王方春

隨著大數(shù)據(jù)技術(shù)在金融場(chǎng)景的深入應(yīng)用，銀行業(yè)正積極進(jìn)行金融科技的戰(zhàn)略布局，以實(shí)現(xiàn)各信貸業(yè)務(wù)條線的風(fēng)控自動(dòng)化。信用卡作為標(biāo)準(zhǔn)化的零售類信貸產(chǎn)品，在快速搶占市場(chǎng)的過程中， 須采用數(shù)據(jù)驅(qū)動(dòng)風(fēng)險(xiǎn)決策模式實(shí)現(xiàn)自動(dòng)化審批，以滿足其業(yè)務(wù)發(fā)展需要。數(shù)據(jù)驅(qū)動(dòng)下的自動(dòng)化審批是以海量的、多樣的、時(shí)效的數(shù)據(jù)為基礎(chǔ)，通過數(shù)據(jù)建模技術(shù)挖掘數(shù)據(jù)價(jià)值刻畫客戶的風(fēng)險(xiǎn)水平，在精細(xì)化的系統(tǒng)支持下實(shí)施全流程的自動(dòng)化審批。在日益競(jìng)爭(zhēng)的市場(chǎng)環(huán)境下，自動(dòng)化審批將成為信用卡機(jī)構(gòu)的核心競(jìng)爭(zhēng)力。

自動(dòng)化審批是信用卡業(yè)務(wù)發(fā)展的必然選擇

隨著金融行業(yè)“互聯(lián)網(wǎng)+”、金融科技等戰(zhàn)略布局，商業(yè)銀行信用卡業(yè)務(wù)發(fā)展面臨著多重挑戰(zhàn)。首先是來自線上業(yè)務(wù)的沖擊，互聯(lián)網(wǎng)金融行業(yè)巨頭推出“花唄”“借唄”“微粒貸借錢”“金融白條”等信貸類產(chǎn)品，以其服務(wù)和流量?jī)?yōu)勢(shì)正在迅速擴(kuò)大其客戶市場(chǎng)，此類同質(zhì)化信貸產(chǎn)品層出不窮。其次，各家銀行紛紛意識(shí)到客戶運(yùn)營(yíng)的重要性，將客戶服務(wù)和發(fā)展市場(chǎng)視作同等地位。在拓展市場(chǎng)過程中，以數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)決策從而實(shí)現(xiàn)自動(dòng)化審批是信用卡機(jī)構(gòu)追求服務(wù)效率的趨勢(shì)所在。要想實(shí)現(xiàn)上述目標(biāo)，需以豐富的數(shù)據(jù)獲取能力和快速的數(shù)據(jù)處理傳輸為基礎(chǔ)， 通過自動(dòng)決策的數(shù)據(jù)模型體系和系統(tǒng)平臺(tái)作為保障，經(jīng)過營(yíng)銷引流、信息輸入、審批決策、初始授信、風(fēng)險(xiǎn)監(jiān)測(cè)等過程，快速建立數(shù)據(jù)的業(yè)務(wù)關(guān)聯(lián)度，通過數(shù)據(jù)分析不斷調(diào)優(yōu)營(yíng)銷與準(zhǔn)入授信策略，在提高營(yíng)銷效率的同時(shí)，重點(diǎn)提高準(zhǔn)入客戶的風(fēng)險(xiǎn)管理水平。

