【爱分析】中国银行业数字化趋势报告

||爱分析·中国银行业数字化趋势报告数字化经营,——爱分析·中国银行业数字化趋势报告2|爱分析·中国银行业数字化趋势报告张扬爱分析联合创始人&首席分析师冯伟爱分析分析师李毓爱分析分析师外部专家(按姓氏拼音排序)卜凡德飞算科技联合创始人&执行总裁陈吉平袋鼠云创始人&董事长方磊九章云极董事长孙昌勋容联云通讯创始人&CEO吴华夫思迈特软件创始人&CEO张新昌华策数科行政总裁周宇中原消费金融副总经理3|爱分析·中国银行业数字化趋势报告4|爱分析·中国银行业数字化趋势报告营销风控—体化管理,银行业数字化转型的核心环节·银行业将进入长期低增长的“存量时代”,客户黏性下滑、获客成本高企、风控能力缺失等挑战日益凸显,银行业金融机构亟需全面提升数字化经营能力。·风控手段单—、批核率过低等因素推高了获客成本,银行业金融机构应当将风险因素融入到客户洞察维度中,实现风控前置,从而有效提升批核率,降低获客成本,并完善全流程·客户运营能力缺失成为提升销售漏斗转化率的主要瓶颈,银行业金融机构应当构建精细化的客户运营体系,持续挖掘优质存量客户的潜在价值,从而有效提升客户粘性,降低获客·信贷全生命周期中的风险因素众多,成为推高不良资产率的首要原因,银行业金融机构应当建设覆盖贷前、贷中、贷后等各环节的风控体系,从而支撑业绩稳健增长,有效遏制不敏捷IT团队建设,银行业数字化转型的重要支撑·数字化的营销与风控体系的构建,对传统模式的IT团队与工具构成了新的挑战,银行业金融机构同样应当推动IT团队的数字化、敏捷化转型,从而实现全方位、多层次的数字化经·数字化时代下,大数据、AI算法、应用交付、IT运维是IT团队的四类核心业务,银行业金融机构应当构建支撑四类业务的敏捷中台体系,提升IT团队的业务支撑能力,推动其由为此,本报告将面向银行业金融机构的决策层、业务负责人与IT负责人,以专业视角梳理银行业数字化转型的典型场景与业务诉求,并提供策略建议、落地方法论与最佳实践案例,从而推5|爱分析·中国银行业数字化趋势报告1.三大数字化经营策略,助力银行业突破困局82.制定精细化营销策略,推动业绩稳步增长143.建设全流程风控体系,降低风险成本压力284.打造高价值、高效能的数字化IT团队5.未来展望:开放银行构建无界金融生态70关于爱分析研究咨询服务6|爱分析·中国银行业数字化趋势报告三大数字化经营策略,助力银行业突破困局1.三大数字化经营策略,助力银行业突破困局1.1新周期、新常态之下,银行业金融机构面临重重挑战根据银保监会2012~2020年间公布的数字显示,尽管中国商业银行的利润呈稳步上升趋势,但2019年,中国商业银行的利润年增长率重新出现增长态势。但是,2020年初以来,新冠疫情对实体行业带来冲击,再加上银行面向企业的大幅让利,因此国内商业银行全年利润出现负增长可从长期来看,多方面因素将导致银行未来净利润增速维持在中低水平,银行业的“存量时代”已然来临:1)国内宏观经济受到国际环境影响,未来仍将维持在中低速增长态势,信贷需求增长将持续受到抑制;2)随着中国银行业利率市场化改革的持续深入推进,银行信贷业务的利润空间将不断被压缩;3)随着移动互联网的发展,以及互联网巨头旗下的金融生态、纯线上的互联网银行的崛起,数字化的金融产品已经成为年轻消费者的主流选择,大量消费场景被这些市场新进入者所占据,传相比于面临低增长困境的商业银行,持牌系消费金融公司作为银行业的新兴势力,近两年业绩整体表现亮眼。根据2019年披露的财务数据,相比于2018年全年,多家利润基数较低的中小规8|爱分析·中国银行业数字化趋势报告此外,截止2020年10月,国内正式成立与获批筹建的消费金融公司已达30家,其中有银行参牌消金中的前三甲,而招联消费金融、马上消费金融分别由招商银行、重庆银行参股。可以看出,整体来看,持牌消金公司业绩增长较快的主要原因,—方面在于其轻资产、数字化的经营模式,另—方面则在于其更加贴近下沉市场客户的消费场景,并根据用户真实消费需求,精准地推出金因此,面对来自经济周期与市场环境的重重挑战,银行业金融机构亟需借鉴新型金融机构的先进数字化经验,实现数字化驱动的经营策略。根据对银行业金融机构的大量调研,爱分析归纳出现阶段应用最为普遍的三点数字化经营策略:1)制定精细化的客户经营策略,推动业绩稳步增长;2)构建全流程的数字化风险管理体系,降低风险成本压力;3)打造高价值、高效能的数字化IT团队,实现“成本中心”向“价值中心”转型。图2:数字化经营,助力银行在存量时代突围1.2策略—:制定精细化营销策略随着移动互联网带来的流量红利的挖掘殆尽,银行过去的粗放式营销与经营策略,带来的问题逐步凸显,这也是银行近年来净利润增速下滑的主要原因之—。对此,银行当下最迫切的需求之—,在于通过对数字化技术的积极采纳,打造以客户为中心的、长期来看,零售、小微业务在银行营收中的比重将持续上升,未来银行业绩增长的重点也将在于零售、小微业务,其中有几点关键原因:1)在利率市场化进程中,银行在零售业务中议价能力更强,因此零售业务比重更大的银行能够9|爱分析·中国银行业数字化趋势报告2)从2010到2019年,个人消费占中国GDP的比重从36%上升到39%,投资占GDP比重从3)国家政策大力推动小微金融、普惠金融的发展。从2018年起,银保监会已经将小微企业贷但是,相比于公司业务,零售与小微业务受经济环境冲击更加明显,这也放大了营销获客与风险控制之间的固有矛盾,使得银行在制定零售、小微信贷的营销策略过程中,面临着两难的困局。策略,破解营销与风控间的矛盾与困局:1)挖掘存量客户:随着信贷业务的增量市场空间逐步被开发殆尽,以往的粗放式业务增长模式难以为继。因此,银行应当通过数字化能力,采取精准客户洞察和风控前置,从而提升获客效率和精准度,深度挖掘存量市场价值,获得新的营收增长空间。2)提升客户粘性:新生代消费者所面对的金融产品的多样性和可选择性极大丰富,对客户体验更加挑剔。因此,银行应当通过数字化能力,在产品个性化、批核效率等方面不断优化客户体验,进而提升客户粘性,降低因客户流失带来的收入损失。3)降低获客成本:相比于新型金融机构,传统金融机构存在线上渠道弱势、用户洞察能力欠缺、风控手段粗放、批核效率过低等问题,进—步导致了其单位获客成本过高。因此,银行应当通过数字化能力,优化营销和风控环节,降低单位获客成本。1.3策略二:构建全流程的数字化风险管理体系为了实现净利润的稳定增长,银行在关注业绩增长的同时,需要更加重视对成本的控制,而风根据银保监会自2019年来的统计数据显示,国内商业银行的不良贷款率呈现持续上升趋势,这10|爱分析·中国银行业数字化趋势报告上升0.06%,达到2.04%。其中,住宿餐饮业的不良贷款率上升0.14%,小微企业的不良贷款率上升0.12%,个人消费贷款的不良贷款率上升0.13%,均高于全行业0.06%的平均水平。在后疫情时代,国际形势的日益复杂化,宏观经济的不确定性因素增加。由于零售和小微客户受系:1)控制新增不良资产:新增不良资产主要产生于贷前准入、贷前授信、贷中预警阶段,信用风决策引擎、贷中监控等多种数字化风控手段,控制信用风险和欺诈风险,控制新增不良资产的产2)化解存量不良资产:存量不良资产主要产生于贷后逾期案件。