ECI@創新案例四期 | OMG，銀行這次終于開“眼”了。

原創贊收藏評論

舉報 2021-07-22

掃描,分享朋友圈

獲獎信息

作品名稱：興業銀行“黃金眼”系統

獲獎類別：管理創新類銀獎

主要貢獻公司：興業銀行股份有限公司

背景與挑戰

市場經濟是信用經濟，信用是企業的命脈。在互聯網高速發展的今天，有關企業的信息散步在互聯網的各個角落。如何在傳統風險管理方法的基礎上，將互聯網上的信息進行搜集、整理、評估和生成報告，為企業征信打開新的視角，是目前企業風險控制的一個新命題。目前外部經濟形勢復雜，經濟運行下行壓力更大，資產質量管控形勢更嚴峻，各類風險管理難度日益上升，利用大數據在風險管理領域進行應用具有時代意義。

為解決信用調查、審查以及貸后管理中的信息不對稱問題，提升貸款風險辨識和管控能力，我行于 2014 年 10 月啟動“黃金眼”系統的建設并持續收集需求，并按每月一版本的速度不斷迭代開發，2016 年初該數據產品開始逐步在全行范圍推廣使用。“黃金眼”系統是利用大數據信息技術，結合網絡爬蟲、多渠道信息采集和智能篩選等多種手段的建設成果，在信貸風險領域開啟了新的篇章。

解決方案

創新使用網絡爬蟲、搜索引擎、知識圖譜、智能摘要等新技術開展大數據智能風控服務。獨有的“黃金雷達”、“黃金異常評分”技術提高了搜索的準確度和效率。“黃金探針”、“黃金寶典”將客戶關系挖掘變得無比簡單，只要用戶輸入相關信息，并切換到關系探查頁面，主體之間的銀行流水關系便能以一種可視化的方式直觀呈現，幫助用戶發現更多隱藏在數十億條交易流水記錄背后的商業利益關系。

快速響應用戶需求

項目小組采用迭代開發的實施建設模式，快速分析和梳理大數據智能風控應用的基本目標及功能點，迅速建造一個結構仿真模型，即初始原型構架。之后，由業務試點人員和課題小組進行試用、檢查、分析和評價原型效果。通過不斷迭代優化，完善大數據風控應用的各個組件，使其貼近一線業務人員的需求。

實現海量數據處理

該項目使用 struts2+Spring+Mybatis 框架+MySQL 數據庫的開源架構來解決海量數據高效聯合分析的問題。互聯網獲取的大量信息需要與我行長期積累的客戶基本信息、歷史交易數據進行聯合分析，而我行常用的技術架構難以滿足這種海量的、多數據類型（包含結構、非結構化數據）、復雜的數據分析的需求，因此采用開源的 Hadoop、 MySQL 以及 Solr 搜索引擎等平臺來滿足需求。

批處理大幅度減輕業務人員的工作負擔

強大的定時批處理能力，大幅度減輕業務人員的工作負擔。分析和研究批處理任務之間的依賴關系以及對外部數據的依賴關系，將需要人工介入和不需要人工介入的批處理任務分別對待，由系統定時調度執行不需人工介入的批處理，相比以前人工逐筆查詢的方式，全面提升了系統的自動化能力。

客戶關系可視化分析

產品采用先進的知識圖譜展示引擎，提供多種圖形布局，對交易數據及數據中隱含的交易規律線索進行可視化展現，非常直觀而易于理解。圖形化展示能幫助分析人員最快捷地了解到銀行流水數據中隱藏的交易規律、以及交易的時間、空間、事件序列等信息，還可以通過圖形引擎提供的方法，了解數據之間的關聯關系和可用的線索，形成基于圖形的線索鏈、證據鏈。

高效采集外部非結構化數據

“黃金眼”應用的部分數據來自互聯網上的公開數據，而我行原有的數據接口開發技術無法采集公開網站上的非結構化數據。項目組借鑒互聯網行業的爬蟲技術框架，成功開發穩定、高效、易擴展的數據采集功能，解決了業務對外部目標數據進行采集的需求。

采用機器學習人工智能算法全面提升風險管控

項目已基于現有數據梳理和構建量化預警規則 50 余條,為業務人員提供初步的貸款風險指標預警服務，提高貸款風險管控效率，迭代優化我行風險管控智能化能力。應用機器學習隨機森林算法于“異常評分模型”，提升預測準確率達55%以上，智能精準排查異常貸款 150 億元。進一步提升我行風險審核效率和管控能力，大幅提升貸款發放速度，精準預警存量貸款中的不良貸款，同時也為信貸類業務的創新提供核心支持。

