《金卡生活》雜誌
中國銀聯 主管主辦
理論研究 實務探討
長按二維碼關注我們
作者系銀聯資料服務有限公司風險諮詢師， 擁有豐富的自動審批、風險政策等相關項目經驗，
編輯 | 葛辛晶
路漫漫其修遠兮， 吾將上下而求索。 如今在金融科技迅猛發展的浪潮中， 各機構都在不斷探索和深化人工智慧、模式識別等在信用卡、消費信貸業務中的場景應用， 其中尤以風控層面的自動化、智慧化和精細化管理備受關注。 正值上海農商銀行自動化審批項目上線之際， 我們一起走上這條為其量身定制的自動審批之路， 去求這修遠路上的“道”與“法”。
立身之“道”
適合自身發展之“道”。 在為多家銀行提供自動審批業務諮詢及項目建設的過程中，
通常， 我們用SWOT分析法從銀行自身的優勢、劣勢、機會與威脅四個角度深度剖析這個問題， 幫助行內厘清自身的發展之道， 既不墨守成規也不盲目跟風（圖1）。
圖1 自動化審批SWOT分析
合理搭建體系之“道”。 在弄清了是否“合腳”之後， 所需要思考的便是自動化審批這條路到底該怎麼走。 事實上， 設計一套適用於銀行現狀的自動化審批體系非常關鍵， 清晰明確的系統架構可以説明銀行弄清楚自身的需求。 然而現實情況是， 往往很多銀行雖然擁有較為豐富的資源， 即資料來源、政策、模型一應俱全， 但是缺乏對資源進行整合和利用的合理體系， 導致其發揮的效果微乎其微。 在實際的體系搭建過程中， 建議從資料、規則和應用三個層面自下而上進行設計（圖2）。
圖2 自動化審批系統架構
其一， 資料層是基礎。 對於銀行而言， 首先應厘清行內現有資料的來源、品質和分佈。 我們常說資料來源是基礎， 資料的完整性、可靠性、覆蓋面對規則和模型策略的部署起著決定性的作用， 因此資料品質不容小視。 相較於銀行的自有資料，
其二， 規則層是核心。 規則層的部署基於資料所構建的模型和決策規則， 它是整個審批決策體系的核心， 是銀行風控能力的體現。 在這一層， 通過前沿技術將資料價值最大化， 通常在模型和規則的建設過程中可以根據資料來源、客群分類和應用場景進行部署， 並基於此進行相應策略設計， 值得一提的是在這一層的設計中仍然要注意契合自身業務實際， 切忌求新不求實。
其三， 應用層是關鍵。 應用層凸顯的是自動化審批的輸出方式和使用效果， 主要包括審批和決策兩個方面，通俗的說，一個是告訴你核准還是拒絕，另一個則是告訴你該核發多少額度。在這一層的設計中，既要保證邏輯決策和計算的全面和精准，同時也要確保審批結果的展示和運維跟蹤簡便清晰。
行走之“法”
上文說到自動化審批是否要落實以及在體系架構層面如何設計的問題，這是銀行部署自動審批的立身之道，有了這樣牢固的基礎作為支撐，再來探討具體業務的落地問題，也就是行走之法。一般說來，自動化審批可以分兩步走，第一步是全方位的大資料風控，第二步是一體化的智慧決策授信（圖3）。
圖3 自動化審批流程設計
大數據風控之“法”。伴隨著銀行信用卡業務的迅速發展，尤其網申管道的開通，其客群結構也在不斷下沉。為有效甄別風險，大資料風控的運用已然成為必備“武器”，主要包括兩個方面：
一是協力廠商資料的應用。由於銀行內部資料資訊、中國人民銀行征信資訊覆蓋面及資料維度有限，不少下沉客群多為薄信用客戶甚至為人民銀行白戶，而協力廠商資料的應用可説明銀行獲取申請人更多的維度資訊作為審批判斷的依據（圖4）。從資訊維度上來說，除了簡單的逾期違約資訊之外，常用的資訊維度還包括法院案件執行資訊、多頭借貸資訊等。
如何巧妙運用協力廠商資料關鍵點在於針對協力廠商查得的資訊進行合理的策略部署，比如從風險類型、業務發生時間、風險等級等多個角度綜合考慮風險因素，根據返回的資訊進行充分的梳理和整合，從而進行策略的配置，包括自動拒絕策略、灰名單交叉驗證拒絕策略、灰名單差異化額度配置策略、風險提示策略等；同時還應從資料管道的權威性、適用性和經濟性的角度出發，因實制宜地進行策略的優先順序配置，進而完成整體策略的配套落地。
圖4 協力廠商資料應用
