【聚焦】区域性银行数字化转型,借助同盾激活“后发优势”

金卡生活 2021-04-09 10:00


是诺曼底登陆,还是滑铁卢,数字化转型对于区域性银行来说究竟是哪个时刻?


长期以来,区域性银行依赖地域深耕、区域政府支持和线下网点下沉等积累起来的优势,正在数字化时代金融科技“破坏性创新”的冲击下加速瓦解,区域壁垒被打破,线下渠道被取代。新冠疫情更扩大了中小银行与大型银行在盈利能力等方面的分化程度。


与此同时,央行、银保监会近年来不断加强行业监管。宏观审慎的监管评估体系更加完善,对银行风险管理提出更高要求。


面对这一局面,很多区域性银行奋起直追,弥补在科技、业务上的不足。某西部地区区域性银行更结合自身体制灵活、决策半径短等优势,找准自身短板,与第三方科技公司同盾科技合作,以全行级智能交易反欺诈系统建设为抓手,充分利用后发优势走出了一条特色化转型道路。





“天下武功,唯快不攻”



区域性银行在数字化转型中,必须正视科技基础薄弱的现实;同时,金融科技自主研发具有前期投入成本高、边际收益递增、易显现规模效应等特点。


因此,区域性银行必须在金融科技、业务发展和银行自身特点之间找到相对的均衡,并希望科技投入起到立竿见影的效果。在这样的背景下,与第三方科技公司合作,成为一个明智的选择。


某西部地区区域性银行就选择了自建和引进相结合的策略,避免了投入巨大的科技支出,无需拥有大规模的科技团队,而更加聚焦金融科技与具体应用场景的深度融合。


行方经过内部层层审议,针对自身短板,选择了同盾科技。同盾科技迅疾赶赴该行,进行战略分析。


同盾发现该行原来不管是信用卡、收单还是直销银行的渠道,都设在行内互联网金融线下面。该行作为A股上市的区域性银行,在业务发展有一定的竞争力,并希望把互联网金融线上业务做成标杆。


但是,一个现实的挑战摆在眼前:该行的组织架构不适宜这样的战略目标,尽管很多线上业务是由互金部门做统管,但是收单、直销银行由其他部门兼任,因此组织架构需要调整。


同时,该行现行的互联网业务系统监测功能有限,业务数据散落在各自业务系统中,交易数据不完整、监控规则简单且不支持动态新增,需要人工对系统监控触发结果数据进行二次分析,无法做到交易数据的实时收集、实时处理、实时跟进,及交易监控规则按市场新型欺诈情况快速调优的要求。


更为严峻的是,该行数字化的基础能力薄弱,此前线下网点和柜台的进件渠道,正在被用户“抛弃”。


同盾发现,很多环节都需要从零开始重塑,而重中之重是建设一个全行级的智能决策反欺诈平台,并在平台建设过程中完善数字化转型的重要基础设施。


为此,同盾为该行提出了转型建议:引入先进的数据分析处理能力、风控决策引擎,基于大数据驱动的风控策略与模型建设,实现快速的系统自动化决策;并整合行业内各渠道黑名单数据,建立一套先进的互联网风险监测及反欺诈防控系统,以满足该行互联网交易中交易反欺诈、申请反欺诈、营销活动中反薅羊毛等业务功能。





智能反欺诈系统构建全景图



同盾协助该行打造的企业级智能交易反欺诈系统由交易反欺诈平台、模型运行平台和机器学习平台以及风控大屏组成。


风控系统的建设广泛吸收国内外先进的技术和经验,学习和采用先进的监测模型和评估模型,最终建成一个覆盖该行全业务、全渠道、全客户及全方位的综合分析、监测和管理系统。


一、渠道贯通


该行的客户渠道主要有三类,互联网金融渠道,收单系统,银联前置、ATM等传统渠道以及柜面渠道。


该系统首先全面打通包括个人及企业的手机银行、网上银行、微信银行、移动支付业务(聚合支付、银行卡刷卡、线上收单)、自助设备(ATM、CRS)、柜面等系统,共建了统一的全行反欺诈决策中心。


将来自不同渠道、产品和实体的交易信息采用统一格式将数据传送给交易反欺诈平台,统一数据来源和数据标准;同时,将来自不同渠道、产品和实体的数据按照统一维度进行整合,确保同一实体(如客户)在交易反欺诈平台中的唯一性和数据完整性,实现信息共享,实现全行统一的欺诈案件管理,实现基于客户层面的反欺诈黑名单库和客户档案库,打通不同条线间的信息孤岛。


同盾帮助该行完成线上线下共11类渠道的全部对接,并进行横向打通。这一步,是将已经完成信息化的银行系统,进一步跨越到数字化的关键一跃。


二、交易反欺诈系统


该行传统的前台和后台就像是两个不同转速的齿轮,前台求快,后台求稳。在数字化的浪潮下,这种“前台+后台”的齿轮速率“匹配失衡”的问题就逐步显现出来。


交易反欺诈系统将成为第三个齿轮,将前台与后台的转速进行重新匹配。


同盾交易反欺诈系统在架构层面充分考虑了系统的可扩展性、高可用性、高并发,使用了异步消息队列、缓存等技术,确保数据不会造成拥堵引起系统反应缓慢。在每个环节都采用多节点服务,确保一个节点故障不会引起服务中断。交易反欺诈系统总共由5大功能模块组成,包含设备指纹服务、决策引擎系统、同盾数据中台服务、行内数据同步服务,和模型运行平台。