相對(duì)于傳統(tǒng)的人工決策，數(shù)據(jù)驅(qū)動(dòng)決策有如下幾點(diǎn)優(yōu)勢(shì)。一是數(shù)據(jù)驅(qū)動(dòng)更為客觀。數(shù)據(jù)驅(qū)動(dòng)風(fēng)險(xiǎn)決策過程中，每個(gè)環(huán)節(jié)都有相應(yīng)的數(shù)據(jù)論證和統(tǒng)計(jì)分析，通過更為深層次的數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)潛在的信息量，提取更為深入和準(zhǔn)確的洞察信息，降低了審批人員因情緒、經(jīng)驗(yàn)以及認(rèn)知不足而導(dǎo)致的偏差，使得風(fēng)險(xiǎn)決策更為客觀。二是數(shù)據(jù)驅(qū)動(dòng)更適用于不斷變化的決策環(huán)境。外部經(jīng)濟(jì)形勢(shì)變化、政策調(diào)整以及業(yè)務(wù)的變動(dòng)都會(huì)對(duì)風(fēng)險(xiǎn)管理的效果產(chǎn)生影響。相較于傳統(tǒng)的利用專家業(yè)務(wù)規(guī)則和人工審批，數(shù)據(jù)驅(qū)動(dòng)不僅引入了業(yè)務(wù)數(shù)據(jù)還將人口統(tǒng)計(jì)信息、行為數(shù)據(jù)、賬戶信息、外部數(shù)據(jù)納入決策范圍，使得數(shù)據(jù)成果在面對(duì)環(huán)境變化時(shí)有更為穩(wěn)定的表現(xiàn)。同時(shí)，可以實(shí)現(xiàn)自動(dòng)化的更新，根據(jù)新的歷史數(shù)據(jù)調(diào)整各指標(biāo)在模型中的權(quán)重，以達(dá)成對(duì)新數(shù)據(jù)更好的預(yù)測(cè)效果。三是數(shù)據(jù)驅(qū)動(dòng)使個(gè)體更具區(qū)分度?！皺C(jī)器學(xué)習(xí)+大數(shù)據(jù)”的模式使得數(shù)據(jù)驅(qū)動(dòng)評(píng)分卡構(gòu)建出的模型更復(fù)雜也更具精細(xì)化。相對(duì)于專家評(píng)分卡，數(shù)據(jù)驅(qū)動(dòng)評(píng)分卡中的評(píng)分更為分散，這也意味著個(gè)體與個(gè)體之間更具區(qū)分度，業(yè)務(wù)人員有更大空間去制定精細(xì)化的應(yīng)用策略。

在內(nèi)外部競(jìng)爭(zhēng)環(huán)境和發(fā)展指標(biāo)的壓力下，自動(dòng)化審批的重要性不言而喻。對(duì)客戶而言，在其提交申請(qǐng)后，如能第一時(shí)間獲取審批結(jié)果和授信額度等信息，這將有助于提升客戶體驗(yàn)。因此可以說自動(dòng)化審批是信用卡業(yè)務(wù)發(fā)展的必然趨勢(shì)。

大數(shù)據(jù)為自動(dòng)化審批提供技術(shù)動(dòng)能

互聯(lián)網(wǎng)的蓬勃發(fā)展為大數(shù)據(jù)技術(shù)興起帶來機(jī)遇，數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)應(yīng)用技術(shù)都得到快速的發(fā)展。在此背景下，越來越多的行業(yè)意識(shí)到大數(shù)據(jù)的重要性，各家企業(yè)盡可能地利用數(shù)據(jù)決策在競(jìng)爭(zhēng)市場(chǎng)中獲得優(yōu)勢(shì)。對(duì)商業(yè)銀行而言，風(fēng)險(xiǎn)領(lǐng)域的數(shù)據(jù)決策主要表現(xiàn)為基于數(shù)據(jù)規(guī)則及數(shù)據(jù)挖掘結(jié)果做出決策，而非依賴于業(yè)務(wù)專家人員的經(jīng)驗(yàn)判斷。

引入外部數(shù)據(jù)，多視角評(píng)估客戶風(fēng)險(xiǎn)。在自動(dòng)化審批中， 數(shù)據(jù)資源是實(shí)現(xiàn)風(fēng)險(xiǎn)決策的基礎(chǔ)。能夠刻畫客戶風(fēng)險(xiǎn)的數(shù)據(jù)有很多，商業(yè)銀行最容易獲取的數(shù)據(jù)是客戶申請(qǐng)表、銀行內(nèi)部數(shù)據(jù)， 包括客戶基本信息、客戶行內(nèi)交易流水、客戶行內(nèi)資產(chǎn)負(fù)債情況等。對(duì)于外部數(shù)據(jù)，最有價(jià)值且目前應(yīng)用最廣泛的是人行征信報(bào)告，該報(bào)告涵蓋信用卡、汽車、住房、消費(fèi)等業(yè)務(wù)領(lǐng)域，在信貸審批環(huán)節(jié)發(fā)揮著重要作用。其中人行征信報(bào)告數(shù)字解讀是基于個(gè)人征信系統(tǒng)的信貸數(shù)據(jù)，利用統(tǒng)計(jì)建模技術(shù)開發(fā)出來的個(gè)人信用風(fēng)險(xiǎn)評(píng)估指標(biāo)，是一種外部機(jī)構(gòu)通用評(píng)分，具有覆蓋面廣、表現(xiàn)充分、普適性等特點(diǎn)，該評(píng)分的價(jià)值已經(jīng)多輪驗(yàn)證并獲得多家銀行的認(rèn)可。其次是學(xué)信網(wǎng)、政務(wù)及第三方征信公司等數(shù)據(jù)。