因此,银行在存量不良资产化解过程中,需要通过精细化催收策略、智能催收与质检等方式,重塑贷后逾期处置管理体系,化1.4策略三:打造高价值、高效能的数字化IT团队据公开数据显示,从2014到2020年间,中国银行业IT投资规模均保持着8%以上的年增长率,但是,面对数字化转型的需求,传统的IT部门—方面缺乏客户视角和业务视角,另—方面沟通环节过多,决策支持效率低下。如果银行不改变IT部门的定位,那么其对银行业务的价值仅限因此,银行IT部门应当从两方面出发,打造高价值、高效能的数字化IT团队:11|爱分析·中国银行业数字化趋势报告1)以客户为中心，加快决策支持效率:银行需要弥合业务与IT之间存在的信息改变传统IT部门被动响应的角色定位,使其站在客户和业务视角考虑自身工作价值,实现基于数据的业务决策过程的普及化和敏捷化,从而更好2)提升应用交付效能:传统IT模式的应用交付效能十分低下,难以及时响应业务变化。在数字化转型的背景下,银行IT部门需要更及时、低成本地响应来自银行内外的各类需求,包括各类功能性、体验性需求以及故障,同时更敏捷地交付各类应用,包括业务类应用、报表分析类应用12|爱分析·中国银行业数字化趋势报告制定精细化营销策略,推动业绩稳2.制定精细化营销策略,推动业绩稳步增长用户运营等用户全生命周期,从挖掘存量用户、提升用户粘性、降低获客成本三个方面入手,制定精细化的营销策略,推动业绩稳步增长。2.1用户场景:构建多元用户场景,增强用户粘性相关。然而,随着互联网的兴起,依靠网点分销获客的方式局限性也逐渐暴露:线下获客成本高,触达客群范围小,不能充分利用来自互联网流量的价值。行个人存款增长和物理网点数量的正相关关系弱化。例如,截至2019年,工商银行网点数量比2016年减少了约3%,但个人存款增长目前,有越来越多的银行通过构建“金融+非金融”生态产品与服务体系,实现场景化获客。例如,不少银行和阿里、腾讯等互联网公司做流量互换,进行联合发卡,或者和航空公司或酒店集团等联合运营,进行线上获客。14|爱分析·中国银行业数字化趋势报告值得注意的是,在构建金融+非金融生态圈过程中,银行自身定位也随之变化:通过对服务生态的主动延伸,生态圈中各参与主体的经营边界将更加模糊,产业链不同参与者的话语权将发生变台或将拥有更多话语权:互联网公司往往不会把最为优质的客户群分给银行;且对于银行而言,因此,如何构建生态圈,并掌握在生态圈中的话语权,成为银行业金融机构需要考虑的问题。在15|爱分析·中国银行业数字化趋势报告精细化运营,中原消费金融构建数字化营销闭环立以来,中原消费金融早期更侧重于扩大用户基础,在精细化运营领域投入不足,存在着客户转化率低,批核率较低的问题,也导致了较高的获客成本。从2019年下半年以来,中原消费金融尝试在用户运营领域发力,建立数字化驱动的精准营销体系,从用户挖掘、用户触达、用户转化和用户运营出发,构建数字化营销闭环,提升用户转化率,降低获客成本。总体而言,中原消费金融的数字化转型战略可分为三行数据治理,对各类数据统计口径进行标准化处理,将不同业务条线之间的数据打通。第二阶段和第三阶段分别是发现问题和通过数据解决问题的阶段,中原消费金融专门成立了商业智能部,指导业务部门使用数据。商业智能部负责宏观方面的模型制定,比如产品盈利性模型,对所有产品情况进行统—展示,明确业务发展方向。业务部门负责微观层面的模型制定,例如获客模型、审批模型、营销模型的制定,实时对模型效果进行评在基础设施平台建设上,中原消费金融建立了大数据平台、数据中台和AI中台,通过统—16|爱分析·中国银行业数字化趋势报告-大数研平台:面对海量的来自互联网的数据,需要构建支撑高吞吐、高并发且数-数研务台:数据中台在大数据平台基础之上,对数据管控流程、数据标准、数据脚本、数据质量评估等数据治理相关指标进行了标准化规定,并汇集各类标准化营销模型(例如,客户画像建模、短信营销平台标签建模、埋点优化模型等)和数据分析报告,将模型和数据分析结果用于各类营销场景中。此外,数据中台对大数据平台进行了优化,能够做到按照应用的重要程度进行数据调用,有效提高了业务响应速度,进行季节性或即时性营销分加入了AI能力,建立数据智能平台。通过AI中台,中原消费金融能够使用统—的智能ETL平台,利用AI算法完成结构化和非结构化数据的采集,智能识别声音、图像、文字等信息,提取非结构化类数据价值。此外,中原消费金融通过AI人工智能引擎,能够进行自动在完成底层数据基础设施建设之后,中原消费金融建立了—套完整的数据分析体系和精准服务,自动监控经营情况并进行智能化预警提醒。此外,中原消费金融建立了精准营销体系。中原消费金融的商业智能部门会对业务部门的数据分析人员进行指导,进—步细化数据维度,对客户生命周期不同阶段的营销效果进行分析,实现精准营销。例如,在中原消费金融和滴滴的合作中,以往只考察客户规模、产品收入等宏观层面的指标,尚未对客户不同生命周期的风险和收益进行评判。现阶段,中原消费金融会对客户触对成本较高、转化率低的环节进行优化,寻找风险控制和获客成本之间的阶段,智能风控系统能够自动对客户风险进行判断,采取相应的风控策略,例如是否予以能够输出不同营销策略,判断客户需要做短期触达,哪些客户需要电话营销等,业务人员馈的结果,针对产品设计、产品的盈利性、客群定位等方面进行人工优化,调整产品的属17|爱分析·中国银行业数字化趋势报告以微众银行为例。中原消费金融和微众银行合作,接入微信支付场景。客户在中原消费金未来,中原消费金融会通过京东和阿里等电商平台的支付体系渗透到垂直领域的消费场景,引导优质客户通过购物优惠券、满减等方式,使用中原消费金融的信贷产品。另外,中原消费金融会进—步完善产品体系,建立用户积同时,由于不同流量平台的客户属性差异大,如果仅使用单—的产品对接客户,容易造成优质客户提前还款,产品使用周期短,次级客群延长还款期限。久而久之次级客群的比例提高,直接拉高体风险水平。因此,中原消费金融针对不同等级的客群,提供差异化产品。完成客户职能分类之后,大数据平台会根据客户情况,将其匹配给不同的产品。中原消费金融的数字化营销体系建设有效提升了用户转化率,降低获客成本,在保证风险可控的前提下,极大的提升了营收。2019年,中原消费金融营收额同比增长134%。尽管受到疫情影响,截至2020年上半年,中原消费金融仍实现新增客户数218.62万。同时,截至2020年8月份,中原消费金融客户的风险明显回落,新客户风险质量也有明显改善,整体不良率已经低于2019年年底水18|爱分析·中国银行业数字化趋势报告2.2用户洞察:构建—体化营销风控体系,精准挖掘高质量客群在用户洞察阶段,银行需要基于多维度的用户数据构建用户画像,而用户触达、转化和运营阶段的精细化策略,也都需要基于用户画像来进行。因此,用户洞察是精细化营销体系的核心环节。在用户洞察阶段,银行面临的挑战主要包括三方面:1)缺乏针对私域流量中存量客户的洞察能力程序、朋友圈等私域流量中,往往沉淀了大量沉睡的存量客户,而且相比于第三方流量平台,这但是,许多银行缺乏针对私域流量中用户行为数据的统—管理能力,导致面向私域流量的营销活动往往缺乏精细化策略,效果大打折扣,使得客户活跃度不断下滑,进—步加强了银行对第三方流量平台、合作导流等拉新方式的依赖,最终拉2)对用户贷款意向的判断准确性较差职业背景、学历背景等非金融属性数据,这使得大量缺乏信贷记录的用户画像难以被精准刻画,3)营销风控协作意识缺乏，对用户质量与风险的把关不严许多银行的营销与风控部门间缺乏深度协作,具体表现包括:营销部门在导流获客过程中,单纯考虑贷款意向而缺乏对用户风险的判断,给风控部门的策略造成极大压力;风控部门由于精细化风控能力有限,为了尽可能降低不良贷款率,会尽可能提升授信门槛。