银行大数据风控中台征途

多位银行人士向记者指出，除了数据合规获取使用，银行要搭建完善的大数据风控中台，还需“从上而下”地引导各个业务部门积极分享数据与协同作战。

搭建大数据风控中台，正成为众多银行强化业务风控能力的新趋势。

“原先我们构建大数据风控中台，主要是想打通各业务部门数据并优化风控体系。但现在我们发现，大数据风控中台还能创造更大的价值。”一位股份制银行风控部门人士指出。一是实现风控评估、风险定价、客户授信的统一，避免同一个客户在不同业务部门获得不同授信额与贷款利率等业务套利状况发生，二是赋能前台业务端，更好解决反欺诈、贷后管理等业务痛点。

但他坦言，要构建完善的大数据风控中台，绝非易事。由于各业务部门的数据口径与定义有所偏差，他们需要派出工作人员开展数据清洗梳理，导致人力成本居高不下；此外，银行内部也注意到仅仅依赖内部数据不足以解决某些业务风控盲点，需要引入外部更多维度数据“弥补缺漏”。

“更重要的是，面对日益海量的数据，银行内部还缺乏丰富的策略模型，从中提炼有价值的数据赋能业务稳健发展。”这位股份制银行风控部门人士告诉记者。

在他看来，借助第三方金融科技平台解决大数据风控中台搭建过程所面临的诸多挑战，或许是一条捷径。

腾讯安全金融风控总经理陈波向记者指出，目前他们正帮助多家银行搭建统一的风控数据中台，即将银行从外部接入的数据、内部数据以及各类业务沉淀数据纳入统一的数据中台，驱动银行的用户画像更加完善，进而支持银行不同业务场景在风控能力持续提升的情况下稳健发展。

“在协助银行搭建大数据风控中台的过程里，我们还会输出决策引擎、知识图谱、设备指纹等多种金融科技，将我们的科技赋能加工成一个个指标、变量或规则，协助银行更快速地洞察潜在业务风险并及时采取防范措施。”他指出。

在多位银行业内人士看来，随着《数据安全法》《个人信息保护法》等法规相继出台，银行在搭建大数据风控中台过程正面临数据合规获取使用的新挑战。

“目前，我们银行内部特别强调对外部数据源的尽职调查，确保所有数据来源都事先获得用户授权。”一位城商行风控部门主管告诉记者。在银行内部，合规部门还会经常调查数据中台部门的各项数据使用是否“越界”，避免数据滥用状况发生。

“为了确保数据合规使用，我们正基于个人数据的可携带权开发产品。区别于传统B2B模式，它主要是用户根据获取金融服务的需要，主动将自身信息数据通过小程序传送给银行机构，作为获取个性化金融服务的新依据。” 陈波指出。

多位银行人士向记者指出，除了数据合规获取使用，银行要搭建完善的大数据风控中台，还需“从上而下”地引导各个业务部门积极分享数据与协同作战。

“在银行内部，数据与业务职责未必是一一对应的，就容易出现业务部门不愿对数据风险担责的状况，导致数据中台与业务部门之间存在推诿现象。这更需要银行内部先理清数据分享使用过程的各种权责，让各业务部门更愿贡献更多数据，令大数据风控中台更有施展空间。”上述城商行风控部门主管向记者指出。经过一段时间的实践，他们发现数据中台的数据库越全面丰富，各项业务的风控能力越强。

大数据风控从“各自为战”到“集中统一”

“要构建大数据风控中台，绝非易事。”上述股份制银行风控部门人士一再强调说。

以往，银行的风控体系呈现烟囱式形态，即零售、对公、普惠、信用卡、跨境贸易等各个业务部门都建立各自的数据管理系统与风控团队，但这导致各个业务部门呈现各自为战的状况，往往因信息不对称而出现风险洞察滞后等问题。

举例而言，一个用户在信用卡业务部门出现逾期，但普惠、零售等业务部门对此“不知情”并继续发放贷款，就容易发生更大范畴的坏账风险。

“在这种情况下，银行高层决定构建统一的全行级数据中台，实现用户画像的统一，从而助力各项业务更稳健发展。”他回忆说。

但是，数据中台的建设，首先会涉及银行内部不同系统的对接，尤其是各个业务接口与业务数据的打通。起初，部分业务部门未必愿意“贡献”自己的业务数据。

这位股份制银行风控部门人士透露，经过总行的协调努力，目前银行各个零售业务部门已基本实现数据打通，并形成日益完整的数据中台。但在这个数据打通融合的过程里，他们也发现很多业务条线的数据口径与定义不尽相同，需要IT数据部门开展大量数据清洗梳理提炼，将大量非结构性数据转化成全行通用的标准化结构化数据。

“目前，数据中台发挥的首要作用，就是实现风险评估、用户授信、风险定价的统一。”他指出。具体而言，个人用户在汽车金融、消费金融、信用卡、住房按揭贷款等业务部门申请贷款，各部门都会看到“统一”的用户画像，并根据自身业务特点与用户特定需求提供相应的贷款方案，且若一个用户在汽车金融贷款方面出现逾期，其他业务部门也会快速获取相应信息，尽早做好风险防范措施。

记者获悉，这也驱动银行数据中台快速向“风控中台”蜕变。随着各业务部门数据被打通，各个业务部门也开始将各自风控模型集合统一，彼此相互学习其他部门的先进做法。甚至银行内部还组建了风控变量中心，让各个业务部门将客户识别、业务风险等变量因素全部拿出来共享，通过彼此相互学习实现银行内部风控资源的最大化使用。

