來(lái)源：數(shù)據(jù)猿丨投遞：同盾科技

隨著人工智能、大數(shù)據(jù)、云計(jì)算等新興技術(shù)的不斷發(fā)展，傳統(tǒng)商業(yè)銀行正在經(jīng)歷一次深度的信息化和智能化改造，商業(yè)銀行與金融科技的融合成為未來(lái)幾年的主旋律。商業(yè)銀行在資金融通、合規(guī)合法、客戶基礎(chǔ)等方面擁有巨大的優(yōu)勢(shì)，而金融科技公司則擁有用戶數(shù)據(jù)、技術(shù)創(chuàng)新和模式創(chuàng)新等優(yōu)勢(shì)，銀行可以借助金融科技實(shí)現(xiàn)業(yè)務(wù)創(chuàng)新。

各家銀行都紛紛結(jié)合互聯(lián)網(wǎng)化發(fā)展趨勢(shì)，打造面向互聯(lián)網(wǎng)的金融與非金融服務(wù)能力，包括線上貸款產(chǎn)品及線上投資理財(cái)產(chǎn)品等，讓用戶可以全線上、一站式、快速便捷地獲得服務(wù)。區(qū)別于傳統(tǒng)信貸業(yè)務(wù)，線上貸款業(yè)務(wù)是通過(guò)網(wǎng)上銀行、手機(jī)銀行等渠道提供自助申請(qǐng)、自動(dòng)審批、線上簽約、放款及還款的個(gè)人消費(fèi)類循環(huán)額度的線上貸款產(chǎn)品。線上貸款產(chǎn)品基于移動(dòng)互聯(lián)網(wǎng)技術(shù)，根據(jù)客戶以往的交易數(shù)據(jù)，充分利用大數(shù)據(jù)分析，借助決策引擎進(jìn)行客戶貸款的守信審批。

渤海銀行正是這股商業(yè)銀行改造升級(jí)浪潮中典型的一員。行方希望通過(guò)與同盾科技的合作，完成三個(gè)重要任務(wù)：第一，傳統(tǒng)銀行業(yè)務(wù)流程再造，將有些專業(yè)的金融服務(wù)封裝為標(biāo)準(zhǔn)化產(chǎn)品，嵌入互聯(lián)網(wǎng)原生場(chǎng)景和泛金融場(chǎng)景，重塑傳統(tǒng)業(yè)務(wù)流程，開(kāi)展與客戶使用場(chǎng)景結(jié)合更為緊密的業(yè)務(wù)；第二，提高效率，降低人力成本，優(yōu)化自動(dòng)化和信息化的服務(wù)體系；第三，提高風(fēng)控能力，將更多場(chǎng)景化的金融產(chǎn)品覆蓋到長(zhǎng)尾用戶當(dāng)中。

客戶名稱/所屬分類

渤海銀行/金融科技·風(fēng)控

實(shí)施時(shí)間

開(kāi)始時(shí)間：2017年3月—至今

應(yīng)用場(chǎng)景

渤海銀行進(jìn)入全新的互聯(lián)網(wǎng)銀行經(jīng)營(yíng)模式，其獲客渠道向線上領(lǐng)域擴(kuò)展，與螞蟻借唄合作引流，并開(kāi)發(fā)自有APP。線上獲客對(duì)風(fēng)控流程及技術(shù)提出了更高的要求。因此，行方希望能在同盾幫助下建立針對(duì)線上客戶的自動(dòng)化風(fēng)控解決方案，并實(shí)現(xiàn)以下四個(gè)指標(biāo)：一、自動(dòng)化程度高，系統(tǒng)能夠自主學(xué)習(xí)；二、審核速度快，實(shí)現(xiàn)對(duì)客戶群的快速放貸；三、深度挖掘客戶需求，希望能夠?qū)⒁骺蛻舫恋聿⑥D(zhuǎn)化為自己的客戶；四、覆蓋貸前審核、貸中監(jiān)控和貸后管理的全流程解決方案。同盾科技先后為渤海銀行三款線上產(chǎn)品成功開(kāi)發(fā)自動(dòng)化審批方案，為其解決在線自動(dòng)化風(fēng)控解決方案核心要求。

