一、项目背景及目标

2019年8月22日，中国人民银行印发《金融科技（FinTech）发展规划（2019-2021年）》（银发〔2019〕209号）（下称《规划》），明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施。《规划》提出，到2021年，建立健全我国金融科技发展的“四梁八柱”，进一步增强金融业科技应用能力，实现金融与科技深度融合、协调发展，明显增强人民群众对数字化、网络化、智能化金融产品和服务的满意度，推动我国金融科技发展居于国际领先水平，实现金融科技应用先进可控、金融服务能力稳步增强、金融风控水平明显提高、金融监管效能持续提升、金融科技支撑不断完善、金融科技产业繁荣发展。

我国银行业充分受益于数字经济的发展，在经历了以物理网点进行传统信贷服务的Bank 1.0时代，提供PC网银自助的Bank 2.0时代，通过APP等移动入口随时随地提供移动信贷服务的Bank 3.0时代以后，通过金融科技重构银行零售信贷业务的Bank 4.0时代开启。与此同时，产业结构调整、去杠杆、强监管、新技术的实践和竞争，这些也给银行业在信贷、获客、风险管理、科技应用等方面带来新挑战。

建设基于关联行为网络和量化分析的风控平台，从数据、规则、模型、策略到申请反欺诈一体化应用和管理。该平台可用于满足对外部欺诈的检测与阻断以及对信用风险的全面防控，防范由欺诈风险、信用风险、合规风险等风险带来的资产损失，提升业务的风险管理能力，满足当前业务现状及未来的业务发展。

通过本项目将达到以下目标：一是搭建互联网贷款业务信用风险自动化审批体系，提高自动化审批水平；二是提供风险计量工具，切实提高风险管理精细化水平，有效保证业务的科学、稳健、可持续发展；三是建立欺诈风险防控体系，实现欺诈风险自动化侦测，为行内挽回欺诈损失。四是建设零售智能化风险管理团队和文化，实现零售信贷业务风险管理的战略目标，打造**的核心竞争力。

二、创新点

基于关联行为网络和量化分析的风控平台利用关联网络分析技术，识别申请欺诈特别是团伙欺诈，提供不限制网络层级的深入网络分析，包括基于中文模糊匹配(例如地址，单位名称等)的网络关联。同时利用实时指标流式计算引擎技术，让数据采集和数据加工的过程变得简单和高效,提升整体决策的时效性。

1.基于关联行为网络识别欺诈风险

基于图技术，通过客户基本信息、申请信息、交易行为、异常行为、担保行为等构建关联行为网络，通过欺诈特征分析，将欺诈风险量化，通过欺诈风险传递，实时识别欺诈风险客户，通过网络分析、网络切割技术识别团伙欺诈。其中，成网过程中，对地址、公司名称等中文进行模糊匹配，以便相同实体的不同表述可识别为同一实体。

2.基于量化分析识别信用风险

基于量化分析技术，通过将客户多维度信息量化为数据指标，通过对客户1600个指标的量化分析，分析客户价值和风险程度，基于客户价值和风险程度，进行客户分层，制定风险策略和精准营销策略。

3.基于流的实时处理技术

基于流的实时处理技术，建设流处理引擎。通过订阅智能决策平台的计算脚本，当一个个的数据对象推送到流处理引擎时，执行指定的计算脚本，可将得出计算出的指标放入缓存中，提高实时计算的效率。

三、技术实现特点

风控平台系统架构图如下：

图1 系统架构图

风控平台数据流图如下：

图2 数据流图

1.智能决策平台

智能决策平台是一个负责管理各种决策知识的管理平台，知识包括事件、特征、规则、策略、模型等。负责各种知识的配置，上下线，并提供脚本的订阅接口给智能决策引擎。

2.智能决策引擎

智能决策引擎用以判断业务系统推送智能决策引擎的数据是否触发了规则。当业务系统的数据推送到智能决策引擎时，智能决策引擎根据推送过来的数据回去请求数据平台，根据指标元文件中的指标相关信息请求数据平台获取相关指标，智能决策引擎拿到指标后去匹配规则，如果触发了相关规则就会产生风险，然后将风险数据推送到Queue中。