更重要的是，这类大数据风控中台还有效赋能业务端工作人员。比如很多银行一线工作人员通过“统一”的用户画像，可以更全面地了解用户经济状况变化动态，提供更具针对性的金融服务。

“目前，我们会在大数据风控中台基于用户画像洞察，开展一些新业务探索，再通过小批量测试，通过这个风控中台检测优化其风控模型，直到风控水准达到银行要求，再向业务端大规模推广，确保银行多项业务创新更具风控能力。”一位城商行产品创新部门负责人向记者透露。

但他承认，随着银行对大数据风控中台的期待值越来越高，它的人力成本始终居高不下。毕竟，众多业务部门对数据提炼使用产生的大量定制化需求，需要大量人员投入才能快速响应业务部门要求。但这带来一系列新问题，比如人力成本与项目成本的分摊，到底是划归业务部门还是技术部门。

这位城商行产品创新部门负责人透露，目前他们正考虑引入外部金融科技平台的科技赋能，一方面有效降低大数据风控中台的人力成本开支，另一方面也能引入更多数据，更有效地响应业务部门各类定制化的数据需求，实现更大范畴的降本增效。

陈波向记者透露，目前腾讯安全金融风控部门正基于银行内部交易数据与设备数据，将大量数据进行清洗加工补全，形成一个个通用的数据画像，实现数据的“特征化”，助力银行在不同业务场景可以高效使用这些数据优化自身风控能力。此外，他们还将很多底层数据生成基础特征，并搭建数据集市供银行各个业务部门调用，尽管有些数据未必产生收益，但可以抵消业务部门数据使用的某些成本。

上述城商行产品创新部门负责人透露，通过引入第三方金融科技平台的技术与风控模型，目前他们互联网金融业务的反欺诈风控效率得到明显提升，尤其是前者根据最新欺诈行为所制定的新型反欺诈风控算法模型，帮助他们规避很多涉嫌欺诈的线上贷款申请。

“目前，我们正将这些反欺诈风控算法模型反哺给业务端，帮助业务部门运营端与基层网点加强针对性的员工培训，以便他们在业务开展过程注意相应数据采集，及时洞察用户线上贷款申请过程的某些异常行为，从而第一时间降低欺诈风险。”他指出。

数据提炼的新挑战

随着大数据风控中台的持续迭代升级，如何在海量数据(603138)里提炼有价值的数据赋能业务风控能力提升，俨然成为银行面临的新挑战。

一家民营银行风控部门主管向记者透露，如今他们每天都会收到大量数据，无论是自身业务部门，还是第三方金融科技平台，都会传来大量数据，但如何找到对业务风控有价值的数据，宛如大海捞针。

记者多方了解到，目前越来越多银行开始引入数据标签代替客户的原始数据，此举既能更好地保护客户数据安全，又能帮助业务部门更高效地使用数据优化风控模型。

值得注意的是，随着《数据安全法》《个人信息保护法》等法规相继出台，各家银行在使用数据标签替代原始数据同时，也开始更加重视数据合规使用的边界。

记者获悉，目前多家银行对数据标签与原始数据的使用，提出三项操作准则，一是必先获取客户的数据使用授权，并及时告知相应数据使用范畴，二是遵循最小性和必要性原则，三是数据使用必须结合业务场景，业务场景不需要的客户数据（以及数据标签）不准调取。

陈波指出，为了确保银行数据安全与合规使用，腾讯安全金融风控部门正积极借助隐私计算或联邦学习等技术，在数据不出银行的情况下，结合自身客户行为变化洞察与风控算法模型协助银行构建更完善全面的数据标签体系，助力银行各项业务稳健发展。

“对大数据风控中台而言，数据标签越完整全面，对风控模型管理、用户特征计算、经营决策优化、监控预警能力提升的提振作用就越大，特别是报表，一旦拥有各种业务的海量数据，我们就可以赋能银行形成各种智能化的报表，助力银行风控部门和业务部门更好地了解一线业务运作状况。”他表示。

在多位银行业内人士看来，要在海量数据里找到对业务风控有价值的数据，另一个关键是银行必须构建更与时俱进的风控策略与算法模型。

“目前，由于风控策略与算法模型不够丰富，不少银行只能抓住核心关键数据，对其他数据采取选择性忽视。但那些被忽视的数据往往对业务风控产生很大的补充作用。”前述城商行产品创新部人士向记者直言。比如税E贷不能仅仅根据企业缴税数据设定相应的贷款授信额度，还得通过多维度数据（包括企业上下游账期，业务流水、资金周转状况变化等）全面了解企业的实际经营状况，做出最科学的贷款决策。

“这需要银行既做好内部挖潜，从各个业务部门汇聚融合更多企业经营数据还原他的真实业务发展状况，还需引入第三方场景方与金融科技平台的风控算法模型与最新行业洞察观点，持续根据市场变化调整自身的风控策略。”他强调说。目前部分银行大数据风控中台在提炼数据方面正采取一系列新措施，即将部分数据分析人员派驻到业务部门第一线，跟随业务人员采集汇聚各类第一手业务信息，再将这些数据交给大数据风控中台进行融合分析，从而令风控决策能更快适应市场变化，助力各项业务更稳健发展。

（作者：陈植 编辑：曾芳）