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(jìn)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

隨著經(jīng)濟(jì)一體化和金融全球化進(jìn)程的加速，互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、互聯(lián)網(wǎng)+的快速發(fā)展，金融機(jī)構(gòu)業(yè)務(wù)規(guī)模的迅猛增長和品種日益豐富，以及新興業(yè)務(wù)（如互聯(lián)網(wǎng)金融、P2P、電子支付）及自身特點（交易場景復(fù)雜、覆蓋范圍廣泛、追蹤記錄難度高）帶來的風(fēng)險層出不窮。在內(nèi)外部環(huán)境因素作用下，恒豐銀行建設(shè)運營風(fēng)險監(jiān)測系統(tǒng)的動因主要體現(xiàn)在以下方面：

1、風(fēng)險意識驅(qū)動

恒豐銀行正處于業(yè)務(wù)和科技高速發(fā)展和持續(xù)創(chuàng)新、調(diào)整階段，在當(dāng)前金融大背景下，面臨不確定、不穩(wěn)定因素正在不斷增加。

為了提高金融機(jī)構(gòu)防范能力，同時滿足監(jiān)管機(jī)構(gòu)的要求，需要通過全方位風(fēng)險預(yù)警管理體系來進(jìn)行有效控制，即建立完善的事前、事中、事后的全面風(fēng)險預(yù)警管理體系，結(jié)合內(nèi)外部數(shù)據(jù)，從客戶信息、賬戶信息、交易信息中挖掘、分析風(fēng)險特征，動態(tài)制定和部署風(fēng)險監(jiān)測預(yù)警模型規(guī)則，從信用風(fēng)險、交易風(fēng)險、運營風(fēng)險等業(yè)務(wù)條線進(jìn)行風(fēng)險監(jiān)測、防范和控制。將以“客戶為中心”的經(jīng)營理念和全面風(fēng)險預(yù)警管理建設(shè)思路有機(jī)結(jié)合，促進(jìn)金融業(yè)務(wù)的持續(xù)健康發(fā)展。

2、自身需求驅(qū)動

通過建立運營風(fēng)險監(jiān)測系統(tǒng)，有助于使銀行的金融監(jiān)管體系在滿足事后的發(fā)現(xiàn)和化解風(fēng)險的同時，盡快轉(zhuǎn)向事前預(yù)警和風(fēng)險預(yù)防，有利于有效分配金融監(jiān)管資源，實現(xiàn)差別監(jiān)管，強(qiáng)化現(xiàn)場金融檢查的計劃性和協(xié)調(diào)性，促進(jìn)銀行加強(qiáng)自律管理，降低經(jīng)濟(jì)損失，樹立銀行良好的行業(yè)形象。

運營風(fēng)險監(jiān)測系統(tǒng)是恒豐銀行以有效防范和控制會計操作風(fēng)險為目標(biāo)而建設(shè)的一個風(fēng)險管理信息系統(tǒng)。它根據(jù)恒豐銀行已有的核心系統(tǒng)為數(shù)據(jù)基礎(chǔ)，配合多維外接系統(tǒng)數(shù)據(jù)為參考，滿足總、分行會計風(fēng)險監(jiān)控人員對監(jiān)測風(fēng)險事項進(jìn)行處理和信息查詢的需要，在此基礎(chǔ)上實現(xiàn)對會計操作風(fēng)險進(jìn)行有效監(jiān)控，從而達(dá)到防范案件、規(guī)范操作、堵截案件的目的。

3、技術(shù)驅(qū)動

傳統(tǒng)應(yīng)用技術(shù)架構(gòu)，無法兼顧實時風(fēng)險監(jiān)測需要的高并發(fā)、低延遲應(yīng)用場景需要。

在當(dāng)前不斷升級的帶寬網(wǎng)絡(luò)、云計算、大數(shù)據(jù)及人工智能技術(shù)快速發(fā)展和逐步成熟商用的背景下，構(gòu)建一個要求對海量數(shù)據(jù)進(jìn)行分析處理、對計算性能要求高、并且穩(wěn)定可靠的應(yīng)用系統(tǒng)成為現(xiàn)實，采用先進(jìn)和可靠的技術(shù)建設(shè)的運營風(fēng)險監(jiān)測系統(tǒng)，將提升運營風(fēng)險監(jiān)測效率、提高風(fēng)險發(fā)現(xiàn)和防范能力，優(yōu)化運營風(fēng)險日常業(yè)務(wù)管理流程。