面臨挑戰(zhàn)

商業(yè)銀行的傳統(tǒng)客戶和線上客戶差異巨大，而且隨著消費(fèi)金融的普及，越來(lái)越多的人會(huì)通過(guò)貸款來(lái)購(gòu)物，但是銀行的信用信息基礎(chǔ)數(shù)據(jù)并沒(méi)有覆蓋所有人，有很多用戶甚至是信用白戶。

渤海銀行的線上客戶高度依賴第三方的合作引流，而線上引流在幫助銀行批量化獲客的同時(shí)，也提高了信貸審核的難度。同時(shí)線上獲客引流也導(dǎo)致風(fēng)控流程更加復(fù)雜，因?yàn)楹献鳈C(jī)構(gòu)和銀行通常都有自己的審核規(guī)則，線上借款客群與銀行傳統(tǒng)客群差異較大，銀行方面規(guī)則和征信數(shù)據(jù)難以滿足審核要求。比如，在渤海銀行與螞蟻金服的合作中就發(fā)現(xiàn)這樣的問(wèn)題，銀行與借唄合作，借唄提供的客戶，銀行沒(méi)有相關(guān)數(shù)據(jù)，而且信審方案需要將螞蟻風(fēng)控模型、行方規(guī)則以及其他信審規(guī)則有機(jī)結(jié)合， 操作流程十分復(fù)雜。

此外，線上客群對(duì)于審核速度要求高，銀行希望打造在線自動(dòng)化審核方案并要求自動(dòng)化審核系統(tǒng)能夠快速調(diào)整和自主學(xué)習(xí)。同時(shí)需要覆蓋貸前審核、貸中監(jiān)控和貸后管理的全流程解決方案，原有的風(fēng)控系統(tǒng)已無(wú)法適應(yīng)渤海銀行目前的需求。

數(shù)據(jù)支持

同盾擁有強(qiáng)大的風(fēng)險(xiǎn)名單數(shù)據(jù)、信貸表現(xiàn)數(shù)據(jù)、社交數(shù)據(jù)、身份數(shù)據(jù)、社會(huì)數(shù)據(jù)等，在貸前審核、貸中監(jiān)控、貸后管理全流程環(huán)節(jié)中，同盾將通過(guò)風(fēng)險(xiǎn)決策引擎、流式計(jì)算平臺(tái)、設(shè)備指紋等底層核心技術(shù)，配合覆蓋同盾自有數(shù)據(jù)之外結(jié)合第三方數(shù)據(jù)，準(zhǔn)確明晰的輸出決策結(jié)果。

“流計(jì)算平臺(tái)”：同盾的流計(jì)算平臺(tái)可以實(shí)現(xiàn)事件驅(qū)動(dòng)，實(shí)時(shí)處理和計(jì)算，無(wú)需等待數(shù)據(jù)積累到一定程度；非阻塞型的異步處理機(jī)制，支持毫秒級(jí)實(shí)時(shí)處理，支持千億/日級(jí)別的并發(fā)請(qǐng)求量處理；支持水平擴(kuò)展，保證上千萬(wàn)/秒的吞吐量。

“設(shè)備指紋”：設(shè)備指紋伴隨設(shè)備的整個(gè)生命周期，可以對(duì)該設(shè)備的歷史風(fēng)險(xiǎn)行為進(jìn)行準(zhǔn)確識(shí)別風(fēng)險(xiǎn)行為數(shù)據(jù)，來(lái)自于接入同盾的上萬(wàn)家平臺(tái)，通過(guò)靈活的決策引擎和優(yōu)秀的數(shù)據(jù)分析能力，能夠準(zhǔn)確識(shí)別出每一次風(fēng)險(xiǎn)行為，并將參與過(guò)這些風(fēng)險(xiǎn)活動(dòng)的設(shè)備進(jìn)行標(biāo)記，成為跨行業(yè)、跨平臺(tái)的風(fēng)險(xiǎn)名單庫(kù)。通過(guò)建立知識(shí)圖譜，識(shí)別出與該設(shè)備存在關(guān)聯(lián)關(guān)系的其他手機(jī)號(hào)和設(shè)備，進(jìn)而確定出整個(gè)欺詐團(tuán)伙及成員，是打擊團(tuán)伙欺詐案件的有利武器。