二是反欺詐偵測。欺詐從來都是金融機構又恨又怕的存在，其實偶發的欺詐並不可怕，可怕的是欺詐中的正規軍——黑色產業鏈（以下簡稱“黑產”），在當前線上業務迅速擴張的背景下，有研究稱線上欺詐的概率比線下高出6倍，且多為黑產攻擊，因此對於很多金融機構而言反欺詐偵測迫在眉睫。通常來說，典型的欺詐包括身份偽冒、虛假資料、垃圾帳號註冊、控制帳號騙貸、仲介包裝等。
部署反欺詐偵測，關鍵在於構建反欺詐系統架構（圖5）。事實上，這並非簡單的身份核查和和信用風險查驗，它更是一個完整的獨立系統，我們需要在底層部署資料來源，並基於此進行規則集的設計，同時依託大資料、人工智慧技術進行相應的人機識別等等進行前端偵測，進而進行設備指紋、地理位置、欺詐IP/手機、行為分析等一系列的反欺詐策略部署（圖6）。
圖5 反欺詐系統架構
圖6 反欺詐前端偵測
智慧決策授信之“法”。相比傳統的人工授信，智慧決策授信的優勢在於其超高的審批效率和規範統一的授信標準，但是與此同時也面臨評估申請人風險水準和收入能力準確性的考驗（圖7）。
圖7 綜合信用評分模型
第一，多樣化模型助力自動授信。在模型的使用上，結合人民銀行征信評分模型，銀聯資料自主研發的申請評分卡模型、綜合信用評分模型、行職業風險收入預測模型，從更多維度評判申請人的風險水準和收入能力，經過海量的資料核對完成對申請人身份特徵、履約能力、消費偏好、行為特徵等一系列的評分，進而輸出風險等級、月收入、綜合信用評分等綜合評價指標助力授信（圖8）。
圖8 行職業風險收入預測模型
第二，多層決策規則部署。多層的決策規則源自于銀行機構豐富多樣的產品及場景應用，如何做到精准的目標客群篩選，信用評分和額度授信至關重要。通常來說，整體的決策規則部署主要從准入、審批及授信三個層次出發，細分各階段的個性化規則的開發配置。落實到更加細化的個性化策略配置，往往不同的管道、業務類型、信貸產品、客群、專案政策其准入條件、客群分佈及授信依據也都各不相同，這也就需要深入理解產品特性、客群特徵、管道特點及政策效果，實現個性化配置和精細化部署，從而使得策略規則更精准、更合理、更有效（表1）。
表1 多層決策規則的個性化策略配置
目前上海農商自動化審批項目上線已一月有餘，運行期間為其量身定制的自動決策流程可説明行內全方位偵測風險，完成一體化審批授信，此外系統本身強大的邏輯處理和多執行緒計算能力更是為即時結果回饋保駕護航。截至目前，行內每日進件處理量較之前翻倍，整體審批效率提升50%。當然，項目上線之後，銀聯資料項目目團隊也仍然在不斷追蹤行內業務對自動決策規則的適應性，未來隨著行內客群、業務、產品的不斷變化，有關策略規則的持續優化和反覆運算不可避免。
不積跬步無以至千里，不積小流無以成江河。自動化審批非一日之功，更無捷徑可走，規範全面的結構化資料、完備可靠的征信資料支撐、合理適用的模型設計、清晰精准的策略部署、穩定高效的處理系統，可謂環環相扣，每一個環節都決定著自動化審批的成敗。路漫漫而修遠，找准立身之道，完善行走之法，才能將這條路走得更遠，更好，更穩！
戳連結，更有料！
【監管時論】 基於國家安全、金融監管與擾動因素,對當前防控金融風險的再認識
【看早報】16家銀行排隊等上市， 渴求補充資本同時更要做好風控工作
主要包括審批和決策兩個方面，通俗的說，一個是告訴你核准還是拒絕，另一個則是告訴你該核發多少額度。在這一層的設計中，既要保證邏輯決策和計算的全面和精准，同時也要確保審批結果的展示和運維跟蹤簡便清晰。行走之“法”
上文說到自動化審批是否要落實以及在體系架構層面如何設計的問題，這是銀行部署自動審批的立身之道，有了這樣牢固的基礎作為支撐，再來探討具體業務的落地問題，也就是行走之法。一般說來，自動化審批可以分兩步走，第一步是全方位的大資料風控，第二步是一體化的智慧決策授信（圖3）。
圖3 自動化審批流程設計
大數據風控之“法”。伴隨著銀行信用卡業務的迅速發展，尤其網申管道的開通，其客群結構也在不斷下沉。為有效甄別風險，大資料風控的運用已然成為必備“武器”，主要包括兩個方面：
