商业银行应如何打造智能信贷管理新模式

        中国银行软件中心上海分中心进一步落实新技术及新发展理念的应用，开展了新一代智能化信贷管理平台的设计和研究工作，并配合业务需求，逐步加以实现。

 

 

 

        以统一牵头、统筹规划、整体推进为核心方针，以全球化、全方位、全流程、全生命周期管理为设计理念，构建一体化平台规划设计；以信息服务与流程服务为基础，规划整合客户管理、总量管理、批复管理、合同管理、债项管理、档案管理、缓释品管理等信息管理功能，实现贷前审批、贷中审查、贷后跟踪全流程一站式管理；以产品服务为导向，立足流程管理与数据应用融合，通过大数据及人工智能技术的应用，打造风险预测、预警、决策的智能化应用服务体系。

        1.全球一体化设计规划

 

        国内、海外业务流程整合。在全球一体化规划设计的原则下，新平台以集团机构“全”覆盖、集团客户成员“全”覆盖、多元授信产品“全”覆盖为目标，打通全球、全口径、全产品的统一授信管理链路，整合国内、海外资源，形成合力，重塑授信业务流程管控，增强业务竞争力，提升规模效益和盈利能力。

 

        集团全球信息服务共享。从业务管理层面，形成集团客户信贷管理框架体系，对集团客户实施集中发起、整体审批、集中监控，提升业务服务能力；从风险管理层面，有效采集客户各渠道信息，识别关联交易信息，通过用户画像，有效识别并呈现客户全面风险信息，服务全流程风险管控，提高信贷风险管理水平，提升资产质量管控工作的主动性和前瞻性；从用户体验层面，实现全球授信管控、7×24小时服务支持、全球应用版本无缝升级、全局流量控制，为集团客户提供一站式管理服务。

 

        2.流程管理与数据应用一体化

 

        在“数据为王”的时代，流程管理与数据应用将全面有效整合，以全面的数据应用推动流程管理的持续提升，促进信贷业务从量到质、从点到面、从“能做”到“做好”的全面发展。

 

        在新一代信贷管理平台规划设计中，以统一客户管理为核心，形成流程处理、数据分析、模型控制三位一体的产品服务模式（见图1所示），改变了过去业务管理系统重流程轻数据、数据应用系统重数据轻业务、流程管理与数据应用分离的局面，将信贷业务全生命周期管理与数据分析应用贯通，将风险数据挖掘分析能力嵌入业务流程，将从单一流程驱动，转变为“流程+数据”闭环驱动，消除信息孤岛，实现流程与数据融合，数据促进流程优化，提升全方位信贷业务流程管理能力。

 

 

图1 以统一客户管理模式为核心的产品服务模式

 

        1.业务流程管理平台

 

        SOA面向服务架构治理。随着业务管理平台功能模块规模不断扩张，功能模块间依赖关联愈加复杂，设计缺乏灵活性，模块缺乏统一规划，竖井式发展趋势明显。新的业务流程管理平台将采用SOA面向服务架构替代传统面向对象架构，将功能模块拆分，同时使用接口建立模块间通信，降低功能模块的耦合度，实现了从系统到组件的转变，由原来的业务系统转变为业务组件下沉到平台架构的资源层和服务层，全面支持根据需求进行应用组件的灵活组合和组装，大大提升了架构设计层面的灵活性和可扩展性（见图2所示）。

 

图2 逻辑架构图

 

        构建统一工作平台。构建业务人员统一的流程管理工作平台，解决传统信贷管理系统公共机制割裂、集成度低的劣势，形成公共的消息机制、问题机制、任务机制、计划机制、标签机制，贯穿全生命周期流程管理各个环节，并配套建立服务支持体系，建立统一的应用门户、用户中心以及参数管理机制，以统一的工作平台、统一的机制体系，进一步提升业务流程管理平台的应用体验和使用效率。

 

        打造移动化应用。在移动互联的发展趋势下，通过移动端技术的应用，逐步实现业务流程管理移动化，全面支持业务人员在移动端完成流程管理，比如风险管理人员有时受外出工作的影响，导致需要在办公室台式机上操作的“审批信息录入、资料校验、调查审批”等无法及时处理，影响审批效率，移动化信贷管理应用能很好解决这个问题。

 

        2.大数据风控平台

 

        绘制客户统一风险视图，实现精细化风控。客户信息统一视图是大数据风控的应用基础，其核心是客户风险画像。客户风险画像，就是对客户进行数学建模，形成客户标签，展现客户在不同业务领域和应用场景下的全面风险信息，随着标签的不断丰富，客户的清晰度就会越来越高，进而使客户的一切行为变得可视化。通过“互联网+”技术深入挖掘、分析、整合客户外部信息，再结合银行内部客户信息，改善客户信息不对称的窘境，将过去传统的“客户信息”转变为“客户画像”，真实还原客户全貌，实现客户的精准洞察。

 

