡，引导公共出行、环保消费，乡村振兴卡发卡超5万张，累计支持授信资源超5亿元。

二是提升金融服务能力。通过对海量数据的整合应用，建立预授信模型覆盖征信白户、无固定收入人群，县域及以下城市客户占比提升至35%，进一步延伸金融服务半径。针对“新市民”群体，通过模型优化及外部数据应用，尽力解决个税、公积金等数据缺失导致的授信难题。

三是形成了良好的社会示范效应。作为一家地处西部地区的城市商业银行，贵阳银行克服了区域条件、人才资源及数据基础等方面的现实制约，成功探索出了一条适用于自身特点的信用卡业务数字化经营路径。该实践不仅验证了数字化模式在资源受限环境下的可行性，也为同类城商行提供了可参考、可复制的有益经验，发挥了积极的行业示范作用。

七、经验总结

在项目的规划、建设与落地过程中，我们积累了以下几方面的宝贵经验，为后续同类项目提供了可复制、可推广的实践路径。

1.顶层设计的重要性

本项目从一开始就坚持“业务目标牵引、技术能力支撑”的思路，通过明确核心诉求、目标客户、风控边界和运营指标，避免了系统建设过程中出现“技术驱动但无业务场景落地”的情况。事实证明，前期充分的顶层规划能有效降低返工率，确保项目建设整体方向一致、逻辑连贯。

2.业务、风控与科技的协同是成功关键

项目建设过程中最具挑战性的环节在于风控策略、客户运营需求与系统可实现性的平衡。通过建立多部门协同机制——包括需求共创、联合评审、策略可行性验证和灰度测试等——显著提升了方案制定效率。实践表明，只有让业务、风控和科技团队充分理解彼此的工作逻辑，才能构建既稳健又具有拓展性的系统能力。

3.数据与模型质量决定策略成效

在策略优化、模型引入和规则配置的过程中，我们深刻认识到数据治理的重要性。包括变量衍生、缺失处理、标签一致性、多来源数据对齐等问题，都可能影响模型表现和策略准确性。本项目通过加强数据校验机制和对模型全流程的质量控制，确保策略输出稳定可靠，显著提升客户筛选精准度和风险识别能力。

4.敏捷迭代能有效提升交付效率

在系统设计阶段我们采用了“小步快跑、持续交付”的敏捷模式，先交付核心功能，再逐步扩展高级能力（如实时策略、黑白名单管理可视化、自动审批流等）。这种迭代方式既缩短了上线周期，也确保各项能力能够迅速进入业务场景验证，持续优化。

5.统一标准与规范化建设是规模化运营的基础

在风控策略、人工审批、名单管理等核心环节中，标准化的重要性尤为突出。本项目通过统一风控口径、准入逻辑、参数解释及审批参考项，大幅减少了不同人员、不同时间点产生的策略偏差，提高了风险政策的一致性和可追溯性。实践表明，只有将标准固化到系统中，才能真正实现规模化运营的稳健性。

6.系统可用性和交互体验同样不可忽视

无论系统内核能力多强，如果界面复杂、操作繁复，都会影响业务人员的使用意愿。本项目在交互设计中坚持“易懂、易用、易运营”，通过参数可视化、规则树展示、策略命中路径回溯等方式，使业务部门能够快速理解策略逻辑，提高了人工决策的质量，也增强了风控策略的透明度。

7.持续监控与闭环机制决定项目能否长期有效

上线后的策略监控、模型监控、异常预警、人工件跟踪和迭代机制，使我们能够实时掌握系统运行情况，快速识别风险点。项目实践表明，策略建设的价值不在于一次性上线，而在于持续优化，闭环机制是保障系统生命力的核心。