應(yīng)用技術(shù)／實(shí)施過(guò)程

同盾科技為渤海銀行專屬打造的產(chǎn)品體系，全方面覆蓋了各個(gè)風(fēng)控流程，在整個(gè)過(guò)程中，同盾與渤海銀行進(jìn)行聯(lián)合建模，也全程提供了技術(shù)咨詢，模型部署。根據(jù)需求，同盾先后為渤海銀行三款線上產(chǎn)品成功開(kāi)發(fā)自動(dòng)化審批方案，貫穿了從反欺詐，貸前準(zhǔn)入，客戶授信和貸后管理四個(gè)環(huán)節(jié)，銷售管理主要是對(duì)沉默客戶的需求挖掘，對(duì)借唄引流的客戶進(jìn)行自動(dòng)化信用審核，給出決策建議，對(duì)螞蟻風(fēng)控模型通過(guò)但行方風(fēng)控拒絕的人群進(jìn)行深度挖掘，辨識(shí)風(fēng)險(xiǎn)和可授信人群，降低整體成本。

經(jīng)過(guò)貸前審查之后，為實(shí)現(xiàn)精準(zhǔn)的信用授信，同盾通過(guò)六步為渤海銀行打造自動(dòng)化信審方案：

1.制定方案：理解業(yè)務(wù)模式；明確項(xiàng)目需求；評(píng)估數(shù)據(jù)狀態(tài)；設(shè)計(jì)審核流程圖。

2.規(guī)則設(shè)計(jì)：前期規(guī)則設(shè)計(jì)；芝麻規(guī)則分析；行方規(guī)則設(shè)計(jì)；反欺詐規(guī)則；三方規(guī)則。

3.模型開(kāi)發(fā)與配置：模型開(kāi)發(fā)；反欺詐模型；信用評(píng)分模型；模型評(píng)估和交流。

4.策略配備：根據(jù)所建模型提出授信決策方案；與各合作方進(jìn)行策略規(guī)則交流。

5.模型部署與系統(tǒng)對(duì)接模型部署：雙方技術(shù)排期對(duì)接解決數(shù)據(jù)接口不統(tǒng)一的問(wèn)題；風(fēng)控部門進(jìn)行調(diào)試。

6.模型跟蹤和優(yōu)化：根據(jù)業(yè)務(wù)數(shù)據(jù)進(jìn)行模型和相應(yīng)策略調(diào)整；協(xié)調(diào)后期模型配置策略的回遷；監(jiān)控報(bào)表的設(shè)計(jì)。

第一，同盾團(tuán)隊(duì)首先針對(duì)渤海銀行業(yè)務(wù)特點(diǎn)拆解復(fù)雜的業(yè)務(wù)場(chǎng)景，設(shè)計(jì)出科學(xué)合理的決策流。

第二，同盾進(jìn)行前期規(guī)則的設(shè)計(jì)，包括合作方規(guī)則、反欺詐規(guī)則和三方規(guī)則。合作方規(guī)則方面，根據(jù)行方業(yè)務(wù)需求對(duì)芝麻規(guī)則進(jìn)行分析和排序，區(qū)分強(qiáng)規(guī)則和弱規(guī)則，同時(shí)根據(jù)行方需求，定義目標(biāo)客戶，劃分嚴(yán)拒規(guī)則和可變規(guī)則；反欺詐規(guī)則方面，同盾通過(guò)設(shè)置產(chǎn)品準(zhǔn)入、身份證格式、身份證黑名單、手機(jī)黑名單（逾期、法院、風(fēng)險(xiǎn)名單）、身份證手機(jī)失聯(lián)、地址黑名單、多頭借貸等大量數(shù)據(jù)變量導(dǎo)入，與渤海銀行聯(lián)合建立反欺詐模型；三方規(guī)則方面，同盾為渤海銀行三款產(chǎn)品分別設(shè)置了實(shí)名認(rèn)證、手機(jī)三要素核驗(yàn)、手機(jī)在網(wǎng)狀態(tài)、手機(jī)在網(wǎng)時(shí)長(zhǎng)、公安不良狀態(tài)、學(xué)歷核查、銀行卡三要素等驗(yàn)證規(guī)則。

