搜索
当前位置: 凤凰秒秒彩 > 读数值属性 >

大数据风控技术在普惠金融中的探索与实践

gecimao 发表于 2019-06-18 13:36 | 查看: | 回复:

  大数据平台采集整合了内外部各类风险数据,极大地丰富了数据维度,为大数据风控提供了坚实的基础。但只有数据并不能形成大数据风控能力。

  普惠金融对资金服务的需求,整体来说是‘小、急、短、频’,即额度小、需求急、使用时间短、频次高。此外,普惠金融针对的是长尾客群,客户基数庞大而风控所需征信数据稀疏。传统的业务开展模式,由客户经理线下尽调,采集信审资料,进行人工信审并完成层层审批才能放款,信审周期长且成本较高。而庞大的客群基数和低效的人工信审也制约了这种“大量”、“高频次”、“低额度”业务的开展。同时,由于信息不对称引起的信审风险、信审人员的操作风险和道德风险也使得普惠金融的风险高于传统信贷业务。传统的办法是以高门槛规避高风险、高定价覆盖高成本,以此实现成本、风险、收益三者之间的平衡,这使得普惠金融服务显得难而贵,普惠性不足,这是目前普惠金融发展不够充分的根本原因。

  面对这些困难,江苏银行积极运用金融科技手段进行破解。首先将合适的业务场景搬到线上,通过互联网渠道触达客户,减少了客户经理走街串巷以及人工录入信息等工作,实现了高效快捷低成本的触达。其次,盘活行内存量数据资产,同时积极与发改委、经信委等部门合作,引入工商、统计、公积金、反洗钱、税务等47大类数据,通过对全方位多维度的数据进行深度挖掘来解决普惠金融业务中的风险信息不对称问题,用数据化智能化风控手段达成低成本、高效率、高精度的风控目标。从而将业务难题转化成了技术问题。

  (1)受限于高性能存储的成本和数据并行化处理能力,占总存储量80%以上的数据在系统里并未得到利用。

  (2)陆续引入的工商、统计、海关、法院等外部数据快速增长,需要大容量低成本的存储技术来支撑,同时为满足业务要求,还要求能够实现大规模数据处理和实时响应。

  (3)数据要经过分析处理产生商业价值才能形成数据资产,传统的BI技术在面对大规模数据处理时显得力不从心,一般仅限于形成报表对现象进行描述,而对于现象进行分析并辅助决策或形成业务规则还需要人来完成,这是相当低效的。

  具体到普惠金融业务,就需要对行内和外部各类多源异构数据进行采集并整合存储,在深度挖掘海量数据价值的基础上建立风控模型和规则,并能够实时响应业务端的风控请求。

  以数据时效性来划分,数据采集可分为实时数据采集与批量数据采集。对于行内的交易数据等实时流数据,前端使用F5日志采集、日志易、数据探针埋点等方式采集实时交易报文,再由分布式海量日志采集聚集传输系统Flume集群,分类聚合后,按主题转发分布式消息订阅发布系统Kafka集群,然后落库存储或对下游系统提供实时响应。外部数据则通过接口调用后直接落库。对于行内存量数据,则通过Sqoop工具从行内关系型数据库中抽取。

  在数据存储层面,既要支持实时请求又要满足大规模批量运算的要求。实时数据一般有高并发、实时响应、数据粒度小等特点,针对性的采用列式存储、全文搜索引擎等存储框架进行存储,以响应下游系统的实时请求;同时还可以向外提供全文检索功能。日终批量数据与历史存量数据数据量庞大,且一般只写入后不再进行修改,采用分布式文件系统进行存储,同时对数据按适当的格式进行压缩,在满足批量运算的要求下,节约了存储成本。

  对于实时流数据,从Kafka获取后根据业务需求运用Spark计算框架进行实时处理,日终批量及历史数据分析等批处理服务则主要用于使用Mapreduce/Spark混合的计算框架进行运算。通过对离线数据与实时数据的分路处理,分别满足了业务实时性、批量数据准确性等方面的要求。

  从数据的业务属性出发,行内基于大数据平台构建了内外部数据集市,由数据集市统一供数,运用大数据平台强大的处理能力,极大减轻了业务系统的压力,同时也有助于内部数据的标准化管理。不同种类、不同范围、不同更新频次的外部数据为大数据的应用奠定了丰富的数据基础,但同时也增加了数据管理的复杂度。通过建立外部数据平台,对外部数据进行统一入库、统一管理,使得外部数据的运用更加可控,同时与内部数据进行有机的整合。

