当前位置:CIO新闻中心 → 正文

排列科技陈薇:数据驱动下的智能风控技术

责任编辑:cdeng 作者:shania |来源:企业网D1Net  2018-10-08 09:08:56 原创文章 企业网D1Net

本文由企业网D1Net根据2018中国零售银行创新国际峰会陈薇演讲整理而成。

作为引领未来的战略性技术,人工智能不仅被现阶段的金融科技公司赋予巨大的期望,更是承担了重塑金融业态的重大职责。新金融时代,金融的表现形式日益多样化,人工智能在金融领域具备着广阔且无法比拟的发展优势。就在这样的一个信息化时代,想要做好业务,一个多维度的智能风控平台是必不可少的。

风控是为业务服务的

对于风控,排列科技首席信息官陈薇是这样定义,风控能力不只是用来降低不确定的损失,不是把坏账或者损失降到最低,而是具备指哪儿打哪儿的能力,学术一点就是配合不同业务策略和发展,使用各种风险管理的技术把风险控制在要求的范围之内,从而达到商业目标。因此,风控是为业务服务的,风控是在容忍一定风险程度下,告诉业务部门什么样的客户值得去挖掘,帮助业务达到利润最大化。而智能风控则是以数据驱动的系统管理和运营优化,跟业务真实场景结合,散落在各个不同的流程点上,配合达到优化的结果。

如今,智能风控的应用场景较多,银行、证券、保险、互联网金融比比皆是,然而,造成风险的原因不仅仅是风险技术的不足,很大一部分是由于前、后流程的设置有问题,才限制了风控能力的释放。因此,在做风控设计的时候,需要配合货钱设置时渠道管理的设置,或者是贷中、贷后管理流程的设置做相应的调整,配合分享管理达到最高业务水平。

智慧银行:随时、随人、随地、随需的智能风控

陈薇强调,在风险管理过程中既需要往前看又需要往后看,最后整体上降低风险管理成本,提升用户体验。此外对于精准营销,需要识别出有效用户,在进行广告推送的时候准确识别用户需求,利用大数据技术挖掘风险和产品的需求意图,拓展客户,提升银行运营。数据驱动的风控还能够除去人工干涉因素,在风控系统里面,人工是一个不确定的过程,如果采用数据说话的体系,减少人工错误,能够让整个流程更加顺畅。

智能风控的最大需求来自于中小银行客户,智慧银行则是一种高度智能化的商业形态。这类客户将他们对于智慧银行的需求总结为四个随,就是随人、随地、随时和随需,银行满足用户是千人千面的,面对不同时间、不同地点有不同的金融需求,能够通过数据准确挖掘,并匹配出相应的服务和产品,这就是智慧银行。

10年前,银行对于自己的定位还不像现在这样深刻。以服务为核心,金融其实是服务业,银行就是为服务客户而生的。国外,银行就是一个大型的CRM,留住老客户的同时需要发掘新客户,你要向他们提供金融服务,并获得相应的利润空间。银行在如今的社会里面需要更加明确自己的服务定位,尤其还存在互金这样的企业和银行大量竞争客群。当代的服务客群不再像过去那样纯粹的高净值人群,更多的是面对还未服务的人群,而这类人群对于银行来讲是非常陌生的。但是由于征信体系的不全,银行缺乏对这样人群的服务条件,他的背后就需要非常强大的风控支撑,帮助银行去提供一个风控技术协助此类客群去成长和获得风控的能力,配合业务目标,设计风控策略,深化服务定位。

智慧银行的风控目标是构建智慧的风控管理体系,它是一个点线面的结合,合规要求、市场风险管理、信用风险管理、操作风险和反欺诈等一应俱全。其中,合规要求就是满足风险披露,银行、银监等都对银行各类的数据报批具有要求,这个报批分为以下几类:

1. 数据合规,即数据治理,银监局今年3月份出台文件要求银行必须满足国家的数据治理标准,设立相应的首席数据官CDO,这个背后说明了对于数据本身的重视,所有的数据都必须有源数据管理,对数据质量有一定的要求。

