• <table id="4yaya"><noscript id="4yaya"></noscript></table>
    • 首頁
    • 掃碼分期
    • 聚合支付
    • 移動支付
    • 微信支付
    • 云閃付
    • 第三方支付
    • 二維碼支付

    光大銀行邵理煜:銀行大數據風控能力建設與實

    本文來源:互聯網 2018-08-14 ? ? 瀏覽量:
    導語:今天,大數據已經影響到社會的各個領域,作為金融科技的核心組成部分,對銀行各業務領域的影響不言而喻。銀行是經營風險的企業,金融科技的應用使得銀行產品向線上化、復雜化....

    今天,大數據已經影響到社會的各個領域,作為金融科技的核心組成部分,對銀行各業務領域的影響不言而喻。銀行是經營風險的企業,金融科技的應用使得銀行產品向線上化、復雜化、智能化方向發展,如何利用大數據技術高效、合理地在業務環節進行必要的風險控制,以規避各類法律、欺詐、違約風險,是我們面臨的巨大挑戰。

    在大數據應用的過程中,銀行一方面要加強創新、促進數據價值轉化;另一方面要建設高質量、安全的數據基礎平臺。光大銀行構建了完備的大數據治理體系,通過數據產品化機制支持風控領域的大數據創新與實踐,在科技層面提供從工具、機制、技能到解決方案的一整套綜合服務能力,有效滿足全行各業務條線的大數據智能化發展需求。

    近年來,光大銀行推進大數據資產管理機制,在保障數據資產質量、安全的前提下構建全行數據地圖,涵蓋內、外部結構化和非結構化數據內容。在技術平臺上持續建設多元化大數據平臺,對多渠道、多來源數據進行加工融合。同時,持續推進大數據創新社區發展,提倡“像外行一樣思考,像專家一樣實踐”,啟發全行大數據文化意識,并通過大數據實驗室機制促進創新需求的研發和落地。

    一、大數據能力建設

    1.數據資產管理機制

    大數據資產管理是大數據能力建設的基石,光大銀行從2008年開始進行數據標準建設,2012年規劃全行數據體系,2016年完成大數據治理規劃。在十年發展過程中我們堅持一項基本原則,那就是數據管理與數據應用要保持整體上的平衡,相互支持進而促進整體的螺旋上升。有效的數據管理保障了數據的安全、質量,還有高效率,在當前背景下,數據管理各個領域正在向全生命周期的數據資產管理機制轉化;目標是在數據安全可控的前提下,更加充分、有效地挖掘數據價值,持續高效地支持數據價值轉化。

    在實踐中,我們以企業級數據模型建設為出發點,開展數據資產管理機制、數據資產庫及知識庫的建設,讓所有使用數據的人員能通過這個體系了解到有什么數據、數據在哪兒、數據質量怎么樣等信息,旨在提升數據的使用效率。在外部數據管理方面,我們按照統一預算、統一采購、統一存儲與分發的原則,整合各業務部門外部數據需求,搭建外部數據管理平臺,逐步實現外部數據的統一管理與共享。

    2.多元化大數據平臺架構

    光大銀行經過十多年探索確定了目前的多元化大數據平臺架構(如圖1所示),整體分為三個層次:

    最底層實現的是數據的互聯,包括數據倉庫平臺、貼源數據平臺、準實時數據平臺、外部數據管理平臺、非結構化數據平臺,以及綜合分布式MPP架構數據倉庫、Hadoop平臺的多元化大數據技術平臺。

    中間層提供的是互聯的分析能力,包括一個大數據挖掘平臺,整合傳統的SAS工具、分布式計算組件Spark、Python數據科學開源生態等內容,讓更多的人來一起做數據挖掘。另外,為業務人員提供的Tableau等可視化分析工具,整體上實現了互聯的分析。這個互聯是基于底層數據之上,數據跟整個平臺工具是打通的。

    最上層是互聯的交互,包括實時智能策略交互引擎。此外,最重要的一個內容就是數據產品平臺。

    3.數據產品化機制

    光大銀行在解決方案層面推進了數據產品化機制(如圖2所示),這個機制充分借鑒了互聯網公司的經驗,數據產品的定位是實現端到端的數據價值輸出,將傳統數據服務內容面向業務場景進行快速封裝。目前,我們已累計研發上線20多項數據產品,覆蓋全行風險、零售、對公等主要業務條線。數據產品可以分為項目型數據產品、創新型數據產品、敏捷型數據產品。銀行需要為數據產品投入成本,不同類型的數據產品投入成本和管理方法也有所區別。數據產品應用的時效性、需求特征、用戶群體、模型方法不同,在原有的實施落地流程上應該進行調整和優化。

