近年来，受经济增幅放缓、产业结构调整等因素影响，中小企业信用风险暴露速度不断加快，银行信贷风险管理难度持续攀升。目前，农村信用体系普遍面临信用风险系统智能化、自动化提升等挑战，在小微金融、农户信贷业务等领域难以获取全面、准确的风险数据，也难以评估征信白户等客户的信用风险，体现在信用风险评估指标体系化不足、信用风险数据模型构建能力不强、授信业务决策流程自动化程度不高等方面。

为提升科技引领银行业务发展和创新能力，支撑信贷业务智能风控体系建设，防范信贷各环节欺诈和信用风险，充分发挥农村信用社“支农支小”的作用，江西省农村信用社联合社(以下简称“江西农信”)利用大数据技术，构建了一套全行级大数据信用风控系统，助力信贷业务风控数字化转型。该系统通过充分发掘行内外数据价值，构建信用风险数据集市，利用大数据分析与挖掘模型，形成信用风控规则及模型库，为对私、对公等各类信贷业务提供覆盖贷前、贷中、贷后全流程的风控决策支持，有效应对信贷业务各阶段、各场景的信用风险。

一、江西农信信贷业务风控体系数字化转型实践

江西农信大数据信用风控系统的建设，以数据集市建设为底座，以决策引擎与模型平台为中枢，以风控模型与规则的构建为手段，实现了全行信贷业务风控体系的数字化转型。

1.构建全行级信用风险数据集市

江西农信通过汇集行内外各类相关数据，尤其是充分发挥征信数据的价值，搭建了全行级的信用风险数据集市。信用风险数据集市包括贷款风险、信用卡风险、企业征信风险、个人征信风险四大风险指标集市，在征信客户基本信息的基础上，针对个人及企业征信数据构建不同业务种类的账龄表现、授信表现、逾期表现、查询次数等指标，通过汇总、均值等统计方法构建各类衍生指标，利用机器学习等数据挖掘手段实施特征工程，沉淀各类离线及实时信用风险指标。信用风险数据集市通过整合风控多维数据、统一风控数据管理，打通风控数据孤岛，共享风控数据资源，盘活风控数据资产，提升了江西农信全局化的数据能力。信用风险数据集市的具体构建过程如下。

首先，通过整合内外部数据形成宽表，内容涵盖信用风险的各个业务与管理环节，并建立集时效性、有效性、可控性于一体的数据引入层(ODS);其次，基于行内外源数据，进行面向业务应用领域的主题域划分，构建贷款风险指标、信用卡风险指标、企业征信风险指标、个人征信风险指标四大风险集市主题层；再次，利用数据模型技术，针对不同来源的数据构建数据模型层(规则层)，并结合业务需求对具有关键应用含义的数据项进行加工；后，基于各层数据，构建应用端的指标层，结合时间、均值、值等统计维度诠释风险信息。大数据信用风控系统整体架构如图1所示。

图1 大数据信用风控系统整体架构

2.构建全行级信用风险数据规则及模型

江西农信通过建立智能化、模块化的信用风控管理中台系统，打造规则模块及评分卡模型模块，推动了大数据技术在个人借贷、小微金融等信贷业务场景信用风险评估方面的应用。江西农信基于征信信息、农户信息、企业收支流水等内外部数据，结合行内“四扫”(扫园、扫村、扫街、扫户)数据，构建大数据智能规则与分析模型，实现贷前准入、反欺诈、授信、贷后预警等信贷流程的自动化处理，打造覆盖全行信贷业务贷前、贷中、贷后全流程线上化的大数据信用风控系统，极大地提升了江西农信的智能化风控能力。

江西农信结合内外部数据，在信贷大平台数字风控3.0流程中设计了身份核验、反欺诈、业务准入、风险排除规则，并基于征信数据对不同客群进行信用风险评估，同时结合预授信综合审批策略与分层尽调策略，实现了贷前准入、反欺诈与授信的自动化流程处理;同时，还针对贷后环节构建了行为评分、预警、流水、资金流向模型，支撑了贷后预警的自动化处理。

3.打造全行级信用风险决策引擎

通过构建全流程规则化、数字化、智能化的工作机制，江西农信打造了全行级信用风险决策引擎，通过汇总内外部数据并进行解析加工，为业务系统实时提供各类风险规则、指标及模型评分，形成贷前贷后全流程智能化决策流。

