金融大数据信用风险控制项目总结报告.docx

金融大数据风险控制项目总结报告总结一、金融大数据风险控制项目能够快速整合客户信息，全面、准确识别客户及所担保的风险，以快速响应提升用户体验；二、客户风险全流程监测，包括贷前风险提示、贷中贷后风险监测及预警，拦截高风险客户，及时触发风险缓释工具的启用；三、监测各主流新闻媒体、论坛、自媒体，运用文本分析技术监测、识别涉及客户负面舆情，及时、主动化解风险，促进业务良性发展；四、支持风险防控体系的快速更新、快速部署，适应当前客户风险显现的多样性、易变性、复杂性；五、支持风控模型的回测、验证，满足对历史风控模型的评价、新模型的险证及潜在客户风险批量评估、笳选。大数据时代，风险控制被认为是大数据技术在银行业最有前景的应用场景之一。同大多数商业银行一样希望通过大数据技术加强信贷业务，尤其是线上信贷业务的风险防控，以满足平台贷等业务规模骤升过程中的自动化风险检测与审批需求。然而在具体实施过程中也依然遇到一系列的困难和挑战，包括观念的转变、资源的短缺等。（一）业务模式的转变，新的风险控制理念尚未成熟数字化银行业务是典型的适应互联网金融环境诞生的金融产品,其业务模式与传统业务有较大不同，且仍处于快速变化的状态，对应的内外部相关监管规则亦处于逐步完善之中。如何在快速推进新业务与严格遵守传统监管要求之间求得平衡，是业务经营方、监管方主要考虑的问题；大数据风控技术是逐步替代传统风控手段还只是作为增强手段，各方的风控理念尚未完全达成一致。业务模式的不确定、监管规则的不明晰，大数据风控的深入应用仍处于探索过程中。(一)认知的偏见，大数据风险控制正名尚需时日在银行传统风控人员的认知中，现有线下信贷业务风控手段相对比较成熟，业务使用广泛，已能够满足内外部监管的要求，只要严格遵守则基本无需承担风控不力的责任；而使用大数据技术风控，现有数据的完备性、准确性存在一定的不足，风控模型效力仍有待时间脸证，亦存在风险遗漏的情况，缺乏传统风控手段的“可靠性”，对大数据风控技术的使用持有一定的怀疑态度。而事实上不管是传统风控手段，还是大数据风控技术都只能最大限度地降低风险而非杜绝风险,风控的效果指的是概率上的优劣。现如今互联网金融模式的快速发展,需要我们不断创新风控思路，在不断试错、不断改进过程中完善风控体系，而不能抱残守缺、墨守传统风控理念，停滞不前。此外，客户信息的完备性、准确性永远是一个相对概念，没有绝对完整、准确的客户数据，只能是多方位完善、选择性取舍。(三)数据极度缺乏，数据接入困难超预期当前金融产品日益多样化，客户准入门槛逐步下沉，商业银行对优质客户的争夺愈演愈烈；而另一面，客户对商业银行产品越来越挑剔，对授信金额、审批速度的要求也越来越高。为了能够在这场争夺战中占得先机，必须通过加强对客户行内外信息的整合，全面、快速、准确识别客户风险，迅速做出授信决策。客户行内数据在大数据平台构建过程中得到解决，而外部数据在接入过程中则遇到较大困难：首先，外部数据质量参差不齐、数据效用较难评估，需要较长时间进行沟通、分析、确认；其次，对于线上常见的平台贷等业务，由于银行不直接面对客户，传统的埋点等风控数据采集方法难以施行。(四)案例库的缺少，大数据风控模型优势难以快速体现对于很多中小型银行，因业务规模及信息系统建设滞后等原因，不良授信的案例库要么缺失、要么案例较少，尤其是对于线上的互金等新生业务，不良案例库更是少之又少。由于案例库的缺少，目前风头正劲的机器学习等新的风控技术难有用武之地，大数据风控技术、模型的效果难以得到充分的验证，目前基本只能通过对传统业务客户的历史逾欠情况进行分析，以此来评价风控模型效果。