近年来 ， 在金融科技加持和客户体验创新的共同驱动下 ， 数字化转型已成为银行业共识 ， 加上新冠疫情倒逼 ， 促使银行基于线上化、数字化、场景化、生态化的发展模式更加清晰 。
然而 ， 横亘在银行数字化转型面前的问题也尤为凸显 。 例如 ， 此前银行各业务线风控应用多采用“烟囱式”建设 ， 海量数据在全行视角下缺乏统一管理规范 ， 产生了很多的“冷”数据 ， 造成数据梳理成本高、效率低、实用时效慢、无法复用留存 。 因此 ， 在很多银行会出现这样一种情况：一家银行通常有多个平台和多种产品 ， 而每个产品又有不同的风控量化评估标准 ， 导致同样一个申请人在同一家银行的不同平台申请 ， 出现不同的审批结果 。
随着银行业务线上化的 ， 面临的欺诈风险也趋向线上化、并发化、多维化、瞬时化、脉冲化转变 ， 实时性要求高 ， 而传统数据分析具有时滞性 ， 难以做到实时分析 ， 如何让数据“热”起来并打造一个底座式支撑各业务线风控应用的中台体系则显得尤为重要 。
【业务|构建风控闭环 同盾智能风控中台落地多家国有大行和股份制银行】针对银行在数字化转型中风控体系所面临的问题 ， 同盾科技提出打破“烟囱式”、“项目制”系统之间的集成和协作壁垒 ， 懂业务、知安全 ， 按照“数据治理、平台建设、场景应用、智能运营”的总体思路 ， 从全行视角出发建设智能风控中台的风险管理体系 。
据了解 ， 同盾智能风控中台满足银行全行零售交易反欺诈、申请反欺诈、贷前决策、贷中风险核查、收单商户风控、对公业务反欺诈发展需要 ， 构建全行业务联防联控的统一反欺诈能力 。 通过数字资产沉淀、数字工具赋能、数字运营支撑、数据质量治理等解决银行数据的全、快、易、准等应用难点 ， 使数据统一获得、统一理解、统一使用 ， 实现银行数据驱动的数字化运营 。
目前 ， 同盾与工商银行、建设银行、农业银行、邮储银行、招商银行、中信银行、光大银行、广发银行、渤海银行、中国银联等国有大型银行、股份制银行等金融机构都有智能风控中台方面的合作 。
构筑智能风控闭环
当前 ， 银行业充分发挥人工智能的“头雁效应” ， 不断创新数据驱动的金融应用模式 ， 推动金融科技从外围支撑向核心引领转变 。 以国有大型银行、股份制银行为“排头兵” ， 逐步建立跨部门、跨领域的数据共享与融合应用机制 ， 打破数据壁垒 ， 运用海量多维数据实现信息整合、特征关联和业务洞察 ， 释放数据潜能、提升服务效率 。 在这一过程中 ， 银行深化数据的融合应用 ， 业务加速向线上布局 。
然而 ， 银行做线上业务和线下业务完全不一样 ， 因为整个线上业务的‘黑产’攻防对抗性非常高 ， 且现在整个‘黑产’呈现团伙化、平台化 ， 这就要求银行的智能风控体系要匹配全行业务模式的变化 ， 包括运营方式、管理方式、防范方式的变化 。
为此 ， 同盾智能风控中台应用人工智能、生物识别、机器学习等前沿科技 ， 准确识别欺诈风险 ， 并提供专业化应对策略 ， 形成事前、事中、事后的端到端风控闭环 。
首先 ， 它以数据中台为底座 ， 进行跨平台、跨系统数据链路的打通 ， 形成数据分析、数据挖掘与数据治理为一体的数据资产库 。
在数据中台的基础之上 ， 打造出风险标签体系、特征库、风险集市和全行级的客户风险画像 。
同时 ， 再将全行的各个渠道打通 ， 让各渠道都可以共享名单、标签、预警信息、内外部联防联控 。
此外 ， 在整个预警和决策的过程中实现数据的不断积累 ， 以及模型策略的不断优化升级 。
在智能风控中台的体系下 ， 底层数据是打通的、中间技术层是统一的、上层场景是隔离的 。 从银行业务维度形成全行级的特征库 ， 以主维度形成用户的风险标签 ， 风险标签又分为交易反欺诈、信贷反欺诈、账户安全保护、营销反作弊等可拆可合的场景 ， 按照不同的主题域 ， 确定不同的标签体系 ， 再构建出用户360度的风险画像 ， 支撑全行业务的接入 ， 上层应用场景、数据及核心知识体系可以做一定的隔离 ， 支持前台的“按需索取”及“多级授权” 。
核心产品集中发力
同盾以信息服务+咨询+业务梳理+平台建设为一体 ， 为银行建设智能风控中台 。 产品层面 ， 共有七大组件提供核心能力 ， 包括天策-决策引擎、明模-模型平台、云图-知识图谱、星河-数据平台、极溯-指标平台、北斗-终端风险感知、智策-智能分析决策平台等 ， 共同保证一站式的风控供给 。分页标题#e#