2. 操作合规,银行和银监有各项条例,所有数据和流程必须符合操作条例,具体到各种流程。

3. 市场风险;风险不仅仅是指个体级别的信用风险,它还需要去观察整个市场的风险,流动性风险通过数据收集、整理和计算,实时查看,参与最后的风险决策。其中信用风险是线下人工智能数据技术非常热门的一块,利用收集的数据判断,根据流程分为贷前、贷中、贷后三个环节,建立全面监控体系。还有操作风险,主要衡量银行目前面临的操作风险值,并设立一场交易特征预警提示等,分为异常交易预警,后督差错检查和非现场稽查。

4. 反欺诈和反洗钱;欺诈分为两大类:第一人称欺诈和第三方欺诈,这是智慧银行风控非常重要的内容。此外,反洗钱也是银行风险管理当中必要的一环,这需要收集更精准的数据做更精准的风险判断,才能实现更高的效率和更好的体验。

智能风控的核心技术

陈薇认为,智能风控首先要有人工智能,人工智能背后又需要更多技术支撑,其中有三大支柱:算法、数据和算力。而不同风险场景下需要不同的风险决策,这些是需要大数据具备一定的数据共享能力。此外,区块链也是一个很好的技术,能够打通数据,建立大数据平台,把所有银行内的业务部门数据陈列到一个统一平台上来,整合行内行外数据,做数据分析和应用拓展,建立金融云平台。

风险管理不是一个部门的事情,是一个全流程、全周期的进程,需要从其他业务部门抽出数据,并服务于不同的管理部门,做到风控点线面全面考量。既要贷前营销,还要顾及贷中贷后,从最早带有风险前置的前端,到中台后台的管理,以及后面贷后决策的给予,形成一套体系。在这些进程后面,做到自动化、智能化,全流程没有人工干预,当然会预留一些途径给相关人员做紧急处理,适应不同的场景打通系统数据,不局限于传统进程。

关键字:排列科技智能风控

原创文章 企业网D1Net

x 排列科技陈薇:数据驱动下的智能风控技术 扫一扫
分享本文到朋友圈
当前位置:CIO新闻中心 → 正文

排列科技陈薇:数据驱动下的智能风控技术

责任编辑:cdeng 作者:shania |来源:企业网D1Net  2018-10-08 09:08:56 原创文章 企业网D1Net

本文由企业网D1Net根据2018中国零售银行创新国际峰会陈薇演讲整理而成。

作为引领未来的战略性技术,人工智能不仅被现阶段的金融科技公司赋予巨大的期望,更是承担了重塑金融业态的重大职责。新金融时代,金融的表现形式日益多样化,人工智能在金融领域具备着广阔且无法比拟的发展优势。就在这样的一个信息化时代,想要做好业务,一个多维度的智能风控平台是必不可少的。

风控是为业务服务的

对于风控,排列科技首席信息官陈薇是这样定义,风控能力不只是用来降低不确定的损失,不是把坏账或者损失降到最低,而是具备指哪儿打哪儿的能力,学术一点就是配合不同业务策略和发展,使用各种风险管理的技术把风险控制在要求的范围之内,从而达到商业目标。因此,风控是为业务服务的,风控是在容忍一定风险程度下,告诉业务部门什么样的客户值得去挖掘,帮助业务达到利润最大化。而智能风控则是以数据驱动的系统管理和运营优化,跟业务真实场景结合,散落在各个不同的流程点上,配合达到优化的结果。

如今,智能风控的应用场景较多,银行、证券、保险、互联网金融比比皆是,然而,造成风险的原因不仅仅是风险技术的不足,很大一部分是由于前、后流程的设置有问题,才限制了风控能力的释放。因此,在做风控设计的时候,需要配合货钱设置时渠道管理的设置,或者是贷中、贷后管理流程的设置做相应的调整,配合分享管理达到最高业务水平。

