蔣韜

近期，央行發(fā)文，要求全國性商業(yè)銀行于2017年8月底前，其他商業(yè)銀行于2017年12月底前，完成基于大數(shù)據(jù)技術(shù)的銀行卡風(fēng)險防控系統(tǒng)建設(shè)，提升磁條交易風(fēng)險管理水平。一紙明文，讓大數(shù)據(jù)風(fēng)險防控系統(tǒng)建設(shè)進一步從銀行風(fēng)控官的案頭設(shè)想變成了需要切實落地的工作要求。

基于大數(shù)據(jù)和人工智能技術(shù)，銀行業(yè)的風(fēng)險管理體系如何定位？如何構(gòu)建以及應(yīng)用呢？

風(fēng)險的“多”和“少”問題

可以毫不夸張地說，風(fēng)險管理是銀行業(yè)可持續(xù)發(fā)展的根本。市場風(fēng)險、信用風(fēng)險和操作風(fēng)險，是普遍認(rèn)可的銀行業(yè)三大風(fēng)險。

其中，市場風(fēng)險指由于利率、匯率、股票、商品等價格變化導(dǎo)致銀行損失的風(fēng)險；信用風(fēng)險又稱違約風(fēng)險，是指借款人或交易對方因種種原因，不愿或無力履行合同條件而構(gòu)成違約；操作風(fēng)險是指由不完善或有問題的內(nèi)部程序、員工和信息科技系統(tǒng)，以及外部事件所造成損失的風(fēng)險。

從大數(shù)據(jù)風(fēng)控的應(yīng)用環(huán)境來看，隨著國內(nèi)普惠金融的快速發(fā)展，越來越多的人群需要享受現(xiàn)代金融服務(wù)帶來的便利，而現(xiàn)有征信體系覆蓋人群有限的弊端漸漸暴露，同時市場上各類騙貸、賴賬、交易欺詐的案件層出不窮，為普惠金融的發(fā)展帶來了不小的障礙。面對形形色色的風(fēng)險問題，以及風(fēng)險的多與少，則需將大數(shù)據(jù)和人工智能應(yīng)用于風(fēng)險防控。這既是機遇，又是挑戰(zhàn)。

人工智能應(yīng)用的“深”和“淺”問題

人工智能是信息時代的尖端科技。雖然人工智能并不是一個新概念，但隨著過去5年到10年內(nèi)數(shù)據(jù)量級的飛速增長、計算機硬件存儲和計算能力的強化和更好、更普遍可用的算法的應(yīng)用，人工智能得以加速發(fā)展。在醫(yī)療領(lǐng)域，圖像識別技術(shù)可以幫助醫(yī)療機構(gòu)診斷癌癥病例。在零售領(lǐng)域，機器學(xué)習(xí)算法幫助零售商在銷售預(yù)測、庫存管理和價格優(yōu)化方面進行精準(zhǔn)驅(qū)動。在銀行業(yè)務(wù)風(fēng)控領(lǐng)域，實踐證明，遵循監(jiān)管要求和技術(shù)進展，人工智能技術(shù)的應(yīng)用也有深與淺之分。

初級階段，以短平快、切口小為特點，大數(shù)據(jù)和人工智能在此階段只是對傳統(tǒng)銀行風(fēng)控手段的補充，如在開戶環(huán)節(jié)的信息核驗、黑白名單匹配、人臉識別等，通過簡單規(guī)則的判定和匹配，輔助銀行進行風(fēng)險決策。規(guī)則的創(chuàng)建依賴專家經(jīng)驗和已發(fā)生風(fēng)險事實，無法針對新的風(fēng)險模式自動更新，且風(fēng)控規(guī)則容易被欺詐者得知后繞過。在此階段，模型算法需要依賴人工事先定義的規(guī)則告訴程序如何區(qū)分好與壞，還無法學(xué)會如何區(qū)分欺詐和正常案件。

高級階段，是在大數(shù)據(jù)和人工智能技術(shù)不斷成熟，相關(guān)外部數(shù)據(jù)進一步開放，市場培育達到一定階段后，通過使用人工智能技術(shù)構(gòu)建風(fēng)控模型，并將模型應(yīng)用到如授信定價、貸前審核、貸后監(jiān)控、交易欺詐偵測等細分業(yè)務(wù)流程中。在此階段，通過不斷向算法“喂數(shù)據(jù)”（訓(xùn)練模型），算法自己學(xué)會了如何區(qū)分好與壞，在模型精度和適用性上有了質(zhì)的提升。