第三，根據(jù)渤海銀行業(yè)務(wù)需求，同盾個(gè)性化開(kāi)發(fā)模型包括反欺詐模型和定制信用評(píng)估模型，以1-99的評(píng)分分?jǐn)?shù)為結(jié)果，分?jǐn)?shù)越高欺詐風(fēng)險(xiǎn)越高，在對(duì)人群劃分時(shí)，具體需要根據(jù)測(cè)試樣本的結(jié)果去定義切分分?jǐn)?shù)。根據(jù)在測(cè)試集中的分?jǐn)?shù)表現(xiàn),建議拒絕最終得分在20分以上的客群，這將拒絕11%的申請(qǐng)總量，但是這將拒絕95%以上的壞樣本。此外，同盾將定制的信用評(píng)估模型和渤海銀行方的PBOC模型融合，最大提升評(píng)估準(zhǔn)確性。

在貸前風(fēng)險(xiǎn)管理流程里同盾集成了復(fù)雜網(wǎng)絡(luò)分析，可以監(jiān)測(cè)群體欺詐風(fēng)險(xiǎn)，幫助信用卡及車貸客戶發(fā)現(xiàn)多起團(tuán)隊(duì)欺詐案件。經(jīng)過(guò)3年試煉與調(diào)優(yōu)，已迭代至復(fù)雜網(wǎng)絡(luò)4.0。多年來(lái)，同盾在可擴(kuò)展性的算法方面做了深入的探索，在關(guān)系網(wǎng)絡(luò)分析中融合組合、數(shù)值和統(tǒng)計(jì)思維，積累了一些經(jīng)驗(yàn)和技巧，比如局部網(wǎng)絡(luò)探索、高階抽樣法、稀疏化、圖分割、如拉普拉斯范式、高斯-馬爾可夫隨機(jī)場(chǎng)中取樣等。再?gòu)?fù)雜龐大的網(wǎng)絡(luò)也可以實(shí)現(xiàn)毫秒級(jí)分析并輸出決策結(jié)果：輸出關(guān)聯(lián)風(fēng)險(xiǎn)分量化核心指標(biāo)、分析核心成員/中介、展示群體行為特征、支持靈活配置策略。

第四，根據(jù)行方需求，同盾基于經(jīng)濟(jì)穩(wěn)定性和評(píng)分設(shè)計(jì)綜合授信策略，進(jìn)一步提出額度策略和利率策略。

第五，同盾的模型部署和實(shí)時(shí)監(jiān)控，保證了自動(dòng)化審核和貸后風(fēng)控效果。貸后風(fēng)控方面，盡管銀行在壞賬和逾期的表現(xiàn)上，沒(méi)有消費(fèi)金融公司嚴(yán)重，但逾期催收始終是一件不得不做的“苦力活”，同盾智能催收產(chǎn)品逾期管家，也逐漸開(kāi)始替代傳統(tǒng)銀行的人工催收模式，高效運(yùn)作。

核心技術(shù)1：模型平臺(tái)

模型平臺(tái)是同盾大數(shù)據(jù)風(fēng)險(xiǎn)控制的核心產(chǎn)品之一，提供模型的全生命周期管理，包括數(shù)據(jù)上傳、模型構(gòu)建、部署執(zhí)行、模型監(jiān)控等功能。模型平臺(tái)能夠基于客戶自有數(shù)據(jù)和同盾大數(shù)據(jù)風(fēng)險(xiǎn)指標(biāo)聯(lián)合建模，支持多種模型，適用于多種場(chǎng)景，顯著提升模型性能。同時(shí)，模型平臺(tái)可以和決策引擎緊密結(jié)合，形成策略+模型的綜合決策，進(jìn)一步提升整體風(fēng)控效果。

