特别关注
征信数据可能存在数据持有主体的独立性较高、数据共享机制不够健全、数据价值输出参差不齐、数据权重设置错误容易导致决策偏差等问题，但相对其劣势而言，优势更为明显。一是外部数据的产生来自于客户在网络上、外部机构的一系列消费、借贷等行为痕迹，丰富多样的场景使得外部大数据征信不再局限于以往的账单、信贷、逾期记录，还包含信息主体的网络行为轨迹、社交、消费偏好等；二是基于信息主体的多样性可进行多场景和多维度的深层数据分析和挖掘，能更有效地帮助审批人员了解客户真
实画像，同时能较为有效地运用于反欺诈和信用风险的防范，助力风控审批；三是外部征信数据往往具有覆盖范围广、信息维度多元、应用场景丰富和身份评估全面的天然优势，银行后续可基于数据主体进行分析的角度更广。 对上述问题进行评估后，上海农商银行启动了基于大数据驱动的智能风控平台搭建项目，在原有基础之上引入外部大数据，将大数据解析后组合部署相应规则，实现系统自动决策和以“机控”防范操作风险。当然，外部数据产品纷繁林立，如何引入优质、契合的数据源是个关键问题。对于外部大数据的引入，需坚守数据合规的底线，既要检视数据本身的质量，更要确保与银行业务的契合，坚持不盲目跟风，适合的才是最好的。 1.合规性
对于外部大数据的引入，数据合规的问题不容小觑。目前，业内提供外部数据服务的公司鱼龙混杂，因此引入外部数据要慎之又慎，确保合规是业务开展的前提。在引入外部大数据的过程中，上海农商银行主要从数据来源、数据存储方式和数据输出方式的合规性三个方面进行谨慎选择。在实际的项目开展过程中，上海农商银行对近10家外部数据服务商进行了严格审查，明确对无法通过专线进行安全传输、无法提供全面合规的数据使用授权、数据输出格式存在信息安全隐患的外部供应商设置了准入限制，在2个月内经过与各家机构多达16次的交流，充分比较各家的优劣势，最终确定对3家数据服务商进行深入的
石，但在遇到征信白户或薄信贷记录客户时，核查手段就显得较为有限。从业务发展的角度出发，引入外部数据作为补充，配合人行征信搭建多维且完整的智能风控体系，是上海农商银行提升大数据风控能力的重要一步。与人行征信相比，外部征信数据获取的渠道各异，主要通过大数据技术捕获申请人在互联网中的行为痕迹信息，尽管其体量与人行征信无法比拟，但却可以作为重要补充，帮助银行进一步实现对资信审查的准确判断。因此，在当下激烈的竞争局面中能够站稳脚跟、稳步前行，合理有效地引入大数据作为智能风控的重要支撑是非常关键的。于是，上海农商银行顺应业务发展需求，厘清现状，明确前路方向，通过寻可靠数据源、搭建系统架构、部署系统规则等方式搭建了智能风控决策平台。
二、全面考量，夯实数据基础
为进一步提升数据风控能力，上海农商银行将引入外部大数据作为对自有资源和人行征信的补充和支撑。虽然外部
特别关注
图1 产品测试的准备与评估
• 针对正常客户、
欺诈风险客户、信用风险客户等构造多维度测试数据集。
• 立足时间、地理位置、风险种类等多个维度设计测试数据集。
• 设计极端数据案例，测试数据产品有效与稳定性。
心连心艺术团慰问演出• 模拟业务实际数据结构比例，构造非平衡测试数据集。
• 根据产品数据的场景来源和维度输出，比较产品的落地方式和部署策略。
• 多个产品的测试结果比对，筛选契合有效的产品数据来源。• 同行业比较，评估产品适用性。•测试结果分析及风险预估，测算产品引入的贡献水平。
测试数据准备
测试结果评估
人信息核查等7个维度的外部数据（如图2所示），其共债信息产品的侦测率相较其他数据源高出近9个百分点；移动运营商信息核查的覆盖率更是高达99.85%。在实际测试过程中，按照各种维度的样本数据进行测试及分析，考虑到实际的业务数据比例和好坏样本比例的合理性，分别使用行内2017年某季度进件数据和当前的少数坏样本组合成混合的测试集进行测试，结果显示某个人风险侦测产品效果显著，一方面与上海农商银行进件客契合度较高，另一方面对不良户及疑似套现户的查得率较行业其他产品优势明显（见表
1），因此决定将其作为贷前审
批风险管控的重要支撑手段。
总而言之，以数据的质量作为
基础，只有全面且多元地评估
数据的覆盖面，才能从策略部
署的层面体现数据落地的真正
价值。
三、确定架构，迸发数据
价值
1.确立准入授信两步走的
政策架构
大数据的应用，数据本身
的质量固然重要，但充分发挥
数据价值才是引入数据的意义
所在，因此，如何运用外部数
据进行策略部署和模型开发显
得格外重要。
一般来说，传统银行审核
信用卡、信贷的手法主要通过
人工审批，审批授信的依据仍
以行内自有数据和人行征信为
主，该模式往往导致准入和授
信的环节区分不够明显。事实
上，拆分准入和授信环节，避
免“眉毛胡子一把抓”的窘境
是上海农商银行引入外部数据
倾慕技术网qmzyw构建智能风控体系的初心，在
外部数据的支撑下，准入授信
两步走，深耕智能风控的精细
化管理，从而达成审批效率、
审核精准和授信合理的有机统
一（如图3所示）。
图2 外部数据产品与覆盖
主要防控失信、违约、
弯曲刚度逾期风险
验证持卡人房产地址、
价值及周边信息
侦测申请人手机、申请终端可
马茂元能存在的欺诈风险，包括小号、
社工库号码及历史欺诈号码库印度女警察
主要防控申请人存在多头借贷
行为所带来的潜在信用风险
验证申请人地址信息，
防控欺诈风险
• 5
• 2
• 2
验证申请人工作单位真伪，
防范欺诈风险
验证申请人手机是否
一致，状态是否正常，
防范潜在欺诈风险
风险个人
平均侦测率4%
欺诈度提示
平均覆盖率2%
多头借贷
平均侦测率40%
地址验证
工作单位验证
手机验证
房产验证
平均侦测率60%
平均侦测率55%
平均侦测率99%
平均覆盖率92%
特别关注
图3 授信准入两步走审批流程设计
人行征信
策略必填项设置欺诈风险核查
信用风险核查
评分模型
准入风险综合评估策略
综合授信决策策略
额度控制与调整策略
自动通过结果输出
太中银铁路准入PD （Probability of Default）授信EAD （Exposure at Default）
……
……
进件
行内黑
名单行内自动节点信息预处理外部数据核查准入规则授信规则风险系数调整
公安
人行查询状态判断
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议