3.决策流引擎

决策流引擎模块是决策流系统框架的关键节点，其主要是处理决策流流程的部署、调度及各调度节点风险处理结果的入队操作。

4.流处理引擎

流处理引擎是流处理基础应用，通过订阅智能决策平台的计算脚本，当一个个的数据对象推送到流处理引擎时，执行指定的计算脚本，可将得出计算出的指标放入缓存中，提高实时计算的效率。

5.基于关联行为网络的反欺诈系统

基于图技术构建关联行为网络，根据不同业务所制定的欺诈风险，可分为营销反欺诈、申请反欺诈，通过网络分析、网络切割技术识别欺诈风险和欺诈团伙。

6.三方数据采集

三方数据采集组件提供自定义接口对各类三方数据的进行爬取，具有将数据直接返回决策流或者推送到缓存数据库进行缓存计算的能力。

四、项目过程管理

1.量化分析和需求设计阶段

此阶段时间段为2021年1月至2021年5月，其间主要完成了基于量化分析风控体系搭建，业务需求分析、业务功能和技术构架的设计。包括自营消费需求分析、自营经营需求分析以及部分联合贷助贷业务的需求分析。

2.系统详细设计阶段

此阶段起始时间为2021年3月至2021年7月，其间主要完成了基于量化分析的模型及策略设计、征信特征变量加工设计、系统交互设计，模型及策略编排设计工作。

3.系统编码、测试和上线准备阶段

此阶段起始时间为2021年4月至2021年8月，其间完成了与行内历史数据及三方数据源对接开发、特征指标加工开发、及策略开发及自测完成。提交了风控平台的测试报告、系统设置等文档。

4.平行测试验证阶段

此阶段起始时间为2021年9月至2021年11月，其间完成了自营业务及部分联合贷助贷业务的平行测试验证，并通过对比分析，不断对模型策略进行调优。

五、运营情况

本项目于9月初进入平行测试验证阶段，截至目前，试运行正常，压测并发度不低于300tps。

六、项目成效

1.实现从数据采集到实时决策一体化的可视化管理

采集信贷风控决策过程中所需要的各类数据，包括内部数据和外部数据，组成指标管理平台。实现数据的随需而调，也即根据上一步的决策结果来决定下一步的数据源调用，以节省数据成本。同时可视化部署贷前申请评分、客户细分群体、申请反欺诈、行为评分、贷后调额、风险预警、首次催收等模型及策略，通过决策流引擎、规则引擎以及模型引擎完成实时决策。

2.保障全方位的运营监控，提升对业务的把控力

提供风险大盘，地图的形式展现风险地域及损失的风险金额，帮助业务人员分析整体风险，以进行重点防控和风险调整。同时提供业务大盘，以柱状体、饼图、条形图、折线图等形式展示风险类型、客户分类、客户评分及路由结果等信息，帮助业务人员分析整体业务，以进行重点防控和业务调整。

3.多系统联动，实现反欺诈的自主可控

模糊匹配系统能够对地址、公司名称、电话号码等进行快速、准确的匹配，为非结构化的信息比对和网络关联提供保障，以发现更多潜藏的欺诈特征，同时对同一地址的不同地址段可以灵活设置不同的匹配精确度，以满足多种业务场景的需要。关联图谱系统实现团伙欺诈网络分析数据资料的收集和分类，并利用网络分析技术，识别申请欺诈特别是团伙欺诈，不限制网络层级的深入网络分析。案件调查系统则对疑似欺诈的案件进行派发、调查、案件跟踪、信息的汇总和查看、网络的多维度展示等一系列功能，支持将疑似欺诈案件根据分配规则将案件分配给欺诈调查人员，并且具有疑似欺诈案件调查任务调配功能，欺诈调查界面可快速查看触发的欺诈规则等。

七、经验总结

随着互联网的发展，客户对金融产品的便利性提出了更高的要求，同时监管对风险的管控也提出了更高的要求，本次建设风控平台项目着力提升反欺诈、信用风险评估、自动化审批等能力，既满足增强人民群众对数字化、网络化、智能化金融产品和服务的满意度，又实现金融科技应用先进可控、金融服务能力稳步增强、金融风控水平明显提高的核心竞争力，可为其他中小银行启发新的建设思路。