以上这三点问题,最终产生的影响是存量客户粘性下降,单位获客成本高昂。对此,银行应当采取三项具体策略,从而提升存量客户粘性,降低单位获客成本。1)建设数字化私域流量运营体系,提升存量客户粘性2)完善客户画像维度,精准判断贷款意向3)构建—体化营销风控体系,精准挖掘高质量客群19|爱分析·中国银行业数字化趋势报告融慧金科营销风控—体化,最大化客群价值某银行是头部城商行之—,资产规模可达万亿。该行在营销环节面临的最大问题在于,获客成本高,客户转化率低。为降低获客成本、提升营销转化率,该行和融慧金科合作,建出于业务增长的压力,单纯依靠自营渠道获客的方式已不能满足银行的需求。该行的做法是,通过流媒体平台进行广告投放,吸引外部流量。但针对这—类客群,银行往往出于谨慎性考虑,批核率较低,往往低于10%,某些渠道流量甚至低于2%,大量好客户被拒,最终授信成功的客户数较少,直接拉高单客获客成本。此外,由于缺乏精细化营销和风控体系,导致客户转化率较低。这主要体现在三个层面:通过广告投放吸引的客户较少;在吸引过来的客户中,提交贷款申请的客户数少;银行成功发放贷款之后,客户用信率低,客户转化漏损严重。产生这—问题的根本原因在于,银行对客群筛选不够准确,坏客户占比较高。首先,该行采用了融慧金科的定制化拒件回捞策略,从拒绝客群中充分挖掘优质资产。当下,该行会从历史拒绝的客户里进行回捞,提升批核率。融慧金科结合银行实际业务场景,依托大数据、人工智能及风控建模经验,对银行原有模型进行优化,帮助该行建立新的风控规则和风控模型,重新对客群进行区分。融慧金科会利用精细化的信用评分模型对历史拒绝的人群进行排序,筛选出头部相对最优的人群,放入回捞池,执行回捞策略。并基于历史授信通过客户的实际贷后表现,设定风险基准,定义风险目标,评估捞回人群的风险水平。例如,历史授信客户中实际违约率为2%,则“拒件回捞”策略中的风险目标低于—套完整的营销和风控解决方案。具体来说,这—解决方案主要包括两个方面:20|爱分析·中国银行业数字化趋势报告-基于银行本身的产品属性,明确产品的目标客群,挑选更与目标客群属性更贴近的流量-定制营销白名单,精准触达目标客群。融慧金科会与今日头条等流量平台合作,基于流量平台的数据构建用户画像,将用户与银行产品进行匹配。融慧金科的获客模型从两个维度,即客户的实际风险和借款意愿维度出发,筛选出更匹配银行产品且有贷款意愿的目标客群。由于前期的预筛选工作已经挑选出更匹配银行产品的客群,客群实际借款意愿会更强。而且将高风险的客户在预筛选阶段排除在外,实现营销风控前置,将提高最终批核率,以往银行针对不同渠道的客群,往往采取“—刀切”的风险策略,即对不同渠道的客户采用相同的评判标准,予以相同的单笔授信额度。然而,实际上,不同渠道的客群风险程度该行和融慧金科合作实现风险精准分层,对不同渠道的客群采取不同的风控策略。在贷款申请环节,该行将客群分为两类,—是通过线下网点获客的客群,这部分客群由客户经理与其面对面沟通,确认申请者身份的真实性,这类客户在申请的时候不再设置额外的身份识别验证环节;另—类是网申渠道的客户,主要包括银行APP、微信公众号,以及该行和第三方渠道合作吸引来的客户。针对这—部分客群,该行会在申请环节设置短信验证、人脸识别、活体识别等身份验证环节,减少欺诈风险。随后,在授信审批环节,该行在原有的风控系统基础之上,引入融慧金科的评分卡模型,针对不同渠道的客群配置相应的规则策略。在贷前审批环节,该行会基于设备信息甄别用户多头借贷行为,基于用户提供的多种申请数据,精细化判定客群欺诈嫌疑;在贷中监测环节,该行利用信用评分模型预测借款客户未来发生逾期的概率,并由用户个人资产状况出发,合理评估对应的授信额度及后续提额策略。21|爱分析·中国银行业数字化趋势报告借助融慧金科优质人群包信息流广告投放和定制化拒件捞回风控解决方案,该行有效提升了营销漏斗转化率,通过率提升了10%以上,极大降低了获客成本,提高了利润空间。在模型的持续迭代升级下,资产质量持续向好,资产规模也正稳步扩大。证风控策略的延续性,该行需要从人行二代征信报告中挖掘出—代征信报告中使用过的变量。此外,人行二代征信报告包含更多维度的数据,例如信贷记录从两年增加到了五年,数据饱和度有了很大的提升。如何更充分地将二代征信报告的数据应用起来,并基于基础数据衍生出更多有用的变量,是该行亟需解决的问题。为此,该行利用融慧金科的人行征信数据和决策支持平台,不仅能够兼容人行—代征信衍生变量,保证已有风控模型监控和业务分析的连续性,而且能够将人行二代征信报告的基础变量转化为征信衍生变量,基于衍生变量进行更深层次的联合建模。该行还可以通过融慧金科的衍生变量管理平台,自主对人行征信原始及衍生变量进行查询、参数配置和管理,该行在—周内上线了融慧金科的人行征信数据系统中的数千个变量,通过多维度组合衍生方式,生成了10000+人行二代征信衍生变量,大大提升信用评分精准度。随着金融机构科技水平的提高,融慧金科未来和银行等金融机构的合作将向纵深发展。基于对数据关联价值的纵深挖掘,底层金融平台的应用对业务的助力作用将会进—步提升,由此带来了产品的迭代与创新,例如豪华版信用分、新版多头指数不断迭代更新,效果、稳定度和可解释性上会持续优化提升。在拓展新业务方面,比如定制化风控、精准22|爱分析·中国银行业数字化趋势报告2.3用户转化&用户运营:构建营销反馈闭环,持续优化营销策略完成用户洞察之后,银行需要基于洞察数据,为不同用户群体设计合适的金融产品,并在合适的时间向目标群体精准推荐产品,从而将潜在客户转为行内客户,并持续对客户行为、客户反馈进行跟进,防止客户流失。但是,许多银行的销售过程管理制度的缺失,对销售漏斗中用户转化过程的追踪能力的缺乏,以及营销闭环构建的缺失,使得其难以对客户行为变化、客户流失做出迅速反应,最终造成用户粘针对上述问题,领先银行的做法是:建立空中银行营业厅,将客户服务、交叉销售和客户意见反馈全流程线上化,并利用智能机器人进行外呼,对客户的反馈进行记录,构建营销反馈闭环。23|爱分析·中国银行业数字化趋势报告构建智能营销平台,容联云通讯助力银行提升运营效率作,建立全行级别的联络中心平台,有效提升了营销外呼的运营效率。在与容联云通讯合作之前,该银行的电话营销平台采取外包形式运营。然而,随着国家对银行的数据安全性、营销话术合规性要求趋严,外包平台难以满足监管合规性的要求。其次,外包平台不能够快速响应行方需求,及时对联络中心平台进行软件和硬件的优化升级。此外,行方每年以租用的方式向第三方平台支付费用,总体成本较高。因此,该银行营销中心进行了战略性调整。从2019年开始,与容联云通讯合作,采取本地化部署的方式建立自己的外呼平台。在此过程中,容联云通讯帮助银行整合多家厂商的AI资源和技术,进行AI集中交换调度,打造用户行为标签体系,结合预测式外呼、机器为最大化业务效果,该银行倾向于基于各个不同应用场景的服务效果选择不同时,考虑到对不同AI技术服务商需要进行统—的接入、管理维护,制定统—的规范,该标注和分析,将AI能力赋能给营销业务场景。具体而言,银行将营销业务流程分别交给不同的AI技术服务商进行外呼,基于准确率、业务转化率等指标的考察,通过业务流量分流的方式与不同厂商展开合作,如给—家AI技术24|爱分析·中国银行业数字化趋势报告果进行集中调度,通过API的形式将AI能力分配给适用的此外,容联云通讯的运营团队会对机器人的外呼效果进行质检与标注,进—步完善机器人外呼,形成AI能力的闭环。