本篇案例為數(shù)據(jù)猿推出的大型“金融大數(shù)據(jù)主題策劃”活動（查看詳情）第一部分的系列案例/征文；感謝 恒豐銀行 的投遞

作為整體活動的第二部分，2017年6月29日，由數(shù)據(jù)猿主辦，上海金融行業(yè)信息協(xié)會、互聯(lián)網(wǎng)普惠金融研究院聯(lián)合主辦，中國信息通信研究院、大數(shù)據(jù)發(fā)展促進委員會、上海大數(shù)據(jù)聯(lián)盟、首席數(shù)據(jù)官聯(lián)盟、中國大數(shù)據(jù)技術(shù)與應(yīng)用聯(lián)盟協(xié)辦的《「數(shù)據(jù)猿·超聲波」之金融科技·商業(yè)價值探索高峰論壇》還將在上海隆重舉辦【論壇詳情丨上屆回顧】

在論壇現(xiàn)場，也將頒發(fā)“技術(shù)創(chuàng)新獎”、“應(yīng)用創(chuàng)新獎”、“最佳實踐獎”、“優(yōu)秀案例獎”四大類案例獎

來源：數(shù)據(jù)猿丨投遞：恒豐銀行

恒豐銀行近年來陸續(xù)推出了信貸工廠、消費金融、供應(yīng)鏈金融等一系列網(wǎng)貸、平臺貸業(yè)務(wù)，為不同行業(yè)、不同規(guī)模的客戶提供了豐富的信貸類產(chǎn)品。業(yè)務(wù)規(guī)模快速發(fā)展的同時，如何快速、全面識別、監(jiān)測、防范客戶信用風(fēng)險，成為了全行風(fēng)險管理領(lǐng)域最為重要的工作之一。對此，恒豐銀行積極籌劃，在制度層面制定全面風(fēng)險管理體系，明確各條線、各部門的風(fēng)控職責(zé)，筑牢風(fēng)險管理的三道防線之外，提出通過運用大數(shù)據(jù)技術(shù)構(gòu)建信用風(fēng)險預(yù)警系統(tǒng)，加強風(fēng)險信息歸集、監(jiān)測、審查的準(zhǔn)確性、及時性，強化風(fēng)險預(yù)測能力。

本案例將分享恒豐銀行在風(fēng)險控制過程中如何利用大數(shù)據(jù)技術(shù)構(gòu)建信用風(fēng)險預(yù)警系統(tǒng)解決風(fēng)控與成本約束、處理效率和用戶體驗間的矛盾，以及在系統(tǒng)建設(shè)過程中遇到的挑戰(zhàn)、積累的經(jīng)驗及未來的規(guī)劃。

周期/節(jié)奏

2015年9月，啟動基于大數(shù)據(jù)技術(shù)的信用風(fēng)險預(yù)警系統(tǒng)建設(shè)；

2016年5月，企貸風(fēng)險防控體系初步建成，支撐恒信快貸業(yè)務(wù)開展；

2016年8月，個貸風(fēng)險防控體系初步建成，支撐現(xiàn)金貸業(yè)務(wù)開展；

2016年11月，基于擔(dān)保圈的客戶違約預(yù)測模型投產(chǎn)上線，將貸后風(fēng)險預(yù)警、防控前移；

2017年1月，在完善已接入的內(nèi)外部數(shù)據(jù)基礎(chǔ)上，進一步接入統(tǒng)計局?jǐn)?shù)據(jù)、海關(guān)進出口數(shù)據(jù)、金融市場數(shù)據(jù)及企業(yè)資質(zhì)、評級、稅務(wù)，個人學(xué)歷、車輛等外部數(shù)據(jù)，通過引入知識圖譜、機器學(xué)習(xí)、自然語言處理等技術(shù)及專業(yè)化決策引擎工具構(gòu)建豐富的風(fēng)控模型，并打通與信貸系統(tǒng)、貸后系統(tǒng)、押品系統(tǒng)等的聯(lián)動，構(gòu)建完整的大數(shù)據(jù)風(fēng)險防控體系。

客戶名稱/所屬分類

恒豐銀行/風(fēng)控

任務(wù)/目標(biāo)

