大數據和人工智能視角下，銀行業(yè)如何風險防控？

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，完成基于大數據技術的銀行卡風險防控系統(tǒng)建設，提升磁條交易風險管理水平。一紙明文，讓大數據風險防控系統(tǒng)建設進一步從銀行風控官的案頭設想變成了需要切實落地的工作要求。

基于大數據和人工智能技術，銀行業(yè)的風險管理體系如何定位？如何構建以及應用呢？

風險的“多”和“少”問題

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

其中，市場風險指由于利率、匯率、股票、商品等價格變化導致銀行損失的風險；信用風險又稱違約風險，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成違約；操作風險是指由不完善或有問題的內部程序、員工和信息科技系統(tǒng)，以及外部事件所造成損失的風險。

從大數據風控的應用環(huán)境來看，隨著國內普惠金融的快速發(fā)展，越來越多的人群需要享受現代金融服務帶來的便利，而現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。面對形形色色的風險問題，以及風險的多與少，則需將大數據和人工智能應用于風險防控。這既是機遇，又是挑戰(zhàn)。

人工智能應用的“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年內數據量級的飛速增長、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用，人工智能得以加速發(fā)展。在醫(yī)療領域，圖像識別技術可以幫助醫(yī)療機構診斷癌癥病例。在零售領域，機器學習算法幫助零售商在銷售預測、庫存管理和價格優(yōu)化方面進行精準驅動。在銀行業(yè)務風控領域，實踐證明，遵循監(jiān)管要求和技術進展，人工智能技術的應用也有深與淺之分。

初級階段，以短平快、切口小為特點，大數據和人工智能在此階段只是對傳統(tǒng)銀行風控手段的補充，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，輔助銀行進行風險決策。規(guī)則的創(chuàng)建依賴專家經驗和已發(fā)生風險事實，無法針對新的風險模式自動更新，且風控規(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，還無法學會如何區(qū)分欺詐和正常案件。

高級階段，是在大數據和人工智能技術不斷成熟，相關外部數據進一步開放，市場培育達到一定階段后，通過使用人工智能技術構建風控模型，并將模型應用到如授信定價、貸前審核、貸后監(jiān)控、交易欺詐偵測等細分業(yè)務流程中。在此階段，通過不斷向算法“喂數據”（訓練模型），算法自己學會了如何區(qū)分好與壞，在模型精度和適用性上有了質的提升。

數據的“大”和“小”問題

大數據的大和小，其實很多人可能會有誤解。

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

而關于大數據的“小”其實更應該這么表述：大數據風控的應用場景和模式越來越小，越來越細。國外的大數據專家有這樣一個說法：大數據就像是一個顯微鏡，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。

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

對于風控而言，大數據風控能夠過濾掉絕大多數帶惡意欺詐目的人群，也能動態(tài)監(jiān)控到沒有欺詐意圖但實際還款能力和還款意愿出現波動的客戶。即使出現違約和失聯情況，大數據還能重新挖掘到借款人的關聯信息，降低不良率。

風控的前、中、后問題

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

事前預警。風控前置一直是整個商業(yè)銀行孜孜以求的，理論上通過技術手段可以實現。

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)，如果你的風控平臺直到攻擊完畢才能做出應對，那這個風控平臺就沒有任何意義。隨著銀行業(yè)務快速變化，以及新欺詐技術的出現，導致風控規(guī)則也需要實時順應市場外部的變化，這就要求設計出來的應用系統(tǒng)能夠適應這種快速變化。有了風險規(guī)則引擎就可以將不斷變化的業(yè)務規(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。通過復雜網絡技術，打通跨行業(yè)數據，實現對多場景大數據的自動化關聯分析與可視化。呈現設備、IP、手機號、身份證號、地址、電子郵件等多個維度關聯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險。

基于主動預防、多維度場景實時監(jiān)控、立體化的風控反欺詐理念，才能在未來銀行的智慧競爭中立于不敗之地。事實上，業(yè)內關于這個理念比較集中的表述是信貸全生命周期的風控理念，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)，大數據智能風控都有相應的技術實現。

通過上文的分析，我們相信未來大數據和人工智能技術在風險管理領域將大有可為。銀行業(yè)的訴求將包括自建AI基礎設施和應用、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，其中，垂直行業(yè)的AI服務將成為銀行進行風險管理的左臂右膀。endprint