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。
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。
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。
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。
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。
关注微信
