新一代數字技術的日趨成熟，讓“大數據”在企業應用中漸入佳境。在大數據時代背景之下，銀行風控也成功捕捉到了全新的價值空間。隨著傳統利潤的不斷下跌，不良貸款總量上升，風控成為了銀行從業者關注的焦點。數字化轉型發展階段，銀行如何秉持“數字化風控”理念，利用大數據、云計算、人工智能等前沿科技提高風控能力，建立輕資本、輕資產的新型風險管控體系，是銀行數字化的重點工程。在亞太銀行創新峰會上，法海風控副總裁高偉就當前銀行形勢分享了自己關于強監管條件下銀行數字化風控的建設性意見。
數字化風控關鍵在于尋找有價值的數據
大數據時代，每個企業每時每刻都會產生數據，在巨量的數據之下，銀行不可能每條都一一查看，這是一個耗時而低效的過程。對于銀行而言，如何找到好的、有價值的數據才是個中關鍵。高偉表示，面對一個目標企業，銀行風控需要快速的在大體量的信息數據之下，迅速按照警告、負向、中性、正向、利好等指標對數據設置分級。這五類分級能夠幫助銀行從海量資料中迅速識別風險較高的企業。此外還需要從行業基本信息、信息校驗、重點關注信息、代發工資、跨商業銀行風險預警、失信被執行、客戶關聯關系、小企業征信信息等方面形成客戶信息閉環，構建以銀行征信、財務報告、工商報告、抵押擔保小微企業司法涉訴等風險評估和對公業務所需要的基本信息架構，并結合外部數據和行方數據、人行、工商和擔保信息等完整刻畫用戶畫像，實現數字化的風險評測。
大數據等數字科技賦能銀行風控
對于數字化的銀行風控體系建設，高偉明確指出需要三項底層核心技術的支持：
1. 具備自主知識產權原界的技術底層支持;
2. 具備人工智能語義分析;
3. 具備自然語言情感分析;
當然，在甄別數據優劣方面，還需要有“全、準、快”三個標準衡量。全，要求數據全網、全國覆蓋;準，要求數據解析精準度足夠高，一般而言，模型解析精準度需要達到95%以上，才可能相對準確，當然越高越好;快，要求能夠及時更新。很多時候，往往一條數據就能判別一家企業生死。因此，在數字化風控方面，銀行需要將收集到的類似法院文書等非機構數據進行高清度結構化解析處理，有了精準解析的數據再利用結構化規則應用到銀行業務中，再用人工智能等技術手段，對各類數據進行分析(如從招聘數據能夠看到企業關注點在哪里，需要通過招聘崗位透露核心業務)，進而刻畫出企業用戶畫像。
目前，銀行識別客戶尚處于不同階段，在借力外部大數據方面，高偉總結了5大情況：
1、 還未引進大數據，但有調研意圖。這種情況的銀行尚未實現轉型，效率低下，且無法保證數據的全面性和準確性。
2、 已經引入外部大數據，并開啟使用。此類銀行使用效率高、覆蓋全面且信息更新及時。
3、 引入外部大數據中發現問題，有升級需求。這類銀行使用時信息量過大，開始考慮如何過濾信息;并計劃對存量客戶進行風險篩查;試圖找出規則并結合行內系統建立模型。
4、 已經找到好的、高精度的數據，并開始建模。這種情況銀行已經建立信息分級、批量排查和規則梳理和模型應用。
5、 已經實現內外部數據融合，開始自主創新，分布上線迭代升級一氣呵成。
京公網安備 11010502049343號