值得關(guān)注的是，在引入外部數(shù)據(jù)過程中，銀行首要考慮的因素是數(shù)據(jù)的合法性和合規(guī)性。判斷數(shù)據(jù)合法合規(guī)性主要從兩個(gè)層面考慮，首先要求數(shù)據(jù)供應(yīng)商的數(shù)據(jù)獲取方式和渠道都要符合合規(guī)性要求，數(shù)據(jù)加工及建模方法具備科學(xué)性、可解釋性，堅(jiān)決不使用非法獲取的數(shù)據(jù)。其次銀行使用數(shù)據(jù)要取得客戶授權(quán)，數(shù)據(jù)只能用于產(chǎn)品的運(yùn)營(yíng)需要，不得隨意出售或者提交給第三方使用。數(shù)據(jù)價(jià)值性是銀行決定是否引入外部數(shù)據(jù)的重要依據(jù)，數(shù)據(jù)不在多而在于精，有價(jià)值的數(shù)據(jù)才能支持復(fù)雜的風(fēng)險(xiǎn)決策。有價(jià)值的數(shù)據(jù)是指經(jīng)過充分測(cè)試驗(yàn)證并能較為準(zhǔn)確的識(shí)別高風(fēng)險(xiǎn)客戶，如地理位置、社交網(wǎng)絡(luò)等可識(shí)別客戶的欺詐風(fēng)險(xiǎn)，多頭借貸、信用逾期等可識(shí)別客戶的信用風(fēng)險(xiǎn)，具體以風(fēng)險(xiǎn)客戶覆蓋率、客戶命中率、模型區(qū)分度等指標(biāo)度量數(shù)據(jù)價(jià)值?？傊?，在引入第三方數(shù)據(jù)時(shí)，銀行要有一套數(shù)據(jù)價(jià)值評(píng)估方案。

構(gòu)建數(shù)據(jù)模型，綜合評(píng)估客戶風(fēng)險(xiǎn)。有些數(shù)據(jù)可以直接作為決策依據(jù)，如人行征信報(bào)告失信被執(zhí)行人、過度負(fù)債客戶、逾期客戶等能直接評(píng)估客戶風(fēng)險(xiǎn)狀況。年齡、性別、區(qū)域等需要綜合起來才能評(píng)估客戶的信用風(fēng)險(xiǎn)。因此對(duì)于和風(fēng)險(xiǎn)表現(xiàn)強(qiáng)相關(guān)的特征可以直接設(shè)置成規(guī)則集過濾風(fēng)險(xiǎn)客戶，對(duì)于和風(fēng)險(xiǎn)表現(xiàn)弱相關(guān)的特征需要通過構(gòu)建數(shù)據(jù)模型綜合評(píng)估客戶的風(fēng)險(xiǎn)水平。

數(shù)據(jù)模型是能夠?qū)崿F(xiàn)風(fēng)險(xiǎn)決策的模型體系，包括準(zhǔn)入模型、授信模型和定價(jià)模型。準(zhǔn)入模型指準(zhǔn)入規(guī)則和評(píng)分模型，準(zhǔn)入規(guī)則是根據(jù)產(chǎn)品、客戶、市場(chǎng)等因素制定，例如產(chǎn)品目標(biāo)客群年齡、收入要求、學(xué)歷要求等，過濾掉各類黑名單客戶，過濾掉失信被執(zhí)行人、征信逾期等高風(fēng)險(xiǎn)客戶。評(píng)分模型指申請(qǐng)?jiān)u分模型，通過數(shù)據(jù)挖掘機(jī)器學(xué)習(xí)算法對(duì)客戶的特征信息進(jìn)行加工生成一個(gè)綜合評(píng)分來度量客戶的風(fēng)險(xiǎn)水平。該模型可以由銀行自建， 也可以使用外部征信的評(píng)分結(jié)果。目前比較流行的做法是銀行內(nèi)部模型結(jié)果和外部評(píng)分進(jìn)行融合，實(shí)現(xiàn)更精準(zhǔn)的風(fēng)險(xiǎn)識(shí)別。授信模型是申請(qǐng)時(shí)的初始授信模型，該模型上下限為產(chǎn)品的額度范圍，如信用卡金卡額度1萬～5萬元。