周期/節(jié)奏

運營風(fēng)險監(jiān)測系統(tǒng)目前共分為三期實現(xiàn)，本案例介紹一期項目。

1、2016年6月初，恒豐銀行正式啟動運營風(fēng)險監(jiān)測系統(tǒng)一期項目建設(shè)。

2、2016年10月底，項目完成了需求分析、設(shè)計、開發(fā)、測試等實施環(huán)節(jié)。

3、2016年12月底，系統(tǒng)投產(chǎn)，并在總行和指定分行完成定點試運行。

4、2017年1月底，完成全行推廣使用。

客戶名稱/所屬分類

恒豐銀行/風(fēng)控

任務(wù)/目標(biāo)

恒豐銀行在運營風(fēng)險監(jiān)測系統(tǒng)上線前，只有一個事后監(jiān)督系統(tǒng)做為運營業(yè)務(wù)規(guī)范性監(jiān)督；為了強(qiáng)化集中監(jiān)督的風(fēng)險監(jiān)測職能，實現(xiàn)由規(guī)范性監(jiān)督向風(fēng)險性監(jiān)督、由單一事后監(jiān)督向事后監(jiān)督與事中監(jiān)測相結(jié)合的轉(zhuǎn)變，需要建設(shè)運營營風(fēng)險監(jiān)測系統(tǒng)，來監(jiān)測日常業(yè)務(wù)處理中存在的異常與問題。

由總分行風(fēng)險監(jiān)測人員通過對預(yù)警信息的及時識別、核查及統(tǒng)計分析，揭示相應(yīng)風(fēng)險，并及時處置和化解。從而實現(xiàn)非現(xiàn)場監(jiān)督與現(xiàn)場監(jiān)督、全面監(jiān)督與重點監(jiān)督、集中監(jiān)督與分級監(jiān)督有機(jī)結(jié)合，提高風(fēng)險監(jiān)控的針對性、有效性和時效性，不斷降低風(fēng)險事件出現(xiàn)的可能，以保障內(nèi)部和客戶的資金安全，降低風(fēng)險、減少損失，以期達(dá)到提高監(jiān)管威懾力、防范案件發(fā)生的目的，有效提升恒豐銀行運營風(fēng)險管控能力。

挑戰(zhàn)

運營風(fēng)險監(jiān)測系統(tǒng)的建設(shè)在業(yè)務(wù)、技術(shù)層面上我們遇到了很多方面的挑戰(zhàn)，主要體現(xiàn)在以下方面：

1、涉及相關(guān)業(yè)務(wù)系統(tǒng)多、業(yè)務(wù)場景廣

運營風(fēng)險監(jiān)測系統(tǒng)（一期）主要監(jiān)測業(yè)務(wù)范圍涉及柜面相關(guān)系統(tǒng)，包括柜面、核心、流程銀行、聯(lián)網(wǎng)核查、電子驗印、二代支付、押品、票據(jù)、電信反欺詐、國結(jié)、理財、信貸、總賬等10多個業(yè)務(wù)系統(tǒng)的眾多業(yè)務(wù)場景；要了解和熟悉這么多系統(tǒng)的相關(guān)業(yè)務(wù)場景，甚至包括跨系統(tǒng)組合業(yè)務(wù)場景，同時分析業(yè)務(wù)場景在相關(guān)系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)關(guān)聯(lián)關(guān)系，本身就是一件龐大和艱巨的任務(wù)。

2、模型分析、開發(fā)難度大

系統(tǒng)除了功能層面的建設(shè)，其主要核心開發(fā)工作就是運營風(fēng)險監(jiān)測/預(yù)警模型的開發(fā)，模型的開發(fā)必須結(jié)合恒豐銀行現(xiàn)有業(yè)務(wù)場景、相關(guān)監(jiān)測業(yè)務(wù)系統(tǒng)的業(yè)務(wù)處理實現(xiàn)方式，以及現(xiàn)有的數(shù)據(jù)質(zhì)量情況，分析并選擇出需要緊急實現(xiàn)的、適合的風(fēng)險監(jiān)測/預(yù)警模型，對預(yù)警數(shù)據(jù)的提取要做到不誤提、不錯提、不亂提，真正實現(xiàn)風(fēng)險監(jiān)測和防范；