核心技術(shù)2：信用評(píng)分卡

整個(gè)項(xiàng)目中渤海銀行的信用評(píng)分卡使用邏輯回歸模型，首先確定可能對(duì)違約有預(yù)測(cè)作用的潛在因素集合，組成一個(gè)待測(cè)試的因素長(zhǎng)清單，包括基礎(chǔ)特征、運(yùn)營(yíng)商信息、線上消費(fèi)偏好、申貸行為及征信記錄、出行行為及設(shè)備和IP類信息等六大維度。在此基礎(chǔ)上，選擇具有代表性的樣本，對(duì)提取到的數(shù)據(jù)進(jìn)行清洗和加工轉(zhuǎn)換，經(jīng)過(guò)單因素分析及并類分析和多因素分析，確立最終入選模型的7個(gè)因素。模型訓(xùn)練集樣本量是8000個(gè)，好壞比12:1，測(cè)試集樣本量2000個(gè)，好壞比14:1。

核心技術(shù)3：復(fù)雜網(wǎng)絡(luò)

復(fù)雜網(wǎng)絡(luò)能針對(duì)復(fù)雜對(duì)象的關(guān)聯(lián)關(guān)系進(jìn)行非線性建模，由節(jié)點(diǎn)（實(shí)體）和節(jié)點(diǎn)之間錯(cuò)綜復(fù)雜的關(guān)系（實(shí)體之間關(guān)系）構(gòu)成拓?fù)渚W(wǎng)絡(luò)，當(dāng)異常關(guān)系聚集出現(xiàn)時(shí)，即可識(shí)別欺詐行為。拓展了風(fēng)險(xiǎn)識(shí)別的邊界和維度，解決了金融場(chǎng)景數(shù)據(jù)量大、數(shù)據(jù)復(fù)雜和數(shù)據(jù)不完整的基本問(wèn)題，幫助金融機(jī)構(gòu)減少風(fēng)險(xiǎn)，降低風(fēng)控成本，提高決策效率。

同盾打通跨行業(yè)數(shù)據(jù)及外部數(shù)據(jù)，結(jié)合文本、圖片等非結(jié)構(gòu)化數(shù)據(jù)抽取技術(shù)，融合結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，將時(shí)空大數(shù)據(jù)編織成“實(shí)體-關(guān)系-實(shí)體”的拓?fù)潢P(guān)系網(wǎng)。當(dāng)輸入“種子數(shù)據(jù)/線索”，則由點(diǎn)及面、抽絲剝繭，最終順藤摸瓜找到與之有關(guān)聯(lián)的所有信息，并通過(guò)圖計(jì)算、知識(shí)表示和機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行黑中介團(tuán)伙等的智能化挖掘分析。

商業(yè)變化

同盾科技為渤海銀行專屬打造的產(chǎn)品體系，全方面覆蓋了各個(gè)風(fēng)控流程，在后面的實(shí)際運(yùn)轉(zhuǎn)中證明，渤海銀行當(dāng)初預(yù)想達(dá)成的效果，幾乎全部實(shí)現(xiàn)。其中，自動(dòng)化程度高系統(tǒng)能夠自主學(xué)習(xí)完成度達(dá)到98%，審核速度快實(shí)現(xiàn)快速放貸完成度100%。

同盾通過(guò)統(tǒng)計(jì)分析確定各因素的最佳權(quán)重，根據(jù)信用直覺(jué)和專家經(jīng)驗(yàn)調(diào)整模型的權(quán)重，并測(cè)試和驗(yàn)證模型。模型具備強(qiáng)大的風(fēng)險(xiǎn)排序能力，能同時(shí)兼顧高分段和低分段。本項(xiàng)目信用評(píng)分模型KS值達(dá)到45%，比行業(yè)平均水平提升10%。并且，同盾在建模過(guò)程中非常重視模型穩(wěn)定性，上線后PSI達(dá)到0.001，明顯好于行業(yè)PSI 0.1即高穩(wěn)定性的界定。項(xiàng)目上線后，日調(diào)用量穩(wěn)步上升，當(dāng)前日調(diào)用量在4到5萬(wàn)之間，峰值在10萬(wàn)。