        打造智能风控服务平台，实现智能化风控。引入大数据及人工智能技术，在银行内外部海量数据积累的基础上，构建覆盖贷前、贷中、贷后全流程一站式的智能风控应用服务平台，通过新技术的应用，全面提升银行信贷业务的风险识别能力，优化风险预警和管控流程体系。

 

        宏观风险预测。基于“大数据+人工智能”模式下的宏观风险预测体系，可以及时、准确感知市场变化带来的风险，制定更有针对性的行业、区域、产品等领域的信贷政策。

 

        授信审批辅助决策。通过知识图谱、神经网络等技术，深入分析各类信息间的内在联系，简化流程和信息处理的复杂度，进而建立起量化的标准分析模型，后续将行内总分行的专家知识规则库嵌入至系统当中，达到系统自动判断和机器自学习的效果，促进授信审批业务数量和质量的同步提升。

 

        缓释品管理。运用数据可视化、物联网等技术构建押品地图，实现我行缓释品信息全方位、全视角管理，从客户、行业、地区、产品、条线、机构等维度，对缓释品分布、管理执行情况进行图形化展示，实现管理可视化。另外，借助新技术的力量可以把缓释品的管理更加智能。比如在缓释品评估过程中，可以采集房屋中介、土地局、法院等机构的相关数据，与内部数据进行交叉验证，解决押品评估价值不准确、评估效率低下等问题。

 

        多样化风险预警监控。企业经营状况、上下游客户产业链信息、交易对手违约情况，这些风险因子都可以通过大数据技术去捕捉和发现背后的相关性，比如，根据相关性分析可以提早识别违约概率，做好风险预案，可以有效降低资金风险。另外，在未来的贷后预警监控过程中，越来越需要针对企业的外部数据进行分析和预警，比如对客户在工商、税务、公安、海关平台上企业信息异动监测，对财经媒体、社交网络上的舆情监测，都可以帮助银行全面、实时地了解贷后企业的变动情况，提升现有预警模型预测的准确性。此外还可以通过大数据反欺诈技术，自动识别客户财报的真伪，提升客户评级的准确性。

 

 

        1.工作流引擎

 

        依托工作流引擎全面支撑业务处理流程的应用开发。在信贷业务流程管理平台各类复杂处理流程实现的应用场景中，工作流引擎的引入实现了业务逻辑和过程逻辑的有效分离，让业务开发人员专注于核心业务规则实现，过程逻辑处理集成到工作流引擎进行统一管理，不但降低了流程开发管理的成本，同时提升了对流程管理应用迭代开发的支持能力，使业务流程更容易部署和重新编排。

 

        2.规则引擎

 

        依托规则引擎全面支撑风险策略规则的管理及应用。实现对公评级、申请评分、行为评分、催收评分、消费金融、反欺诈、风险预警等多个业务场景的决策应用支持，解决风险策略规则分散在各系统、维护参数化程度低、规则部署时效性差的问题。在规则引擎中提供业务可视化规则编辑工具，支持风险策略规则的灵活配置，使复杂的业务规则实现变得简单，并以此达到业务逻辑表达与程序执行分离的效果，同时风控人员可以调整正在使用的模型策略，包括规则、流程等，通过联机热部署机制，实现风险规则实时维护、快速部署生效。

 

        3.数据挖掘引擎

 

        依托数据挖掘引擎全面支撑风险模型研发创新和应用落地。建立统一的智能化风险模型工厂，作为风险模型研发、训练的核心场所，形成指标库、模型实验室、模型运行平台三大工作区，基于数据挖掘技术，不断研发、优化能在实际业务场景中实际应用的风险模型，同时在数据应用中不断完善数据应用结果反馈机制，形成风险策略模型“模型研发、模型训练、模型反馈、模型部署”完整的管理闭环，同时引入机器学习的方法，根据产品政策、客户行为表现、历史模型执行分析结果等多方面信息对风险模型进行动态的快速升级，实现风险模型智能化的迭代更新。

 

 

        在商业银行信贷管理模式转型的关键过程中，除了需要信息科技提供强有力的技术支撑，同时也需要业务部门同科技的协同配合，从机制架构、业务流程、人员储备三方面进行信贷管理体制的优化和革新，推进银行信贷管理业务的创新性管理和可持续发展。

 

        机制架构方面，突破传统商业银行业务条线壁垒，降低各部门间信息交互以及沟通协调成本，实现各业务部门职责明确、协调统一。

 

        业务流程方面，打破过去“以产品为中心”的业务流程模式，转化为“以客户为中心”的业务管理流程，构建前中后台协同配合机制，建立贯穿业务全生命周期的流程管理体系。

 

        人员储备方面，在过去重点培养金融管理人才的基础上，着重互联网人才、数据分析人才的发展，通过外部引入及内部培养多种方式，构建多元化的业务人才资源库，为转型过程中实现信贷产品创新、业务流程优化、客户体验提升提供有力的人才储备保障。

 

（文章来源：金融电子化杂志）