一、项目背景及目标

在当前经济大环境下，银行业务体量不断发展，随之带来的风险不利因素日渐增多，各家银行对提升自身风险防控能力的需求愈发迫切，银行传统风险管理体系不灵活、不精准等弊端逐渐突出，因此大数据风控“覆盖面广、维度丰富、实时性高”的优点成为改善风险治理现状的对症良药。

二、项目/策略方案

系统整体分为系统管理、通告管理、风险视图、预警配置、预警管理、风控名单管理、风险管控分析、预警后评价、预警跟踪考核、工作台十部分。

整体运行原理：首先确定好数据来源系统及数据表信息，通过晚间批处理将数据抽取到风险预警系统，然后根据约定好的因子、信号产生规则，产生相应预警信号、名单信息，然后在本系统中对产生的预警信号进行认定、调整、解除、跟踪及相应考核。

总体功能架构主要分为数据源层、缓冲层、系统管理、业务管理、功能配置、业务控制和前台展示等几个方面。其中数据源层包括负责提供风险预警信号的行内和行外各关联业务数据，主要包括六大类数据：客户信息、授信协议信息、账户结算信息、财务信息、关联信息和风险缓释等；缓冲层负责将数据按照全行整体规划要求，将数据层层抽取、清洗、转换，终按照预警监控指标的数据加工要求，生成基础因子相关数据；系统管理层主要包括基础的机构、用户、角色管理、参数字典配置、日志管理、授权管理、缓存管理和菜单管理等，实现对系统基础管理支持的职能；业务管理主要包括对一些基础业务数据和信息的管理和维护，如人工预警信息采集及审核、名单管理等；功能配置是风险信息平台的核心功能，主要负责预警信号、预警规则、风险模型的管理，预警管控与预警信号的触发、认定、调整、解除等操作；前台展示层主要包括相关查询统计、视图、报告、报表的展示和共享，如客户风险视图、行业风险视图、区域风险视图、预警处置成效查询、风险信号查询、和外围渠道信息查询等。

三、创新点

1、规划行内外数据，整合行内数据平台，提升数据应用效率。根据风险管理需要，引入行内客户财务、账户交易，行外司法、工商、税务、舆情等关键数据，实现数据全面、高效的应用于风险预警系统风险管理工作。

2、对行内外数据进行深入加工、解读，搭建风险预警信号体系，实现前瞻性的、主动的、及时的大数据预警管理。通过对整合的数据分析，实现客户风险信息统一视图管理、客户风险监测指标及预警信号识别管理、客户关联关系及关联风险信号传导管理、客户风险“黑灰”名单管理、预警效果后评价管理等核心的预警应用功能，满足授信业务全流程风险监测及客户预警管理的要求。

3、结合行内风险管理要求，制定预警处置流程，实现预警全信贷周期管理。实现各级人员对风险信号的分级处理，提出不同风险级别及处理流程的差异化设计方案，实现信号识别、排查、认定、处置、跟踪直至解除的预警全生命周期线上化流程管理。

四、项目过程管理

实施周期

开始时间：2020.04.13

结束时间：2021.04.30

里程碑及交付成果

五、运营情况

1.效果分析：WH银行风险预警系统于10月底上线试运行，系统上线后，相继对存量客户的行外数据完成外部数据批量打底工作，包括司法涉诉信息、工商数据、人行征信数据等，后期对当期新增数据加工推送新增风险预警信息。系统上线后，预警效果快速显现。试运行期间，WH银行某支行客户经理收到一条预警信息，信息内容为其名下一借款人A公司的保证人金融账户被司法机关查询，对于该信号，该机构高度重视，并对预警信息进行落实。经落实A公司由于集团客户B公司在某银行贷款欠息被起诉，并查封保证人相关资产。WH银行立刻采取措施，通过约谈、催收、起诉等多重手段向借款人施加压力，当月收回欠息三百余万元。

2.贷后管理体制机制配套升级

风险预警系统上线打破了原有贷后管理运行模式，必须配套相关体制机制方能更好的发挥大数据风控实效。WH银行同期开展如下工作：

（一）推进贷后管理体制机制的不断优化

随着技能化风控的深入推进，不断推进管理流程再造，确保贷后全流程闭环管理。一是流程闭环。在传统贷后管理模式基础上，探索涵盖预警模型、实时监控、差异化贷后、人工核实、风险认定、模型优化于一体的闭环管理模式，从而做到风险有提示、有落实、模型有跟踪、有优化，形成良性循环，从而不断提升分析风险管理水平。二是机制闭环。深挖信用风险关联因素，包括但不限于制度、产品等方面，并不断加以完善改进，从而避免系统性风险或区域性风险的发生。

（二）持续深化总分行贷后差异化分级管理

鉴于信贷业务客户多、差异大特点，根据风险等级、授信额度等进行差异化分级管控，充分发挥总分行联动机制，不断提高贷后管理质效。一是明确分级监控重点。在现有贷后模式基础上，根据产品类别、授信额度、担保缓释等不同，进一步明确、细化各层级监控重点和范围。二是合理划分风险等级。对预警规则、模型分值等划分风险等级，确定核查级次与核查主体，差异化的对核查结果开展评估风险。

六、项目成效

风险预警系统定位于全行级的结合内部数据与外部数据深度加工应用的风险管控平台，通过对行内负债业务、资产业务、中间业务等数据的梳理，使用大数据技术对这些数据进行整合、加工、清洗，转换输出客户的交易行为、个人资产、身份特征画像、履约历史、行为偏好、关系网络等多维度数据，并以此作为风控模型建模的基础，为我行提供大数据驱动的信用风险全面监测及授信全流程风险管控信息支持服务，进一步提升我行互联网金融风险防控水平。

七、经验总结

大数据风险预警系统作为全行级的风险管控平台，深度加工整合内外部数据，对行内负债业务、资产业务、中间业务等数据进行梳理，使用大数据技术对所获数据进行整合、加工、清洗，输出客户的交易行为、个人资产、身份特征画像、履约历史、行为偏好、关系网络等多维度数据，为风控模型的建立提供了数据来源与数据保障，为信用风险全面监测及授信全流程风险管控信息支持提供服务，进一步提升了我行互联网金融风险防控水平，构建了一道坚实的金融科技“防火墙”。