導讀  

對金融業和商業銀行來說，“數智化轉型”已成為其發展戰略規劃中的關鍵環節。本文梳理了商業銀行數智化轉型的各個歷程，從數據的視角思考提煉了各階段的突出特點，并聚焦于智能風控領域介紹“123+N”的數智化風險中臺建設實踐。

  正文  

商業銀行的數智化轉型為其風險管理體系建設帶來了新的機遇和挑戰。一方面，新技術手段的誕生和完善，為建設更加精準、敏捷的智能風控體系創造了條件； 另一方面，科技廣泛應用下的數據隱私保護與模型風險等問題，也成為商業銀行風險管理中亟待解決的重點。本文梳理了商業銀行數智化轉型的各個歷程，從數據的視角思考提煉了各階段的突出特點，并聚焦于智能風控領域介紹“123+N”數智化風險中臺的建設實踐。

  商業銀行數智化轉型歷程  

商業銀行的數智化轉型可以分為三個階段：信息化、數字化和智能化。信息化轉型過程中，商業銀行通過信息系統、App、Web等技術，實現了部分傳統金融服務由線下轉向線上的功能（如存款、轉賬、理財、還款等），并留存了海量的數據資源。數字化轉型過程中，商業銀行通過對海量數據資源進行治理和挖掘，形成了有效的數字資產，提升了商業銀行KYC（Know Your Customer）的能力和效率，可以更好地升級和賦能傳統金融服務，如提升金融產品營銷精準度、提高信貸審批能力等。智能化轉型過程中，商業銀行通過對大數據、人工智能技術的應用，為客戶提供更加優質的智能化金融服務（互聯網信貸、智能投顧、智能客服等），進而為商業銀行新增了多樣化的獲客能力、盈利能力和金融資產。

信息化轉型：信息系統的建設，數據資源的積累

信息化建設可以極大提升商業銀行的管理決策效率和金融服務用戶體驗。過去20年，我國商業銀行的信息化建設取得了飛速發展。具體表現在：① 信息化金融服務建設：依托信息化體系的建設，商業銀行實現了多項信息化金融服務形式的創新，如自助銀行、手機銀行、網絡銀行、電話銀行等，現已實現了成熟的線上+線下傳統金融服務形式；② 信息化管理系統建設：為滿足前臺、中臺和后臺部門的管理需求，商業銀行陸續建設了核心系統、客戶管理系統、信貸流程管理系統、供應鏈管理系統等種類和功能豐富的管理系統，為銀行各管理環節提供了高效的信息化服務；③ 信息化數據中心建設：各大商業銀行均建立了集中化的數據中心，實現了數據收集、數據存儲和數據管理的集中化管理，建設了數據倉庫、數據湖和數據集市等數據技術體系，初步完成了現實世界向數字世界的數據映射工作。

數字化轉型：數據體系的治理,數據資產的形成

隨著商業銀行逐步完成信息化建設工作，銀行的管理決策效率和金融服務機制獲得了很大提升，但多數仍基于人工經驗和專家規則，并未有效利用信息化過程中沉淀的海量數據。大數據時代，對信息化建設沉淀的海量數據資產進行治理和挖掘成為商業銀行數字化轉型的重點工作。主要包括：① 多維元數據的治理：多系統、多維度元數據的準確性、全面性、統一性是商業銀行數字化轉型的基礎，通過對多系統數據標準統一、元數據質量管理、數據質量監控等工作，保證海量數據資源向數字資產的有效轉化；② 非結構化數據的應用：商業銀行信息化過程中存儲了大量非結構化數據，如文本、圖像、語音等，非結構化數據往往難以被管理決策和智能算法高效應用，因此由非結構化數據向結構化數據的轉化和挖掘是提升銀行管理和決策效率的必經之路；③ 大數據特征體系的建設：由元數據向特征的映射和管理是高效利用數據資源的有效手段，需要結合數據治理技術和專家業務經驗共同完成，一套優質的大數據體系需具備全面性、準確性、時效性和專業性等特點，并可以同時滿足支持智能決策、智能風控、智能營銷等技術孵化的需求。

智能化轉型：智能風控的崛起,數據價值的應用

無論信息化建設、數字化轉型還是智能化轉型，其目的都在于提升商業銀行的管理效率和金融服務質量。通過兩方面綜合提升，實現商業銀行經營過程中的開源節流。智能風控的崛起加速了銀行的數智化轉型。銀行經營的本質就是經營風險,金融科技以智能風控為抓手,通過風險中臺能力的建設,逐步將數據價值應用到了銀行的前臺、中臺、后臺;如前臺的業務開展與智能營銷等,中臺的智能風控與智能投顧等,后臺的智能審計與智能網點等。其應用趨勢主要包含以下幾個方面。