針對恒豐銀行的線上線下業(yè)務(wù)協(xié)同發(fā)展戰(zhàn)略，風(fēng)控部門提出通過大數(shù)據(jù)技術(shù)優(yōu)先支持新發(fā)展的線上業(yè)務(wù)，待線上業(yè)務(wù)風(fēng)控成熟后逐步應(yīng)用于傳統(tǒng)信貸業(yè)務(wù)；同時同步研究利用大數(shù)據(jù)技術(shù)做好風(fēng)險分類研究、風(fēng)險實時監(jiān)測及風(fēng)險預(yù)測等工作。

對于恒豐銀行的線上業(yè)務(wù)風(fēng)控，包括網(wǎng)貸和平臺貸等，業(yè)務(wù)部門提出：

一、系統(tǒng)能夠快速整合客戶信息，全面、準(zhǔn)確識別客戶及所提供擔(dān)保的風(fēng)險，以快速響應(yīng)提升用戶體驗；

二、客戶風(fēng)險全流程監(jiān)測，包括貸前風(fēng)險提示、貸中貸后風(fēng)險監(jiān)測及預(yù)警，攔截高風(fēng)險客戶，及時觸發(fā)風(fēng)險緩釋工具的啟用；

三、監(jiān)測各主流新聞媒體、論壇、自媒體，運用文本分析技術(shù)監(jiān)測、識別涉及我行客戶負(fù)面輿情，及時、主動化解風(fēng)險，促進業(yè)務(wù)良性發(fā)展；

四、支持風(fēng)險防控體系的快速更新、快速部署，適應(yīng)當(dāng)前客戶風(fēng)險顯現(xiàn)的多樣性、易變性、復(fù)雜性；

五、支持風(fēng)控模型的回測、驗證，滿足對歷史風(fēng)控模型的評價、新模型的驗證及潛在客戶風(fēng)險批量評估、篩選。

挑戰(zhàn)

大數(shù)據(jù)時代，風(fēng)控被認(rèn)為是大數(shù)據(jù)技術(shù)在銀行業(yè)最有前景的應(yīng)用場景之一。同大多數(shù)商業(yè)銀行一樣，恒豐銀行也希望通過大數(shù)據(jù)技術(shù)加強信貸業(yè)務(wù)，尤其是線上信貸業(yè)務(wù)的風(fēng)險防控，以滿足平臺貸等業(yè)務(wù)規(guī)模驟升過程中的自動化風(fēng)險檢測與審批需求。然而在具體實施過程中也依然遇到一系列的困難和挑戰(zhàn)，包括觀念的轉(zhuǎn)變、資源的短缺等。

（一）業(yè)務(wù)模式的轉(zhuǎn)變，新的風(fēng)控理念尚未成熟

數(shù)字化銀行業(yè)務(wù)是典型的適應(yīng)互聯(lián)網(wǎng)金融環(huán)境誕生的金融產(chǎn)品，其業(yè)務(wù)模式與傳統(tǒng)業(yè)務(wù)有較大不同，且仍處于快速變化的狀態(tài)，對應(yīng)的內(nèi)外部相關(guān)監(jiān)管規(guī)則亦處于逐步完善之中。如何在快速推進新業(yè)務(wù)與嚴(yán)格遵守傳統(tǒng)監(jiān)管要求之間求得平衡，是業(yè)務(wù)經(jīng)營方、監(jiān)管方主要考慮的問題；大數(shù)據(jù)風(fēng)控技術(shù)是逐步替代傳統(tǒng)風(fēng)控手段還只是作為增強手段，各方的風(fēng)控理念尚未完全達成一致。業(yè)務(wù)模式的不確定、監(jiān)管規(guī)則的不明晰，大數(shù)據(jù)風(fēng)控的深入應(yīng)用仍處于探索過程中。