每家銀行的具體授信模型均不相同，但大體思路一致，都是用評(píng)估的客戶收入減去綜合負(fù)債。收入核算依據(jù)很多，可以通過公積金、代發(fā)工資直接獲取，也可以通過納稅記錄、消費(fèi)流水等間接獲取，還可以通過行業(yè)、工齡、學(xué)歷等構(gòu)建函數(shù)模型推算收入。綜合負(fù)債由人行征信報(bào)告和其他渠道可獲取的負(fù)債項(xiàng)累加而成，包括信用卡透支、房貸、經(jīng)營(yíng)貸、消費(fèi)貸、現(xiàn)金貸等剩余本金。對(duì)于風(fēng)險(xiǎn)控制嚴(yán)格的銀行，可以設(shè)置風(fēng)險(xiǎn)系數(shù)，如客群系數(shù)、風(fēng)險(xiǎn)系數(shù)、區(qū)域系數(shù)等實(shí)現(xiàn)差異化授信，控制整體的風(fēng)險(xiǎn)敞口。定價(jià)模型只針對(duì)分期業(yè)務(wù)，簡(jiǎn)單的操作是從風(fēng)險(xiǎn)、客群維度定價(jià)，稍微復(fù)雜的做法是運(yùn)用歷史數(shù)據(jù)測(cè)算，通過收益矩陣確定每類客群的收益率，在此基礎(chǔ)上進(jìn)行定價(jià)。

打造動(dòng)態(tài)閉環(huán)，追蹤模型應(yīng)用效果。自動(dòng)化審批是基本不需要人工干預(yù)的審批模式，銀行需要構(gòu)建實(shí)時(shí)的數(shù)據(jù)統(tǒng)計(jì)分析預(yù)警機(jī)制，以及時(shí)發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)。打造動(dòng)態(tài)閉環(huán)需要開發(fā)一系列報(bào)表，安排專人負(fù)責(zé)日?qǐng)?bào)、周報(bào)及月度分析報(bào)告，構(gòu)建全視角閉環(huán)跟蹤。首先是基本面分析，統(tǒng)計(jì)進(jìn)件量、過件量、通過率、平均審批時(shí)間、審批額度、激活使用情況等，并構(gòu)建趨勢(shì)分析評(píng)估審批的效能。其次是穩(wěn)定性分析，分析拒件原因、客群占比、波動(dòng)率、額度分布等，分析審批政策是否存在問題，以便政策及時(shí)調(diào)優(yōu)。最后是異常點(diǎn)分析，對(duì)模型使用如KS、PSI等統(tǒng)計(jì)指標(biāo)監(jiān)控模型的效果，對(duì)整體授信額度進(jìn)行總額監(jiān)控，以及排查政策及系統(tǒng)問題可能的異常點(diǎn)，在發(fā)現(xiàn)異常的時(shí)候，需要及時(shí)解決問題。

做好監(jiān)控是風(fēng)險(xiǎn)決策管理的重要舉措，既能做到洞察業(yè)務(wù)趨勢(shì)，也可以發(fā)現(xiàn)業(yè)務(wù)異常、潛在風(fēng)險(xiǎn)或漏洞，總結(jié)新的規(guī)律。最終目的是為了驅(qū)使銀行的風(fēng)控能力不斷強(qiáng)化，幫助風(fēng)險(xiǎn)部門做出明智及時(shí)的決策。

精細(xì)化系統(tǒng)設(shè)計(jì)為自動(dòng)化審批提供技術(shù)保障

設(shè)計(jì)靈活精細(xì)的自動(dòng)化審批流程

自動(dòng)化審批需要有一套靈活精細(xì)的審批流程，可以從經(jīng)濟(jì)、效率、可行性等角度設(shè)計(jì)。傳統(tǒng)的審批流程包括客戶資料錄入、客戶分類、信用審查、欺詐調(diào)查（電核）、一級(jí)審批、二級(jí)審批等。自動(dòng)化審批擯棄人工環(huán)節(jié)，充分考慮優(yōu)先級(jí)和邏輯關(guān)系，可