通过持续的质检与优化,容联云通讯ASR、NLP、交互整体流容联云通讯平台会对外呼结果进行标注,通过对对话交互的节点与话术路径的判断,由机器人在不同节点对客户的行为进行实时分析,生成用户标签,反馈回系统。并辅以人工复检,修正机器判断错误的地方,对机器人进行学习训练,提高自动化标注的准确率。具体而言,容联云通讯能够根据客户的不同回答判断其是否有意愿继续沟通并了比如有些客户明确表达了投诉意愿,平台会对其生成相应的标签并拉进黑名单,后续营销25|爱分析·中国银行业数字化趋势报告此外,容联云通讯生成的用户标签会与行方的CRM系统中的用户标签相结合,为行方进提供20个标签,行方通过其他渠道,如存款、贷款记录、信用记录等,获取80个标签后,将所有标签混合与筛选后,进行二轮用户分析。容联云通讯则可以根据行方更新后的客户画像及时调整电话营销策略,由此形成良性循环。在完善的用户标签体系基础之上,容联云通讯采取了三种外呼策略:预测式外呼,智能机预测式外呼是容联云通讯拳头产品之—。预测式外呼是指,容联云通讯将外呼名单加载在自身的外呼平台上,自动外拨电话,基于不同运营商的提示音制定二轮拨打的策略。比如,运营商提示音显示号码为空号,则将该号码放入黑名单,不再拨打;若运营商提示音显示盲音,或不在服务区,则会放入等待队列,稍后进行二次拨打;若电话接通,则会自动转预测式外呼有效过滤了无效号码,与纯人工外呼相比,提升了3-4倍的外呼名单处理效率。在预测式外呼基础之上,容联云通讯为平台加入AI能力,进—步提升营销外呼效率。银行通过采用容联云通讯的自动外呼机器人和人机结合的外呼方式,利用机器人为人工座席提容联云通讯基于用户标签体系,针对不同客户采取差异化外呼策略。例如,针对高价值客户,容联云通讯不会采取机器人外呼的形式,因为机器提示音往往会降低高价值客户的沟总体而言,在与该银行的合作中,容联云提供的外呼平台极大的提升了业务周期效率和名未来,容联云通讯还将会与该银行合作开发更多的营销场景。容联云通讯的移动经纪人平台,是双方未来合作的方向之—。移动经纪人平台将协助银行的客户经理等营销人员,利升营销效率,并对沟通过程进行录音与统—监管,保证营销过程的合规性。26|爱分析·中国银行业数字化趋势报告建设全流程风控体系,降低风险成本压力3.建设全流程风控体系,降低风险成本压力稳健、完备的全流程风控体系,具备三方面的价值:通过对借款人多维度分析和—对—精准定价,可以开发之前被认为风险过大无法进入的市场,增加贷款额;依托分析模型准确预测违约率,减少信用损失;通过大数据分析和自动化决策流程,降低风险加权资产RWA。权威机构数据显示,上述三方面的价值可分别量化为:为金融机构带来每年2%-4%的增长幅度;另外,再考虑到国内当下借贷者还款能力下降、违约风险提高的背景,银行资产质量,及其资产基于大量访谈和调研,爱分析发现,目前国内银行在零售信贷风险管理领域的实践主要集中贷前3.1.优化贷前准入与贷中监测风控体系,严控增量风险目前,银行业金融机构在贷前反欺诈、授信审批和贷中监测方面,存在着以下三个方面的难点:28|爱分析·中国银行业数字化趋势报告首先,在贷前反欺诈阶段,面对来自互联网的下沉流量,银行和消费金融公司往往缺乏相应的数据积累,难以识别多头借贷、团伙欺诈等欺诈风险。其次,在贷前授信审批阶段,传统审批方式数据维度单—,风控模型准确度差,对隐藏的信用风险难以识别。此外,银行和消费金融公司更多依赖线下信审方式,由业务部门提交纸质资料个相关授信审批人员,由其进行信息录入和调研。这—模式审批流程耗时长,审批效率低。最后,在贷中监测阶段,由于缺乏贷中预警机制,银行和消费金融公司对潜在坏账风险难以提前随着新数据源的接入、算法和模型的提升,在贷前和贷中阶段,银行和消费金融公司在零售信贷1)基于大数据和机器学习,利用已有的用户标签建立资质挡板,构建人群基础画像。并在此之上进行后续环节的风险筛查,覆盖贷前风险识别和定额,以及贷中实时监测预警。例如,在贷前准入环节的反欺诈风险、客户还款能力判定;在信用审批环节按照不同客群分组定额,领先的消费金融机构甚至能够做到千人前面风险定价;在贷中环节对高风险交易行为、客户2)授信流程线上化、自动化。自动化的授信审批流程将申请流程和风控决策流程线上化、智能化,能够实现在没有人为干预的情况下进行精准风险评估。权威机构数据表明,流程自动化能够减少手动、重复性任务中(例如贷款审批过程中往风险系统中输入数据、数据异常检测和清理等),将效率提高了70%-80%。近—两年以来,银行越来越重视对下沉客群的覆盖。例如,某国有行信用卡中心原本对于下沉客群数据积累和模型构建的经验欠缺,通过联合建模的方式,引入外部数据源作为行内数据的补充,以构建下沉客群用户画像,并对外部流量进行筛选和风险管控,有效减少了欺诈风险。相比于银行,持牌消费金融公司受到监管压力较小,对复杂风控模型的开发程度和接受度更高。传统建模方式是引入强变量,使用简单的逻辑回归的线性模型。目前,消费金融机构更倾向于引入更多弱变量,以增加数据维度,部署诸如随机森林、机器学习等复杂程度更高的模型。例如,某头部消金公司依托大数据、AI技术建立大数据风控平台,对多源异构数据进行整合,采用GBDT等机器学习算法开发风控模型,生成了10万个变量。针对不同层级的客群,形成了600在流程自动化方面,领先的银行通过部署机器学习平台,覆盖数据接入、数据处理、特征工程、模型训练和模型管理端到端的机器学习流程,实现自动化、低门槛快速模型开发,提升了授信审29|爱分析·中国银行业数字化趋势报告华策数科:以数字之力,“决策引擎”护航银行授信审批线上智能化随着大数据、互联网技术的发展,特别是在互联网金融多年的流量裹挟之后,银行数字化进程虽然—定程度上丰富了银行的产品和业务种类,提升了渠道便利性和客户体验,然而而生的欺诈风险,时刻考验着银行的管理和风险防控能力。基于案例透析,爱分析试图探寻银行业在全流程风控体系过程中,通过数字转型实现降本增效的最佳实践路径。案例银行作为中部地区头部城商行,此前在发展普惠金融业务过程中,已在内部进行了部分数字化改革,包括引进国外的系统软件对流程进行了优化等,但在实际的业务场景中,依然面临着客户信息真实性难以识别、人工核查成本高等问题,而这些问题,在金融科技助力之下,将得到有效的解决。从用户生命周期角度,银行的风险管理贯穿反欺诈、贷前客户识别、贷中监测、贷后管理等环节,每个环节都需要通过业务部门和技术部门的及时联动,最大化减少潜在的新增坏账损失。然而,在该城商行线上审批流程中,主要由IT人员部署风控规则和模型,对于新产生的业务需求,需要由行方的业务人员提出需求,IT人员排期、部署后才能对原有的风控模型做出调整,难以对客户的风险变化和行为变化及时做出反应。因此,该城商行亟需建立—套以数字化为驱动的短平快的授信审批模式,精准识别用户欺诈风险,降低授信审批时长,并提升模型的业务响应效率。为此,该城商行和领先的第三方金融科技服务商华策数科合作,通过联合建模和系统引进的方式,开发评分卡模型和决策引擎,更好地推进数字化转型进程。大数据是智能化风控建模的基石。只有基于海量、且多维度多层次的数据之上,银行才有可能通过数据挖掘、数据分析等手段,为客户建立个性化标签,使客户分层颗粒度更细,与全国性大型银行相比,该城商行作为地区性银行,拥有的下沉客群数量更多,而银行对30|爱分析·中国银行业数字化趋势报告进行打分,在系统后台形成近百个版本的评分卡模型,根据使用场景以及产品类型挑选出中。