一、项目背景及目标

广西北部湾银行自成立以来，始终坚持“支持地方、服务中小、改善民生”的定位，将小微客户作为重要的服务对象。近年来，以传统IPC的线下获客和办贷方式为主的小微信贷业务模式的同业竞争力和客户吸引力下降，客户经理效率低和风险管理难度高，使得小微业务的增速减缓、利润下降、且部分产品规模有所下滑；此外，随着近年来国家对于实体经济和民营经济的大力发展和推动，行业监管和区域性扶植政策等对于全国性、股份制和中小银行在小微企业信贷的要求，加上互联网和大数据等新型技术带来的实体经济和消费市场的升级，使得国内普惠金融市场的竞争不断加剧。因而，北部湾银行急需在普惠小微的管理机制、业务运营、信贷流程、风控体系和产品管理等进一步深化，从信贷业务的规模（量）、风险（质）、利润（价）上都能得以长足的提升。 通过对标国内同业成熟和先进的经验和成功实践，提出北部湾普惠小微的风控模型项目，旨在通过本项目帮助北部湾银行快速建立小微数字信贷风控体系，支持行里现有的四大类产品，统一设计风控和授信，并且逐步升级到以客户为中心的信贷3.0和4.0，进而实现数字化产品从设计、上架到管理全流程的量身定制和敏捷迭代，智能风控自主可控，数字业务规模和客群数量快速增长，小微客群提质增效。

二、创新点

小微智能决策系统以行内外多元化数据驱动的方式，将规则、模型、和策略三者进行有机的结合，能够支撑商业银行不同的产品，以及满足各类业务的风控要求。小微智能决策系统总体架构的中心是智能风控决策平台，商业银行的的风控决策业务，将基于此平台进行驱动。该平台将为各类不同的数据源提供数据采集、校验、和录入功能，并且转换和加工成数字化、结构化和智能化的信息，从而形成决策知识并提供给外部系统使用。与此同时，智能风控平台还能够提供可以直接面向业务人员使用的具有不同业务属性的友好界面，通过业务人员对于平台中规则、模型、和策略的设定、管理和发布能力，提供在不同业务应用场景的灵活适配能力。

本系统的创新点如下：

1.风险剖析策略与业务、数据、建模技术相结合

有别于千篇一律的风险剖析策略，在对行内业务进行风险进行剖析时，系统创新性地将风险业务、数据、建模技术进行良好的结合，基于清洗的数据集，通过风险迁移分析以及VINTAGE分析等方法确定最佳的性能窗口以及风险客户标识。同时，根据不同产品特性，部分项目的风险剖析还包括Survival分析以及风险预测（PD与LGD预测）等。

2.稳定高效的数据架构体系

有别于传统BI系统的数据架构，小微智能决策系统的系统架构创新性地提出了大数据平台层（零售业务数据的存储加工）、数据分析层（零售业务数据的变量群计算）、模型计算层（各类风控模型计算）、策略设定层（各类风控策略设定）、业务执行层（对接行方的相关业务系统）五层架构体系，五层架构的数据体系能够逐步在原始大数据的基础上，有效积累数据，能够大大缩短从数据到应用的搭建速度，提高数据应用的实施效率，为行内的持续数据治理和积累提供了统一高效的数据架构体系。

3.拥有贴合业务数据的模型

系统在数据准备流程上引入了数据评估机制，对行内的数据状况进行评估，明确数据现状适合进入哪类评分卡的建设流程。根据不同的数据情况，制定不同的评分卡建模体系，是系统的创新之处。

4.拥有高效的数据探索方法

系统建立了银行常用基础数据（申请数据、征信数据、贷后数据等）整合的标准架构体系，集成了常用数据匹配的基础逻辑，基于该架构，可以高效、迅速、完备地实现数据间的匹配与整合。在数据探索性分析发现环节的创新包括下述内容：变量统计特性检测、变量相关性检测、异常值检测、缺失值检测与处理、采样检测、多变量分析方法。

5.能够智能生成评分卡

为了应对人工代码和策略引擎代码繁复的开发、测试过程，创新性地提出并研发评分卡代码智能生成的功能。可以对模型进行有效的分解和变量匹配，生成模型逻辑框架，大大提高了生产力，降低了出错的可能性。

6.能够进行模型自动测试

评分模型和策略需要经过严格的测试才能上线。而由于数据和特征的庞大，这个过程消耗的时间非常多。系统创性地研发了模型自动测试功能，可以有效建立咨询结果和实施结果的对比和执行机制，自动匹配执行成果，自动指出执行差异，方便分析人员快速定位问题。