（二）認(rèn)知的偏見，大數(shù)據(jù)風(fēng)控正名尚需時日

在銀行傳統(tǒng)風(fēng)控人員的認(rèn)知中，現(xiàn)有線下信貸業(yè)務(wù)風(fēng)控手段相對比較成熟，業(yè)務(wù)使用廣泛，已能夠滿足內(nèi)外部監(jiān)管的要求，只要嚴(yán)格遵守則基本無需承擔(dān)風(fēng)控不力的責(zé)任；而使用大數(shù)據(jù)技術(shù)風(fēng)控，現(xiàn)有數(shù)據(jù)的完備性、準(zhǔn)確性存在一定的不足，風(fēng)控模型效力仍有待時間驗證，亦存在風(fēng)險遺漏的情況，缺乏傳統(tǒng)風(fēng)控手段的“可靠性”，對大數(shù)據(jù)風(fēng)控技術(shù)的使用持有一定的懷疑態(tài)度。

而事實上不管是傳統(tǒng)風(fēng)控手段，還是大數(shù)據(jù)風(fēng)控技術(shù)都只能最大限度地降低風(fēng)險而非杜絕風(fēng)險，風(fēng)控的效果指的是概率上的優(yōu)劣?，F(xiàn)如今互聯(lián)網(wǎng)金融模式的快速發(fā)展，需要我們不斷創(chuàng)新風(fēng)控思路，在不斷試錯、不斷改進過程中完善風(fēng)控體系，而不能抱殘守缺、墨守傳統(tǒng)風(fēng)控理念，停滯不前。此外，客戶信息的完備性、準(zhǔn)確性永遠是一個相對概念，沒有絕對完整、準(zhǔn)確的客戶數(shù)據(jù)，只能是多方位完善、選擇性取舍。

（三）數(shù)據(jù)極度缺乏，數(shù)據(jù)接入困難超預(yù)期

當(dāng)前金融產(chǎn)品日益多樣化，客戶準(zhǔn)入門檻逐步下沉，商業(yè)銀行對優(yōu)質(zhì)客戶的爭奪愈演愈烈；而另一面，客戶對商業(yè)銀行產(chǎn)品越來越挑剔，對授信金額、審批速度的要求也越來越高。為了能夠在這場爭奪戰(zhàn)中占得先機，必須通過加強對客戶行內(nèi)外信息的整合，全面、快速、準(zhǔn)確識別客戶風(fēng)險，迅速做出授信決策?？蛻粜袃?nèi)數(shù)據(jù)在大數(shù)據(jù)平臺構(gòu)建過程中得到解決，而外部數(shù)據(jù)在接入過程中則遇到較大困難：

首先，外部數(shù)據(jù)質(zhì)量參差不齊、數(shù)據(jù)效用較難評估，需要較長時間進行溝通、分析、確認(rèn)；

其次,對于線上常見的平臺貸等業(yè)務(wù)，由于銀行不直接面對客戶，傳統(tǒng)的埋點等風(fēng)控數(shù)據(jù)采集方法難以施行。

（四）案例庫的缺少，大數(shù)據(jù)風(fēng)控模型優(yōu)勢難以快速體現(xiàn)

對于很多中小型銀行，因業(yè)務(wù)規(guī)模及信息系統(tǒng)建設(shè)滯后等原因，不良授信的案例庫要么缺失、要么案例較少，尤其是對于線上的互金等新生業(yè)務(wù)，不良案例庫更是少之又少。由于案例庫的缺少，目前風(fēng)頭正勁的機器學(xué)習(xí)等新的風(fēng)控技術(shù)難有用武之地，大數(shù)據(jù)風(fēng)控技術(shù)、模型的效果難以得到充分的驗證，目前基本只能通過對傳統(tǒng)業(yè)務(wù)客戶的歷史逾欠情況進行分析，以此來評價風(fēng)控模型效果。

實施過程/解決方案

恒豐銀行信用風(fēng)險預(yù)警系統(tǒng)主要分為基礎(chǔ)數(shù)據(jù)層、基礎(chǔ)技術(shù)服務(wù)層和應(yīng)用層，其總體架構(gòu)如圖一所示。

（一)基礎(chǔ)數(shù)據(jù)層：風(fēng)控系統(tǒng)數(shù)據(jù)引入

基礎(chǔ)數(shù)據(jù)層主要負(fù)責(zé)行內(nèi)行外數(shù)據(jù)接入、存儲，通過自建爬蟲體系、購買外部服務(wù)數(shù)據(jù)API或文件批量推送服務(wù)實現(xiàn)各類數(shù)據(jù)的接入，形成風(fēng)控專用的風(fēng)險數(shù)據(jù)集市，如圖二所示。根據(jù)獲取權(quán)限不同，風(fēng)控數(shù)據(jù)可分為四類：

