对话厦门银行零售风险管理部
副总经理邹书予
梳理了风控数据，包括申贷信息、押品信息、征信信息等内外部风控数据和衍生加工数据，运用我行建立的大数据平台，实现风控数据的分类分级，完善入库及数据清洗加工，并在此基础上开展大数据建模。也正是有效综合了征信、税务、工商、司法等多维度风控数据，最后建模的效果是令人满意的。
沉淀了专家经验，集合了我行总分行各信贷专家在审查审批、市场判断、催收清收的经验开发评分卡，并利用专家经验进行建模，沉淀了有效的风控策略，有效缓解了新产品、新场景下缺少历史样本或者回溯数据的困境，这对小型商业银行而言也是一个可行的从无到有的冷启动方式。
完善了系统交互。“业务即系统”，银行很早就进入到了电子化作业模式，引入各种各样的系统，系统有迭代，系统之间的交互也需要根据业务变化进行升级改造。信贷工厂2.0项目几乎覆盖了与信贷相关的所有系统，包括审批系统、部署风控策略的决策引擎系统、额度系统、大数据平台等等，智能化风控升级改造的过程，其实也是业务流程重新梳理优化的过程，我们不仅打通了多个系统之间大量/实时的数据交互，也缩短了系统使用者与管理者之间的反馈时间，真真切切地提高了风险管理效率。
对话腾讯云金融风控
首席科学家李超
立体防御。银行做互联网展业时，希望有秒批秒贷的零员工参与体验，一旦风控出现纰漏，将面临大规模黑灰产或撸口子贷款用户的攻击，导致重大业务损失。过去零员工的判断单纯靠行内过往历史数据及人行征信数据，很难对用户风险有一个全面刻画，因此，市场普遍开始跟三方数据结合，跟其他科技厂商、互联网平台厂商形成联防联控，构建立体的防御体系。
定制模型。过往机构跟互联网厂商采用通用模型的方式，由于个人贷款已经进入存量竞争的时代，因此，金融机构的重点向优化自身的风控体系转变，逐渐开始针对自身的业务构建定制化的风控模型，并对风控模型进行精细化运营。
持续迭代。过去通过历史数据、历史样本进行建模，预测未来，但近期发现基于历史数据建模的模型，效果衰减速度越来越快，金融机构必须持续地、更快地更新模型，对风控体系进行持续迭代。
自动化特征回溯。在MaaS里，金融机构可以随时提交回溯任务，T+1拿到回溯结果，整个过程没有人工参与。没有人工参与，就减少了人工带来的delay及人工出错的可能。
一键专家级建模。腾讯云金融风控大模型将腾讯20多年的风控经验集成到自动化机器学习建模的流程中，金融机构可以简单地一键发起不同算法的风控模型，并结合自身金融机构的风险偏好选择适合自己的最优模型，且自动化建模可以实现专家级精度风控。
360度模型评估。提供超越自身样本的模型评估体系，包含所有的风控模型评估指标，覆盖全金融风控细分场景。
全流程自动化。只需要少量提示样本就能自动构建适配自身业务特点的风控模型，从样本收集、模型训练到部署上线的过程不仅全流程零人工参与，建模时间从以往2周缩短至2天。
构建数字安全免疫力，守护企业生命线
推荐阅读