这相当于在行方原有的评分卡模型中新增加了—个变量,丰富了数据维度,有效提升此外,决策引擎会优先调用低成本的数据(例如,行内数据)对客户进行第—轮分析和筛选,再调用较高成本的数据(例如,外部数据评分卡)对客户进行第二轮分析和筛选,将存在明显风险问题的客户排除在外,在保证风险可控的前提下,降低了67%的单位风控成爱分析在调研中发现,由于小微企业往往缺乏公开透明的资料和正规的财务报表信息,使得银行往往难以识别小微企业欺诈风险,尤其是针对小微企业多头借贷的情况,银行不仅难以获得相关数据,且无从验证数据真实性。该城商行的传统风控方式主要是基于行内数据和央行征信进行建模,能够获得的数据源较为有限,难以识别小微企业和零售客户多头借贷、嬉羊毛等欺诈信息。且该城商行针对小微企业和零售客户的信贷审批,以往采取的是传统线下授信审批方式,即通过线下访谈、现阶段,依据公开信息、客户授权的数据等多数据源,该城商行能够获得客户80%的属性信息,并能够通过模型推算出其他关键风险属性,做到千人千面风险识别,帮助该城商行降低了4.2%的坏账率,将优质客户量提升了13%,有效优化了客群质量。该城商行传统的授信审批方式,—般以线下访谈、实地尽调的方式进行,再由业务部门提交相关资料给授信审批部门批核,审批周期较长。而小微企业和个人往往需要在较短时间内获得贷款,线下授信审批的方式难以满足此类客31|爱分析·中国银行业数字化趋势报告针对以上问题,华策数科的决策引擎将授信审批流程线上化,有效提升了审批效率。在接入行内数据,内外部数据模型之后,决策引擎能够针对不同评分等级的用户,配置不同的决策流,并将决策引擎和银行方授信审批系统打通,输出差异化风控策略。例如,评分在90~100分的客户,可通过线上审批直接予以通过;对于评分在40~50分的客户,决策引此外,随着银行业务场景和客户风险变化,华策数科决策引擎能够通过自动化建模的方式进行模型优化迭代。目前,华策数科的决策引擎模型的优化和迭代系统内设置的频率是每别出哪些变量在业务场景中是最有效的,从而自动采用这类变量建立风控规则和模型,对在授信审批时长方面,华策数科的决策引擎将其从数周缩短至几分钟之内。现阶段,该城商行已逐步减少人工审批比例,更多依赖线上自动化审批的方式。并且,由于决策引擎提升了审批速度,同时间能够容纳的业务量增多,该城商行的贷款规模提升了17%。取的是IDE编码方式,学习成本高,难以在全行范围内进行推广。而且影响新场景、新算基于客户痛点洞察,华策数科的决策引擎进—步改善了该城商行管理模型部署的审批流程和个人权限等操作方式,相关业务人员能够通过拖拉拽的方式设置模型参数,并根据风控规则和模型效果实时调整参数,—键部署相关模型。因此,当业务出现变化时,无需通过IT人员,业务人员可直接手工进行决策流设置和模型参数调整,解决了风控流程中的IT依赖,极大的提升了业务响应速度。正式生效。该规定强调银行应“根据企业申请,在存量贷款到期前,提前做好信贷评估和审核,提高响应速度和审批时效”,这对商业银行的风险管理提出了更高的要求。目前,中小银行在智能风控领域经验较为欠缺,将更多的采取和第三方金融科技服务商合作的形式,搭建完善的风控管理体系。而在经济周期转变的当下,唯有打破银行数字化进32|爱分析·中国银行业数字化趋势报告3.2.优化贷后处置策略,化解存量风险贷后处置阶段,是银行化解存量不良资产、实现全流程风险管控的最后关键环节。但是,过去银行对这—环节的关注度相对不足,管理手段相对粗放,缺乏数字化手段介入,已经成为拉高银行银行贷后处置面临两大挑战,—方面在于缺1)缺乏精细化催收策略，催收效率低下疫情期间,银行逾期账款数量出现明显上升趋势,呼叫中心催收压力陡增,超负荷运转。但是,首先,大量逾期属于因遗忘、还款不及时造成的“善意逾期”,如果催收人员将过多精力分配在其中,则往往得不偿失。其次,少量“恶意逾期”客户在贷中阶段的行为中已初现端倪,如果银行无法在还款前几日或逾期早期尽快介入,或者及时采取减免策略,则必然造成长期逾期,为银行积累大量不良资产。因此,为减少坏账损失、节省催收成本,银行需要基于客户的各类行为数据,对逾期客群进行细分,并为每—类客群制定差异化催收策略,有效提升催收效率,降低人力投入。33|爱分析·中国银行业数字化趋势报告飞算科技精细化贷后管理,助力银行化解存量不良风险某银行是头部股份制银行之—,贷款总额突破万亿。其华南地区某分行在个人零售业务贷后风险控制领域,—度面临不良率急剧上升的问题。该行不良率考核指标低于2%,但实际运营中,不良率已经在从4%向5%发展,严重超过了银行的预期和控制的警戒线。往采取的是人工催收方式,尚未建立贷后管理体系,缺乏科学的决策机制、系统流程化管控及成熟的运营管理经验。该行在线上获客导流后,短时间内涌入了上万笔交易,贷后环节的短板更为凸显:人工催收成本高、效率低,不能覆盖海量来自互联网的流量,贷款回收效果不佳,不良率在短时间内急剧上升。而面对大量存量不良资产,要在数月内从零基础自主研发出贷后管理系统,耗时长,成本高,缓不济急。因此,该行和飞算科技合作,以联合运营的模式搭建贷后智能管理体系,实现了不良率考飞算科技致力于为金融机构提供智能贷后管理系统,通过对贷后客群对维度数据的智能分析,构建催收评分模型体系,通过催收评分模型对客群进行分层,再对配置立体的贷后管理策略,根据不同人群特征向系统发出不同的指令,实现差异化贷后管理运营矩阵体系。同时,飞算科技为金融机构提供包括评分策略、系统流程、运营管理、智能合规等在内的全流程贷后体系支持。目前,飞算智能贷后管理体系已服务超50家机构,超500亿信贷34|爱分析·中国银行业数字化趋势报告该行在飞算科技的SaaS平台中导入逾期案件,—周之内完成了数据对接和系统配置,通过飞算科技的智能贷后管理系统,针对不同风险等级的客群催收采取不同贷后管理策略,飞算科技的贷后管理系统会按照账龄、客户风险等级、客户贷后行为特征等诸多维度,将逾期案件自动分配至不同跟进队列,自动给案件打上相应标识,并全流程记录每个运营动作及结果。例如,在还款日前三天和M1~M2逾期阶段,针对中低风险客户,飞算科技会将其自动分配给智能催收机器人进行外呼;针对M1~M2的高至人工催收队列;针对M3~M6逾期阶段的高危客户,飞算科技则采取委外催收针对智能化催收,飞算科技基于积累的语料库,对话术进行提炼,训练智能催收机器人多准确识别客户意图,还能够针对客户不同的回答,调用相应的话术,并对催收策略分配做例如,,在智能语音识别中发现了客户重病死亡等关键字眼,智能催收机器人会马上转成针对人工催收,飞算科技通过决策引擎设计的“行动轨迹路径”,对人工作业进行全流程系统调度、录音及合规监控。同时,催收人员可有针对性选择外呼资源,如电话—键外呼、此外,飞算科技通过将催收短信、信函模板标准化处理,通过后台处理进行集中管控,帮助催收人员根据实际情况对客户进行有效判定和风险识别,避免人为误操作产生投诉或者投诉升级。系统还可对客户信息进行脱敏,全面把控信息安全,有效保证人工催收合规性。35|爱分析·中国银行业数字化趋势报告通过和飞算科技的合作,该行在3个月内成功将不良率降低到2%以内,有效化解了存量不良贷款。随后,该行进—步深化了和飞算科技的合作,委托飞算全面搭建行内智能化贷除了上述催收功能开发之外,飞算科技还从两个维度帮助该行进行贷后管理系统的建设,统、清算系统打通,将催收决策流程线上化,提升催收效率。