設(shè)計(jì)為客戶資料錄入、禁入規(guī)則審查、第三方審查、欺詐識(shí)別、信用風(fēng)險(xiǎn)識(shí)別、授信定價(jià)等環(huán)節(jié)。

第一步是禁入規(guī)則，是對(duì)客戶的自動(dòng)篩選。通過年齡限制、行業(yè)限制、名單限制、產(chǎn)品互斥、重復(fù)申請(qǐng)等規(guī)則將觸犯規(guī)則的客戶直接過濾。對(duì)于存量客戶再次申請(qǐng)，可以通過行內(nèi)的歷史信用表現(xiàn)排除高風(fēng)險(xiǎn)的客戶。這一步是最經(jīng)濟(jì)的環(huán)節(jié)，不需要花費(fèi)任何成本，只用行內(nèi)數(shù)據(jù)即可拒絕非目標(biāo)客戶。

第二步是第三方審查，主要是公安人臉比對(duì)、指紋識(shí)別以及接入人行征信等第三方數(shù)據(jù)。這一步對(duì)于貸前風(fēng)險(xiǎn)防范至關(guān)重要，以基礎(chǔ)欺詐風(fēng)險(xiǎn)識(shí)別和第三方數(shù)據(jù)規(guī)則為依據(jù)實(shí)現(xiàn)初步的風(fēng)險(xiǎn)識(shí)別和防范。

第三步是欺詐識(shí)別。黑白名單設(shè)置是最原始的反欺詐手段， 觸發(fā)黑名單客戶予以拒絕。其次通過LBS、知識(shí)圖譜、社交網(wǎng)絡(luò)等技術(shù)手段識(shí)別團(tuán)伙欺詐。有欺詐樣本積累的銀行可以建立有監(jiān)督學(xué)習(xí)的反欺詐模型預(yù)測(cè)客戶欺詐概率，做出高概率欺詐客戶拒絕準(zhǔn)入的決策。

第四步是信用風(fēng)險(xiǎn)識(shí)別。申請(qǐng)?jiān)u分模型結(jié)果結(jié)合外部征信評(píng)分評(píng)估客戶的準(zhǔn)入風(fēng)險(xiǎn)，對(duì)客戶是否可以通過申請(qǐng)進(jìn)行審批決策。對(duì)于評(píng)分高的客戶說明其信用風(fēng)險(xiǎn)低批準(zhǔn)其準(zhǔn)入，對(duì)于評(píng)分低高風(fēng)險(xiǎn)客戶直接拒絕。

第五步是授信定價(jià)。對(duì)于準(zhǔn)入的客戶通過模型進(jìn)行初始額度授信和定價(jià)。

各家銀行需要根據(jù)數(shù)據(jù)源、模型技術(shù)手段、產(chǎn)品等自身情況制定自動(dòng)化審批流程，經(jīng)過不斷擴(kuò)大的業(yè)務(wù)場(chǎng)景應(yīng)用不斷完善該流程，逐步實(shí)現(xiàn)自動(dòng)化程度。

創(chuàng)建穩(wěn)健高效的自動(dòng)化審批系統(tǒng)

由于信用卡業(yè)務(wù)的復(fù)雜性，自動(dòng)化審批系統(tǒng)設(shè)計(jì)除了快速高效命中高風(fēng)險(xiǎn)客戶、提升審批效率及準(zhǔn)確度，還需要符合穩(wěn)健性和高效性原則。

首先是多平臺(tái)聯(lián)合。秉承“主核心+大外圍”的系統(tǒng)設(shè)計(jì)思路，銀行需要開發(fā)審批的主系統(tǒng)，該系統(tǒng)具備根據(jù)業(yè)務(wù)特點(diǎn)靈活設(shè)置審批風(fēng)控流程，支持業(yè)務(wù)產(chǎn)品的創(chuàng)新迭代等最核心最基礎(chǔ)功能，同時(shí)滿足網(wǎng)絡(luò)負(fù)載、數(shù)據(jù)庫(kù)服務(wù)等各方面的負(fù)載均衡要求。外圍系統(tǒng)包括決策引擎系統(tǒng)、反欺詐系統(tǒng)、影像系統(tǒng)、數(shù)據(jù)庫(kù)系統(tǒng)等。在外圍系統(tǒng)整體業(yè)務(wù)架構(gòu)規(guī)劃上，從功能定位角度進(jìn)行這些外圍系統(tǒng)的高效融合。