据了解 ， 过去七年间 ， 同盾已经服务超过一万家客户 ， 沉淀了一万家服务运营的知识能力 ， 同盾上述企业级产品完全继承了这些财富 。 在对银行业务中 ， 不管是营销、反欺诈、贷前准入、客户授信、贷中监控还是贷后管理 ， 同盾均有深厚平台运营的基础 ， 可以为银行持续优化智能风控系统 ， 提供长久的辅助 。
基于这些产品 ， 同盾对外输出全栈式解决方案 ， 帮助银行搭建全行级的智能风控中台 ， 包含以天策、明模、极溯、云图为核心建设的风控中台 ， 以星河为基础建设的数据中台两大平台 ， 可以满足包括反欺诈、信用评估、风险预警、贷后管理等多场景的风险防控 ， 对于全新的风险场景也可以配置针对性的防控体系 。
同盾数据资产化产品星河-数据平台采集管理全行数据 ， 通过极溯-指标平台进行指标提炼和特征计算；在此基础之上 ， 明模-模型平台进行反欺诈模型建立、部署、监控 ， 并在运营中持续进行策略调优；接下来通过云图-知识图谱 ， 天策-决策引擎实现欺诈识别和风险管控 。
此外 ， 智能风控中台不仅仅是用来做风控 ， 还能帮助银行将各渠道、各场景中的风险进行量化 ， 并且做有效的控制和识别 。 简而言之 ， 它既可以反欺诈和控制风险 ， 又可以提升客户的体验 ， 比如针对活跃而价值高的客户 ， 可以提供权限放开 ， 从而提升客户体验 ， 即所谓的“无感风控” 。
为银行带来五大变革
同盾智能风控中台通过建设支持数据整合、建模分析、智能决策的综合体系 ， 为银行建设科技赋能、数据驱动、业务联动的风控中枢 ， 为决策管理提供支撑 。 同时 ， 助力其零售、对公、开放金融及同业业务 。
具体在风控层面 ， 为银行建立涵盖不同业务场景的风险信息共享机制 ， 动态感知风险全局态势 ， 增强全天候的自动监测能力 ， 实现“风险看得见” 。 同时 ， 利用数字化手段透过复杂业务表象 ， 为银行提供穿透式风险分析 ， 并建立跨部门、跨场景的联防联控体系 ， 确保“风险管得住” 。
由此 ， 同盾智能风控中台为银行带来以下五大变革：
一是银行数据治理能力大幅提升 。 智能风控中台改变了数据分散、数据质量差、数据管理职责不清晰、缺乏统一数据标准、缺少数据治理工具等诸多历史问题 ， 通过厘清数据资产 ， 提升数据质量 ， 从而充分发挥数据价值 ， 形成数据驱动银行发展的新模式 ， 让数据成为其核心竞争力 。 更加规范的数据采集与存储 ， 让数据“更易用”；不断加强数据的标签建设和标准化管理 ， 让数据“更好用” 。
二是大数据应用范围规模化拓展 。 智能风控中台的建设使银行数据建模能力有效提升 ， 并打造出大数据应用的闭环管理平台 ， 拓宽了大数据应用的执行渠道 。 同时 ， 智能风控中台构建了数据生命周期管理平台 ， 促进了银行大数据应用的持续迭代优化 。
三是有效控制银行的风险成本 。 通过建设智能风控中台 ， 实现数据采集、整合 ， 为银行评估计算风险提供技术依托 ， 奠定银行风险政策的数据基础 ， 而且在风控政策执行的过程中 ， 可以有效提升风控效率、降低银行用于风控的资源投入 。 金融机构资产配置的水平取决于基于信息对称的风险认知能力 ， 而数字技术可以提高银行洞察客户能力 ， 有效降低风险发生的概率 。
四是银行技术支撑能力显著增强 。 智能风控中台深化了银行人工智能、云计算、大数据等新技术应用 ， 增强银行的科技弹性 。 同时 ， 数字工具的应用还能最大限度地实现流程自动化、决策智能化 。 统一的数据平台建设 ， 提升了银行大数据应用能力；机器学习、知识图谱等人工智能技术应用 ， 更加提升了银行运营效率和管理能力 。
五是提高银行的服务客户能力 。 智能风控中台带来先进的数据采集与分析技术 ， 使银行能够有效利用海量的非结构化数据 ， 丰富完善客户画像 ， 对风险实现联防联控的同时 ， 提升银行业务与客户需求的匹配程度 ， 提升客户体验和服务质效 。

来源：(未知)

【】网址：/a/2021/0305/kd766636.html

标题：业务|构建风控闭环 同盾智能风控中台落地多家国有大行和股份制银行