目前风险管理面临2个挑战:一是行业竞争加剧,流量红利消失,主要表现在传统银行,消费金融公司,互联网金融等多平台竞争激烈,存量信贷市场增长放缓;二是风险管理压力增大,主要表现在服务客群逐渐下沉,客群风险压力大以及全球形式变化带来不确定性风险管理压力。
针对以上挑战,在信贷风控领域需要风险管理更精准、更实时,以应对风险压力和增长诉求。因此我们构建了新一代实时化智能风控引擎以应对以上挑战。 新一代实时风控引擎目标: 风控管理场景实时化,风险管理业务场景50%场景从离线管理变为实时管理,对人群风险评估周期从月维度变为触发式评估。建模实时化,具体快速模型自迭代能力,风险模型更新周期从季度维度提升为月度更新,应对模型效果衰减问题。 策略研发加速,策略研发效率提升2.6倍,加速风险迭代速度,提升风控防控水位。
传统风控数据处理一般以离线数据为主,而本方案采用apache calcite的数据处理能力,开发实时指标计算平台,可针对三方数据源进行亚秒级实时计算,并可支持kappa架构的数据ETL,消除流批差异,让实时风控具备数据计算基础。
传统的风控系统通常依赖于离线数据,数据更新周期慢,影响风控精准度,而本方案实时风控技术通过整合离线数据加多源实时数据(如用户行为数据、设备信息、地理位置、社交网络数据、实时征信等)实现更全面的风险评估。
传统的风控规则需要人工维护,效率较低且容易遗漏风险。本方案的智能化的规则引擎可以自动学习和生成规则,提高策略迭代速度。
创新提出通过自研超大规模异质网络图算法进行用户实时关系挖掘,极大程度提升了智能决策的区分度。
通过hologress的OLAP能力提供亿数据秒级分析能力,可支持业务快速进行数据测算分析,进而进行快速风险布防。
项目重点解决风控时效性问题,主要从几个方向进行创新解决: 测算分析快,重点给风控专家提供测算分析智能化工具,加速测算分析过程;智能决策快,加速整个智能决策过程,提升智能决策的数据时效性以及智能决策时点,将传统的T+M决策模式转变为实时决策模式;迭代效率快,加速风控模型迭代速度,通过智能化辅助工具进行部分场景自动化迭代,减少模型升级时长,保持模型效果优化。
数据分析引擎:主要用于进行事前测算分析,主要提供了包含数据多维分析能力、客群分群管理能力、风险vintage快速分析等信贷风控常用分析手段。
决策运营引擎:提供可视化运营、策略设计、策略闭环验证、科学实验,全流程合规性管理等智能决策相关能力,可支持策略设计推荐、策略快速部署上线、策略实验及效果评估等核心环节,是智能风控引擎中最核心的引擎。
客户追踪引擎:可按照人维度、客群维度还原风险决策过程,帮助风控专家进行事后风险管理的复盘和举证。
数据服务引擎:将风控体系数据以指标统一建模方式进行统一建模和管理,打通分析数据和决策数据的元数据关系,并以服务化方式提供给以上三个引擎进行数据使用,消除风控数据在使用过程中的找数难和不统一问题。
项目开发:项目以敏捷迭代模式进行开发,持续进行产品功能交付投产,2023年5月开始进行投产第一批功能,后续到2025年一直持续建设。过程中秉持敏捷思想,小功能不断投产、使用、反馈、优化。
项目投产后,已全面应用于蚂蚁消金信贷风险管理流程,当前公司内所有技术专家和风控专家在信贷风险管理过程中全面依赖实时风控引擎,极大提升了各人员的工作效率和风险管理能力。
1.30%场景实现从T+M风险管理到实时化风险管理迁移,实现15%以上的风险管理效果优化。
2.极大提升业务人员工作效率,风险管理迭代周期从平均40天提升到15天。20%场景可实现自动化迭代,业务人员工作模式从“手动档”转变为“辅助驾驶”。
3.用户体验提升明显,用户的额度获得时效性极大提升,有效帮助客户及时解决信贷需求,支用转化效果明显提升。
4.智能决策服务量级大,支持日均上亿笔信贷业务的风险管控,保障了国民级产品“花呗”、“借呗”的风险管理落地。
当前各机构信贷风险管理模式已经开始升级,实时化由于可以极大缩短对用户的评估周期,是各个机构探索的方向之一,从数据实时化、决策实时化、迭代自动化三个方向为出发点不断缩短对用户的评估周期,从结果来看,各项风控指标均有一定提升。在实时化这条道路上依旧存在诸多难点和挑战,尤其是在技术能力、计算集群、风险管理可控性方面,因此我们需要继续探索实时化技术在信贷风险管理中的应用,不断优化风险管理水平。
更多金融科技案例和金融数据智能优秀解决方案,请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。返回搜狐,查看更多