其次是數(shù)據(jù)決策的自動(dòng)化審批需要以決策引擎系統(tǒng)做支撐。決策引擎系統(tǒng)是一個(gè)獨(dú)立的、可開發(fā)的、可維護(hù)的風(fēng)險(xiǎn)模型策略管理系統(tǒng)，可靈活部署、修改風(fēng)控規(guī)則和模型，該系統(tǒng)策略執(zhí)行的結(jié)果返回給主系統(tǒng)。決策引擎的優(yōu)點(diǎn)包括以下幾點(diǎn)：一是業(yè)務(wù)策略的開發(fā)、部署和發(fā)布。業(yè)務(wù)參數(shù)的靈活配置與維護(hù)。二是提升系統(tǒng)決策的自動(dòng)化水平，提高業(yè)務(wù)處理周期，提高業(yè)務(wù)處理效率。三是提高客戶的精細(xì)化管理水平，實(shí)現(xiàn)對(duì)不同客戶分群制定差異化的準(zhǔn)入、授信、定價(jià)服務(wù)策略。決策引擎系統(tǒng)是自動(dòng)化決策的大腦，是代替人工審批實(shí)現(xiàn)系統(tǒng)自動(dòng)化智能化的決策平臺(tái)。

自動(dòng)化審批系統(tǒng)提高信用卡申請(qǐng)審核流程控制管理能力， 依托大數(shù)據(jù)技術(shù)進(jìn)行多維信息審核，更加系統(tǒng)地評(píng)估和識(shí)別客戶風(fēng)險(xiǎn)，完成客戶的準(zhǔn)入和授信，實(shí)現(xiàn)快速完成信用卡申請(qǐng)的審批操作。

堅(jiān)持?jǐn)?shù)據(jù)為先，提升軟硬科技實(shí)力

數(shù)據(jù)驅(qū)動(dòng)風(fēng)控模式的實(shí)踐表明，以信息科技賦能風(fēng)控體系， 探索發(fā)展金融智能風(fēng)控，是進(jìn)一步推動(dòng)風(fēng)險(xiǎn)管理創(chuàng)新升級(jí)的有效途徑。當(dāng)前大多數(shù)商業(yè)銀行尤其是城商行、農(nóng)商行受多重因素的制約，難以順利實(shí)現(xiàn)這一目標(biāo)。一是缺乏數(shù)據(jù)文化、數(shù)據(jù)理念。自上而下的數(shù)據(jù)文化是數(shù)據(jù)驅(qū)動(dòng)理念的核心思想，商業(yè)銀行要以數(shù)據(jù)為生產(chǎn)要素拓展客戶、經(jīng)營(yíng)業(yè)務(wù)、控制風(fēng)險(xiǎn)等。二是人才儲(chǔ)備不足、科技力量薄弱導(dǎo)致成果難以落地應(yīng)用。銀行可以通過內(nèi)部培養(yǎng)加外部合作，融合內(nèi)外部力量增強(qiáng)科技實(shí)力。三是創(chuàng)新能力不足。當(dāng)前新技術(shù)日新月異，銀行業(yè)只有不斷創(chuàng)新才能跟上時(shí)代步伐，尤其是加大新產(chǎn)品新技術(shù)的研發(fā)應(yīng)用，“小步快跑”的開展業(yè)務(wù)創(chuàng)新。

數(shù)據(jù)驅(qū)動(dòng)下的風(fēng)險(xiǎn)決策核心在于堅(jiān)持?jǐn)?shù)據(jù)為先原則，構(gòu)建數(shù)據(jù)驅(qū)動(dòng)下決策模型，緊盯準(zhǔn)入客戶的數(shù)據(jù)表現(xiàn)以不斷的迭代、優(yōu)化策略。這需要建設(shè)一支“數(shù)據(jù)+”的金融科技隊(duì)伍，提升軟硬科技實(shí)力，不斷研究和探索新的技術(shù)手段，如人工智能、區(qū)塊鏈和生物識(shí)別等應(yīng)用場(chǎng)景，進(jìn)一步提升風(fēng)險(xiǎn)控制能力，從而打破產(chǎn)品、區(qū)域、客群分割的格局，將數(shù)據(jù)決策充分應(yīng)用到各個(gè)產(chǎn)品線的審批過程中。

（作者單位：徽商銀行信用卡中心）