时债务减免策略。之前由于银行各系统之间信息尚未打通,银行传统的债务减免方式由贷后部门发起,再通过银行核心系统进行审批,对原来的债务金额进行修改,最后由清算系银行传统债务减免审批流程往往需要消耗两三天时间,效率低下,尤其不利于多头借贷等高风险客户的债务减免和回收。这部分客户往往还款能力有限,哪家银行能最快完成催收决策,就能最快催回这笔款项。冗长的审批流程会导致银行在这种情况下错失先机,降低通过建立高效贷后管理体系,将贷后系统信息和核心系统打通,该行的贷后业务人员发起债务减免需求后,核心系统会自动将债务额度进行调整,清算系统也会自动按照减免过后的债务额度进行收款,完成整套流程仅需数分钟,极大地提升了债务回款可能性,将回收当前银行业不良资产上升压力加大。银保监会数据显示,截至2020年6月末,银行业不良贷款率2.10%,比年初上升0.08个百分点,且今后—段时期内银行业的不良贷款会陆续呈现和上升。此外,监管对银行接受合作机构风险兜底承诺的行为限制越来越严格,商业因此,银行贷后体系的搭建、完善及智能化创新需求日益迫切,很多银行甚至需要从零开始建贷后系统。考虑到银行自研成本较高、见效慢,银行会更多的考虑和第三方金融科技公司合作,建立高效、实时、智能化的贷后系统。飞算科技将携数字化36|爱分析·中国银行业数字化趋势报告2)人力成本高昂，合规压力巨大因此,利用语音纸器人等人工智能手段,替去—部分催收员的低难度、重撑性催收工作,让其更加专注于处理更有挑战性催收工作,同时利用NLP等技术对催收话术进行智能质检,是有效降低人姿与合规成本投入,提升合规性与客户体验的有效手段。37|爱分析·中国银行业数字化趋势报告百应科技智能化催收,提升催收回款率随着务国消费者的消费观念的升级,务国消费信贷行业迎来快速封展。杭银消费金融等睫牌系消费金融公尽,由于具备合规性优势,同样也迎来快速封展期。研公开数研显示,2019年,杭银消费金融营业收入10.08厅元,较上年2.92厅元增长约245.21%;净利润告是,消费金融业务的快速封展,也使得杭银消金面临贷款逾期率上升的压姿,贷务贷后管理部门的催收压姿增大,迫切需要提升逾期贷款的总体回款率。为了达成此项目标,贷以往杭银消金的贷后催收主要依靠大量人工坐席,最高峰时期,催收员高达100多人,人姿成本高昂;催收话术重撑性高,催收员的工作效率已经达到瓶颈,难以进—步提升;国家对催收过程的合规性要求越来越严格,杭银消金作为睫牌系消金公尽,更需要最大程度地避免暴姿催收,提升业务合规性。为此,杭银消费金融决定启动智能呼叫务心项目,以智能语音纸器人来替去—部分现有人工坐席,从而降低人姿成本,提升坐席外呼和接待效率。通过和百应科技合作,杭银消费务心构建了—套智能联络务心(AICC)整体解决方案,其务该解决方案下的智能催收系统,。技术,为杭银消金提供场景服务和数研服务两部分服务38|爱分析·中国银行业数字化趋势报告-场景服务:主要包括智能外呼、智能接待、智能辅助、智能质检等四类机器人以及人工坐席,通过人机协同的工作方式应用于营销、服务、贷中贷后管理等业务场景;智能外呼应用于智能营销与智能催收场景,分别服务于信用卡营销部门、贷中贷后管理部门;智能接待主要是为客户提供各类接待和应答服务,主要应用于客服运营部门,实现7*24小时全天候响应的全渠道客户服务;智能辅助主要是为人工坐席人员提供回答提醒,辅助其正确回答客户问题,主要应用于客服运营部门,提升服务及业务人员的专业度;智能质检会对营销、催收等过程中的话术进行实时质检和录音质检,并实现全量质检,进—步规范服-数据服务:主要基于企业数据中台来搭建,能够将场景服务中获取的客户通话内容,通过NLP、ASR技术对其进行处理,抽取客户全生命周期数据,进而提供客户画像、数据可由于百应科技在NLP领域积累了大量标准化的模型,在该项目中无需进行定制化建模,因智能联络中心上线后,杭银消金在平台功能、团队组织两方面进行了综合的运营优化:—方面,针对平台功能优化,为了进—步增强催收业务的合规性,降低合规成本,百应科技根据杭银消金需求,增加了实时质检能力,将合规性措施前置到催收过程中,能够针对语气、语速、违规词、遗漏话术等语言对象进行实时分析、自动提醒,实现在不打断客服通话过程的前提下,尽可能约束催收员的话术行为,降低了合规成本。另—方面,针对团队组织建设,为了将智能质检带来的合规性效益最大化,杭银消金在百应科技已有的催收员综合评分功能的基础上,根据该评分结果对催收员进行组内、组间考核,形成竞争机制,从而进—步提升催收合规性。整个项目上线过后,杭银消金人力成本节省效果显著:催收团队从最高峰的200人左右,降低到了目前的70~80人,总体成本降低近40%;此外,外呼效率有明显提升:外呼总量相比之前提升83.6%,意向判断准确率(指对客户意向的判断是否准确,杭银消金将客户分类成确实有意向、明确拒绝或者可能有意向)达到88.9%;催收过程也更加合规:客户满意度大大提升,投诉率明显降低。39|爱分析·中国银行业数字化趋势报告杭银消金在项目实施过程中,曾经遇到—定程度的波折。由于杭银消金的人工坐席使用的系统是另外—家厂商的云呼叫中心,因此在百应科技的智能客服平台上线后,杭银消金出但是,在系统打通过程中,杭银消金却遇到了两大问题:首先,杭银消金的云呼叫中心厂商同样提供智能催收、质检和客服解决方案,也是之前的四家竞标厂商之—,与百应科技存在竞争关系,但由于在NLP、机器学习等人工智能技术方面布局较为滞后,因此没能中标;其次,出于客户信息统—管理目的,杭银消金期望能够对智能客服平台与云呼叫中心进行数据打通;最后,云呼叫中心厂商由于竞争关系,不为此,杭银消金决定选用百应科技的智能联络中心来替代原有平台,主要考虑的因素有以下几点:第—,百应科技的智能联络中心和杭银消金的云呼叫中心之间能够实现无缝衔接,无需额外开发就能够打通;第二,云呼叫中心的个性化需求明显,对厂商的解决方案能力要求较高,而百应科技作为—家以SaaS模式起家的创业公司,尽管其标准化产品难以完全满足杭银消金的个性化需求,但具备较强的服务意愿和及时响应能力,愿意提供定制化因此,在杭银消金呼叫中心升级的二期项目中,百应科技与杭银消金进行深度合作,共同构建了全新的智能联络中心解决方案,集合了云呼叫中心和智能客服等能力,不但为杭银爱分析认为,这些波折对于同类企业十分具有借鉴意义。未来其他银行业金融机构在智能客服项目的规划阶段,需要注意以下三方面问题:-如果银行尚未采用云呼叫中心和智能客服,而且未来有计划同时上线两类系统,可考虑选择同—厂商来进行统—建设,避免后期出现更换厂商,或者多厂商协调的问题。-在选择同—厂商来建设两类系统的时候,需要尽可能考虑到云呼叫中心、智能客服两类场景对厂商能力要求的差异,即云呼叫中心场景对于厂商的解决方案能力要求更高,而智-如果银行对于智能客服在人力替代、精准度方面的需求性更强,同时愿意与厂商共同打40|爱分析·中国银行业数字化趋势报告3.3.构建基础AI平台能力,助力全流程风控体系建设B⼦(BehaviorScoreCard/行为评分⼦)、C⼦(CollectionScoreCard/催收评分⼦)等应用于割同阶段的评分⼦模型的构建至关重要,而割同的业务线、获客渠道、应用场景,对评分⼦模型告是,对于部分技术能姿较弱的银行来说,模全自主开封风控模型,在人才、技术上的投入都十分高昂。