第一類為行內(nèi)數(shù)據(jù)，主要包括企業(yè)和個人的基礎(chǔ)信息、授用信信息、還款信息、賬戶信息及各類黑、灰名單等，均為結(jié)構(gòu)化數(shù)據(jù)，可直接從行內(nèi)的大數(shù)據(jù)平臺接入，數(shù)據(jù)準(zhǔn)確、權(quán)威，但覆蓋面相對較少；

第二類為用戶授權(quán)數(shù)據(jù)，包括企信征信、個人征信、個人學(xué)歷、個人車輛、電商交易記錄等數(shù)據(jù)，主要通過第三方提供的API接口接入；

第三類為第三方公司數(shù)據(jù)，包括工商、司法、手機驗真等，這部分?jǐn)?shù)據(jù)主要以API接口獲取為主，以文本文件推送為輔；

第四類是來自于互聯(lián)網(wǎng)的各類免費數(shù)據(jù)，包括企業(yè)的評級、資質(zhì)、招聘、投融資、市場價格、新聞、突發(fā)等數(shù)據(jù)，個人的設(shè)備指紋、微博等數(shù)據(jù)，這類數(shù)據(jù)主要通過爬蟲獲取為主，文本文件推送、接口接入為輔。

圖二 外部數(shù)據(jù)接入方式

在數(shù)據(jù)接入節(jié)奏方面，對于行內(nèi)數(shù)據(jù)，主要以“數(shù)據(jù)驅(qū)動為主、業(yè)務(wù)驅(qū)動為輔”的方式，提前將可能用到的數(shù)據(jù)全部接入進來；對于行外數(shù)據(jù)，則在充分評估數(shù)據(jù)效用、接入周期、接入技術(shù)難度、更新頻率等各種因素后，以“業(yè)務(wù)驅(qū)動為主、數(shù)據(jù)驅(qū)動為輔；急用先行、分步接入”的方式逐步接入。

（二）基礎(chǔ)技術(shù)服務(wù)層：風(fēng)控系統(tǒng)數(shù)據(jù)處理

基礎(chǔ)技術(shù)服務(wù)層主要對基礎(chǔ)數(shù)據(jù)層接入的數(shù)據(jù)進行深加工，而在基礎(chǔ)數(shù)據(jù)層接入的數(shù)據(jù)以結(jié)構(gòu)化數(shù)據(jù)為主，如授用信信息、工商信息等；以非結(jié)構(gòu)化數(shù)據(jù)為輔，如財經(jīng)新聞數(shù)據(jù)、微博數(shù)據(jù)等。

對于接入的這些數(shù)據(jù)，需要進行三個層次的整合加工，如圖三所示：

一是將非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化并進行ETL處理，通過文本解析、正則表達式、語義網(wǎng)等技術(shù)抽取關(guān)注的要素信息，如互聯(lián)網(wǎng)上政府、行業(yè)協(xié)會公示的企業(yè)資質(zhì)信息，評級公司公開的企業(yè)評級信息等；

二是根據(jù)應(yīng)用需要對文本信息進行分詞、實體抽取、自動摘要、關(guān)鍵詞提取、重復(fù)檢測、正負(fù)面極性判斷、語義分析、文本分類等標(biāo)記及基礎(chǔ)指標(biāo)加工等處理，這是數(shù)據(jù)處理過程中最核心部分；

三是基于結(jié)構(gòu)化、標(biāo)記后文本及基礎(chǔ)指標(biāo)，借助文本挖掘、MIDAS、R等技術(shù)或工具構(gòu)建形成客戶統(tǒng)一風(fēng)險視圖，如客戶授用信指標(biāo)、還款情況、涉訴情況、經(jīng)營情況、輿情信息，并通過關(guān)系圖譜、投資圖譜等各種數(shù)據(jù)的進一步關(guān)系強化，進而形成完整的企業(yè)/個人知識圖譜等。