7.能够进行多维度、立体式的模型监控

决策模型是决策系统的关键部件，需要有多维度、立体的和业务强结合的监控功能对模型的运作进行监控，不同于简单地对执行结果的统计，系统模型监控功能创新性地全面考虑了宏观和微观的多个角度。宏观上从时间、空间、人群等多个维度深入监控系统使用的情况。微观上具体到对某个评分以及某个模型计算的过程进行监控。对系统使用和优化提供全方位的支持。

三、项目技术方案

小微业务的风控模型是经过标准的流程得出来的，具体步骤如下：1.建模数据集准备

具体工作包括：

a.数据提取：提取建模所需的相关数据；

b.探索性数据分析：包括单表检查、重要字段检查、数据缺失检查、原始数据单变量分布与多变量交叉分布、多表关联检查、数据完整性检查等。

c.变量加工：建模变量加工，包括个人征信变量、企业征信变量加工。

d.风险剖析：对存量信贷产品进行逾期天数计算、迁移分析与账龄分析；

e.好坏标识定义：根据风险剖析结果确定好坏客户标识，形成建模数据集，需保证建模数据集好坏样本满足建模要求。

2.变量分析与分组测试

具体工作包括：

a.单变量分析：包括基于不同参数与目标进行变量自动分箱、分箱单调性测试、分箱分布测试（包括数值型变量缺失值单独分箱调整）等。

b.多变量分析：多变量间的交叉分布，通常用于分析多变量间复杂规律。

c.模型分组测试：对模型分组进行测试，如：不同分组方案测试及分析。

3.变量信息熵计算

具体工作内容：

变量信息熵计算：完成变量对应的WOE转换，并计算变量信息熵。

4.模型训练过程

具体工作内容：

a.变量相关性检验：包括两两相关性检验、多重共线性检验；

b.变量显著性检验；

c.变量符号一致性检验；

d.相关阈值调整：包括P值、VIF等阈值设置；

e.变量筛选：基于多个条件进行变量筛选，以保证进入模型的变量符合要求，通常用于变量筛选的标准包括信息熵、相关性、多重共线性、显著性检验、符号一致性检验等。

5.模型性能验证

具体工作包括：

a.计算模型性能验证指标：包括KS值、GINI系数等。

b.设置不同cut-off阈值：针对不同cutoff阈值对模型精准度进行验证。

6.模型结果转为评分卡

具体工作包括：

a.分数校准：针对不同分组模型进行最终分数校准

b.模型结果转为评分卡，方便业务使用

四、项目过程管理

1.小微智能决策系统对小微信贷业务做了标准化、统一化建设，终结了业务散漫发展的情况。通过标准化表单、标准化流程、标准化产品的方式，为小微信贷业务提供了标准的业务办理流程，规范了业务的发展，提升了小微业务的管理效率，推动了我行小微业务健康发展；

2.在实施方面，项目初期会制定项目计划表，过程定义表以及项目实施方案等，之后会按照计划依次推进项目进度，每周举行周会，向领导汇报项目进度，对项目进行紧密跟踪，直到项目验收。

五、运营情况

1.小微智能决策系统基于现有架构，可以快速构建不同的业务产品，截止目前已有快捷贷、商户贷、农户贷、微E贷四个产品运行在这个系统上；

2.决策平台的统一化，支撑了行内小微业务发展，客户经理通过这个决策平台，大大提升了工作效率；

3.风控模型的专业化，提升了业务的风控水平。小微智能决策系统基于行内外数据，构建了层次化的风控模型，完善了行内小微业务方面的风控水平，提升我行对风险的管控能力。

六、项目成效

小微智能决策系统对小微信贷业务做了标准化、统一化建设，终结了业务散漫发展的情况。通过标准化表单、标准化流程、标准化产品的方式，为小微信贷业务提供了标准的业务办理流程，规范了业务的发展，提升了小微业务的管理效率，推动了我行小微业务健康发展；

决策平台的统一化，支撑了行内小微业务发展，客户经理通过这个决策平台，大大节省了业务管理成本，客户经理管理效率提升30% 以上，截止目前，已服务小微企业15000余家。

七、经验总结

在项目实施方面，主要的经验教训是有问题要及时沟通，并且需要和所有关联方一起。因为本项目涉及到的系统较多，一个小的改动都有可能会影响到模型的准确性；还有就是要对模型规则进行充分测试，测试环境如果缺乏数据，就需要埋数进行测试，不能用挡板，否则可能会遗漏测试场景。

在业务推广方面，先选一个网点进行试运行，将整个业务流程跑通跑顺，对遇到的常见问题，形成经验教训登记册，供一线人员查看，提高解决问题的效率。等业务运行稳定后，派出我们的业务人员到各网点进行培训，将业务面推广开来，以此来提高小微客户的受众面。