风控智能化还停留在概念阶段?大数据及人工智能如何应用落地

在互联网金融、消费金融的蓬勃发展的当下,央行的个人征信中心收录的自然人数达8.6亿多人,但其中仅有3亿多人有信贷记录,同时信贷记录主要来源于商业银行和农村信用社等金融机构。央行征信在数据时效性、全面性和层次性上的短板日益凸显。这时传统金融风控手段就显得有些茫然无助, “互联网+金融”业务就要结合更多维度的互联网数据和人工智能手段,开发大数据风控模型,弥补央行个人征信信息的不足,在互联网金融蓬勃发展的今天尤为重要。

风控智能化还停留在概念阶段?大数据及人工智能如何应用落地

首先我们对金融风控的一个标准业务流程进行梳理:通常一个风控业务包括前端页面用户资料申请提交和收集,反欺诈、合规、逻辑校验,核心决策授信,以及最后的逾期催款。面对银行业客户风险不一、客户信用信息不全、恶意欺诈或客户违约成本低、债务收回成本较高等诸多挑战,传统银行业必须利用大数据结合人工智能在信用分析评估、风控和反欺诈、决策审批等领域能发挥极大的作用。

传统风控流程遇到的难题:

1、纯人工流程:行业内进件流程通常为线下流程,渠道员工往往还兼具信审职能,操作风险进一步放大,且整体审核效率十分有限,只能单纯依靠增加人力来提升效率;

2、量化风控能力缺失:以往的贷款主要依赖线下人工风控经验及央行征信,对依靠线上风控模型进行量化风控的经验及能力较缺失;

3、系统功能滞后:现有系统只具备业务系统串接全流程,没有风控系统部署复杂的风控策略,无法满足策略的灵活迭代和实时发布;

4、反欺诈能力弱:反欺诈策略通常由贷后案件爆发后引发,时间滞后,无法有效堵住欺诈漏洞。对于核身,信息核验,高风险记录,团体欺诈风险等方面较难全面有效排查;

5、人工智能无法落地:信贷审批智能化还停留在概念阶段,对于在业务中哪些环节可以融入人工智能以及如何落地没有实际尝试。

Smart Decision华策是国内最早的大数据应用服务商,致力于为用户提供专业的AI数据营销与智能风控服务。独立自主研发产品Smart信用评分,利用大数据风控丰富传统风控的数据纬度,并结合借款人的基本信息数据利用多维度数据,生成数千个模型分析维度和信用评分模型来实现快速识别借款人风险,客观地反映用户风险水平,进而判定是否能够给该客户授信。并且在数秒内将评分结果反馈给审核人员,解决信用评估和风控难题。

Smart信用评分综合了用户的身份认证信息、行为数据、地理位置、历史逾期信息等数据,直观地描述了用户的信用等级。Smart信用评分与信用等级呈正向关联关系,分数越高表明用户的信用等级越高、信用风险越小。其中,公布的分数范围为:300(极差)~ 850(极好)。这一分数直接与违约概率相联系,信用越好,违约概率越低。根据评分情况,给出通过或者拒绝的决策建议。而且还可以根据评分预测未来违约的可能,初步判断出逾期或者成为坏账的可能。作为人工智能的一款代表产品,Smart信用评分让更多缺乏征信记录的人不必跨过传统银行的征信“门槛”就能获得金融服务,让信审的方式数据化、智能化,大大节省了这个过程的耗费成本。

智能化风控决策系统

Smart Decision华策提供的风控解决方案也顾及到了风控系统功能滞后且不灵活的问题。现在大数据风控的规则复杂程度较高,动辄就是上百条风控策略在线上运行,同时规则的调整频次高,调整方式非常多样化。而Smart Decision华策通过独立自主研发的信贷风控决策引擎系统,已经过了长期信贷业务智能风控实战打磨,满足策略的灵活迭代和实时发布,完全能够帮合作伙伴做到从外部数据接入到策略配置,策略监控以及权限管理等模块均与目前的信贷风控需求完美贴合,并随着业务发展不断进行功能的丰富。

未经允许不得转载:新闻 » 风控智能化还停留在概念阶段?大数据及人工智能如何应用落地