对公金融数字化体系搭建

胡殿明 感易智能创始人、CEO

 

进入数字经济时代，如何让数据变成新的生产要素，以此通过科技更好地助力金融服务实体经济，这是值得思考的问题。目前，对公金融业务亟需数字化转型，关键在于搭建商机营销管理及信用风险管理的数字化体系。

 

一、对公金融进入新时代

（一）对公金融的发展趋势

对公金融已经进入了一个新的阶段，未来10年将会迎来高速的发展。从三个角度简要分析其发展趋势：

一是新的客户形态，包括新兴行业及产业、新的商业模式及上下游关系、新的企业组织形式及集团关系。

二是新的服务模式，从服务传统企业转变为服务新型企业，从提供单点产品服务扩展为提供多元化解决方案，从服务于单一客户延伸为服务客户及其关联方。

三是新的风险管理需求，主要影响因素包括新的政策导向及监管要求、新的金融生态及竞争环境、新的企业经营行为及其变化。这些新的变化趋势，也促使对公金融要从服务能力到技术能力层面进行质的提升，以应对发展诉求。

（二）公金商机营销管理面临的新挑战

产业升级、企业演变及交易创新，给对公金融的商机、策略、产品及服务带来了全新的要求。针对金融机构不同层级的客户来看，很多中大型的企业是战略客户，是银行维护的重中之重，银行除了提供多元化的维护方案，还要全面覆盖其供应链、生态链及朋友圈，考验的是服务品质及多元化能力。

而对于核心客户，更需要考虑如何对企业客户进行分层分类、如何有效提升客户的价值，当客户处于临界或流失状态时如何唤醒。

面对高潜客户，则要从营销角度关注如何定义、分类、筛选新兴企业（如新动能、碳中和等领域），怎样有效触达非我行客户。

在关联客户层面，需要思考从现有存量客户及零售客户能否拓展出关联客户，企业之间的关联关系能否进行链式营销或网状拓客。

对于长尾客户，更主要的是要关注如何批量获客以及如何降本增效的问题。

公金商机营销管理的关键在于如何在场景渠道建设、目标客户挖掘、客户触达分析、客户需求识别、产品营销协同等环节实现数字化、智能化。

（三）企业信用风险管理面临的新挑战

企业的信用风险管理主要存在着两大挑战：

一是新型企业、新的经营行为及变化等使得企业的风险日益复杂化；

二是国内产业转型升级、全球政治经济格局变迁等外部影响因素让企业经营环境也日益复杂化。

目前大部分金融机构对企业风险数字化管控方面还存在着明显不足。传统的对公风控模型主要基于财务数据，是已成风险事实，使得风险管控不够及时；缺少对企业高风险事件的过程追踪及风险预判，对风险管理把控不足；缺少企业历史的、同行的、关联方的风险关联分析，使得风险管理覆盖不足；针对性的风险排查及日常的风险管理任务繁重，远远超过业务人力处理极限。这些都影响了公司金融与风险管理水平的提高。

现在愈发复杂的内外部环境正在深刻地影响着更多的企业，如何有效地、及时地、准确地把握这些变化，需要金融机构在数字化层面进行突破。

 

二、对公金融数字化转型的路径

（一）商机营销管理数字化

从业务场景需求的角度来看，对公金融数字化首先要实现商机营销管理的数字化。在这个过程中，可通过大数据及人工智能技术，智能整合内外部的结构化和非结构化数据，深挖企业背后的关联关系，由事件驱动构建精准的、动态的企业客户画像，为客户提供数据化、智能化的业务营销抓手，满足产业、企业、业务等创新发展下的新型拓客需求。

其中包括线索发现、企业挖掘、触达分析、需求分析、产品方案以及风险定价六个环节。这些环节主要基于两个能力：一是基于企业画像进行客户分群；二是对新客、存客、关联客户和存续期场景进行建模、对客户不同需求做商机发现及企业风险评估等。商机营销数字化管理主要是为了帮助业务人员从行业、产业链、地区园区及各类场景中找到优质企业，从海量信息中捕捉近千类与营销相关的企业动态及触达方式，从股权、资金、生态等关系中挖掘关联的及相似的企业客群，实现精准挖掘和洞察客户。

（二）企业信用风险管理数字化

对公金融数字化另外一个关键是企业信用风险管理的数字化。企业信用风险管理数字化既要贯穿业务全生命周期，也要符合业务的风险偏好；既要能发现企业的潜在风险，也要能发现风险关联的企业。

这就需要在企业信用风险管理所涉及的“贷前准入、贷前尽调、申请授信、授信审批、贷后管控”等业务环节实现风险探查、评分计量、传染分析、监控预警的数智化。

同时，在整个企业信用风险管理链路上，最重要的是要为业务关键人赋能，提升他们风险管理的手段，提高他们风险管理的效率。感易智能风觅-企业信用风险智能发现系统可为客户经理提供负面企业清单、资信评估报告及授信申请报告，为审贷人员提供财务反欺诈识别及授信风险分析平台，为风险经理提供管户风险排查报告、贷后监控预警及管理驾驶舱。系统基于数据智能驱动，监控预警可与授信政策、审贷及风险管控意见相结合，实现灵活配置、精准化预警。