要分析和選擇出滿足上述情況的風(fēng)險監(jiān)測/預(yù)警模型，需要有業(yè)務(wù)專家、數(shù)據(jù)專家、系統(tǒng)技術(shù)實現(xiàn)專家共同配合，對現(xiàn)有的業(yè)務(wù)場景、相關(guān)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)質(zhì)量情況進(jìn)行梳理，并結(jié)合已經(jīng)存在的風(fēng)險事件，進(jìn)行風(fēng)險點的分析、風(fēng)險的識別定義；對項目團(tuán)隊人員需要具備的相關(guān)專業(yè)知識有更高的要求，同時模型開發(fā)過程的難度可想而知。

運營風(fēng)險監(jiān)測系統(tǒng)基于恒豐銀行大數(shù)據(jù)平臺建設(shè)，其非實時監(jiān)測/預(yù)警模型對應(yīng)規(guī)則的計算數(shù)據(jù)，主要來源與大數(shù)據(jù)平臺數(shù)據(jù)倉庫。

目前大數(shù)據(jù)平臺數(shù)據(jù)倉庫CDM層的業(yè)務(wù)表有500多張，模型的開發(fā)要從這么多表中進(jìn)行數(shù)據(jù)的提取，需要模型分析團(tuán)隊對數(shù)倉CDM層表結(jié)構(gòu)、表的關(guān)聯(lián)關(guān)系、表里的數(shù)據(jù)情況進(jìn)行摸底和分析，對模型分析團(tuán)隊的專業(yè)水平有非常高的要求，此任務(wù)是擺在模型開發(fā)團(tuán)隊面前的又一座必須攀越的大山。

3、海量數(shù)據(jù)、高并發(fā)交易流水背景下的系統(tǒng)架構(gòu)挑戰(zhàn)

傳統(tǒng)的運營風(fēng)險監(jiān)測/預(yù)警模型的實現(xiàn)方式，更多采用隔夜跑批的方式，除時效性較差之外，預(yù)警模型準(zhǔn)確度與精確度難以平衡也是難以解決的難題。預(yù)警結(jié)果“多而不精”，預(yù)警結(jié)果“少則遺漏”。

本項目要實現(xiàn)的模型預(yù)警時效類型包括T+1日監(jiān)測和準(zhǔn)實時監(jiān)測，在海量數(shù)據(jù)、高并發(fā)交易流水背景下，如何充分利用恒豐銀行大數(shù)據(jù)平臺的計算能力，選擇可靠的高級算法并應(yīng)用到項目中,構(gòu)建系統(tǒng)的高并發(fā)、高處理性能、穩(wěn)定可靠的系統(tǒng)架構(gòu)，也是本期項目實施的技術(shù)攻堅戰(zhàn)。

4、模型可基于業(yè)務(wù)策略進(jìn)行靈活配置，對系統(tǒng)設(shè)計有更高要求

系統(tǒng)在投產(chǎn)運行后，為了應(yīng)對正在發(fā)生的或隨時可能發(fā)生的風(fēng)險，現(xiàn)有模型的調(diào)整優(yōu)化、新模型的補(bǔ)充，將是一個常態(tài)化的任務(wù)，因此系統(tǒng)對模型的配置必須具備可視化的配置和管理界面，配置功能需要實現(xiàn)模型定義、模型對應(yīng)規(guī)則條件設(shè)置、模型使用參數(shù)表定義、語法檢查、預(yù)警數(shù)據(jù)結(jié)果表定義、模型發(fā)布并轉(zhuǎn)換為程序可執(zhí)行的語言等一系列組合功能，同時還需要有友好的用戶體驗，這對系統(tǒng)的功能設(shè)計和實現(xiàn)提出了更高的要求。

實施過程/解決方案

1、風(fēng)險預(yù)警模型開發(fā)方法

風(fēng)險預(yù)警模型開發(fā)團(tuán)隊基于專家經(jīng)驗和恒豐銀行業(yè)務(wù)現(xiàn)狀，論證、總結(jié)出一套有效的模型分析方法論，如下圖：

通過結(jié)合已有專家模型，分析已發(fā)生風(fēng)險事件、業(yè)務(wù)提出的監(jiān)測業(yè)務(wù)場景需求、接入系統(tǒng)現(xiàn)有業(yè)務(wù)場景，整理并分析出各個業(yè)務(wù)場景的各個風(fēng)險點，形成初步的風(fēng)險監(jiān)測模型定義，模型數(shù)量達(dá)到了2000多個。

