导读
对金融业和商业银行来说，“数智化转型”已成为其发展战略规划中的关键环节。本文梳理了商业银行数智化转型的各个历程，从数据的视角思考提炼了各阶段的突出特点，并聚焦于智能风控领域介绍“123+N”的数智化风险中台建设实践。
正文
商业银行的数智化转型为其风险管理体系建设带来了新的机遇和挑战。一方面，新技术手段的诞生和完善，为建设更加精准、敏捷的智能风控体系创造了条件； 另一方面，科技广泛应用下的数据隐私保护与模型风险等问题，也成为商业银行风险管理中亟待解决的重点。本文梳理了商业银行数智化转型的各个历程，从数据的视角思考提炼了各阶段的突出特点，并聚焦于智能风控领域介绍“123+N”数智化风险中台的建设实践。
商业银行数智化转型历程
商业银行的数智化转型可以分为三个阶段：信息化、数字化和智能化。信息化转型过程中，商业银行通过信息系统、App、Web等技术，实现了部分传统金融服务由线下转向线上的功能（如存款、转账、理财、还款等），并留存了海量的数据资源。数字化转型过程中，商业银行通过对海量数据资源进行治理和挖掘，形成了有效的数字资产，提升了商业银行KYC（Know Your Customer）的能力和效率，可以更好地升级和赋能传统金融服务，如提升金融产品营销精准度、提高信贷审批能力等。智能化转型过程中，商业银行通过对大数据、人工智能技术的应用，为客户提供更加优质的智能化金融服务（互联网信贷、智能投顾、智能客服等），进而为商业银行新增了多样化的获客能力、盈利能力和金融资产。
信息化转型：信息系统的建设，数据资源的积累
信息化建设可以极大提升商业银行的管理决策效率和金融服务用户体验。过去20年，我国商业银行的信息化建设取得了飞速发展。具体表现在：① 信息化金融服务建设：依托信息化体系的建设，商业银行实现了多项信息化金融服务形式的创新，如自助银行、手机银行、网络银行、电话银行等，现已实现了成熟的线上+线下传统金融服务形式；② 信息化管理系统建设：为满足前台、中台和后台部门的管理需求，商业银行陆续建设了核心系统、客户管理系统、信贷流程管理系统、供应链管理系统等种类和功能丰富的管理系统，为银行各管理环节提供了高效的信息化服务；③ 信息化数据中心建设：各大商业银行均建立了集中化的数据中心，实现了数据收集、数据存储和数据管理的集中化管理，建设了数据仓库、数据湖和数据集市等数据技术体系，初步完成了现实世界向数字世界的数据映射工作。
数字化转型：数据体系的治理,数据资产的形成
随着商业银行逐步完成信息化建设工作，银行的管理决策效率和金融服务机制获得了很大提升，但多数仍基于人工经验和专家规则，并未有效利用信息化过程中沉淀的海量数据。大数据时代，对信息化建设沉淀的海量数据资产进行治理和挖掘成为商业银行数字化转型的重点工作。主要包括：① 多维元数据的治理：多系统、多维度元数据的准确性、全面性、统一性是商业银行数字化转型的基础，通过对多系统数据标准统一、元数据质量管理、数据质量监控等工作，保证海量数据资源向数字资产的有效转化；② 非结构化数据的应用：商业银行信息化过程中存储了大量非结构化数据，如文本、图像、语音等，非结构化数据往往难以被管理决策和智能算法高效应用，因此由非结构化数据向结构化数据的转化和挖掘是提升银行管理和决策效率的必经之路；③ 大数据特征体系的建设：由元数据向特征的映射和管理是高效利用数据资源的有效手段，需要结合数据治理技术和专家业务经验共同完成，一套优质的大数据体系需具备全面性、准确性、时效性和专业性等特点，并可以同时满足支持智能决策、智能风控、智能营销等技术孵化的需求。
智能化转型：智能风控的崛起,数据价值的应用
无论信息化建设、数字化转型还是智能化转型，其目的都在于提升商业银行的管理效率和金融服务质量。通过两方面综合提升，实现商业银行经营过程中的开源节流。智能风控的崛起加速了银行的数智化转型。银行经营的本质就是经营风险,金融科技以智能风控为抓手,通过风险中台能力的建设,逐步将数据价值应用到了银行的前台、中台、后台;如前台的业务开展与智能营销等,中台的智能风控与智能投顾等,后台的智能审计与智能网点等。其应用趋势主要包含以下几个方面。
