黄河农村商业银行：信贷全流程预警系统

  随着金融行业数字化转型的加快，传统的主要依靠人工监测、人工管控的信贷检查手段已不足以满足加快速度进行发展的业务需要，无法全方面覆盖日渐增长的客户群体；不论在信息系统建设层面还是业务条线管理方面，都缺少系统化、流程化的强力支撑，不能有效满足行内审查的业务需要，不能够满足越来越严格的监管要求。

  如何充分的利用行内积累数据，并有效结合第三方大数据接口，内外整合，以关系图谱、数据挖掘平台、规则引擎、建设从贷前拦截、贷中核查、贷后预警全流程、自动化、智能化、便捷化、高效化的多级法人架构的信贷风险预警系统，是此次需着重探索的问题。

  通过此次系统建设可有效加强和提升我行行系统信贷业务风险预警和管控能力，借助金融科技赋能信贷业务风险管理，促进全系统信贷业务健康合规发展。

  贷前风险预警。主要是基于对客户身份信息、行为信息、信用信息等内外部数据的分析，建立客户欺诈风险规则集与客户准入风控模型，对线上（包括e贷app、手机银行、微信银行等）获客进件渠道、小微移动平台进件渠道、线下信贷系统进件渠道，实现信贷客户进件准入的全渠道反欺诈实时识别预警。在客户反欺诈预警规则和风控模型的制订时，可实现按照地域、机构、产品等维度对客户属性进行分类梳理，在客群分类梳理的基础上，进行反欺诈规则和风控模型的制订和灵活配置。

  贷中风险预警。主要是基于对我行线上、线下信贷业务产品的风险点的梳理，按照机构、产品、担保方式、额度等多维度，运用大数据通过构建不同机构、不一样的产品的业务审批规则、评分卡、风控模型，对一定金额、特定产品实现业务智能化风控审批，线下转线上；对不实行智能风控审批的业务产品，可支持为线下人工审批提供风险预警揭示和辅助决策。智能审批提供灵活的风控模型配置与部署，支持多风控模型构建和风控模型A/B test冠军挑战，app、手机银行、微信、直销银行等仅作为客户入口，通过结合贷前反欺诈预警，实现线上产品的快速部署上线。

  贷后风险预警。主要侧重于贷款发放后对贷款风险的识别和提前预警，要实现可按产品、金额、担保方式、客户经理、机构等多重维度，配置多个贷后预警的风控规则和模型，实现风险提前预警揭示、额度自动调整、冻结管理等，预警信号可通过短信、移动端app实时传导至管户经理、管理机构及相关管理部门，实现有重点有目标的精准贷后管理、即时贷后管理。

  满足监管的风险预警。以银保监会《全面风险管理指引》为指导，实现从机构、客户、业务、客户经理等多重维度，对大额贷款风险、单一集中度风险、逾期率、客户关联度、中长期贷款比例等监管指标的全面即时预警。

  实现内部员工操作风险预警。通过对行内信贷从业人员行为规范梳理，以及历史贷款操作违规违法案例梳理，总结员工行为的风险点，形成系统员工操作行为风险的预警规则，构建预警风控模型和预警管理处置流程，实现对员工信贷操作行为的即时预警。

  已数据挖掘为手段，布设建模平台；以业务规则为抓手，建立规则引擎；以数据关系为基础，建立关系图谱；以；以业务流程为整体导向，建立贷前袋中贷后预警系统。

  使用微服务框架springcloud 作为后端服务，使用vue前端框架，通过中间件activemq，缓存数据库redis，分发和缓存通讯数据；数据关系使用neo4j图数据库展示。负载均衡使用nginx软负载。采用集群部署方式，加强系统负载能力，提供统一的服务调用接口，支持行内信贷、小微以及其他渠道调用；外部数据使用标准化组件灵活高效的配置，大大降低接入成本。

  采用软件项目方式，由公司、业务、行内技术三方组成项目组，对整体业务流程、业务规则、业务字段、外部数据、内部数据、系统对接进行梳理，确保项目稳步推进。

  1、使用建模平台，集成各类数据挖掘算法（逻辑回归、决策树、随机森林等），将数据挖掘的流程，以系统化、流程化的方式实现。降低了数据挖掘的门槛，提高了数据分析的效率。

  2、使用图数据库，将层级复杂的关系网络以图形化、可视化的方式展现，解决了传统关系型数据库无法高效处理数据关系的性能问题。

  3、使用规则引擎，建立统一的行级信贷风险规则集合、从产品、客户等多重维度归纳总结，大大降低代码冗余，实现规则可配置、数据多点接入。

  1、行级信贷业务预警，支持行内信贷系统、小微平台、柜面、手机银行的调用。

  本项目共历时6个多月的开发建设，抽调一线工作人员，有明确的目的性的分析农户、城户、特点，参考他行先进经验，进行业务产品创新及原有业务流程整合。2020年5月，由信贷管理部牵头，有关部门配合分析业务条线需求，结合我行目前业务情况、项目实施情况提出具体需求，形成需求规格说明书，完成需求设计阶段，耗时3个月左右；2020年7月，由科技信息部牵头，负责配合公司方在数据库设计、概要设计、详细设计等方面的实施，耗时约1个月。组织配合对接新一代信贷系统，信贷管理部、个人金融部、授信审批部、网络金融部配合做好下一阶段案例编写、需求管理的工作，完成设计阶段，耗时约1个月；2020年9月，由科技信息部牵头，负责配合公司方完成系统的开发调试阶段，耗时2个月；2020年11月，由信贷管理部牵头，组织测试工作，业务部门负责业务需求完整性确认，科技部负责对系统性能、系统安全、系统架构等非功能性验证，完成系统测试阶段，耗时1个月。

  目前系统处于上线试运行阶段，其中，数据建模平台能在1天内将10万条数据，通过各类算法分析并生成分析报表；关系图谱可将行内上千个节点关系，以关系的形式展示在图表中，极大的提升了关联客户的分析识别水平。规则引擎系统接入了17个数据源，形成规则集200多个，可分析行内各类客户，自动形成信贷风险分析报告。

  信贷风险预警系统由建模平台、关系图谱、反欺诈、预警几个子模块组成，分别将行内数据分析、关联关系、规则配置系统化实现。业务上实现了预警规则与信号的统一管理，流程化、任务化、数据化的行级系统能力，为行内信贷风险管理提供了有效支撑，降低了客户经理手工贷后检查的工作量，使信贷风险管理能力迈上新台阶。技术上，加强了数据分析能力，拓展了技术栈，学习到了新的程序设计方法和思路，为行内提供了新的技术平台和工具。

  信贷风险预警的建设，实现了全行信贷业务的全流程监测，极大的提高了业务处理效率，降低了人工处理的风险。以行内历史积累的数据和外部第三方数据为原料，已图数据库、建模平台、风控反欺诈为技术工具，建立完整的风险识别、处置体系，有效弥补了人工效率低、风险高的缺点。信贷风险预警系统的上线，形成了以系统为依托，以业务数据为标准的预警体系，并将规章制度融入系统规则中，有效提升全行预警处理水平与能力；简化了风险信号的处理流程，提高了预警处理的能力，是未来金融数字化转型的一块重要拼图；信贷风险预警系统的引入，为行内数据挖据能力的提升提供了可靠的工具，拓展了数据分析的受众面，降低了业务技术数据分析的成本，加强了行内技术支撑。