    4.大數據創新實踐機制

    近兩年,光大銀行建立了體系化的大數據創新實踐機制(如圖3所示),主要是圍繞科技創新實驗室來開展工作,面向各金融科技領域探索業務創新。例如,在智能風控領域看到的一些成果,其背后均是基于科技創新機制。同時,推進大數據創新社區建設,用開放的態度來做大數據創新,只要大家有想法就可以提出來,然后由專業化團隊來分析并確定解決方案。此外,還有人才的內部培養,外面是產學研一體化的工作,對應著人才、團隊的建設與發展。

    二、大數據風控應用實踐

    光大銀行大數據風控應用主要在風險預警、審計、反欺詐等領域,結合復雜網絡、自然語言處理等大數據分析技術,采用了更多的內外部數據,將業務實體及行為進行廣泛的互聯,通過更多的視角分析風險因素,進而實現風險的發現與預警。

    1.大數據風險預警

    濾鏡是一個用于大數據風險預警的數據產品,充分體現了光大銀行在產品上研發、落地的工作機制。利用工商、互聯網輿情等外部數據,跟行內數據充分結合之后建立了在線運行特殊交易對手、風險共同體、復雜循環擔保圈三類大數據風險模型,最終交付內容是兩份清單。被濾鏡預警提示的企業通過全量、增量兩份名單進行風險提示,一份全量清單以名單為入口逐級追索風險成因,并通過數據可視化方法直觀展示預警對象在網絡中的風險傳播路徑,為人工排查提供依據;另外一份增量清單特別提示新增風險,警示企業風險惡化動態。將這兩份清單嵌入到給管理人員使用的光速觀察應用中,使管理人員通過手機就可以直接發現企業風險預警情況。

    風險共同體是光大銀行從2015年開始研發的另外一款數據產品,主要通過復雜網絡建立關聯關系,發現集團客戶、供應鏈上下游客戶、圈式及聯保聯貸客戶群各企業之間密切資金往來的風險關系,識別風險共同體內風險傳播的特征,及時做出風險預判。

    2.反洗錢可疑交易行為預警

    當前,金融犯罪呈現出專業化、組織化的趨勢,基于單客戶分析的反洗錢工作模式不能有效地發現團伙犯罪。為此,光大銀行建立了基于資金網絡的可疑交易行為預警模型,可用于犯罪團伙的發現、異常行為的分析等多個領域??紤]到光大銀行每日交易流水有幾百萬筆,觀察期內的總交易流水量更是多達近億筆。如此龐大的基礎數據量,我們采用了復雜網絡關系發現算法,可通過線性的時間消耗,計算出節點數量隨指數級增長的復雜網絡關系,能在較短的時間內計算出全行所有客戶的資金網絡關系?;趶碗s網絡發現算法研發反洗錢數據挖掘模型,該模型是系統中篩選數據量最多、數據上報率最高的模型,為業務部門甄別犯罪團伙提供了非常有價值的線索。

    3.審計大數據建模

    2017年,光大銀行啟動了審計大數據模型平臺建設,利用大數據構建全行遠程監控體系。利用圖數據庫及圖算法模型支持審計應用動態展示關聯圖譜,提供可視化、人機交互式的業務人員操作分析界面,可提供快照分析,便于組織內部分析協作。利用知識圖譜探索可疑審計問題,如“資金回流”“非法集資”等。利用人工智能算法構建“隱性關系”識別模型,識別潛在關系,發現審計線索。利用自然語言處理實現對文本、圖像等半結構化、非結構化數據建模,判斷信貸報告和審查報告合規性、真實性等。

    三、總結與展望

    下一步,我們將依托光大銀行的科技能力,以業務應用為驅動,以人才隊伍建設為核心,以金融科技創新為源泉,在全行各部門的通力配合下共同推進大數據在風控領域的各類應用,助力光大銀行業務轉型。

    1.場景的開拓與落地

    積極開展大數據風控在普惠金融、供給側改革、消費金融等領域新型應用場景設計,協同業務部門推廣光大銀行已有的數據產品成果落地,加大推廣力度和范圍。

    2.加強大數據人才培養和建設

    加快核心大數據人才建設,通過內部挖潛資源,培養兼顧技術和業務的大數據應用專家。同時加強科研院校、金融科技企業等外部合作,借助整個行業的研究力量,共享專家資源,共享行業成果。

    3.開展聯合創新

    充分發揮金融科技創新機制,積極開展與相關科研院所和廠商合作,充分利用“外腦”將行業最新成果轉化為銀行的科技創意;研究探索金融同業、跨行業企業間的大數據創新合作。

    (本文作者系中國光大銀行信息科技部總經理助理)

    免責條款:本文由聚合支付范兒(http://www.mstrphotography.com/juhezhifufaner)收集,為支付產業相關商業資訊,僅供參考,文章內容和圖片均采集自互聯網,不代表本平臺觀點,如有侵權,請聯系刪除。

    相關文章
    最新文章




    男女性高爱潮,男人如虎在线播放www,午夜剧院18免进在线观看免费
  • <table id="4yaya"><noscript id="4yaya"></noscript></table>