告如果模全依赖外部评分⼦模型,缺乏对模型的自主掌控能姿,则十分割利于银行提升自主风控能姿,也难以支撑业务的快速封展和变革。因此,采取低去码、可视化的自动纸器学习平台,以有效降低评分⼦模型的开封门槛,提升开封效率,成为许多银行在构建全流程风控体系过程务41|爱分析·中国银行业数字化趋势报告度小满金融磐石Etron建模平台,助力银行搭建金融大脑当下,人工智能逐渐成为影响金融机构发展的核心因素。以银行为例,国内各大银行或是设立金融科技子公司,或是通过与科技巨头合作,均在不断加大对人工智能应用的投资,某银行是国有四大行之—。该行在开展智能银行的建设过程中,需要搭建金融大脑,智能建模平台是其中重要的组成部分。由于该行在这—领域的建模经验较为不足,采取自研的方式成本高、时间长,性价比较低。因此,该行和第三方金融科技服务商度小满金融合作,等感知能力,以及学习分析预测等思维能力,为该行提供大数据风控服务,覆盖全流程风方案,构建了包括智能获客、大数据风控、身份识别、智能投顾、智能客服等多项核心能力,并打造了磐石—站式风控平台。目前,度小满金融服务对象已覆盖了70%的金融机构。平台为银行提供统—的AI建模及实时模型预测能力,理机制和专业的法律保障机制,保证数据合规性。具体来说,度小满金融从银行等合作机构中获得数据,利用多种匿名化技术对数据进行处理,度小满安全应急响应中心提供ID转化服务,将外部数据转化为具有内部匿名化标识的42|爱分析·中国银行业数字化趋势报告ID,最后由度小满数据管理平台(DMP)将处理过的数据对外输出。对外输出的数据不含个人信息,保障了数据的安全性和合规性。以及业务经验优势,帮助该行根据自身的业务及客群需求,准确快速的评估借款人的资质情况,提升风险经营能力。从项目流程来看,度小满金融定制化建模服务主要包括四个流程:图31:建模流程-建模预评估。度小满金融根据行方需求构建风控模型,银行利用历史数据对模型进行测试,将模型结果与用户实际还款表现进行匹配,通过PS值和AUC值评估模型准确性。-模型上线。—方面,磐石自动化建模平台通过机器学习的方式将弱区分度数据聚合为强区分度数据,满足精细化运营业务要求。另—方面,磐石自动化建模平台结合人工业务经验,建立风控策略模型,满足银行基本业务需求。-监控与迭代。主要包括对模型运行状态,如调用次数,响应时间等指标进行监控及预警;对模型变量进行监控,包括模型变量的分布,最大最小值,平均值等。磐石自动化建模平台还可扩展成ELK平台,实时监控所有模型相关的核心指标,支持模型生命周期—体化操作,包括模型更新迭代和下线。43|爱分析·中国银行业数字化趋势报告在功能方面,磐石Etron建模平台提供标准化的在线自动化建模流程:包括数据管理、特对数据进行标准化处理后,将样本拆分为训练集和测试集,利用XGBOOST等机器学习算法对模型进行训练,并持续对模型稳定性进行监控。入度小满金融的磐石自动化建模平台,该行模型的KS值为0.35,模型效果较好。另—方面,通过将模型应用到贷前、贷中和贷后环节,该行有效提升了获客和产品匹配能力,降低坏账风险。44|爱分析·中国银行业数字化趋势报告具体而言,在贷前阶段,该行通过人脸识别,OCR等方式,进行贷前申请反欺诈识别,减在贷中环节,利用模型对客户流失和异常客户行为建立触发机制,自动化判断是否需要人工关怀接入。同时,通过贷中营销模型,能够针对用信率较低的客户,进行二次营销,提高了用信率,且能够对优质客户进行交叉营销,提升了复购率。在贷后环节,基于客户的还款能力和还款意愿,度小满金融帮助该行在前期判定客户还款概率和逾期风险,减少存量贷款的逾期率。并根据对客户投诉率的判定,行方可调整相关的服务人员和应对策略,提升客户体验。此外,度小满协助该行建立差异化催收模型,对于风险较低的客户,通过短信或者智能语音机器人直接外呼;对高风险客户,则可采取为委外外呼、不良资产处置等策略,有效提升了催回率。45|爱分析·中国银行业数字化趋势报告4.打造高价值、高效能的数字化IT团队基于对国内商业银行的调研与分析,爱分析认为,信息化时代的银行IT部门的组织架构—般存在两个特征:过去,银行的业务流程相对比较固定。因此,IT部门—般独立于业务部门,而且在与业务部门的日常配合中,由于缺乏真正懂得业务需求的人员,因此往往是被动响应的角色。比如,以往银行IT部门的—项重要职责是负责固定报表的产出,而传统固定报表的主要定位是面向行内高层领导,提供过去—段时间内的业务情况的可视化展现,需求较为固定,时效性要求2)敏捷化程度不足，应用交付与IT运维效率低下过去,银行缺乏面向终端用户的互联网渠道,应用交付、IT运维主要面向银行内部,因此银行IT比如,当业务部门发现IT系统存在某项功能缺陷,需要将需求提交给IT部门,由IT部门确定具体需求并排期,而且在测试、集成、发布、部署等环节需要经历大量反复沟通确认,以及对测试环境、准生产环境、生产环境的手动配置,才能完随着数字化时代的到来,银行业务出现的几点变化,对传统IT部门的组织架构提出了严峻的挑战,主要表现在以下三方面:1)数研服务的场景化、敏捷性要求在数字化时代,全银行、各部门都需要基于数据分析进行业务决策,需求的场景化、碎片化、个性化越来越明显,时效性要求也越来越强。务的技术人员,因此难以应对业务的新变化。2)应用交付的高效能要求在数字化时代,手机银行等数字化渠道的功能完善性和体验性,以及各类周期性营销活动的吸引力,都对银行客户粘性的提升发挥越来越重要的作用。而无论是功能和体验的完善,还是营销活动的上线,都需要应用的小范围、高频率的迭代和优化。但是,采取传统“稳态IT”模式的银行,显然难以及时响应数字化时代的业务需求,面对天然采取“敏态IT”模式的新型金融机构,则更加缺乏竞争力。在数字化时代,为了满足数字化应用的高可用性,分布式和微服务架构在银行IT架构中的比例越来越高,银行的IT架构呈现复杂化趋势,带来的影响是关联性故障增多,IT基础设施和应用46|爱分析·中国银行业数字化趋势报告但是,过往依靠单—维度的监控数据,并辅以经验判断和人工操作的运维方式,难以应对越来越为此,银行应当面向大数据、AI算法、应用交付、IT运维等四类IT团队,构建敏捷中台体系,1)数研务台:为了实现数据服务的场景化、敏捷化转型,银行需要建设数据中台,对业务系统产生的数据进行汇集,通过数据仓库、大数据平台对数据进行统—治理和资产化管理,从而提炼2)AI务台:尽管AI模型服务作为—项重要的数据服务,通常是数据中台的—部分,但是AI模对AI算法、模型服务的共享复用,对AI研发相关角色进行管理,实现研发流程的标准化、自动化,从而为前台业务提供AI构建的敏捷化能3)应用务台:为了提升应用交付效能,银行需要基于DevOps理念和云原生技术体系建设应用能力,支撑IT部门的敏捷转型,并为业务部门提供更敏捷的应用交付能力。4)运维务台:为了提升IT运维过程的稳定性、可靠性,银行需要基于AIOps技术建设运维中AI模型对故障进行自动定位、分析和恢复,以及提供预测性分析;此外,银行还需要基于AIOps能力,并融合ITIL理念,站在业务视角重构IT服务流程,从而为业务部门提供更敏捷的IT响应47|爱分析·中国银行业数字化趋势报告4.1数研务台:构建数研驱动的数字化银行当前,银行在数字化转型过程中面临的挑战包括:1)数研孤岛现象严重:业务系统众多,各类数据平台相互独立,孤岛现象严重,难以支持跨系2)数研资产化管理能力薄弱:数据仓库主题模型与业务需求脱节,难以发挥数据的业务价值;缺乏统—数据运营体系和数据质量保证体系,导致数据业务价值大打折扣,最终难以支撑数据服3)数研服务能力不足:缺乏面向业务部门或中台部门的自助式报表分析和AI建模工具,对IT人员技术支持的依赖度过高,导致基于数据的决策过程过于冗长,形成效率瓶颈;大量数据服务需要依赖于跨部门的数据联动,或者被多部门同时使用,但许多银行的数据服务存在各部门割裂的情况,难以支撑跨部门的数据联动或场景化应用。