工商銀行王曉平：被動風險防控已難以滿足要求

中國工商銀行股份有限公司軟體開發中心資訊科技專家王曉平 圖片來源：中國網財經

　　中國網財經9月9日訊 第十七屆中國金融發展論壇9月8日-9日在京召開。中國工商銀行股份有限公司軟體開發中心資訊科技專家王曉平在會上發言，我們原來採用傳統的技術，大多數只能通過事後的監控和行銷，滿足不了風控的時效性和變化性的要求。隨著新的産品推出的頻次越來越高，各種組合産品也是層出不窮，對我們來説怎麼通過新技術、新方式來防空這些新的風險的交叉感染，對各個渠道的風險防範也提出了更高的要求，原來被動的風險防控的方式已經難以滿足我們的要求。

　　以下附發言全文：

　　王曉平：謝謝安總，也歡迎各位嘉賓、各位領導來聆聽我的演講，我演講的題目是技術與數據為先，攻堅風控建設。工商銀行原來的董事長江建新先生一直説，銀行最寶貴的財富是數據，他説未來成功的銀行一定是數據大行，所以作為工商銀行是有全世界最大的客戶群體和最多、最真實的客戶實時的交易數據，所以怎麼能夠把銀行大量的數據結合起來，用我們的新技術去為銀行服務，是我們銀行的核心競爭力。因此我後面的演講主要是圍繞怎麼運用新技術，利用銀行的數據，結合大數據、雲計算、區塊鏈、人工智慧等方式，去打造我們新的風控體系。

　　應該説工行大數據的體系整個技術平臺也是超過了十年的建設進展，從最初的專有的集中式的體系，逐漸走向了分佈式、開放式的體系架構。工行從2000年開始建設了企業數據倉庫，當時還只是一個數據分析工具，當時業界比較普遍的Oracle的體系，對業務報表、數據方面進行發展。2007年，工商銀行引入了世界上專業的數據倉庫硬體體系架構，包括數據倉庫的體系模型。

　　隨著數據倉庫體系的建設，逐漸引入了專業的大數據處理的系統，隨著網際網路金融以及開放式平臺的發展，2013年以後，工商銀行的數據體系架構逐漸轉向了開放式、分佈式以及開元的體系架構，2014年工行自主研發了基於流數據處理平臺。這是工商銀行數據體系的概略圖，可以看到最下層是工行把我們銀行的數據以及和網際網路金融相關的客戶行為、數據納入進來，還包括一些相關的數據源，實現了大數據平臺實時、準時以及批量計算的能力，把它們包裝成相關的數據服務的能力，包括靈活查詢、資訊檢索，以及相關的模型定制的功能，為我們在風控、行銷以及客戶服務相關領域，提供了大數據的服務支援。

　　在工行的數據體系方面，結合新技術，主要是從2014年開始，逐漸從高成本、封閉的專有平臺，向開放式的高性價比的可擴展、開放設備進行轉型。在轉型前，工商銀行主要是基於Teradat、Oracle為主的專有平臺；在轉型後，主要以多技術平臺的雲服務平臺為主，引進新技術，打造了能夠支援準時、實時和批量的多種技術的大數據技術平臺。

　　在大數據時代下，數據為什麼大呢？最主要還是因為我們引進了非結構化的數據，所以工商銀行也加強了非結構化數據的處理能力，建設了工行的資訊庫，主要處理非結構數據化的資訊，目前已經納入了工行的大數據體系。另外在外部的網際網路資訊方面，我們也自主搭建了一個塔網系統，把主要相關網站的資訊以及目前比較重要的微網志資訊納入我們的資訊庫，進行統一的資訊檢索和相關的分析，為我們後續的一些運作分析、風險監控提供了支援。

　　在快的方面，因為目前來説網際網路金融發展資訊瞬息萬變，所以客戶對我們的資訊的需求越來越快，原來的7+1或者更長時效地要求已經滿足不了客戶的需求，所以我們也自主搭建了工行的流數據平臺，可以提供毫秒級的數據能力，包括事件觸髮式行銷、事前事中的資訊處理發揮了重要作用。

　　我們覺得可以考慮基於區塊鏈的技術，搭建一個跨金融機構、金融産品的交易平臺，能夠改善金融機構間相對來説比較集中的效率低下、成本比較高的問題。有兩個場景，第一個是通過這個跨機構的金融産品交易平臺，在B2C的領域，金融機構作為一個發佈産品的平臺，客戶通過這個平臺購買自己需要的産品。另外在C2C方面，客戶可以通過這個平臺直接購買産品，滿足自己的需求。當然目前區塊鏈技術還存在一些缺陷，需要進一步研究，目前工行也在進行相關技術的一些探索。

　　銀行業隨著網際網路時代方興未艾的技術發展，面臨一個全新的形勢，不單單是對工行，對整個銀行業也都存在著一些變化和挑戰。目前渠道越來越多樣化，産品創新越來越快，現在的技術發展也是越來越快，所以一些高科技、專業化的技術也是層出不窮。帶來的挑戰就是我們原來採用傳統的技術，大多數只能通過事後的監控和行銷，滿足不了風控的時效性和變化性的要求。隨著新的産品推出的頻次越來越高，各種組合産品也是層出不窮，比如説我們在銀行這邊了一個理財産品，我們可以把這個産品做一些組合，也可以做一些相關的質押；包括最近的二維碼支付、第三方支付也是層出不窮，對我們來説怎麼通過新技術、新方式來防空這些新的風險的交叉感染，對各個渠道的風險防範也提出了更高的要求，原來被動的風險防控的方式已經難以滿足我們的要求。