智慧银行:随时、随人、随地、随需的智能风控

陈薇强调,在风险管理过程中既需要往前看又需要往后看,最后整体上降低风险管理成本,提升用户体验。此外对于精准营销,需要识别出有效用户,在进行广告推送的时候准确识别用户需求,利用大数据技术挖掘风险和产品的需求意图,拓展客户,提升银行运营。数据驱动的风控还能够除去人工干涉因素,在风控系统里面,人工是一个不确定的过程,如果采用数据说话的体系,减少人工错误,能够让整个流程更加顺畅。

智能风控的最大需求来自于中小银行客户,智慧银行则是一种高度智能化的商业形态。这类客户将他们对于智慧银行的需求总结为四个随,就是随人、随地、随时和随需,银行满足用户是千人千面的,面对不同时间、不同地点有不同的金融需求,能够通过数据准确挖掘,并匹配出相应的服务和产品,这就是智慧银行。

10年前,银行对于自己的定位还不像现在这样深刻。以服务为核心,金融其实是服务业,银行就是为服务客户而生的。国外,银行就是一个大型的CRM,留住老客户的同时需要发掘新客户,你要向他们提供金融服务,并获得相应的利润空间。银行在如今的社会里面需要更加明确自己的服务定位,尤其还存在互金这样的企业和银行大量竞争客群。当代的服务客群不再像过去那样纯粹的高净值人群,更多的是面对还未服务的人群,而这类人群对于银行来讲是非常陌生的。但是由于征信体系的不全,银行缺乏对这样人群的服务条件,他的背后就需要非常强大的风控支撑,帮助银行去提供一个风控技术协助此类客群去成长和获得风控的能力,配合业务目标,设计风控策略,深化服务定位。

智慧银行的风控目标是构建智慧的风控管理体系,它是一个点线面的结合,合规要求、市场风险管理、信用风险管理、操作风险和反欺诈等一应俱全。其中,合规要求就是满足风险披露,银行、银监等都对银行各类的数据报批具有要求,这个报批分为以下几类:

1. 数据合规,即数据治理,银监局今年3月份出台文件要求银行必须满足国家的数据治理标准,设立相应的首席数据官CDO,这个背后说明了对于数据本身的重视,所有的数据都必须有源数据管理,对数据质量有一定的要求。

2. 操作合规,银行和银监有各项条例,所有数据和流程必须符合操作条例,具体到各种流程。

3. 市场风险;风险不仅仅是指个体级别的信用风险,它还需要去观察整个市场的风险,流动性风险通过数据收集、整理和计算,实时查看,参与最后的风险决策。其中信用风险是线下人工智能数据技术非常热门的一块,利用收集的数据判断,根据流程分为贷前、贷中、贷后三个环节,建立全面监控体系。还有操作风险,主要衡量银行目前面临的操作风险值,并设立一场交易特征预警提示等,分为异常交易预警,后督差错检查和非现场稽查。

4. 反欺诈和反洗钱;欺诈分为两大类:第一人称欺诈和第三方欺诈,这是智慧银行风控非常重要的内容。此外,反洗钱也是银行风险管理当中必要的一环,这需要收集更精准的数据做更精准的风险判断,才能实现更高的效率和更好的体验。

智能风控的核心技术

陈薇认为,智能风控首先要有人工智能,人工智能背后又需要更多技术支撑,其中有三大支柱:算法、数据和算力。而不同风险场景下需要不同的风险决策,这些是需要大数据具备一定的数据共享能力。此外,区块链也是一个很好的技术,能够打通数据,建立大数据平台,把所有银行内的业务部门数据陈列到一个统一平台上来,整合行内行外数据,做数据分析和应用拓展,建立金融云平台。

风险管理不是一个部门的事情,是一个全流程、全周期的进程,需要从其他业务部门抽出数据,并服务于不同的管理部门,做到风控点线面全面考量。既要贷前营销,还要顾及贷中贷后,从最早带有风险前置的前端,到中台后台的管理,以及后面贷后决策的给予,形成一套体系。在这些进程后面,做到自动化、智能化,全流程没有人工干预,当然会预留一些途径给相关人员做紧急处理,适应不同的场景打通系统数据,不局限于传统进程。

关键字:排列科技智能风控

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^