智能风控：智能风控包含智能反欺诈、智能信用评估、智能风险定价、智能审批授信、智能预警、智能催收等，可以极大提升商业银行信贷业务的审批效率、定价能力和授信精准度。随着互联网贷款在商业银行风险资产比重逐渐提升，智能风控成为商业银行金融科技竞赛的重要赛道。
智能营销：通过大数据和人工智能技术实现的“千人千面”的客户画像、产品画像和渠道画像能力，智能营销可以对客群、产品和渠道要素精细化分析和精准匹配，在合适的时间，用合适的方式，向合适的人，推荐合适的金融产品。
智能投顾：智能投顾通过人工智能算法，结合投资者风险偏好、财务状况和产品偏好，进行自动化的动态资产配置。其核心包括三个方面，投资者的投资偏好画像、资产组合的合理化配置、资产组合和投资者的个性化匹配。
智能网点：智能网点通过大数据、人脸识别、多媒体感应等技术，从移动营销、智能化身份识别、交互式体验服务、智能化结算方式等多个维度，为客户提供更多样化、便利化、舒适化的服务。其核心包含网点布局智能化、网点设备智能化、网点服务智能化。
智能客服： 智能客服包含智能机器人、智能语音客服、智能聊天客服等，依赖语音识别、图像识别、自然语言处理等技术，具有算法成熟、易转化、易应用等特点，并凭借“24小时服务”“低人力成本”等优势，成为各商业银行智能化转型过程中的标配智能服务。
“123+N”数智化风险中台建设实践
为赋能商业银行数智化转型，更好迎接商业银行风险管理的机遇和挑战，我们建设了“123+N”的数智化风险管理体系，包括1个风险大脑、2个风险能力、3个风险中台、N个风险名品（见图1）。
“风险数智大脑”建设
风险数智大脑统筹全面风险管理的数智化体系建设，对构筑风险数智中台的各个平台进行统筹管理，建立完善的管理机制，全方位把控需求满足度、开发进度以及运营质量。其业务功能需求分为两个方面。
敏捷风险管理：一键式风险服务。可以实现：① 敏捷需求管理：统筹各业务需求方提出的风险模型开发、风险数据、风险报表等需求，并与科技开发需求联动，对需求的进度、质量、时效性等进行统一把控； ② 风险流程管理：实现数据接入、特征衍生、模型开发、模型上线、风险服务的全流程管理；③ 风险数据管理：风险数智大脑与风险数据中台实时交互，实现风险数据资产管理；④ 风险模型管理：风险数智大脑与风险技术中台实时交互，建立风险模型管理体系；⑤ 风险决策服务管理：风险数智大脑与风险决策中台实时交互，对服务的上线、下线、迭代，服务调用方、服务场景等实现信息化管理； ⑥ 用户和权限管理：针对不同用户配置不同管理和审批权限。
风险可视化：一站式风险呈现。可以实现：① 风险流程可视化：包括数据接入流程、特征加工流程、模型开发流程、风险决策流程的可视化展示；② 风险服务可视化：为风险审批决策与管理提供风险报告、风险报表、模型服务辅助决策等可视化展示；③ 风险指标可视化：包括资产质量、风险数据指标、风险业务指标、风险特征指标的可视化展示等。
“风险数智中台”建设
风险数智中台是落实风险数智化体系建设的重要工具和手段，由风险数据中台、风险技术中台、风险决策中台三个中台构成。可以实现：① 集中化：实现风险管理高度集中，改善分散的管理现状；② 信息化：包括统一的数据标准、建模标准、模型验证标准、以及数据接口和服务接口等标准的统一管理；③ 数字化：数据驱动风险管理模式创新，提升风险识别精准度；④ 智能化：借助智能化的技术手段提升风险管理效能。
风险数据中台：整合数据资源，盘活数据资产
风险管理数智化转型必须建立在多维、海量、动态的数据基础上。风险数据中台以风险管理视角，充分挖掘数据价值，打造全资产、多维度、广频率（包括实时/准实时/批量）的风险数据体系，并以此为基础，构建风险特征体系和风险画像体系。建设目标：① 敏捷化的风险数据体系：实现多源异构数据敏捷接入；实现数据标准统一、实体统一，打造完全融合的风险数据体系；② 资产化的风险特征体系：借助多元化大数据技术组件，包括大数据计算引擎、流式计算引擎、时序引擎、图计算引擎等，实现离线和实时一体化、结构化与非结构化相融合的风险特征体系，实现风险数据资产化建设并提供高可用和高复用的数据资产共享能力；③ 标准化的客户画像体系：提升商业银行KYC（Know Your Customer）的能力和效率，更好地升级和赋能金融服务。