　　工行的風控體系建設也是經歷了十多年的歷程，從2008年開始就已經嘗試進行相關的信用評分的公司，包括我們在非零售、零售信用評分方面，用一些邏輯回歸的比較傳統的數據處理的技術進行風控，之前主要還是憑藉著專家的經驗，或者一些傳統的數據挖掘的方式進行風控。進入了2000年以後，我們逐步走向了採用量化數理模型的方式來防控風險，這兩年隨著新技術的發展，包括人工智慧新技術的發展，我們也逐漸嘗試採用神經網路在事前、事中防範風險，實時地防範客戶的反欺詐和一些風險行為。

　　我們工商銀行在風險防控的數據體系架構，主要的數據源不單單是我們傳統銀行業的交易數據，也涵蓋了目前工商銀行在打造的三大平臺的網際網路金融的相關數據，還包括了一些政府機關和合作方的價值，形成了三流合一，資金流、商品流和資訊流，把相關的數據進行整合、交叉應用，形成了風險架構體系的資訊庫，包括為客戶做客戶畫像，包括把全行的風險事件進行統一管理，和各個渠道産品線的分享，形成風險的事件庫，並且通過我們統一的策略庫布控到各個業務系統和風控系統當中。然後再通過我們一些新的技術，採用實時的計算引擎和模型的引擎，還有批量的計算引擎，在風險防控領域、信用卡第三方監控的領域，進行相關的一些客戶服務。

　　下面簡單介紹一下，通過之前介紹的新技術的應用，工商銀行取得的一些初步的成果。首先就是我們在風控領域利用了自主研發的新技術，採用多管齊下的方式，實現了毫秒級的反欺詐，通過交易特徵分析是否有反欺詐的風險，讓客戶填寫確認資訊，通過客戶進行短信或者電話的確認，防止客戶受到反欺詐或者相關的風險防範。從去年到今年，通過這種實時地反欺詐技術，為銀行和客戶取得了比較好的效果。

　　第二個，目前銀行在信貸領域存在著比較大的風險，信貸領域的品質也是目前銀行業工作的重中之重。工行也是基於海量的數據基礎，通過一個大數據的體系架構，運用大數據的數據處理和模型挖掘的能力，去發現信貸監控中心的數據挖掘風險體系的架構，主要把我們相關的行內外的數據，通過集中的分析和挖掘，通過交叉違約、資金流向等模型進行深度挖掘客戶可能存在的風險，通過客戶的準入和事後的監測、防範當中，發現信貸方面的風險，提升信貸品質。

　　接下來一個案例就是採用類似於人工智慧的方式，來防範小微企業的風險，主要採用KNN的演算法，創新設計小微企業現金流量、現金流向、風險預警、經驗指標等四大類22個風險因子，共計95項指標的風險預警模型體系。通過KNN的演算法，可以看到基本上會和好人打交道，如果是有家企業發生了比較大的風險，跟他有比較大的關聯關係的話，本身這家企業也是需要我們去關注和防範的，通過我們的關聯關係的組建，以及通過交叉風險的識別，能夠比較好地提前進行小微企業融資風險的預警。

　　通過我們這些大數據的分析、挖掘，我們也能夠通過一些包裝，就是工行通過打造融安e信的風險防控産品，向業界提供風險資訊的服務。工行運用大記憶體的數據庫，結合了八大權威機構的20類的名單，以及違反企業資訊，包括工行在交易過程當中自己發現的涉及到的風險資訊，統一包裝了風險資訊的服務，通過融安e信的産品，給相關的同業銀行提供相關服務，也是起到了非常好的效果。

　　另外在新技術方面，還有一個大數據可視化的分析，大家在阿里巴巴的光棍節等大的促銷活動當中，大家都會看到通過大數據的可視化的技術，能夠快速地獲取到我們想要獲取的資訊，了解一些需要的數據。工行也是運用了大數據可視化的技術，實現了全行的信用風險可視化的監控，為我們行領導，包括業務人員能夠一目了然地了解目前全行的信貸風險狀況。這個可視化的風險也是在李克強總理到工行調研的時候，給總理做了一個演示，達到了比較好的效果。

　　後續的展望，應該説隨著經濟以及技術的發展，作為銀行來説，必須結合數據和新技術，不斷提升銀行的風險防控的能力，實現向數據驅動的全新模式的轉變。工行主要會在以下四個方面發力，第一個是完善建立客戶畫像，整合共用風險資訊，支援跨渠道、全産品、全流程的聯動防控。第二個是引入關聯分析及可視化技術，提升全渠道、全産品、全流程的風險防控能力；第三個是依託流數據技術及自學習智慧模型，實現互動式柔性防控客戶體驗。第四個是在個渠道做好數據埋點，捕捉客戶位置和行為等，提升風險識別的準確率，為客戶提供更好、更滿意的服務。以上就是我的介紹，謝謝大家！