建立模型分析跟蹤矩陣表，對模型分析過程進(jìn)行跟蹤記錄，跟蹤表的要素如下圖所示：

然后根據(jù)模型描述和定義，分析數(shù)據(jù)來源、數(shù)據(jù)質(zhì)量、和數(shù)據(jù)匹配情況，對模型層層分析、論證，篩選出120個符合恒豐銀行業(yè)務(wù)監(jiān)測場景的風(fēng)險預(yù)警模型，并在此過程中，形成運營風(fēng)險監(jiān)控類別體系，如下圖：

模型開發(fā)團(tuán)隊以風(fēng)險類別和數(shù)據(jù)表現(xiàn)為突破口，對這120個風(fēng)險監(jiān)測預(yù)警模型進(jìn)行分類實施：高頻低危的風(fēng)險點的模型，采用傳統(tǒng)T+1進(jìn)行監(jiān)測；低頻高危的風(fēng)險點模型，采用準(zhǔn)實時性監(jiān)測預(yù)警策略。充分發(fā)揮大數(shù)據(jù)平臺優(yōu)秀的存儲能力和計算能力，分類開發(fā)了“準(zhǔn)實時業(yè)務(wù)監(jiān)測”、“T+1日業(yè)務(wù)監(jiān)測”監(jiān)測預(yù)警模型。

模型開發(fā)團(tuán)隊將在后續(xù)第二、三期項目中，根據(jù)模型的執(zhí)行效果和積累的真實風(fēng)險預(yù)警數(shù)據(jù)做為樣本，調(diào)研其他方面的拓展：行為預(yù)測模型、模型自動優(yōu)化（機(jī)器學(xué)習(xí)）及模型關(guān)聯(lián)性探索。

2、技術(shù)平臺與產(chǎn)品選型

2.1數(shù)據(jù)服務(wù)平臺

運營風(fēng)險監(jiān)測預(yù)警模型基于多個業(yè)務(wù)系統(tǒng)的海量數(shù)據(jù)進(jìn)行組合分析計算，同時需要有海量數(shù)據(jù)存儲能力和數(shù)據(jù)分析能力的平臺提供相應(yīng)的海量數(shù)據(jù)查詢和分析服務(wù)。

系統(tǒng)選擇恒豐銀行大數(shù)據(jù)平臺數(shù)據(jù)倉庫接入模型計算涉及的業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，并使用恒豐銀行大數(shù)據(jù)基礎(chǔ)服務(wù)平臺提供的數(shù)據(jù)查詢和分析服務(wù)，可以更好的支持各類型海量業(yè)務(wù)數(shù)據(jù)的存儲、加工、使用和數(shù)據(jù)價值提煉。

2.2實時流數(shù)據(jù)處理技術(shù)

準(zhǔn)實時風(fēng)險監(jiān)測預(yù)警模型基于實時交易流水進(jìn)行監(jiān)測計算，實時流數(shù)據(jù)的接入、采集、分發(fā)、加工處理過程需要有相應(yīng)的實現(xiàn)技術(shù)進(jìn)行實現(xiàn)。恒豐銀行基于大數(shù)據(jù)平臺中的流數(shù)據(jù)處理平臺建設(shè)有實時流處理平臺，該平臺實現(xiàn)包括實時數(shù)據(jù)采集、數(shù)據(jù)分發(fā)、流數(shù)據(jù)的接收處理、處理結(jié)果的分析挖掘等過程。

選擇實時流處理平臺為準(zhǔn)實時監(jiān)測預(yù)警模型的計算提供實時流數(shù)據(jù)的接入和加工處理服務(wù)。

同時為提高系統(tǒng)對實時數(shù)據(jù)處理的高并發(fā)和吞吐量，系統(tǒng)間實時數(shù)據(jù)的傳輸采用隊列方式，基于Kafka消息隊列服務(wù)構(gòu)建。

2.3實時風(fēng)險分析器

系統(tǒng)需要有一套支持準(zhǔn)實時風(fēng)險監(jiān)測預(yù)警模型配置管理、發(fā)布、模型規(guī)則實時計算的的實時風(fēng)險分析器，以便為準(zhǔn)實時風(fēng)險監(jiān)測預(yù)警模型規(guī)則提供高效、高速、準(zhǔn)確的實時監(jiān)測計算能力。

