当前位置:龙泉人才网 - 公司招聘 -

信贷管理(观点)

  • 公司招聘
  • 2023-08-07 06:00
  • 龙泉小编

文 / 中国农业银行研发中心  赵焕芳 张延堂 高峰

随着大数据和人工智能上升为国家战略,顶层设计框架搭建完成,产业发展有望持续提速,也将助力金融科技新一轮的蓬勃发展。本文结合传统商业银行信贷领域面临的难题,探讨通过金融科技创新,助力信贷管理数字化、线上化、智能化转型与发展。

传统商业银行信贷发展面临难题

在新常态的大背景下,传统商业银行信贷业务转型与发展面临不少困难、问题和挑战,突出表现在以下几个方面。一是挖掘有效需求的压力加大。主要依靠人工作业发展客户,效率过低,成本偏高,批量挖掘客户需求、获取客户能力不足。二是创新产品的压力加大。传统银行产品较为单一、同质化严重,难以快速响应市场需求变革、满足客户个性化和新兴融资需求。三是防控风险压力加大。随着经济减速换挡,客户经营形态日益复杂,市场不断变化,信用风险、操作风险等多重金融风险相互交织,风险传染性加强,金融风险日趋复杂化和多样化。四是提升管理能力的压力加大。业务审批环节复杂,办理流程冗长,面对县域、广大小微企业,缺乏有效业务解决方案与风控措施。

金融科技创新助力银行信贷转型

传统商业银行信贷业务必须充分借助金融科技力量,从作业、产品、风控和管理四个方面推进智慧信贷建设。一是重构信贷作业流程。创新信贷业务办理模式,支持多终端作业,满足客户经理随时随地办理信贷业务的需求,并借助人工智能+大数据技术,使得信贷作业流程不断趋于线上化、移动化和智能化,提升业务办理效率。二是提升产品创新能力。运用大数据、人工智能等技术,突破传统信贷业务经营模式及信贷产品投向的思维限制,深入践行“以客户为中心”的服务理念,为客户提供线上化、场景化、定制化的产品服务,从千人一面到千人千面,持续提升场景化、批量化的获客、留客和活客能力。三是强化风险管控。使用“原生数据+外部可信数据”,基于大数据、人工智能等技术,用数据驱动风险管理,形成贷前风险可“预”、贷中风险可“控”、贷后风险可“管”三位一体的全面信用风险管理体系,并推动风险识别从单一客户向客户关系网络转变,进一步防范区域性和系统性风险。四是提升精细化管理水平。依托大数据分析技术,让数据说话,把客户营销、风控运营、管理决策都建立在坚实的数据基础之上,使银行经营从经验依赖向数据依赖转化,提升精细化管理水平。

鉴于信贷领域数字化转型不确定性大、变化快,转型调整的影响面很大,需要统筹规划、分步实施、稳扎稳打。农业银行2018年提出了智慧信贷工程建设的战略规划,规划利用3~5年的时间,全力以赴推进智慧信贷工程建设,实施“智慧三步走”战略,逐步实现从流程驱动信贷到数据辅助信贷,到数据驱动信贷,再到大数据+AI驱动信贷的三级跨越。

智慧信贷推出了一系列创新成果

工程第一阶段实施过程中,以大数据计算为基础,整合行内信贷管理、账务、营销和风险管理等数据,行外工商、司法、海关、舆情等数据,将文字识别、人脸识别等人工智能技术应用到信贷业务流程,以智慧门户、智慧画像、智慧中枢、智慧采集、智慧识别以及智慧检索6大功能模块作为系统应用切入点,提升业务办理效率,增强系统风险管控能力。同时,探索下一代信贷系统的发展方向,并做好业务模式和技术架构的积累、储备工作。工程从五方面进行技术创新,支撑了业务创新。

1.五项技术创新成果。具体如下。

(1)新前端技术框架(CNFU2.0)。为追求极致的用户体验,通过智慧信贷项目孵化了新一代前端技术框架CNFU2.0。融合Udesk、Kendoui、Echarts等框架技术优势,结合信贷业务应用场景,研发了全新前端UI/UE组件、公共功能,实现了数据可视化、界面定制化、数据驱动视图,实现了前后端分离,采用HTML5渲染页面,通过Json格式进行数据交互。支持前后端并行研发,只需约定好接口,利用Postman和Mock分别模拟数据请求,提高了研发效率,解决了浏览器兼容性等一系列难题。

(2)混合场景下的大数据解决方案。充分利用Sqoop、Spark、Hive、Impala、Hbase等组件的技术特性,形成从数据接入、数据加工到数据使用的一整套大数据解决方案,灵活应对各种复杂的业务场景。根据不同应用场景采用不同工具,支持大规模知识图谱构建与计算,具有高可用、高性能、可扩展等特点。

Kylin满足多维统计分析;Impala满足复杂场景下的联机查询;Hbase满足高并发海量数据查询;Flink实时流计算,满足反欺诈等时效性要求高的应用场景。

整合自有信用、账务等行内数据,以及工商、司法、海关等行外数据,进一步提升数据多样性、完整性。信用风险指标不断积累和完善,目前已建成9大类指标库、307个数据模型,为挖掘客户深层次风险奠定基础,深度应用于智慧门户、智慧画像、智慧中枢、智慧检索4个模块。