大数据信用风控系统的上线，有效支撑了江西农信信贷大平台、信用卡智能进件等各类线上业务稳定运行。同时，系统通过对风控规则和模型的个性化配置，有效支撑辖内86家成员行上线个性化创新产品，提升了全行自动化决策能力。

二、江西农信信贷业务风控体系数字化转型成效

大数据信用风控系统的建设，进一步提升了江西农信信贷业务精细化管理水平，充分发挥了科技创新引领业务发展的作用，提升了信贷业务线上化、数字化、智能化程度，助力江西省农村商业银行为客户提供更加优质、高效和便捷的信贷金融服务。具体成效体现在以下几个方面。

1.贷前智能风控方面

近几年来，江西农信推出了百福·个商e贷、百福·财园个商e贷、百福·惠农网贷等多款线上信贷创新产品。通过贷前智能风控体系的建设，共沉淀模型指标近200项。同时，信用卡智能进件系统实现了信用卡业务的全面智能化、线上化办理。此外，江西农信支持了成员行的自主线上产品投产，如新余农商银行百福·商e贷、永丰农商银行永E贷、吉安农商银行吉商易贷等。江西农信大数据信用风控系统的持续优化，有效支撑了江西农信信贷大平台及信用卡各类业务的稳定运行。

2.贷后智能风控方面

在贷后智能风控决策中，江西农信通过构建预警、催收、续贷、资金流向四大风控决策模块，实现了贷后风险的自动化监控，有效支撑了各类业务平稳运行。在预警与催收模块中，通过构建各类贷款还款行为模型，为相关预警与催收决策提供了客户评分；在续贷模块，构建个商e贷、诚商e贷、农户小额信用贷款、个人经营贷款四款产品还款行为模型,为风险识别及处置策略提供数据支持；资金流向模块通过对当日放款账户交易数据进行监控，对事后资金流向高危行业风险进行监控。同时，江西农信为成员行产品提供了定制化贷后风控决策服务，构建贷后风控规则50余项，为成员行线上贷款风控策略提供了风险预警支持。

3.数据产品服务创新方面

通过汇集行内外各类相关数据，江西农信结合构建数据模型需求及辖内成员行需求，对指标集市中的关键数据进行提取，形成定制化数据产品，如打造了首贷贷款标识产品、信贷大平台模型产品、成员行风控营销产品等，为赣州、石城、吉安等辖内农商行提供了50余项征信相关指标，为成员行线上平台建设提供了风险数据支持。

三、大数据技术助力信贷业务风控的价值

将大数据技术应用于信贷业务风控领域，通过充分发掘行内外数据价值构建信用风险数据集市，基于大数据分析与挖掘模型形成信用风控规则及模型库，可以有效应对银行各阶段、各场景的信贷风险，具有极高的推广价值。

1.提高风险控制能力

近年来，中小企业信用风险不断暴露，尤其是欺诈违约等风险。利用大数据技术构建信用风控系统，可以对海量数据进行分析和挖掘，快速、准确地识别风险，从而提高银行风险控制能力。

2.优化用户体验

通过应用大数据技术，可以将风险识别由传统的人工方式升级为贯穿授信全流程的自动识别，可大大缩短银行客户经理的调查流程，使其在极短时间内完成用户风险评估，从而大幅提高客户体验。

3.减少行内资产损失

通过应用大数据技术，银行可以提前发现潜在的信贷风险，并及时采取措施，从而减少行内资产损失，即在贷前及时发现隐性风险，拒绝风险贷款准入;贷中合理利用风险预警，阻断风险放款;贷后及时挽回损失，进行有效清收。

4.提高全行营销效率

通过构建信用风险数据集市，可以充分挖掘行内外数据指标;通过建立营销模型，可全面了解客户的信用状况和行为偏好，为银行精准营销提供数据支持，从而大幅提升营销效率。

5.提高风险监管合规性

通过应用大数据技术，可打造全行级内评系统，银行可完善客户信用风险评分评级体系，加强内部风险管理，提高风险监管合规性，从而更好地满足监管部门对于信用风险管理的要求。