恒豐銀行依托大數(shù)據(jù)平臺及其技術(shù)，建設(shè)有實時智能決策引擎，業(yè)務(wù)人員可基于全圖形化用戶界面進(jìn)行實時監(jiān)測模型規(guī)則的配置、管理和部署，本項目選擇實時智能決策引擎做為準(zhǔn)實時風(fēng)險監(jiān)測預(yù)警的實時分析器。

實時智能決策引擎基于高性能分布式內(nèi)存數(shù)據(jù)庫VoltDB進(jìn)行實時規(guī)則計算時的數(shù)據(jù)查詢和分析，基于開源的Drools規(guī)則引擎進(jìn)行規(guī)則的匹配。

2.4應(yīng)用開發(fā)技術(shù)和運行架構(gòu)

運營風(fēng)險監(jiān)測系統(tǒng)使用恒豐銀行自主研發(fā)的Skyline做為應(yīng)用開發(fā)和運行時框架，使用恒豐銀行自主研發(fā)的Zebra腳本語言和Scala做為主要開發(fā)語言。

Skyline是一個異步的、非阻塞的、基于微服務(wù)架構(gòu)的分布式開發(fā)和運行框架，其框架設(shè)計以異步回調(diào)或事件式編程的優(yōu)勢充分利用了線程計算資源極大提升了并發(fā)吞吐量。通過服務(wù)之間的配置進(jìn)行組件之間的交互。在微服務(wù)軟件架構(gòu)中嵌入Zebra腳本引擎，把復(fù)雜的邏輯簡單化，進(jìn)而編寫出顆粒度適宜的微服務(wù)組件?；贏kka Actor的服務(wù)組件將程序向容器化轉(zhuǎn)變，實現(xiàn)設(shè)計和部署策略分離的機(jī)制，Skyline平臺的組件如下圖：

在微服務(wù)軟件架構(gòu)中嵌入Zebra腳本引擎，既可以享受微服務(wù)軟件架構(gòu)高并發(fā)任務(wù)處理的好處，又能做數(shù)據(jù)并行和任務(wù)并行的增強(qiáng)，以減少移動互聯(lián)場景復(fù)雜業(yè)務(wù)邏輯的處理時間，真正做到低延時響應(yīng)。

通過Skyline構(gòu)建的運營風(fēng)險監(jiān)測系統(tǒng)，可部署于Docker容器，構(gòu)建出可高效彈性部署的金融應(yīng)用。

3、按風(fēng)險監(jiān)測預(yù)警時效劃分進(jìn)行應(yīng)用體系建設(shè)

風(fēng)險監(jiān)測預(yù)警時效分為T+1日業(yè)務(wù)監(jiān)測和準(zhǔn)實時業(yè)務(wù)監(jiān)測，圍繞監(jiān)測預(yù)警時效性劃分，進(jìn)行系統(tǒng)集成架構(gòu)的設(shè)計：

3.1運營風(fēng)險監(jiān)測數(shù)據(jù)集市建設(shè)

運營風(fēng)險監(jiān)測系統(tǒng)數(shù)據(jù)集市為T+1日業(yè)務(wù)監(jiān)測預(yù)警模型計算提供加工后的數(shù)據(jù)進(jìn)行查詢分析，其主要建設(shè)工作為：

采集監(jiān)測數(shù)據(jù)：運營風(fēng)險監(jiān)測系統(tǒng)數(shù)據(jù)集市的數(shù)據(jù)來源于大數(shù)據(jù)平臺數(shù)據(jù)倉庫接入的各個相關(guān)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)；日末各源系統(tǒng)完成交易且完成跑批之后，大數(shù)據(jù)平臺數(shù)據(jù)倉庫對源系統(tǒng)數(shù)據(jù)進(jìn)行入倉。

大數(shù)據(jù)平臺數(shù)據(jù)倉庫對入倉數(shù)據(jù)按維度進(jìn)行分類儲存跑批，數(shù)據(jù)倉庫完成跑批之后，運營風(fēng)險監(jiān)測系統(tǒng)將數(shù)據(jù)抽取至數(shù)據(jù)集市相應(yīng)的寬表中。