如果将目标细节化,则可总结为以下内容:


  • 基于业务规则,定义风险指标,训练风险模型,接入内外部数据,形成完整的风控决策流程;

  • 可视化方式配置/调整含特征、名单、规则、策略、模型、计算公式于一体的决策流;

  • 满足不同产品的不同风控策略定制;

  • 无需代码,实时变更,实时上线;

  • 规则热部署、离线训练、在线回测;

  • 规则、模型的实时评估调优体系;

  • 全方位事件核查、案件管理、风控运营的闭环管理。

1、交易反欺诈平台

交易反欺诈平台建设运用同盾企业级产品“天策-交易版”。

天策-交易版可实现事前风险探查、事中风险防范拦截和事后风险分析及管理的全生命周期交易反欺诈保护,可广泛应用于银行、支付、互联网等多行业交易场景。天策-交易版内置多种规则策略模板,支持一键化灵活配置;同时,内置监控预警组件,支持对服务器应用、服务器性能(TPS)、服务器健康程度(RT)、CPU、内存、进程、读写的实时监控并告警。更为出色的是,它内置实时指标计算引擎,支持PB级毫秒实时数据处理,计算准确率达99.99%。

同时,天策-交易版还提供精准风险画像辅助风险决策;支持事后环节进行案件分析、事件核查,帮助运营人员核查风险。系统还提供可视化参数配置、字典配置、页面详情配置等多种配置方式,业务调整时无需修改代码实现功能调整。此外,还可以通过策略回测及模拟仿真等手段辅助风控策略人员进行线上策略调优。

2、机器学习平台

依托同盾企业级产品“明模-模型平台”,机器学习平台为该行提供全流程的建模环境,提供从数据处理、特征工程、模型训练、模型部署、模型监控、模型演进等一体化服务体验,为模型从开发到使用、运维提供有力的支撑平台。

同时,通过算法构建实时模型预测体系,从海量的、贫瘠的数据中挖掘出数据的价值,解决数据质量差且数据相关性弱的问题。在平台的推动下,该行分析周期大大缩短,并且比过去更加全面、客观。

为支持机器学习平台的有效运行,同盾还搭配了模型运行平台作为支撑。数据科学家和开发人员通过平台快速、轻松地构建和训练机器学习模型,并将模型一键式部署到生产环境中,然后通过模型信息集中化管理、模型工作流程化管理、模型效果自动监控等手段帮助企业快速建立一整套相对完善的模型全生命周期管理体系。

3、交易反欺诈风控大屏——为实时风险监控赋能

这还不够!再炫酷的科技也是要为业务服务,为人所用。

同盾还为客户打造了一个交易反欺诈风控大屏,包括风险走势、风险决策分布、风险实时报警、风险地图、风险策略命中排行、渠道风险排行、城市风险排行、网点风险账户排行、风控规则占比等模块。其中,风险走势、风险决策分布、风险策略命中排行、渠道风险排行、城市风险排行、网点风险账户排行可按照时/日/月进行不同时间周期的统计显示。

更重要的是,大屏还支持人机互动,支持左右滚动,上下拖拉等动作,简直就是放大版的iPad。

“大屏”将交易反欺诈的各类风险形态从后台密密麻麻的数据和文本中,从不同维度集中投射到屏幕之上,为行方装上一双”眼睛”。同时,同盾也协助行方建立了统一、易维护、易操作的可视化后台管理系统,为银行实现全渠道、全场景、全时段的实时智能风险监控赋能。

(交易反欺诈风控大屏)




效果如何?



在同盾的帮助下,该行全面树立了风险防控的新思维、新定位,基于大数据和人工智能技术,不断创新风险管理工作机制,深化风险技术工具应用,加速风险识别和风险评估的数字化转型,构建了全面、主动、高效的实时在线风控体系。

自2020年9月系统上线试运行以来,通过规则设计和模型开发,该行手机银行和某线上重要渠道在数据质量和规则配置质量提高后,通过规则监控和分析,手机银行交易风险事件降低8%,某线上重要渠道交易风险事件大幅降低95%。

在数字化建设方面,该行业进一步实现名单、指标、规则、策略、模型的综合决策体系建设,完成事前、事中、事后全方位的监控。

同时,在交易反欺诈平台建设工程中,行方的组织架构、前中后台业务也经历了一次重塑。

同盾认识到,助力银行的数字化转型目标,绝非是一个简单的交钥匙工程,而是一个持续服务的进程。同盾要为后续行方数以百计,甚至数以千计的风险定价模型,及其持续、动态的更新和迭代,沉淀下核心能力。因此,同盾在为该行交易反欺诈平台的建设过程中,始终以开放性、可扩展性和可自我优化为原则,为该行的今后的可持续发展打下了“智能之基”。



—  推荐阅读 —

小盾对话董纪伟:“断卡”行动,银行如何快刀斩乱麻?