渤海銀行通過(guò)率為27%，拒絕率為73%，完全依靠自主實(shí)現(xiàn)，在提高效率的同時(shí)為行方節(jié)省了大量人工成本。

渤海銀行項(xiàng)目的算法性能為正常接口報(bào)文會(huì)在300毫秒內(nèi)返回，耗時(shí)會(huì)隨著接入的數(shù)據(jù)量增多而增加。從數(shù)據(jù)維度而言，整個(gè)體系支持系統(tǒng)字段和擴(kuò)展字段，可根據(jù)客戶需求增加對(duì)應(yīng)維度。數(shù)據(jù)處理速度默認(rèn)為TPS 50，可以根據(jù)客戶調(diào)用量做相應(yīng)的調(diào)整。

關(guān)于企業(yè)

同盾科技是國(guó)內(nèi)專業(yè)的第三方智能風(fēng)險(xiǎn)管理服務(wù)提供商。自創(chuàng)立以來(lái)，同盾堅(jiān)持“智能網(wǎng)絡(luò) 誠(chéng)信互聯(lián)”的風(fēng)控理念，將人工智能與風(fēng)險(xiǎn)管理深度結(jié)合，為非銀行信貸、銀行、保險(xiǎn)、基金理財(cái)、三方支付、航旅、電商、O2O、游戲、社交平臺(tái)等多個(gè)行業(yè)客戶提供高效智能的風(fēng)險(xiǎn)管理整體解決方案。

2017年12月同盾在行業(yè)內(nèi)率先發(fā)布“智能分析即服務(wù)”即AaaS理念，和單一提供平臺(tái)或工具或數(shù)據(jù)服務(wù)的模式不同，AaaS可以根據(jù)不同金融機(jī)構(gòu)的業(yè)務(wù)需求，在包括營(yíng)銷、風(fēng)險(xiǎn)控制、投資和運(yùn)營(yíng)等多種細(xì)分金融場(chǎng)景中提供基于智能算法模型的分析服務(wù)，為金融機(jī)構(gòu)賦能，助力金融機(jī)構(gòu)提升其核心競(jìng)爭(zhēng)力。

作為智能風(fēng)險(xiǎn)管理的引領(lǐng)者，同盾通過(guò)持續(xù)創(chuàng)新產(chǎn)品與技術(shù)，不斷提升服務(wù)可靠性，將人工智能技術(shù)深度應(yīng)用到互聯(lián)網(wǎng)風(fēng)險(xiǎn)管理和反欺詐領(lǐng)域，形成了人工智能（圖像文本識(shí)別、語(yǔ)音交互、機(jī)器學(xué)習(xí)）、泛安全（IP畫像、設(shè)備指紋、欺詐報(bào)告）和信貸科技（決策引擎、復(fù)雜網(wǎng)絡(luò)、流式計(jì)算）三大技術(shù)體系，為生態(tài)伙伴輸出行業(yè)領(lǐng)先的綜合科技能力，是值得客戶信賴的第三方智能風(fēng)險(xiǎn)管理服務(wù)提供商。經(jīng)過(guò)幾年的發(fā)展，同盾已經(jīng)是全行業(yè)增速最快的企業(yè)，目前已有超過(guò)10000家企業(yè)客戶選擇了同盾的產(chǎn)品及服務(wù)。

往期案例瀏覽

1、恒豐銀行——基于大數(shù)據(jù)的財(cái)富管理平臺(tái)

2、廣發(fā)銀行——呼叫中心語(yǔ)音大數(shù)據(jù)分析系統(tǒng)建設(shè)

3、農(nóng)業(yè)銀行大數(shù)據(jù)平臺(tái)項(xiàng)目——海量數(shù)據(jù)復(fù)雜運(yùn)算處理

4、中國(guó)人民銀行——結(jié)合大數(shù)據(jù)和復(fù)雜網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)企業(yè)關(guān)聯(lián)關(guān)系計(jì)算及圖譜展示

5、國(guó)信證券——人工智能在量化投資中的應(yīng)用

更多案例請(qǐng)點(diǎn)擊查看數(shù)據(jù)猿案例頻道

提交案例參與活動(dòng)，請(qǐng)聯(lián)系：yaphet.zhang@datayuan.cn

來(lái)源：數(shù)據(jù)猿