集市寬表加工：由于各交易系統(tǒng)的設(shè)計差異化，造成了許多數(shù)據(jù)在整合時出現(xiàn)不規(guī)范的情況，對各系統(tǒng)間數(shù)據(jù)進(jìn)行關(guān)聯(lián)查詢時容易出現(xiàn)重復(fù)查詢、復(fù)雜查詢、高負(fù)荷查詢等情況。通過建立運營風(fēng)險監(jiān)測數(shù)據(jù)集市，對原系統(tǒng)數(shù)據(jù)進(jìn)行整理、匯總成基礎(chǔ)寬表，運營風(fēng)險監(jiān)測系統(tǒng)及其他運營管理系統(tǒng)可從寬表進(jìn)行數(shù)據(jù)分析。

運營風(fēng)險監(jiān)測系統(tǒng)數(shù)據(jù)集市的建設(shè)將用于：

運營相關(guān)業(yè)務(wù)分析統(tǒng)計: 例如柜員業(yè)務(wù)統(tǒng)計

運營風(fēng)險數(shù)據(jù)分析:以下為基于運營風(fēng)險監(jiān)測數(shù)據(jù)集市的風(fēng)險數(shù)據(jù)分析產(chǎn)品圖：

各類運營風(fēng)險監(jiān)測模型基于運營風(fēng)險監(jiān)測數(shù)據(jù)集市的數(shù)據(jù)進(jìn)行分析，產(chǎn)生風(fēng)險預(yù)警信息，通過對風(fēng)險預(yù)警信息的審查處理，產(chǎn)生風(fēng)險案件。

通過對風(fēng)險監(jiān)測數(shù)據(jù)集市的數(shù)據(jù)進(jìn)行分析統(tǒng)計，提取各維度的風(fēng)險要素，各交易渠道可使用風(fēng)險要素進(jìn)行業(yè)務(wù)操作風(fēng)險判斷，產(chǎn)生風(fēng)險預(yù)警信息。

3.2 T+1日業(yè)務(wù)監(jiān)測實現(xiàn)

實現(xiàn)T+1日業(yè)務(wù)監(jiān)測預(yù)警模型的配置管理和發(fā)布，T+1日業(yè)務(wù)監(jiān)測預(yù)警模型規(guī)則計算，其作用相當(dāng)于事后風(fēng)險分析器。

T+1日業(yè)務(wù)監(jiān)測應(yīng)用主要實現(xiàn)T+1日業(yè)務(wù)風(fēng)險監(jiān)測模型管理、運營風(fēng)險監(jiān)測數(shù)據(jù)集市數(shù)據(jù)抽取、T+1日風(fēng)險預(yù)警模型規(guī)則運算。

T+1日業(yè)務(wù)風(fēng)險監(jiān)測模型管理，包括以下功能模塊：

T+1日業(yè)務(wù)監(jiān)測數(shù)據(jù)處理流程如下圖：

運營風(fēng)險監(jiān)測系統(tǒng)T+1日業(yè)務(wù)監(jiān)測應(yīng)用使用任務(wù)調(diào)度工具完成從大數(shù)據(jù)平臺數(shù)據(jù)倉庫到運營風(fēng)險監(jiān)測數(shù)據(jù)集市的數(shù)據(jù)抽取，系統(tǒng)在運營風(fēng)險監(jiān)測數(shù)據(jù)集市完成數(shù)據(jù)抽取之后，系統(tǒng)使用任務(wù)調(diào)度工具將模型分配到T+1日業(yè)務(wù)監(jiān)測規(guī)則引擎。

T+1日業(yè)務(wù)監(jiān)測規(guī)則引擎完成跑批后，由工作平臺將預(yù)警數(shù)據(jù)分配到運營風(fēng)險監(jiān)測系統(tǒng)相應(yīng)用戶待辦事項中，如用戶需聯(lián)機(jī)查看交易對應(yīng)的影像信息，Http服務(wù)將發(fā)送處理請求到影像系統(tǒng)進(jìn)行查看。

3.3準(zhǔn)實時業(yè)務(wù)監(jiān)測實現(xiàn)

準(zhǔn)實時風(fēng)險業(yè)務(wù)監(jiān)測的數(shù)據(jù)處理流程如下圖：

實時流處理平臺從APM和核心系統(tǒng)接入實時流處理數(shù)據(jù)，并進(jìn)行解析、加工處理后形成監(jiān)測統(tǒng)一報文，并放入待監(jiān)測Kafka隊列，實時智能決策引擎監(jiān)聽并從待監(jiān)測Kafka隊列中獲取統(tǒng)一報文。