 

三、对公金融数字化框架的搭建

对公金融数字化体系主要是从对公金融商机营销管理的数字化和企业信用风险管理的数字化两个角度出发，其框架的搭建分为数据智能和决策智能两个部分。其底层基础是数据智能，对金融结构化和非结构化信息实现智能解析、语义理解及深度挖掘，从而将分析好的数据应用到商机营销和风险评估中。数据智能既要解决金融内外部数据整合的问题，也要解决多方数据交换的安全问题。

在数据智能基础上是决策智能，让科技更好的辅助业务决策。决策智能通过对产业及行业分析、企业投融资需求分析、基金及理财产品分析、股债风险分析、企业风险分析，从而建设了公金业务的商机发现及风险发现的模型工厂，实现了模型统一管理。同时，并利用业务决策分析引擎，实现了业务应用工具的开发与管理。

（一）数据智能——让数据成为生产要素

在数据智能层面，我们需要针企业进行整体分析。

首先需要构建企业的标签体系，刻画企业的全景画像，对企业进行分群管理，再进一步去挖掘企业主体之间的关系，企业事件背后的逻辑关系。

数据智能建设，对金融信息的处理提出了更高的要求。为此我们构建了金融信息认知计算引擎，来充分收集金融机构内外部的数据，包括各类型的第三方数据。再对数据进行解析，尤其是对于一些非结构化的数据，如文档、图像、表单等多类数据。

数据经过清洗、加工、解析后，需要再对数据所涉及的金融事件进行语义理解分析，识别并理解这些数据中描述的事件、涉及的企业主体、企业的交易对手范围以及其他的关联关系等信息。

最后，对提取出的金融指标进行计算，包括统计挖掘、预测分析、衍生计算等。基于这些包括各类事件及指标的主体信息，构建包括主体关系的关联关系以及事件逻辑的传导关系。前者是从产业、行业、地区、企业、机构、人物的角度以及从股票、债券、基金、理财等金融产品的角度进行关联分析，后者是分析事件与事件、指标与指标、事件与指标之间的逻辑传导关系，如先后顺序关系、因果关系、包含关系等。

总体而言，通过对金融信息的认知计算，可以支撑企业的画像分析，以此让数据成为公司金融业务的生产要素。

图1 数据智能

（二）决策智能——助力金融服务实业

数据智能的上层是决策智能，目的是为了助力金融服务实业，主要是围绕企业如何发现新的客户和发现信用风险，本质上是为企业提供更好的金融服务。在营销上包括新客户的挖掘、存量客户的价值提升、关联客户的营销以及存续期的营销四个部分；在信用风险发现层面，包括贷前贷后及投前投后两个维度的两个环节去做不同侧重的工作。

金融机构在上层的建模分析已经十分专业，现应重点关注支撑上层模型的底层场景分析。如今，新的数据、新兴产业及新型企业、新的业态等影响因素促生了新的内外部要求，包括如何优化迭新模型，提升模型的准确性、时效性、覆盖率等。

因此，决策智能需要对数据进行深度分析，实现模型智能化，分析维度包括产业及行业分析、企业投融资等需求分析、企业风险分析、股债风险分析以及基金理财等产品分析。产业及行业分析包括行业景气度、产业集群情况、政策及市场影响传导、行业专项分析等方面；企业投融资等需求分析包括资金需求预测，企业的财务顾问需求和资产管理需求挖掘，以及根据金融产品寻找潜在企业等；企业风险分析则包括财务异常及行业偏离检测、股权异动及资本运作监测、负面及重大事件追踪以及关联方风险传导等；股债风险分析关注个股风险评分、信用债违约预警、关联风险传导、事件策略因子等方面；产品分析包括全市场的产品市场情报、营销话术、底层风险穿透以及产品的诊断、对比和筛选分析等方面，如此一来，一方面可以提升对公金融服务能力，另一方面还可以提升财富管理服务水平。

图2 决策智能建设框架

四、思考与感悟

一是在业务层面，不论是对于商机营销还是风控，在新时代都需要数字化，其中的关键在于搭建体系化的数字化。

二是在技术层面，认知计算是让数据成为生产要素的关键，通过对信息深刻理解，使数据可用可分析的同时，还要让数据智能与专家知识及业务经验结合，助力业务的智能决策。

三是在数据层面，需要充分利用内外部数据，特别是对量多源的非结构化数据的利用分析。

（责任编辑：冉鑫）

来源：2021年高级线下研讨会：公司金融与企业风险管理（7月）