一是協力廠商資料的應用。由於銀行內部資料資訊、中國人民銀行征信資訊覆蓋面及資料維度有限，不少下沉客群多為薄信用客戶甚至為人民銀行白戶，而協力廠商資料的應用可説明銀行獲取申請人更多的維度資訊作為審批判斷的依據（圖4）。從資訊維度上來說，除了簡單的逾期違約資訊之外，常用的資訊維度還包括法院案件執行資訊、多頭借貸資訊等。
如何巧妙運用協力廠商資料關鍵點在於針對協力廠商查得的資訊進行合理的策略部署，比如從風險類型、業務發生時間、風險等級等多個角度綜合考慮風險因素，根據返回的資訊進行充分的梳理和整合，從而進行策略的配置，包括自動拒絕策略、灰名單交叉驗證拒絕策略、灰名單差異化額度配置策略、風險提示策略等；同時還應從資料管道的權威性、適用性和經濟性的角度出發，因實制宜地進行策略的優先順序配置，進而完成整體策略的配套落地。
圖4 協力廠商資料應用
二是反欺詐偵測。欺詐從來都是金融機構又恨又怕的存在，其實偶發的欺詐並不可怕，可怕的是欺詐中的正規軍——黑色產業鏈（以下簡稱“黑產”），在當前線上業務迅速擴張的背景下，有研究稱線上欺詐的概率比線下高出6倍，且多為黑產攻擊，因此對於很多金融機構而言反欺詐偵測迫在眉睫。通常來說，典型的欺詐包括身份偽冒、虛假資料、垃圾帳號註冊、控制帳號騙貸、仲介包裝等。
部署反欺詐偵測，關鍵在於構建反欺詐系統架構（圖5）。事實上，這並非簡單的身份核查和和信用風險查驗，它更是一個完整的獨立系統，我們需要在底層部署資料來源，並基於此進行規則集的設計，同時依託大資料、人工智慧技術進行相應的人機識別等等進行前端偵測，進而進行設備指紋、地理位置、欺詐IP/手機、行為分析等一系列的反欺詐策略部署（圖6）。
圖5 反欺詐系統架構
圖6 反欺詐前端偵測
智慧決策授信之“法”。相比傳統的人工授信，智慧決策授信的優勢在於其超高的審批效率和規範統一的授信標準，但是與此同時也面臨評估申請人風險水準和收入能力準確性的考驗（圖7）。
圖7 綜合信用評分模型
第一，多樣化模型助力自動授信。在模型的使用上，結合人民銀行征信評分模型，銀聯資料自主研發的申請評分卡模型、綜合信用評分模型、行職業風險收入預測模型，從更多維度評判申請人的風險水準和收入能力，經過海量的資料核對完成對申請人身份特徵、履約能力、消費偏好、行為特徵等一系列的評分，進而輸出風險等級、月收入、綜合信用評分等綜合評價指標助力授信（圖8）。
圖8 行職業風險收入預測模型
第二，多層決策規則部署。多層的決策規則源自于銀行機構豐富多樣的產品及場景應用，如何做到精准的目標客群篩選，信用評分和額度授信至關重要。通常來說，整體的決策規則部署主要從准入、審批及授信三個層次出發，細分各階段的個性化規則的開發配置。落實到更加細化的個性化策略配置，往往不同的管道、業務類型、信貸產品、客群、專案政策其准入條件、客群分佈及授信依據也都各不相同，這也就需要深入理解產品特性、客群特徵、管道特點及政策效果，實現個性化配置和精細化部署，從而使得策略規則更精准、更合理、更有效（表1）。
表1 多層決策規則的個性化策略配置
目前上海農商自動化審批項目上線已一月有餘，運行期間為其量身定制的自動決策流程可説明行內全方位偵測風險，完成一體化審批授信，此外系統本身強大的邏輯處理和多執行緒計算能力更是為即時結果回饋保駕護航。截至目前，行內每日進件處理量較之前翻倍，整體審批效率提升50%。當然，項目上線之後，銀聯資料項目目團隊也仍然在不斷追蹤行內業務對自動決策規則的適應性，未來隨著行內客群、業務、產品的不斷變化，有關策略規則的持續優化和反覆運算不可避免。
不積跬步無以至千里，不積小流無以成江河。自動化審批非一日之功，更無捷徑可走，規範全面的結構化資料、完備可靠的征信資料支撐、合理適用的模型設計、清晰精准的策略部署、穩定高效的處理系統，可謂環環相扣，每一個環節都決定著自動化審批的成敗。路漫漫而修遠，找准立身之道，完善行走之法，才能將這條路走得更遠，更好，更穩！
戳連結，更有料！
【監管時論】 基於國家安全、金融監管與擾動因素,對當前防控金融風險的再認識
【看早報】16家銀行排隊等上市， 渴求補充資本同時更要做好風控工作