根據(jù)在實時智能決策引擎上配置的實時風(fēng)險監(jiān)測預(yù)警模型規(guī)則，進(jìn)行規(guī)則匹配計算，預(yù)警結(jié)果放入到監(jiān)測結(jié)果Kafka隊列中，運營風(fēng)險監(jiān)測系統(tǒng)的業(yè)務(wù)管理應(yīng)用監(jiān)聽監(jiān)測結(jié)果Kafka隊列并從隊列中獲取預(yù)警結(jié)果，解析預(yù)警結(jié)果并放入相應(yīng)的預(yù)警單據(jù)結(jié)果表中，用于后續(xù)的單據(jù)下發(fā)審查處理。

實時智能決策引擎是恒豐銀行依托大數(shù)據(jù)平臺及技術(shù)，基于自主研發(fā)、自主開發(fā)模式研發(fā)建設(shè)。“實時智能決策引擎”不僅具有傳統(tǒng)的、市面上的決策引擎的特點和相似功能，但在高可擴(kuò)展性、靈活性、技術(shù)先進(jìn)性和運營管理便捷性等方面有很大提升。

運營風(fēng)險準(zhǔn)實時監(jiān)測預(yù)警模型的規(guī)則使用實時智能決策引擎的全圖形化用戶界面進(jìn)行配置、管理和部署，一個復(fù)雜準(zhǔn)實時模型規(guī)則的通用配置過程包括靜態(tài)變量配置、規(guī)則配置（包括數(shù)據(jù)準(zhǔn)備規(guī)則配置、變量計算規(guī)則配置、監(jiān)測規(guī)則配置）和路由配置；配置完成后進(jìn)行部署，包括靜態(tài)變量發(fā)布、規(guī)則發(fā)布和路由發(fā)布；以下介紹各個配置相關(guān)功能頁面：

1）靜態(tài)變量配置：

即對靜態(tài)變量進(jìn)行定義，可用于多個規(guī)則定義中做為條件的計算因子，變量在需要時進(jìn)行變更將減少對規(guī)則條件的修改，變量定義頁面如下圖：

2）數(shù)據(jù)準(zhǔn)備規(guī)則配置：

此配置功能為引擎的一個重要特色規(guī)則，和傳統(tǒng)的決策引擎不一樣的是，引擎可以通過配置的方式，把外部數(shù)據(jù)引入做為規(guī)則匹配運算的因子或數(shù)據(jù)集，減少了傳統(tǒng)決策引擎在外部數(shù)據(jù)接入方面需要二次開發(fā)的時間和費用，引擎第一版實現(xiàn)了數(shù)據(jù)庫方式數(shù)據(jù)的引入，在今后將實現(xiàn)webservice等其他接口方式實現(xiàn)數(shù)據(jù)的引入，數(shù)據(jù)準(zhǔn)備規(guī)則定義頁面如下圖：

規(guī)格的條件定義：可基于規(guī)則語言或標(biāo)準(zhǔn)SQL語言實現(xiàn)；規(guī)則語言是我們自定義開發(fā)實現(xiàn)的，具有規(guī)則可視化、業(yè)務(wù)可理解的特點（例如規(guī)則條件為：交易金額大于1000，且卡號包含9999，則規(guī)則語言可以寫成：[A_交易金額] > 1000 && fn.contains([A_卡號],”9999”)），同時規(guī)則語言的匹配運算是基于內(nèi)存中的數(shù)據(jù)，因此具有匹配速度高效的特點。

對于復(fù)雜規(guī)則條件的定義或需要復(fù)雜事件處理的規(guī)則，用戶也可以基于SQL方式進(jìn)行定義，滿足不同技能水平的業(yè)務(wù)規(guī)則配置人員和業(yè)務(wù)場景的需求，SQL的執(zhí)行基于高性能分布式內(nèi)存數(shù)據(jù)VoltDB，對海量數(shù)據(jù)的查詢和分析性能可達(dá)到毫秒級；因此規(guī)則的運算不管是何種定義，都是基于內(nèi)存中的計算，其處理性能和傳統(tǒng)實現(xiàn)方式相比將是量級的提升。