圖三 數(shù)據(jù)處理流程

（三)應(yīng)用服務(wù)層：風(fēng)控系統(tǒng)價值展現(xiàn)

借助大數(shù)據(jù)平臺接入及經(jīng)過技術(shù)服務(wù)層深加工之后的各類數(shù)據(jù)，將通過應(yīng)用服務(wù)層直接或與其他關(guān)聯(lián)系統(tǒng)交互的方式發(fā)揮風(fēng)險控制作用。

一是單筆業(yè)務(wù)的風(fēng)險防控，涵蓋授信業(yè)務(wù)的貸前、貸中、貸后全生命周期，主要由用戶發(fā)起，屬于被動式風(fēng)控方式。

貸前階段，在獲取客戶基本信息之后，風(fēng)控平臺將從基礎(chǔ)數(shù)據(jù)及基礎(chǔ)技術(shù)服務(wù)層獲取客戶的各類信息，包括各類黑名單命中情況、工商信息、財務(wù)信息、輿情信息、股東信息、投資情況等各類關(guān)系圖譜、投資圖譜等信息，形成一份完整的客戶統(tǒng)一風(fēng)險視圖及風(fēng)險掃描報告，客戶經(jīng)理可基于此進行貸前分析及報告撰寫。圖四為客戶風(fēng)險一鍵掃描視圖。

貸中階段，在獲取客戶授權(quán)以后，風(fēng)控平臺將接入征信、學(xué)歷、車輛等各類數(shù)據(jù)，并結(jié)合基于大數(shù)據(jù)征信形成的A卡由決策引擎給定客戶審批建議、核算建議授信額度等。

貸后階段，根據(jù)貸后風(fēng)控策略定期監(jiān)測已授信客戶風(fēng)險信號，包括客戶履約情況、擔(dān)保情況、償債能力變化情況等，協(xié)同貸后系統(tǒng)、風(fēng)險緩釋平臺進行風(fēng)險處置。

在單筆業(yè)務(wù)場景下，基于大數(shù)據(jù)技術(shù)的決策引擎，其規(guī)則的生成和配置與傳統(tǒng)依據(jù)統(tǒng)計分析生成有所不同，在此背景下，組成規(guī)則的指標(biāo)可引入機器學(xué)習(xí)等算法，通過特征工程選擇關(guān)聯(lián)性強的特征，同時考慮到風(fēng)控面臨的監(jiān)管的嚴(yán)肅性、審慎性，一般選取解釋性較好的特征加入風(fēng)控規(guī)則。另外，基于大數(shù)據(jù)的風(fēng)控體系，在授信的全生命周期均能審查客戶的各類風(fēng)險信息，能較好得規(guī)避因客戶經(jīng)理隱瞞客戶不良信息的道德風(fēng)險。

圖四 客戶風(fēng)險綜合視

二是批量業(yè)務(wù)的風(fēng)險防控，主要應(yīng)用于貸前調(diào)查和貸后風(fēng)險監(jiān)測、風(fēng)險緩釋。當(dāng)銀行研發(fā)一款新產(chǎn)品時，通常需要確定目標(biāo)群體并評估該群體狀況、市場規(guī)模及業(yè)務(wù)前景，此時可通過風(fēng)控系統(tǒng)對目標(biāo)客群進行批量風(fēng)險掃描，快速評估目標(biāo)客戶風(fēng)險狀況，預(yù)測新業(yè)務(wù)發(fā)展前景，及時對新業(yè)務(wù)規(guī)劃、目標(biāo)進行相應(yīng)調(diào)整；貸后階段主要結(jié)合客戶授信償還情況、擔(dān)保情況及其他風(fēng)險因素變動情況觸發(fā)貸后進行風(fēng)險處置及押品系統(tǒng)、風(fēng)險緩釋系統(tǒng)進行擔(dān)保物的核查、處置。