數(shù)據(jù)的“大”和“小”問題

大數(shù)據(jù)的大和小，其實很多人可能會有誤解。

大數(shù)據(jù)的大，除了基數(shù)意義上的大之外，更體現(xiàn)在很多層面。大數(shù)據(jù)對風(fēng)控行業(yè)的進化之“大”也體現(xiàn)在幾個方面：其一，評估維度多元化。從單純依托金融體系數(shù)據(jù)向跨領(lǐng)域跨行業(yè)融合數(shù)據(jù)演進；其二，參與機構(gòu)多元化。市場化的征信機構(gòu)、智能風(fēng)控分析公司以及第三方數(shù)據(jù)公司各自貢獻力量；最后，應(yīng)用場景多元化。通過市場化不斷推動信用產(chǎn)品和應(yīng)用場景的創(chuàng)新。

而關(guān)于大數(shù)據(jù)的“小”其實更應(yīng)該這么表述：大數(shù)據(jù)風(fēng)控的應(yīng)用場景和模式越來越小，越來越細。國外的大數(shù)據(jù)專家有這樣一個說法：大數(shù)據(jù)就像是一個顯微鏡，一個分析企業(yè)中細小但是有重要特征的偉大工具，只要你知道你自己在找什么。

大數(shù)據(jù)很重要，但是真正帶來價值的是應(yīng)用上的越來越細的模式和場景。模式和場景之所以關(guān)鍵，是因為從科學(xué)到商業(yè)、從治理到社會政策，它們都代表著競爭的前沿。

對于風(fēng)控而言，大數(shù)據(jù)風(fēng)控能夠過濾掉絕大多數(shù)帶惡意欺詐目的人群，也能動態(tài)監(jiān)控到?jīng)]有欺詐意圖但實際還款能力和還款意愿出現(xiàn)波動的客戶。即使出現(xiàn)違約和失聯(lián)情況，大數(shù)據(jù)還能重新挖掘到借款人的關(guān)聯(lián)信息，降低不良率。

風(fēng)控的前、中、后問題

移動互聯(lián)網(wǎng)時代，會面對繁雜和多樣的風(fēng)險事件，欺詐分子像特種部隊一樣利用各種工具，尋找每一個可能風(fēng)控的漏洞，從而在一個點能夠突破整個防線。當(dāng)這種“非對稱”式的風(fēng)險變化出現(xiàn)，商業(yè)銀行應(yīng)該著力構(gòu)建從事前預(yù)警、事中監(jiān)控、事后分析等集“防控避處”為一體的風(fēng)險防控體系。

事前預(yù)警。風(fēng)控前置一直是整個商業(yè)銀行孜孜以求的，理論上通過技術(shù)手段可以實現(xiàn)。

事中監(jiān)控。一個簡單的例子，如果一群欺詐分子在攻擊你的系統(tǒng)，如果你的風(fēng)控平臺直到攻擊完畢才能做出應(yīng)對，那這個風(fēng)控平臺就沒有任何意義。隨著銀行業(yè)務(wù)快速變化，以及新欺詐技術(shù)的出現(xiàn)，導(dǎo)致風(fēng)控規(guī)則也需要實時順應(yīng)市場外部的變化，這就要求設(shè)計出來的應(yīng)用系統(tǒng)能夠適應(yīng)這種快速變化。有了風(fēng)險規(guī)則引擎就可以將不斷變化的業(yè)務(wù)規(guī)則剝離出來，動態(tài)管理和修改，從而使系統(tǒng)變得更加靈活，適用范圍更加廣泛。

事后分析。通過復(fù)雜網(wǎng)絡(luò)技術(shù)，打通跨行業(yè)數(shù)據(jù)，實現(xiàn)對多場景大數(shù)據(jù)的自動化關(guān)聯(lián)分析與可視化。呈現(xiàn)設(shè)備、IP、手機號、身份證號、地址、電子郵件等多個維度關(guān)聯(lián)有助于識別支付盜卡、多頭申請、團伙作案、刷單、撞庫登錄等多種欺詐風(fēng)險。

基于主動預(yù)防、多維度場景實時監(jiān)控、立體化的風(fēng)控反欺詐理念，才能在未來銀行的智慧競爭中立于不敗之地。事實上，業(yè)內(nèi)關(guān)于這個理念比較集中的表述是信貸全生命周期的風(fēng)控理念，從貸前的客戶畫像、反欺詐環(huán)節(jié)，到貸中授信、貸中跟蹤，再到貸后監(jiān)控、貸后管理、逾期管理、挽救不良各個環(huán)節(jié)，大數(shù)據(jù)智能風(fēng)控都有相應(yīng)的技術(shù)實現(xiàn)。

通過上文的分析，我們相信未來大數(shù)據(jù)和人工智能技術(shù)在風(fēng)險管理領(lǐng)域?qū)⒋笥锌蔀?。銀行業(yè)的訴求將包括自建AI基礎(chǔ)設(shè)施和應(yīng)用、利用專業(yè)咨詢公司的咨詢能力和直接使用第三方的AI服務(wù)，其中，垂直行業(yè)的AI服務(wù)將成為銀行進行風(fēng)險管理的左臂右膀。endprint