2016，区块链+保险的“四个机会”，《中国保险报》2016年11月8日第006版

基于AI的企业风控系统增强的应用

一、银行进化路线及银行业务场景的智能化增强方案

      银行的进化路线可以分为四个阶段。1.0阶段为1472年-1980年，进入金融服务时代，以金融产品为中心，离不开物理网点，关注点仍囿于物理网点中的银行服务。2.0阶段为1980年-2007年，进入自助服务时代，以服务为中心，电子技术延伸了物理网点的触角，电子技术替代人力工作，自助服务标志着银行进入新时代。3.0阶段为2007年-2017年，进入移动互联时代，以客户为中心，随时随地获得银行服务，物理网点不再是用户要去的地方，金融产品的选择权将产生对调，用户将成为与银行关系中的主导者。客户越来越多地进入银行的服务中，诞生出更多个性化需求和个性化数据，也产生了一些问题，即如何更好地利用这些资源为客户提供更好的服务，以及如何利用好在服务客户的过程中产生的大量数据。4.0阶段为2017年以后，进入人工智能时代，以智能服务客户为中心，嵌入生活的智能银行服务，即时、实时的金融服务将成为流行，智能投资顾问和场景介入将为用户提供更好的金融解决方案。Bank1.0至Bank3.0，是基于物理网点的服务渠道扩宽，而Bank4.0则是回归到对银行本质的重新审视，为我们提供了通往未来银行最有可能的路线和创新方法。应用场景包括人工智能（AI）、现实增强（AR）、语音识别设备、穿戴智能设备、无人驾驶、5G通信、区块链等。

      银行业务场景的智能化增强方案有三层。最底层是基于OCRPC、视觉技术赋能，将更多数据融合到体系中，例如照片、视频、文档、扫描件等。中间层基于NPL技术赋能，理解数据本身的含义，将数据变成业务流程中能够直接跟现有模型对接的信息。最上层则是银行核心应用和用户。通过这样的体系，将更多的数据纳入到银行的业务中，提升业务处理的效率和能力，从而让整个业务场景得到更好的增强。

二、银行信贷业务系统增强的应用

      信贷是商业银行的主要业务，也是其主要盈利的途径，随着互联网技术的不断发展，传统的银行贷款也受到互联网技术的影响，因此必须改进和完善信贷业务的风险管理机制、信贷前后录入审批效率、贷款对象定位，使银行信贷得到良好的发展。公司客户对银行“数字化”的期望在不断提升，超过70%的企业客户表示数字能力是评估银行对公服务水平的关键要素之一，特别是中小企业更看重在线信贷的产品和服务；其次，银行信贷申请的过程是越来越自动化的，减少人工对申贷资料的处理时间，加快信贷审批流程，是提高银行信贷效率的最有效帮助，自动化信贷服务是互联网金融环境下的必经之路；自动化完成后，推动信贷更加规范化，为了有效地规避风险，银行方面要对申请贷款的对象进行严格把关，利用全方位的财务分析对申贷资料评估，降低不良贷款率；最后，规范化又会推动银行进行数字化升级。银行信贷业务发展形成了规范化、数字化、自动化的正向循环。

      银行信贷业务也存在许多挑战。在业务中，贷前审核和贷后管理，需要客户经理收集企业财务报告，录入并导入信贷风控系统中，这些财务报告包含照片、纸质、PDF等多种格式，客户经理依旧需要线下收集，通过一定方式手动录入到信贷系统中。在这过程中，存在财报录入慢、成本高和风控弱的问题。每年处理上万份报告，每个报告有5百多个科目，人工录入非常费力，每年累计耗时超过5万个小时；报告不清晰，披露不规范，录入人员业务不清晰，粗心大意，都会导致录入数据出错，无法满足财务分析的要求；传统风控模型局限来自于财报、证照等企业提供数据的因子与互联网中的公开风险因子没有有效结合，无法覆盖和预警更全面的风险。

      针对以上提出的问题，我们以信贷业务为核心，提供三大智能化功能提高财报处理能力。一是内容数字化，基于计算机的视觉能力，用机器辅助原来需要人工抄录的过程，提升整个效率，例如自动转成结构化表格、统一会计科目名称、勾稽关系自动校验查漏补缺、会计指标自动对齐等。二是服务在线化，让用户在任何场景下都能使用该服务，方便客户经理在外开展业务。三是风险可量化，将录入好的数据使用内置财务分析模型进行舆情分析、实时全网监控、企业画像分析、风控模型迭代等，尽早地将风险暴露出来。

      具体来说，表格自动解析，基于深度学习算法的“卷积”计算，有效提升解析准确率，也就是数字化。在录入数据后，要进行科目自动匹配，通常会引入一些专家系统，将常见的15个模板先录入系统，通过标准科目及同义词模型完成持续识别。对于模型未匹配科目，需要进行人工干预，一方面保证录入顺利完成，另一方面让计算机记录下此次匹配，变成一个新的学习素材，再去训练模型，达到越用越准的效果。在所有的指标识别完并录入后，进行勾稽关系自动校验，发现数据错误和科目不平，快速修正。此外，信贷系统还内置三维财报分析引擎实时分析财报数据，结合企业内外部数据实时完成财务数据有效性、趋势性、同业对比分析，提早发现潜在的财务粉饰和欺诈风险，为信贷风控业务提质增效。

三、具体案例

      某银行股份有限公司，在全球有150家代理机构，企业客户1万家，每年需要录入5-6万份财务报告，财报数量庞大，人工录入慢，且录入准确率不高，返工几率大，风控因子少。

      在风险管理部和企业管理部使用了系统后，财报录入准确率高达99%，原本完整录入一份财报需要2小时，现在缩短至10分钟，录入效率提升90%；增加了10多类企业风控因子，能够更好地实现财务分析预警和监控，结合公开的企业画像数据，实时监控工商、舆情、法律诉讼、行政处罚等风险，为风控模型提供有效补充。

      来源：2020（第十六届）中国金融风险经理年度总论坛系列12：科技在金融业务中应用——李凡《基于 AI 的企业风控系统增强的应用》