小微企业大数据智能风控

刘世平 吉贝克信息技术（北京）有限公司创始人 & 董事长

 

本次演讲将从三个方面介绍小微企业智能风控的做法和理念。

 

一．普惠金融的困难和金融科技带来的转机

中小微企业贷款难的问题依然存在。在2019年两会期间，易纲行长和范一飞副行长特别提到了要利用金融科技服务实体经济，尤其是解决中小微企业融资难、融资贵的难题。困难的原因在于金融业在服务中小微企业时面对着信息不对称，服务成本较高，违约率较高和难以判断其偿债能力的问题。在传统模式下这些问题很难解决，但随着技术发展有了新的转机。

新一代信息技术包括互联网大数据、云计算、区块链、人工智能、生物识别以及物联网等，其中的核心是大数据。所以大数据是新一代信息技术使用的关键点。

在过去的实操中，吉贝克逐渐摸索出如何利用新一代信息技术破解小微困局。传统的金融风险管理流程有准入、反欺诈评分、卡授信的管理，贷前贷中贷后的管理等一系列评分模型，准入流程中还有Prescreen的粗略筛选过程，将意愿低的企业过滤掉。现在建模已经被应用到各个行业，但对于小微企业仍然面临5个问题：无系统、数据差、无担保、无抵押、缺信用。很多高新技术企业都是轻资产，缺少担保能力，还有一些小微企业信用缺失，无抵押。

中国企业的平均寿命是3.8年，在这么短的时间里很难建立和建设完善的信用体系。信用是什么？按照中国老话是“有借有还，再借不难”，说明有没有钱和有没有信用是两件事，但在3.8年的存活期中还是很难建设信用体系的。不过，这个问题当前可以依靠大数据和智能风控解决。在美国申请信用卡要审查信誉积分，680分以上算通过，620~680分之间就要进行严格的筛选，这实际体现了风控的subprime思想。但在把这种思想应用到中小微企业时，我们发现并不存在单一的评分，金融机构很难准确评价企业未来的风险情况，因此需要更加广泛的数据以完成综合评价。

 

二．传统风控与智能风控有什么区别和优势？

1.吉贝克AI Risking架构

在征信、贷前、贷中、贷后的一系列流程中，智能风控的核心思想主要有两点。第一点是数据的不同，体现为数据种类的不同。曾经不认为是数据的数据，现在也可以被用作数据，数据的类型和形态都增加了。第二点是算法模型的不同。大数据智能风控技术是自动化批量处理，和传统的算法模型有了质的不同，才能更好地处理大量的、不同的数据。

吉贝克作为信息技术公司，服务了国内将近200家银行、500多家金融机构，深耕风险管理版块。吉贝克的AI Risking架构的核心是建立AI数据中台，包括数据治理、数据加工、数据资产等技术的集合，由AI数据中台完成信贷流程、风险场景、服务封装、资产封装和智能孵化生产线的全流程。服务封装的重点是建立风险指标库中心、数据采集中心和策略中心。核心是利用算法+数据+经验破解小微企业融资难的问题。

2.小微企业智能风控方案总览

由3个部分构成：数据资产管理平台，数据/业务中台，实时风险大屏。其中数据资产管理平台是内部数据和外部数据的整合，比如-人民银行的征信管理系统有内部信贷业务的数据，同时在业务中会要求企业提供财务数据作为外部数据。但问题是中小微企业缺少完整的三张报表，因此需要现场和非现场尽调获取信息。还有一部分外部数据来自政府，包含对企业和个人的调查数据，也非常有价值。需要辅助的技术是数据源的配置工具，其中最重要的是决策引擎，有助于灵活配置模型。第二部分数据/业务中台主要涉及贷前贷中和贷后。贷前建立准入模型，贷中监控，贷后管理的三位一体架构。数据/业务中台的关键点在于建立企业风险的画像，能够从多个维度把控风险。最后是风险大屏，也叫高管驾驶舱，可视化地了解企业风控全过程。

传统建模需要懂数据的人才，需要IT人才，但智能风控中业务人员也很重要。业务人员非常熟悉和了解业务，有助于模型的修正。从整个流程来看，核心的风险决策引擎是能够快速的将不同模型部署到不同环节和业务，所以通过AI建模至关重要，但其实算法已经近几十年没有新的突破，因此要求实际中基于已有的算法不断创新。在建模过程中，没有哪类算法绝对最好，需要尝试各种各样不同的算法，对针对不同的场景建模分析。每一种算法都对应数据分布的不同假设，如果这种算法和数据的假设比较吻合，当然能取得最好的效果。所以建模的时候，各种算法都要尝试，究竟能不能在把优质客户和问题客户区分开，需要进行成果的检测。