創新點

創新使用網絡爬蟲、搜索引擎、知識圖譜、智能摘要等新技術開展大數據智能風控服務。獨有的“黃金雷達”、 “黃金異常評分”技術提高了搜索的準確度和效率。“黃金探針”、“黃金寶典”將客戶關系挖掘變得無比簡單，只要用戶輸入相關信息，并切換到關系探查頁面，主體之間的銀行流水關系便能以一種可視化的方式直觀呈現，幫助用戶發現更多隱藏在數十億條交易流水記錄背后的商業利益關系。
采用機器學習人工智能算法全面提升風險管控。項目已基于現有數據梳理和構建量化預警規則 50 余條,為業務人員提供初步的貸款風險指標預警服務，提高貸款風險管控效率，迭代優化我行風險管控智能化能力。應用機器學習隨機森林算法于“異常評分模型”，提升預測準確率達 55%以上，智能精準排查異常貸款 150 億元。進一步提升我行風險審核效率和管控能力，大幅提升貸款發放速度，精準預警存量貸款中的不良貸款，同時也為信貸類業務的創新提供核心支持。
價值點

本項目已經取得巨大的經濟和社會效益。

經濟效益

通過運用大數據風險管理手段，有效地解決了本行在貸款領域的信息不對稱問題，實現風險管理理念從被動式向主動式，從定性化到定量化，風險管理為業務保駕護航到創造業務價值的重大轉變。

通過批量化手段極大地提升風險管理效率。我行已經形成了完善的風險管理組織、制度、流程、文化，不過風險信息收集和分析依然大量依賴于人工操作，效率還有很多提升空間。通過數據批量收集和分析手段，使分行管理人員有能力進行主動式風險管理和客群全覆蓋。信息科技部借助行內外數據，加強與分行風險管理人員溝通交流，將業務人員的風險管理經驗整理和共享，落地為 50 多條風險識別規則，先后在多家分行開展試用，并運用迭代思維不斷提升規則的精準度。經分行反饋，通過批量風險預警手段識別出具有潛在風險的客戶，分行風險管理人員能夠快速鎖定重點檢查對象，指導支行機構客戶經理進行盡職調查，同時也能夠落實事后追責機制，通過對風險客戶的預警信息記錄督促客戶經理的風險盡職調查。

通過數據交叉驗證，提升風險管理的精準度。風險產生的原因根本在于信息的不對稱性，本行通過對銀行交易數據、人行征信數據、企業財務數據、法院涉訴等信息的整合挖掘，制定 50 多條預警規則，通過規則交叉驗證，將客戶的真實風險隱患暴露出來。對內部結算流水信息的分析極大地彌補了財務信息的單一性和不精確性，通過對交易關系的研究，掌握了客戶真實資金流，進而與客戶的關聯關系、擔保關系、經營關系進行匹配發現潛在異常風險，為我行采取相應措施提供前瞻性信息。舉個企業客戶的例子來說，利用結算流失異常和法律訴訟信息，我們發現某分行小企業 A 為我行授信客戶，貸款發放給 A 公司一天后由 A 公司賬戶轉賬給房地產公司 B1（嘉嘉置業有限公司），A 公司除了貸款發放和每季度還息之外，沒有其它有效交易，前 3 次還息企業為 A 公司本身，第 4 次還息企業為集團企業 B（辰辰隆德豐企業集團有限公司），說明還款來源異常，懷疑貸款被 B 企業挪用。而通過外部信息查詢得知集團企業 B，于 2016 年 3 月進入失信被執行人名單，有一筆訴訟金額為 1600 余萬元的在執行被告案件，風險隱患極大。分行客戶經理利用黃金眼發現異常客戶后，立即對相關風險因素進行現場檢查，收縮了 1000 萬的信用額度。類似上述的案例，黃金眼每日都在為業務人員提供風險預警服務，實現了巨大的業務價值。系統中應用隨機森林算法于“異常評分模型”，幫助提升預測準確率達 50%，投產一年多來已經幫助本行智能精準排查異常貸款超 150 億元。

社會效益

借助于大數據手段有效甄別客戶真實風險，化解客戶“融資難”和銀行“貸款難”的矛盾。當前我國面臨三期疊加的經濟環境，商業銀行同時受到利率市場化和金融脫媒沖擊，企業亟需借助于銀行的資金“輸血”度過難關。銀行通過“爬蟲”技術和大數據分析手段，全方位評估客戶信用風險，消除銀行在授信過程中的信息不對稱性，能夠有效篩選出符合經濟結構調整方向的優質客戶，推動客戶升級轉型和國家經濟結構調整目標的完成。

建立客戶的信用檔案，塑造“重視信用，愛護信用”的商業氛圍。商品經濟時代，信用是一切商業往來的基礎，良好的信用環境能極大降低客戶的交易成本，提升中國客戶在國際上的信用形象。互聯網時代，客戶的資金流、信息流都將被一一記錄，商業銀行通過收集、整理、分析、共享客戶的信用信息，不但能夠篩選出優秀的資金需求者，還能夠督促客戶重視自己的信用檔案，塑造誠實守信的商業文化氛圍。

本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。