风险技术中台：孵化创新技术，打造模型工厂
风险技术中台通过打造自研算法工厂、风险模型工厂以及风控标准化产品，形成有效的算法资产和模型资产，实现资产共享和复用，进而实现模型的积木式搭建与敏捷化部署。建设目标：① 敏捷化的快速部署流程：实现模型的快速发布与快速部署，从而实现模型的快速迭代与自动迭代；② 流程化的模型开发流程：实现模型开发的流程化管理，形成风险模型资产库、算法资产库，实现模型资产和算法资产的有效共享和复用；落地模型管理体系，实质性管好模型风险；③ 创新化的技术创新体系：支持对新技术、新算法的前瞻性、创新性研究。
风险决策中台：风险决策支持，直达前台业务
风险决策体系以风险数据中台及风险技术中台为支撑，为业务系统提供高效的风险管理服务。建设目标： ① 智能化的风险决策： 包含自动化审批决策、混合审批决策支持等，实现从风险评估、风险识别、风险监控、风险预警到风险处置的智能风控一体化运营，实现风险全流程闭环管理；② 高效化的风险数据及报告服务：实现风险数据“可见即可得”，风险报告“可想即可造”，满足监管报送与银行管理要求；③ 精细化的全面风险管理：有效落实全面风险管理职责，提升全面风险管理决策的时效性、全面性和准确性。
“风险数智名品”建设
风险数智大脑和风险数智中台是落实风险管理数智化体系建设的重要支撑，其打造的风险数智名品可高效赋能消费金融、普惠金融以及金融控股集团协同等业务需求，实现风险管理数智化体系的价值创造。
金融智能风控解决方案：一站式全流程智能风控，服务银行业务
消费金融智能风控解决方案：面向商业银行消费金融信贷产品提供“智能算法评估与推断+ 千人千面授信策略+组合目标管理”的一体化智能风控解决方案，推进存量客户挖掘、优质渠道客群挖掘、以及开放式获客，为商业银行零售客户提供定制化金融产品和个性化服务，加强精细化运营，实现触达率、转化率、通过率、不良率的完美统一。
普惠金融智能风控解决方案：面向商业银行普惠金融信贷产品提供基于“企业大数据风险评分+企业大数据风险画像+企业大数据风险定价”的一体化智能风控解决方案，以前置风控、企业反欺诈、自动化/辅助授信审批、智能预警、智能催收等方式，构建普惠金融智能风控解决方案，提升小微企业信贷审批效率和精准度，减少对抵押物的依赖，提升小微企业融资的可得性。
金控集团数字化协同智能解决方案：面向金融控股集团协同需求，通过构建全新的多子公司协同方式为抓手，提供“金控集团一体化客户、产品和渠道画像”的智能解决方案，并采用联邦学习技术，破解集团数据共享难题。在实现数据价值共享的基础上，依托大数据挖掘和AI模型建设能力，推动金控集团企业间实现客户共享、场景融合以及服务创新，提高金控集团客户价值挖掘，助力金控集团协同战略发展。
标准化智能风控评分产品：对齐银行主标尺，服务银行战略
结合具体业务需求和应用场景，建设的标准化智能风控评分产品，包括反欺诈评分、信用评分、行为评分、催收评分等。标准化智能风控评分产品既可以赋能互联网信贷业务的贷前、贷中、贷后全流程的客户信用及风险评估，也可以赋能商业银行全面风险管理体系，提升商业银行传统风控流程中内部评级和KYC的全面性、精准性和时效性。
标准化客户画像推断产品：从被动到主动服务，契合用户需求
基于风险数据中台的大数据特征体系和风险技术中台的人工智能算法，通过构建标准化的客户画像推断产品，从不同角度进行客户的资质推断、偏好推断和用途推断，实现优质金融服务和风险管理的协调发展。其中，资质推断包括收入推断和负债推断，用于评估客户的还款能力；偏好推断包括利率偏好、期限偏好、还款方式偏好推断等，用于合理把控客户需求满足度和客户风险管理之间的平衡；用途推断主要面向资金用途风险把控，在贷前评估客户贷款用途与产品定位是否适配，贷后评估资金流向的合规性。
(祝世虎为中国光大银行智能风控中心副主任、首席科学家,郭晶晶为中国光大银行智能风控中心资深经理)
上一篇：我国托管银行的数字化转型及路径探讨
下一篇：商业银行智能化建设的实践、挑战与思考
