全成：信贷业务的四个关键维度——企业画像、风控模型、知识图谱和动态监控

观点雨林零壹财经 2020-09-16 阅读：3243

关键词：阿里云 阿里云全成 风控模型 信贷业务 信用科技

当可信体系搭建起来后，对金融机构成本的压缩会非常显著。

9月16日，零壹财经·零壹智库联合大数据征信与智能风控服务商共同召开“2020第二届信用科技论坛”，与行业专家、银行业人士、科技企业高管等共同探讨信用科技赋能下的金融数字化转型之路。

阿里云风险产品高级架构师全成在本次论坛发表了题为“风控智能化，助力小微金融服务”的主题演讲，他表示，场景化的信贷业务最重要的还是在数据本身，金融机构的金融服务需要为企业建立全息画像、智能化的风控模型、动态的知识图谱以及基于画像、策略和企业图谱之上的动态监控。

阿里云风险产品高级架构师全成

首先是企业的全息画像。“OneID、OneLocation、OneCompany”是我们一直在说的"统一的实体"概念，这里面需要很多的技术支持。金融机构服务的小微企业客户，必须要不断地和他们产生更多的交易，让他们贡献数据，这个就是对小微企业的“运营”。所以在全息画像层面来讲我们要做的是，要保持合作和开放的心态，把更多商户和线下的数据收集起来，这才是我们未来要做全息画像的本质目的，也是为我们未来的智能化的风控和业务的在线化提供便利。所谓的供应链金融，所谓的很多种商业模式、金融模式、服务模式，基本上都是为大家收集数据去做相应的沉淀和铺垫。

有了数据以后，就要去构建相应的风控模型和策略。而如果涉及到实际的场景，我们会发现一个问题，就是基于应用的深度学习不需要特征工程，这些特征工程相反会带来巨大压力。现在的特征工程，都是以知识的冲突定义变量，而不是像一个人半年内逾期的次数这样的变量。知识型的特征变量可以为未来通过整个交易体系和风控体系构建可信体系产生巨大帮助。当可信体系搭建起来后，对金融机构成本的压缩会非常显著。

而在整个风控模型和策略中，信用风控是在过去一年甚至是一个经济周期的时间内，对实体进行的风控和对信用进行评级。这对离线数据的要求会很高。而微观的风控是交易风控，对实时计算的要求特别高。但是往往大家会忽略主体风控，例如对主体的手机号码、wifi、客户所拥有的IP地址等做评级。把主体风控做好才能把宏观的信用风控再到微观的信用风控金字塔体系搭建起来，所以整个底层的信用风控对数据的加工和设计，必须得进入到应用场景和实际的业务场景当中。

有了风控模型和策略以后我们还需要一定的知识图谱，再进一步做到抽象化和结构可视化。企业的知识图谱在和金融机构的合作项目中确实会产生很巨大的作用，但知识图谱改变的不是数据，而是整个业务过程中产生的思维模式。也就是把原先从一个实体或者是一个公司看待的问题，拉动到社群层面。所以金融机构未来很多的运营和风控会逐步地出现“社群运营”的模式。社交客户关系管理最近一段时间非常地火热，社交客户关系管理是在做社群的运营，通过销售的线索去发现某一类相似的客群，然后对它们进行营销和运营。未来当企业通过图谱将整个生态运营能力搭建起来以后，会让很多的业务人员从原来单纯地以个体视角看待问题改变为从社群的角度看待问题。

除了企业的画像、风控模型和策略，以及动态的企业知识图谱，还需要一个持续化的动态监控。动态监控未来所要做到的，是把静态化的数据变成时间序列化、动态化的数据。动态监控的真正目的在于把企业的交易服务对象的各种各样的行为数据通过结构化的方式以一定轨迹做到动态化。动态监控无非是把很多的知识性的数据串联起来，让它成为一个时间上的进一步的流，这样才能在业务当中产生巨大的帮助。

所以一定要在数据中台建设中建立一套标准，一旦数据进入数据中台，就按照这个标准，统一的规范和指标设计，把特征变量和知识图谱做好，为下一个项目做好准备，这样项目周期就会大幅度地缩减。