  (1)基本的数据检索查询与数据下发服务。主要是将数据集市业已加工完成的数据提供给业务系统使用。

  (2)数据挖掘及机器学习建模服务。基于现有大数据平台,针对海量数据进行加工整合,运用统计计算法、分类算法、聚类算法、回归分析、神经网络机器学习算法等建立数学模型。

  (3)模型实时运算引擎。以Hadoop为基础,建立分布式机器学习平台,打造“智多星实时运算引擎”对外提供服务。

  基于以大数据平台技术以及数据采集、数据存储、数据加工、数据服务等一系列数据治理工作,构建了开放共享式的大数据平台,可以替代传统的数据仓库,支持海量数据的存储和高速运算,在内外部数据整合、历史数据查询、数据存储计算等方面颇具优势。

  普惠金融场景中的小微企业客户,因缺乏可信的财务报表,征信数据也比较稀疏,很难判断其经营情况及真实风险,而个人客户则更是无从判断其信用状况。大数据平台采集整合了内外部各类风险数据,极大地丰富了数据维度,为大数据风控提供了坚实的基础。但只有数据并不能形成大数据风控能力。只有依托场景深入挖掘数据中潜在的风险属性,并建立完整的数据运营能力,才能形成立体的大数据风控体系。

  通过建立覆盖信贷业务全生命周期的大数据风控体系,对数据的全面性(数据广度)、数据的相关性(数据深度)、数据的时效性(数据鲜活度)进行整合分析,客观的对客户进行信用评估,从而判定能否对客户进行授信。大数据风控体系可以提供信息核验、风险名单验证、欺诈识别、信用评分、资信报告、预警检测、风险评估等风控服务。它覆盖了贷前、贷中、贷后等各环节的风控需求。目前已实现“全自动”、“全天候”、“全信用”、“全覆盖”的“四全”风控,可以提供秒批秒贷风控能力,极大的改善了客户体验。

  通过大数据平台几期风控体系建设,成功推出了以下以下产品,方便业务办理,实现效率的提升。

  (1)“电e融”。为经营规范、用电正常的企业打造一款无须抵押担保的全线上信用贷款。借助互联网渠道,客户凭使用电量、交纳电费历史记录即可申请办理,并在线获得贷款额度,实现了“线上申请授权、网上数据推送、业务自动审批、在线自主用款”的“全线)“税e融”。为正常缴税的小微客户打造的一款“以无担保纯信用为主,可采取各种方式组合为一体”的信贷产品。借助互联网渠道,小微客户仅凭缴税记录即可申请办理,并在线获得贷款额度,实现“在线申请、网上用款、随借随还”。

  (3)“享e融”。面向社会大众推出的免抵押免担保的个人消费贷款产品,借助大数据信用评级应用,全线上办理、全自动审批、全数据化管理。客户登录江苏银行手机银行提交贷款申请,只需简单录入信息,后台自动调用多个系统平台运作,审批、授信瞬时完成,贷款资金实时到账,并提供7种贷款期限、2种还款方式供客户选择,客户体验极佳。

  此外,基于个人客户缴税记录进行授信的个人版“税e融”、基于个人客户公积金缴存记录进行授信的“金e融”以及全线上全自动的物联网动产质押融资产品“工e融”等产品。“e融”系列网贷产品全面覆盖到小微企业及个人客户,从而使普惠金融的发展走在了全国前列。

  通过大数据平台与大数据风控体系建设,推动了普惠金融的落地实践。截至2019年2月,仅“税e融”就向超2.4万户小微企业累放贷款超340亿元。在努力践行普惠金融服务经济发展的同时,银行自身也获得了巨大的发展,同时也为行业发展做出了积极有益的探索。

本文链接:http://arnybarn.net/dushuzhishuxing/604.html
随机为您推荐歌词

联系我们 | 关于我们 | 网友投稿 | 版权声明 | 广告服务 | 站点统计 | 网站地图

版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

Copyright @ 2012-2013 织梦猫 版权所有  Powered by Dedecms 5.7
渝ICP备10013703号  

回顶部