三是風(fēng)險的監(jiān)測、追蹤、預(yù)警、預(yù)測，主要通過構(gòu)建行業(yè)發(fā)展景氣指數(shù)，并從行業(yè)、地域維度分析風(fēng)險暴發(fā)情況，輔助業(yè)務(wù)規(guī)劃及相關(guān)有權(quán)部門調(diào)整高風(fēng)險行業(yè)和地域的貸款投向；通過持續(xù)追蹤國家產(chǎn)業(yè)政策的變化，各部門、各地方政府相應(yīng)細(xì)則的落實，協(xié)助分支機構(gòu)緊盯國家、中央層面動向，合理安排信貸投向，如圖五所示；通過監(jiān)測各類突發(fā)事件，應(yīng)用文本挖掘及知識圖譜技術(shù)快速識別風(fēng)險類別、風(fēng)險主體、發(fā)生地域等，通知相關(guān)部門及時評估事發(fā)客戶及下游客戶風(fēng)險，啟動資產(chǎn)保全措施，及時挽回?fù)p失。在該類應(yīng)用過程中，將對各類風(fēng)險進行分類、分級，并根據(jù)應(yīng)用系統(tǒng)及不同用戶進行差異化消息推送服務(wù)，推送方式包括系統(tǒng)消息、郵件及短信等。

圖五 重大/突發(fā)事件追蹤

同時，基于海量文本輿情數(shù)據(jù)的全行客戶負(fù)面輿情監(jiān)測功能，更是為各級經(jīng)營主體及風(fēng)險管理部門主動應(yīng)對突發(fā)事件，及時采取風(fēng)險化解措施提供了有力的管理工具，本功能通過Kafka/Akka技術(shù)實現(xiàn)信息的推送和分發(fā)，如圖六所示。

圖六 實時輿情監(jiān)測架構(gòu)

結(jié)果/效果總結(jié)

恒豐銀行信用風(fēng)險預(yù)警系統(tǒng)自投產(chǎn)上線以來，經(jīng)過模型的不斷擴充完善、技術(shù)的不斷升級、系統(tǒng)性能的不斷優(yōu)化，并經(jīng)過多個平臺貸、網(wǎng)貸業(yè)務(wù)系統(tǒng)近一年時間的檢驗，風(fēng)控能力逐步提升，在客戶風(fēng)險識別效率、準(zhǔn)確率、成本控制等方面較傳統(tǒng)風(fēng)控手段有了大幅提高。

（一）新增信貸資產(chǎn)質(zhì)量大幅提升。以某平臺貸為例，自風(fēng)控系統(tǒng)啟用以來，其新增授信業(yè)務(wù)逾欠率控制在1%以內(nèi)，且呈逐漸降低態(tài)勢，不良率更是大幅低于全行同類業(yè)務(wù)，效果十分顯著；

（二）新增的網(wǎng)貸、平臺貸授信業(yè)務(wù)發(fā)放效率顯著提升。傳統(tǒng)貸款類授信業(yè)務(wù)發(fā)放周期為數(shù)天至數(shù)周甚至更長時間，而在不降低風(fēng)險防控水平的情況下，基于大數(shù)據(jù)風(fēng)控技術(shù)的航信票貸、恒信快貸等業(yè)務(wù)產(chǎn)品卻實現(xiàn)了24小時、8小時放款，即將投放市場的另一款零售產(chǎn)品將實現(xiàn)準(zhǔn)實時放款，授信審批效率和客戶體驗同步大幅提升；

（三）新增業(yè)務(wù)的客戶貸前調(diào)查成本大幅降低。在以往的風(fēng)控模式下，客戶經(jīng)理逐一收集客戶各類信息，逐一審核并編制調(diào)查報告，成本巨大，這也是眾多銀行開展傳統(tǒng)小額貸款不積極、不主動的原因之一；而在大數(shù)據(jù)技術(shù)風(fēng)控模式之下，新增信貸業(yè)務(wù)采取預(yù)先收集意向客戶簡要信息，經(jīng)風(fēng)控系統(tǒng)的黑名單及各類風(fēng)險的排查后（不含需客戶授權(quán)的人行征信等風(fēng)控過濾），初步確立可進一步發(fā)展的客戶名單。經(jīng)對某平臺貸的數(shù)據(jù)統(tǒng)計，風(fēng)險預(yù)審過程可綜合節(jié)約近80%的人力成本，同時基于該統(tǒng)計數(shù)據(jù)調(diào)整的業(yè)務(wù)發(fā)展規(guī)劃更為科學(xué)、符合實際。