3）變量計算規(guī)則配置：

實現(xiàn)了對業(yè)務(wù)規(guī)則變量和參數(shù)化，使得規(guī)則執(zhí)行的結(jié)果可做為其他規(guī)則的條件的計算因子，其定義頁面如下圖：

4）監(jiān)測規(guī)則配置：

實現(xiàn)了對風(fēng)險規(guī)則的定義，其定義頁面如下圖：

5）路由配置

路由為引擎的核心部件；路由的引入，一方面可以定義數(shù)據(jù)在引擎中的決策流程/路徑，另一方面也大大提高了引擎規(guī)則匹配的執(zhí)行效率；路由可根據(jù)實際的業(yè)務(wù)情況進(jìn)行制定/規(guī)劃，例如針對每一個業(yè)務(wù)監(jiān)測模型可以制定一個監(jiān)測路由，或者一個監(jiān)測路由可以針對多個業(yè)務(wù)監(jiān)測模型，路由定義頁面如下圖：

6）部署（路由、規(guī)則、靜態(tài)變量發(fā)布）

發(fā)布頁面以及路由發(fā)布頁面為例，可設(shè)置路由的有效起止時間，以此來控制路由中關(guān)聯(lián)的規(guī)則的有效起止時間，部署設(shè)置頁面如下圖：

路由發(fā)布后，關(guān)聯(lián)的的規(guī)則生成Drools規(guī)則文件，并動態(tài)發(fā)布到集群環(huán)境下的實時智能決策引擎封裝集成的Drools規(guī)則引擎中。

準(zhǔn)實時規(guī)則定義轉(zhuǎn)換生成的Drools規(guī)則文件，以真實的模型配置規(guī)則為例：

1）柜員非工作期間發(fā)生特殊交易（沖正類交易）

2）異地存取款

結(jié)果/效果總結(jié)

恒豐銀行通過基于大數(shù)據(jù)平臺建設(shè)的運營風(fēng)險監(jiān)測系統(tǒng)（一期），其效益是可見的：

●提升銀行的核心競爭力，有效降低勞動成本

該系統(tǒng)減少操作人員對于數(shù)據(jù)采集、整合、加工、再整合、匯總等數(shù)據(jù)處理勞動成本，降低勞動力的使用量，從而節(jié)省運營成本。

●改變作業(yè)模式、提高作業(yè)效率

該系統(tǒng)上線后，審查人員不再使用面對每筆業(yè)務(wù)手工審查并發(fā)現(xiàn)風(fēng)險的傳統(tǒng)模式，改為只需審核通過系統(tǒng)預(yù)警出的風(fēng)險進(jìn)行排查，提高作業(yè)效率，節(jié)省時間。

●嚴(yán)密監(jiān)控，排查風(fēng)險隱患

以現(xiàn)有開發(fā)的風(fēng)險監(jiān)測預(yù)警模型為基礎(chǔ)，從運營風(fēng)險監(jiān)測層面對每天發(fā)生的每筆業(yè)務(wù)數(shù)據(jù)進(jìn)行7*24不間斷的嚴(yán)密監(jiān)控，全面排查風(fēng)險，精準(zhǔn)預(yù)警，不漏報、不誤報，對確認(rèn)風(fēng)險及早處理，將銀行經(jīng)濟(jì)損失降低到最小。

●風(fēng)險發(fā)生呈下降趨勢

系統(tǒng)從上線初到一個季度后，對各個已經(jīng)進(jìn)行監(jiān)測的風(fēng)險點，其風(fēng)險預(yù)警提取數(shù)據(jù)明顯呈下降趨勢，風(fēng)險點預(yù)警提取數(shù)據(jù)最低下降63%，風(fēng)險點預(yù)警提取數(shù)據(jù)最高下降92%，平均下降幅度達(dá)到75%，從而有效規(guī)范了柜員操作行為，降低了風(fēng)險的發(fā)生。

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(jī)構(gòu)數(shù)306家，是2013年末的兩倍。

近年來，恒豐銀行屢獲榮譽(yù)。在英國《銀行家》雜志發(fā)布的“2016全球銀行1000強(qiáng)”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(yù)。

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(jìn)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(tuán)）、兩個策略（“植根魯蘇，深耕成渝，拓展中部六省和海西，進(jìn)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(qiáng)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