(3)数据辅助信贷决策引擎。该引擎在不改造现有系统的前提下,通过拦截器配置,实现各级信贷人员在押品管理、授信审批、用信管理等异构系统办理业务过程中,实时推送风险信号,辅助信贷决策。决策引擎包括:业务范围配置、白名单设置、风险概要信息推送、详情查询4个模块,实现信用大数据和业务有机结合,根据信号风险等级,对本笔业务起到刚性控制,或者柔性提示的作用。

(4)财务报表文字识别方案。财务报表识别是OCR文字识别领域最难的应用场景之一,主要难在版面分析和数据结构化,特别是对于无表格线表格,样式种类多,印章等噪声干扰多,并没有特别明确的特征,也无法完全列举,因此识别难度极大,业界尚无成熟的商业产品可用。通过技术攻关,项目组提出了一种基于图像投影的文字识别方案,识别准确率达到80%以上(已申请专利)。

(5)人脸识别安全认证套件。人脸识别套件分为:照片采集、前端OCX驱动控件、扫码认证、人脸比对、日志留痕5个模块。照片采集,调用联网核查、个人影像平台获取个人公安部照片,保障采集照片真实有效。前端OCX驱动控件,用户终端只需简单链接外设后,控件自动识别摄像头种类,屏蔽底层硬件差异。扫码认证,系统生成二维码,APP扫描二维码,通过移动端进行刷脸验证。人脸比对,通过提取人体脸部图像,结合生物特征模型算法对人脸进行精准比对,根据匹配结果,控制用户登录、关键环节业务操作。日志留痕,对所有进行人脸识别的操作进行留痕,记录人像、业务检测位置、扫码设备号等关键信息,切实做到了业务操作可追溯。

2.信贷业务应用创新效果。主要体现为如下六方面。

(1)智慧门户,用户全景驾驶舱。以用户为中心,形成信贷作业的统一入口,用户登录后,系统自动感知用户身份,推送“我的待办、我的客户、我的行”3类信息。其中,我的待办包括:工作提醒、提示关注;我的客户包括:客户信息、金融产品信息、风险预警信息、司法及反欺诈、负面舆情;我的行包括:信用余额概览、信用余额变化趋势、法人用信前十大客户、贷款到期情况、资产质量统计等信息。

(2)智慧画像,客户信用风险画像。以客户为中心,将行内外大数据通过业务建模和数据挖掘,提炼集团或单一法人客户全方位信息,数据范围不限于单一客户,结合客户风险关系知识图谱,实现客户信息全面化、重要信息标签化、展示结果生动化等原则,360度描绘出客户画像。研究大规模客户数据的关联分析,基于关系视图、客群划分、风险洞察,提升客户群体性风险防范的能力。

(3)智慧中枢,数据辅助信贷决策。信贷业务办理过程中,实时推送信用风险数据,实现四个方面的转变:从原来分散查阅模式向集约展示模式转变;单一客户维度的信息查询向客群关联关系知识图谱信息核查转变;风险防控规则由程序固化模式向信息项在线配置、实时生效模式转变;流程驱动业务人员关注风险模式,向决策信息及时推送,辅助信贷决策模式转变,辅助信贷风险判断。

(4)智慧检索,统一数据检索入口。实现客户信息、政策制度和司法舆情3大类信息的统一检索入口,对接全文检索服务平台。检索过程中采用相关度分析技术,使相关度较高的结果排在前面,并屏蔽无用和错误的信息,实现迅速、准确、全面的定位目标信息,支持中文简繁体互换。

(5)智慧采集,财报告别手动录入。信贷系统每年新增财报约110万套,平均录入一套报表总耗时约为55分钟,存在工作量大,效率较低,易出现操作差错的痛点。利用财务报表文字识别方案,重塑信贷作业流程,识别准确率达到85%以上,一套财务报表的直接识别耗时不到1分钟,即使加上修正、调整数据的时间,也能够极大提升工作效率。

(6)智慧识别,迈入办贷刷脸时代。利用人脸识别安全认证套件,刷脸登录系统,实现了人脸和密码双因子认证。用户在处理用信审批、放款审核等关键信贷流程时,对用户的真实性进行检查,防范操作风险。

智慧信贷未来展望

通过智慧信贷工程建设,我们将完成“感知能力+思维能力”双核驱动的通用智慧信贷平台建设,并将感知能力与思维能力赋能于信贷经营管理,真正实现知识到智慧的转变。通过该平台,可快速为普惠金融、三农贷款、传统信贷等提供个性化产品和服务,未来信贷管理系统将以客户为中心,不断推出个性化和专业化产品,真正成为客户身边的银行。

免责声明:本文内容来源于网络或用户投稿,龙泉人才网仅提供信息存储空间服务,不承担相关法律责任。若收录文章侵犯到您的权益/违法违规的内容,可请联系我们删除。
https://www.lqrc.cn/a/gongsi/59712.html

  • 关注微信

猜你喜欢

微信公众号