智能風控：智能風控包含智能反欺詐、智能信用評估、智能風險定價、智能審批授信、智能預警、智能催收等，可以極大提升商業銀行信貸業務的審批效率、定價能力和授信精準度。隨著互聯網貸款在商業銀行風險資產比重逐漸提升，智能風控成為商業銀行金融科技競賽的重要賽道。

智能營銷：通過大數據和人工智能技術實現的“千人千面”的客戶畫像、產品畫像和渠道畫像能力，智能營銷可以對客群、產品和渠道要素精細化分析和精準匹配，在合適的時間，用合適的方式，向合適的人，推薦合適的金融產品。

智能投顧：智能投顧通過人工智能算法，結合投資者風險偏好、財務狀況和產品偏好，進行自動化的動態資產配置。其核心包括三個方面，投資者的投資偏好畫像、資產組合的合理化配置、資產組合和投資者的個性化匹配。

智能網點：智能網點通過大數據、人臉識別、多媒體感應等技術，從移動營銷、智能化身份識別、交互式體驗服務、智能化結算方式等多個維度，為客戶提供更多樣化、便利化、舒適化的服務。其核心包含網點布局智能化、網點設備智能化、網點服務智能化。

智能客服： 智能客服包含智能機器人、智能語音客服、智能聊天客服等，依賴語音識別、圖像識別、自然語言處理等技術，具有算法成熟、易轉化、易應用等特點，并憑借“24小時服務”“低人力成本”等優勢，成為各商業銀行智能化轉型過程中的標配智能服務。

“123+N”數智化風險中臺建設實踐  

為賦能商業銀行數智化轉型，更好迎接商業銀行風險管理的機遇和挑戰，我們建設了“123+N”的數智化風險管理體系，包括1個風險大腦、2個風險能力、3個風險中臺、N個風險名品（見圖1）。

“風險數智大腦”建設

風險數智大腦統籌全面風險管理的數智化體系建設，對構筑風險數智中臺的各個平臺進行統籌管理，建立完善的管理機制，全方位把控需求滿足度、開發進度以及運營質量。其業務功能需求分為兩個方面。

敏捷風險管理：一鍵式風險服務。可以實現：① 敏捷需求管理：統籌各業務需求方提出的風險模型開發、風險數據、風險報表等需求，并與科技開發需求聯動，對需求的進度、質量、時效性等進行統一把控； ② 風險流程管理：實現數據接入、特征衍生、模型開發、模型上線、風險服務的全流程管理；③ 風險數據管理：風險數智大腦與風險數據中臺實時交互，實現風險數據資產管理；④ 風險模型管理：風險數智大腦與風險技術中臺實時交互，建立風險模型管理體系；⑤ 風險決策服務管理：風險數智大腦與風險決策中臺實時交互，對服務的上線、下線、迭代，服務調用方、服務場景等實現信息化管理； ⑥ 用戶和權限管理：針對不同用戶配置不同管理和審批權限。

風險可視化：一站式風險呈現。可以實現：① 風險流程可視化：包括數據接入流程、特征加工流程、模型開發流程、風險決策流程的可視化展示；② 風險服務可視化：為風險審批決策與管理提供風險報告、風險報表、模型服務輔助決策等可視化展示；③ 風險指標可視化：包括資產質量、風險數據指標、風險業務指標、風險特征指標的可視化展示等。

“風險數智中臺”建設

風險數智中臺是落實風險數智化體系建設的重要工具和手段，由風險數據中臺、風險技術中臺、風險決策中臺三個中臺構成。可以實現：① 集中化：實現風險管理高度集中，改善分散的管理現狀；② 信息化：包括統一的數據標準、建模標準、模型驗證標準、以及數據接口和服務接口等標準的統一管理；③ 數字化：數據驅動風險管理模式創新，提升風險識別精準度；④ 智能化：借助智能化的技術手段提升風險管理效能。

風險數據中臺：整合數據資源，盤活數據資產

風險管理數智化轉型必須建立在多維、海量、動態的數據基礎上。風險數據中臺以風險管理視角，充分挖掘數據價值，打造全資產、多維度、廣頻率（包括實時/準實時/批量）的風險數據體系，并以此為基礎，構建風險特征體系和風險畫像體系。建設目標：① 敏捷化的風險數據體系：實現多源異構數據敏捷接入；實現數據標準統一、實體統一，打造完全融合的風險數據體系；② 資產化的風險特征體系：借助多元化大數據技術組件，包括大數據計算引擎、流式計算引擎、時序引擎、圖計算引擎等，實現離線和實時一體化、結構化與非結構化相融合的風險特征體系，實現風險數據資產化建設并提供高可用和高復用的數據資產共享能力；③ 標準化的客戶畫像體系：提升商業銀行KYC（Know Your Customer）的能力和效率，更好地升級和賦能金融服務。