企業(yè)介紹：

恒豐銀行股份有限公司是12家全國性股份制商業(yè)銀行之一，注冊地?zé)熍_。

近年來，恒豐銀行穩(wěn)健快速發(fā)展。截至2016年末，恒豐銀行資產(chǎn)規(guī)模已突破1.2萬億元，是2013年末的1.6倍；各項存款余額7682億元，各項貸款余額4252億元，均比2013年末翻了一番。2014年至2016年累計利潤總額312.17億元，這三年的累計利潤總額為以往26年的累計利潤總額；服務(wù)組織架構(gòu)不斷完善，分支機構(gòu)數(shù)306家，是2013年末的兩倍。

近年來，恒豐銀行屢獲榮譽。在英國《銀行家》雜志發(fā)布的“2016全球銀行1000強”榜單中排名第143位；在香港中文大學(xué)發(fā)布的《亞洲銀行競爭力研究報告》中位列亞洲銀行業(yè)第5位；在中國銀行業(yè)協(xié)會發(fā)布的“商業(yè)銀行穩(wěn)健發(fā)展能力‘陀螺（GYROSCOPE）評價體系’”中，綜合能力排名位列全國性商業(yè)銀行第7位，全國性股份制商業(yè)銀行前三；榮獲“2016老百姓最喜歡的股份制商業(yè)銀行”第二名、“2016年互聯(lián)網(wǎng)金融創(chuàng)新銀行獎”、“2016年最佳網(wǎng)上銀行安全獎”、“2016年度創(chuàng)新中國特別獎”等多項榮譽。

作為一家肇始于孔孟之鄉(xiāng)山東的全國性股份制商業(yè)銀行，恒豐銀行秉承“恒必成 德致豐”的核心價值觀，踐行“1112·5556”工程，即：一個愿景（打造“精品銀行、全能銀行、百年銀行”）、一個文化（打造“開放、創(chuàng)新、競爭、協(xié)同、守規(guī)、執(zhí)行”的“狼兔文化”）、一個目標(biāo)（五年目標(biāo)是以客戶為中心，以創(chuàng)新為驅(qū)動，高效協(xié)同，彎道超車，五年內(nèi)進入全國性股份制商業(yè)銀行第二方陣；十年目標(biāo)是要打造一個國際金融控股集團）、兩個策略（“植根魯蘇，深耕成渝，拓展中部六省和海西，進軍京滬廣深”的區(qū)域策略和“四輪驅(qū)動、兩翼齊飛”的經(jīng)營策略）、“五化”強行戰(zhàn)略（國際化、信息化、精細(xì)化、科技化、人才化）、“五力”工作方針（忠誠力、執(zhí)行力、目標(biāo)力、風(fēng)險經(jīng)營力、恒久發(fā)展力）、五個引領(lǐng)（人才引領(lǐng)、科技引領(lǐng)、創(chuàng)新引領(lǐng)、效率引領(lǐng)、效益引領(lǐng)）、六大綜合能力（價值分析能力、風(fēng)險鑒別能力、定價能力、創(chuàng)新能力、調(diào)研能力、學(xué)習(xí)能力）；大力實施“12345”行動綱領(lǐng)，即:“1”是做金融綜合解決方案的提供商，“2”是金融云平臺和大數(shù)據(jù)平臺，“3”是數(shù)字銀行、交易銀行、銀行的銀行，“4”是龍頭金融、平臺金融、家庭金融、O2O金融等四大金融創(chuàng)新業(yè)務(wù)模式，“5”是投行、資管、平臺、人才盤點和以“One Bank”為核心的績效評價體系等五大戰(zhàn)略落地工具，致力于做“知識和科技的傳播者、渠道和平臺的建設(shè)者、金融綜合解決方案的提供者”，力求打造令人矚目、受人尊敬的商業(yè)銀行，為客戶和社會提供效率最高、體驗最佳的綜合金融服務(wù)。

歡迎更多大數(shù)據(jù)企業(yè)、大數(shù)據(jù)愛好者投稿數(shù)據(jù)猿，來稿請直接投遞至：tougao@datayuan.cn

來源：數(shù)據(jù)猿