综上所述，AI建模具有零编码、配置式、拖拽式、高效率、低门槛和易理解的特点。一旦有了规则引擎，就能够实现零编码，配合图算式和流程引擎后使流程变得非常简单，因此实现了高效率、低门槛和易理解。所以AI建模能够应用到数据的接入、数据的处理、模型的构建、模型的评估、模型的管理和模型的应用整个流程，对于精准营销、控制客户的流失和舆情的监控有所帮助。

对于中小微企业，客户画像尤其重要，在建立综合评分后怎样更加全面系统的展现客户的画像，涉及到客户信息的收集和客户的特征。因此需要对中小微企业建立一系列的标签组和标签库，有规律地进行客户群的分析。在实际业务中，一对一的维系很困难，客户经理在操作中面对太多种类时很难把控繁杂的特征，容易出错。所以客户的分群非常重要，对于某一特定群体的客户采取统一的做法，这就要求精准的客户画像。除了客户画像之外，关联关系也很重要，尤其中小微的企业跟个人之间往往有着紧密的关系，比如股东的财产结构和公司财产结构的相似性，有着重要意义，需要实现对客户主体的定义和对关联关系的定义。

总结来说，资产管理平台最主要的目的是做好征信的风险评级。为了实现这个目的，不仅需要客户画像，而且在获客的过程中也要精准营销，需要把不同业态的数据进行有效的整合。数据资产管理平台有效解决了传统内外部数据混乱、标准不一致等各种问题。

3.智能风控建议实施方案

实施方案秉承五大步骤，数据驱动，小步快跑，敏捷开发的思想。5个步骤依次是调研阶段，需求阶段，数据资产平台搭建或改造优化阶段，风险应用系统新建或优化、升级阶段和模型训练持续产出阶段。其中的核心思想是数据驱动。小步快跑指的是要快速开发和快速推广到市场，本质上和敏捷开发是一样的。最关键的还是数据，数据支撑着智能风控的实施全过程。

4.具体案例

第一个案例是公司和省联社的合作，它有54家农信社和8家网外的股份制银行的体系架构。吉贝克用6个月时间部署了省联社的系统，建立了1000多个关键的风险指标，有信用指标、市场风险指标等等，还建立了400多条风险规则和60多个标签。根据它的业务主题属性，公司有20多个建模模型，输出了四十多张风险报表，功能模块包括工作台、指标管理、管理层驾驶舱14个模块。

第二个案例是城商行的，建立系统完成客户评级和智能风控，取得了很好的效果。最终建立了一系列的客户评级和决策策略的框架，设计了90多个策略和500多个指标。随着经验的积累，公司能够在已有库群的基础上快速进行新的演变。

这些案例的关键仍然在于数据，公司在浙江余姚市推广的过程中，建立了人口画像、企业画像等，因为中小微企业很难把企业和个人完全区分开，所以企业画像和个人画像非常重要，都是基于数据完成的。

 

三．未来展望

对未来的展望有以下几点。第一是数据的整合，人民银行的征信管理数据是很重要的，但对中小微企业来讲，更重要的数据是在政府手中。政府有工商的数据、税务的数据、社保的数据、法院的数据、知识产权的数据、车管所房管所的数据、企业主基本的资产数据等等。如何将政府数据和人行数据进行有效的整合，需要进一步精进算法，以及调整数据算法模型。

第二是产业链金融。不同地区有不同的产业组织，相互之间有着很大区别。比如广东佛山的蓝海区，工业陶瓷一年的产值有大概有2000多亿，但园区中的企业未必都是上下游的关系，很多都属于同类企业。产业链金融可以成为整合这些企业的方向。尤其在珠三角和长三角地区存在大量的一村一业情况，能够作为产业链金融的优质试点。吉贝克公司在余姚建立了金融超市，在一个县级市尝试经营授信，当地企业申请93个亿的贷款，最后完成72个亿的授信，比例非常高，并且基本没有坏账。余姚一共有30多家金融机构，都是我们潜在的服务商。在其他城市，比如广东、江苏、辽宁、山东等，公司都有发展规划。

总结来看，怎么利用好地方政府的数据，将地方政府的数据和人民银行的数据进行有效的结合，并结合企业的ERP系统的数据和产业链上的数据，是未来大数据智能风控关注的方向。

整理人：田程依一

责任编辑：傅泽天

来源：TGES2021（第十七届）中国金融风险经理年度总论坛：小微普惠金融与风险管理（一）（11月）