風險技術中臺：孵化創新技術，打造模型工廠

風險技術中臺通過打造自研算法工廠、風險模型工廠以及風控標準化產品，形成有效的算法資產和模型資產，實現資產共享和復用，進而實現模型的積木式搭建與敏捷化部署。建設目標：① 敏捷化的快速部署流程：實現模型的快速發布與快速部署，從而實現模型的快速迭代與自動迭代；② 流程化的模型開發流程：實現模型開發的流程化管理，形成風險模型資產庫、算法資產庫，實現模型資產和算法資產的有效共享和復用；落地模型管理體系，實質性管好模型風險；③ 創新化的技術創新體系：支持對新技術、新算法的前瞻性、創新性研究。

風險決策中臺：風險決策支持，直達前臺業務

風險決策體系以風險數據中臺及風險技術中臺為支撐，為業務系統提供高效的風險管理服務。建設目標： ① 智能化的風險決策： 包含自動化審批決策、混合審批決策支持等，實現從風險評估、風險識別、風險監控、風險預警到風險處置的智能風控一體化運營，實現風險全流程閉環管理；② 高效化的風險數據及報告服務：實現風險數據“可見即可得”，風險報告“可想即可造”，滿足監管報送與銀行管理要求；③ 精細化的全面風險管理：有效落實全面風險管理職責，提升全面風險管理決策的時效性、全面性和準確性。

“風險數智名品”建設

風險數智大腦和風險數智中臺是落實風險管理數智化體系建設的重要支撐，其打造的風險數智名品可高效賦能消費金融、普惠金融以及金融控股集團協同等業務需求，實現風險管理數智化體系的價值創造。

金融智能風控解決方案：一站式全流程智能風控，服務銀行業務

消費金融智能風控解決方案：面向商業銀行消費金融信貸產品提供“智能算法評估與推斷+ 千人千面授信策略+組合目標管理”的一體化智能風控解決方案，推進存量客戶挖掘、優質渠道客群挖掘、以及開放式獲客，為商業銀行零售客戶提供定制化金融產品和個性化服務，加強精細化運營，實現觸達率、轉化率、通過率、不良率的完美統一。

普惠金融智能風控解決方案：面向商業銀行普惠金融信貸產品提供基于“企業大數據風險評分+企業大數據風險畫像+企業大數據風險定價”的一體化智能風控解決方案，以前置風控、企業反欺詐、自動化/輔助授信審批、智能預警、智能催收等方式，構建普惠金融智能風控解決方案，提升小微企業信貸審批效率和精準度，減少對抵押物的依賴，提升小微企業融資的可得性。

金控集團數字化協同智能解決方案：面向金融控股集團協同需求，通過構建全新的多子公司協同方式為抓手，提供“金控集團一體化客戶、產品和渠道畫像”的智能解決方案，并采用聯邦學習技術，破解集團數據共享難題。在實現數據價值共享的基礎上，依托大數據挖掘和AI模型建設能力，推動金控集團企業間實現客戶共享、場景融合以及服務創新，提高金控集團客戶價值挖掘，助力金控集團協同戰略發展。

標準化智能風控評分產品：對齊銀行主標尺，服務銀行戰略

結合具體業務需求和應用場景，建設的標準化智能風控評分產品，包括反欺詐評分、信用評分、行為評分、催收評分等。標準化智能風控評分產品既可以賦能互聯網信貸業務的貸前、貸中、貸后全流程的客戶信用及風險評估，也可以賦能商業銀行全面風險管理體系，提升商業銀行傳統風控流程中內部評級和KYC的全面性、精準性和時效性。

標準化客戶畫像推斷產品：從被動到主動服務，契合用戶需求

基于風險數據中臺的大數據特征體系和風險技術中臺的人工智能算法，通過構建標準化的客戶畫像推斷產品，從不同角度進行客戶的資質推斷、偏好推斷和用途推斷，實現優質金融服務和風險管理的協調發展。其中，資質推斷包括收入推斷和負債推斷，用于評估客戶的還款能力；偏好推斷包括利率偏好、期限偏好、還款方式偏好推斷等，用于合理把控客戶需求滿足度和客戶風險管理之間的平衡；用途推斷主要面向資金用途風險把控，在貸前評估客戶貸款用途與產品定位是否適配，貸后評估資金流向的合規性。 

(祝世虎為中國光大銀行智能風控中心副主任、首席科學家,郭晶晶為中國光大銀行智能風控中心資深經理)

上一篇：我國托管銀行的數字化轉型及路徑探討
下一篇：商業銀行智能化建設的實踐、挑戰與思考