为此,银行在建设数据中台中,—般需要经过以下五个环节:1)咨询规划与顶层设计:对银行业务架构进行全面梳理,对数字化场景进行定义和拆解,明确各个场景所涉及的部门、面临的业务挑战、对厂商的能力要求,以及最终产生的业务价值,并规2)数研平台化:对异构数据源进行分析和梳理,构建新的数据仓库或数据平台,对数据进行接入和处理,并对原有数据仓库、数据平台进行融合和互通。3)数研资产化:构建可扩展的数据模型,并基于元数据管理、数据血缘分析、数据质量等方式,构建数据开发标准规范,从而提升数据的业务价值,为数据开发过程降本增效;据服务,将数据资产应用在各个业务场景中,形成数据应用。5)数研运营与组织保障:为数字化团队组织的数据运营、工作协同、风险分担和收益分配制定统—标准,从而将数字化观念融入到组织架构中。48|爱分析·中国银行业数字化趋势报告袋鼠云数栈“DTinsight”,为上市银行量身打造“分行数研集市应用云平台”某上市银行各分行的业务系统由总行统—搭建,数据也统—存储在总行的数据仓库中,即“数据大集中”。该银行在全国设有40多个分行,每个分行都存在数据分析的需求,分面对分行的数据分析需求,过去该银行采取的模式是“总行下发、分行建库”,即总行每天在数据仓库中将不同分行的数据进行切分,然后通过网络传输给各个分行,由分行自行建设独立的数据仓库,独立存储、独立运维、独立管理、独立进行数据处理与分析,如下总行具备较为丰富的大数据人才,能够进行完善的数据治理工作。但是,各分行之间的技术能力差异明显,并非所有分行都有完善的大数据架构的开发和运维经验49|爱分析·中国银行业数字化趋势报告因此,技术能力不足的分行承受着较大的数据治理总行需先完成数据提取、数据切分、数据传输、数据载入等多个流程环境,再分别下发数据至各分行,传输链路较长。这带来的问题,—方面是海量数据传输对网络质量要求较高、压力较大,另—方面是数据传输存在滞后性,分行常常在中午或下午才能拿到前—个工作日的数据,数据滞后比较严重,影响分行数据产出时效性。过去,各分行—般自行建设或购买BI等数据分析工具,使用的工具在技术、供应商等方面千差万别,使得某些领先的分行研发出的数据分析经验或成果,很难无缝地分享给其他分由于总行有大量业务系统,而各个分行也有大量独立建设的业务系统,而这些系统间缺乏统—的数据校验、质量保证机制,导致数据进行关联分析的时候,存在大量的“脏数据”,尽管总行有完善的数据安全管理机制,但是—旦将数据下发给分行,就无法对下发到各分行的数据进行持续安全管控,造成了—定的数据安为了应对这些挑战,该银行总行决定在全行范围内建设“分行数据集市应用云平台”,并户建设数字化基础设施,实现数字化转型。基于数栈DTinsight,袋鼠云与该银行围绕分级租户、数据下发、模型构建与加速、可视模块如下图所示:50|爱分析·中国银行业数字化趋势报告数据平台化:构建分级租户模式在数据平台化阶段,该银行首先要解决“总行下发、分行建库”模式带来的总分行、各分为此,袋鼠云与该银行在数据仓库层面进行了联合的定制开发,包括分级租户、数据下发、进行联合定制开发,构建了分级租户模式的大数据应用在定制开发过程中,袋鼠云基于总行公共数据模型表,构建了面向不同级别分行的多租户模式。在这种模式下,分行租户仅能访问被授予权限的功能,比如BI报表、数据API、数据模型等,以及含有本分行自有数据的私有库,如下图所示。最终,分行仅需访问总行的大数据应用平台,就可以进行权限独立的大数据分析,各分行独立管理,可实现既不会相互干扰,又为未来的共享场景打造基础。分级租户建设完毕后,当总行有新的公共数据需要下发给分行时,无需再通过数据传输的方式实现,仅仅需要在总行公共数据模型表中,为特定分行创建专属的视图表,而多个视但是,各分行仍然拥有私有库,其中的数据则需要分行自行上传并进行开发。51|爱分析·中国银行业数字化趋势报告为此,袋鼠云将查询加速引擎Kylin集成到系统中,并且定制开发了与原生Kylin类似的传统的分析报表、可视化大屏缺乏自助式分析能力,使用门槛较高,业务人员的新需求常为此,袋鼠云基于Impala数据仓库、KylinCube等开源技术,协助某BI厂商实现了自助式数据集,无需IT人员再重复构建数据模型,从而为业务人员提供低门槛的自助式分析能数研资产化:基于数研质量工具，提升数研业务价值对该银行来说,如果在大数据分析应用中,数据来源的质量无法得到保证,那么数据分析结果的最终价值同样会大打折扣。因此,该银行希望有效地对数据质量进行管理,而这也为此,袋鼠云为银行提供了数据质量DataValid产品模块,并与离线开发BatchWorks进行有效协作,帮助银行开发人员在数据抽取、处理过程中,对数据质量进行有效校验,并比如,银行业务中的—张客户信息表会包含性别、身份证号、年龄等信息,而银行开发人息进行校验,如性别是否符合身份证内容、身份证号格式是否错误、年龄是否超出限定年也可以在将数据报送监管部门前,向相关人员发出预警出具校验报告后,完成快速数据报数研服务化:基于数研共享服务EasyAP银行中,存在客户画像、反欺诈、绩效核算、财务报表等许多业务场景,而这些场景都依托于特定的业务系统。在这些业务系统的开发过程中,为了满足业务人员的需求,开发人在传统的数据调用方式下,开发人员需要获取特定数据库的权限,并直接调用数据。但是,这种模式存在两点漏洞:第—,无法对数据的取用进行有效管理,难以保证取用过程的标准化与结果的准确性;第二,存在安全漏洞,无法对调用数据的人员的数据使用方式进行数据服务,是—种更加标准化、高安全性的数据服务方式。但是,API接口的开发52|爱分析·中国银行业数字化趋势报告然需要依靠开发人员,但API接口数量往往很多,且需求随时会发生变化,因此开发成本因此,袋鼠云为该银行部署了数据共享服务EasyAPI。产品部署后,仅仅在杭州分行,就EasyAPI的主要价值有两点:第—,支持无代码开发,采用页面配置的方式快速生成API;第二,提供对API接口的统—管理能力,如API接口限制访问的次数和周期、授权方式等数据应用集市云平台采用当下最前沿的金融大数据技术,结合银行的行业和运营特点,开创性地采用总分联动模式,简化数据开发、数据应用流程,为其带来多方面的价值:首先,减少各分行的软件、硬件采购与运维阶段的重复投入,节约成本;其次,从零散工具升级为数据中台—站式服务,从表/视图的交付模式改为交付“数据集”,减少学习成本,大大提高数据开发效率;再次,数据应用云平台为行内数据应用建设提供技术底座+上层工具,为营销、风控、客户体验等方面的综合效益提升,打下坚实的基础。53|爱分析·中国银行业数字化趋势报告在数据中台建设的五个环节中,数据平台化、数据资产化、数据服务化是其三大核心环节,它们其中,数据服务化又是数据价值化的“临门—脚”,担负着将数据资产转化为实际的业务收益的任务。按应用场景来看,数据服务可以分为以下几种类型:1）数据化监控:以可视化大屏或图表的方式展现,主要面向银行管理层和业务人员,以展现关键、优先级最高、最有吸引力的数据为目的,是历史最