■中國農(nóng)業(yè)銀行信息管理部 李瑞琦 吳 迪

多年來，商業(yè)銀行積累了大量的經(jīng)營管理數(shù)據(jù)，同時有了更多獲取外部數(shù)據(jù)的渠道，數(shù)據(jù)作為數(shù)字時代新的生產(chǎn)要素，已成為銀行的戰(zhàn)略資產(chǎn)。通過對數(shù)據(jù)資產(chǎn)的采集、治理、整合、應(yīng)用，數(shù)據(jù)驅(qū)動業(yè)務(wù)模式創(chuàng)新已成為各領(lǐng)域轉(zhuǎn)型和發(fā)展的關(guān)鍵。風控作為商業(yè)銀行的永恒話題，在數(shù)字經(jīng)濟浪潮中，智慧風控的建設(shè)需求尤為迫切，以數(shù)據(jù)中臺為核心賦能傳統(tǒng)風控，驅(qū)動風險管控與運營優(yōu)化，為智慧風控的建設(shè)提供有力支持，更為促進數(shù)據(jù)資產(chǎn)的價值轉(zhuǎn)化提供強勁動力。

一、傳統(tǒng)風控向智慧風控的轉(zhuǎn)變

風險管控是商業(yè)銀行生存發(fā)展的一項核心能力，傳統(tǒng)風險管控非常依賴具有專家經(jīng)驗的從業(yè)人士來把握。如在傳統(tǒng)信貸業(yè)務(wù)中，客戶辦理貸款時，需要判斷客戶本人是否涉及欺詐，是否存在冒充他人身份、惡意騙取銀行貸款的行為。而要做出判斷，需要專家合理運用客觀性數(shù)據(jù)和主觀性調(diào)查來明確判定風險。就客觀性數(shù)據(jù)而言，需要收集客戶即借款人的相關(guān)資料，查詢借款人的征信情況，全面了解借款人的信用狀況，才能做出相對準確和專業(yè)的判斷。

數(shù)字時代帶來發(fā)展機遇的同時，面臨的風險日趨復(fù)雜化、多樣化、擴散化，風險管理的難度增大。例如，隨著商業(yè)銀行數(shù)字化轉(zhuǎn)型的推進，線上業(yè)務(wù)不斷創(chuàng)新，導(dǎo)致客戶數(shù)量增多，且存在大量非接觸業(yè)務(wù)，銀行很難全面地對客戶進行調(diào)查。傳統(tǒng)風險管控手段逐漸露出其局限性，難以全面、準確、及時地察覺風險。而隨著金融科技的迅猛發(fā)展，數(shù)據(jù)庫、人工智能、云計算、機器學習、知識圖譜等深入應(yīng)用，智慧風控逐漸嶄露頭角，商業(yè)銀行開始用金融科技手段挖掘數(shù)據(jù)的價值，為傳統(tǒng)風控注入新的活力，傳統(tǒng)風控逐步向智慧風控轉(zhuǎn)變。智慧風控并未改變傳統(tǒng)風控本質(zhì)，但是以數(shù)據(jù)驅(qū)動的風險管控和運營優(yōu)化，基于商業(yè)銀行的海量數(shù)據(jù)，利用數(shù)據(jù)分析平臺的計算分析能力，汲取專家經(jīng)驗或者建立機器學習模型，運用在信貸、運營、員工行為異常、反欺詐、反洗錢、財會和交易監(jiān)控等主要風險領(lǐng)域，可以有效幫助商業(yè)銀行降低風險管理成本、提升客戶體驗、提高風控能效，精益化風險管理。

二、基于數(shù)據(jù)中臺的智慧風險管控

商業(yè)銀行傳統(tǒng)風險管控以傳統(tǒng)業(yè)務(wù)為主要評估對象，通過傳統(tǒng)集中方式進行業(yè)務(wù)處理。伴隨著業(yè)務(wù)種類繁多、風險類型多樣化，綜合風險計量需要整合各類數(shù)據(jù)，數(shù)據(jù)類型千差萬別，如客戶數(shù)據(jù)、交易數(shù)據(jù)、合同數(shù)據(jù)、操作行為數(shù)據(jù)、機構(gòu)行為數(shù)據(jù)等。面對風險類型的多樣化、風險計量的復(fù)雜化、風險數(shù)據(jù)的多維化，傳統(tǒng)風控面臨著新的挑戰(zhàn)，隨著對數(shù)據(jù)能力的不斷抽象與復(fù)用，數(shù)據(jù)中臺應(yīng)運而生?；跀?shù)據(jù)中臺支持上層風險管理應(yīng)用，可更好地適應(yīng)當前數(shù)字化時代的風險管控環(huán)境，解決傳統(tǒng)風控的問題。為此，結(jié)合先進同業(yè)與大數(shù)據(jù)支撐風險管理領(lǐng)域的經(jīng)驗，提出基于數(shù)據(jù)中臺的智慧風控模式，可以推動銀行實現(xiàn)精細化風險管理。

（一）數(shù)據(jù)中臺的本質(zhì)與架構(gòu)

數(shù)據(jù)中臺本質(zhì)上是對數(shù)據(jù)能力的抽象與復(fù)用。數(shù)據(jù)能力抽象的過程實際上就是標準化、規(guī)范化的過程，即對通用數(shù)據(jù)能力進行抽象和封裝。數(shù)據(jù)中臺持續(xù)不斷地把數(shù)據(jù)變成資產(chǎn)并快速服務(wù)于業(yè)務(wù)，從而將數(shù)據(jù)這種生產(chǎn)資料（海量數(shù)據(jù)資源）轉(zhuǎn)化為數(shù)據(jù)生產(chǎn)力（數(shù)據(jù)價值創(chuàng)造）。

如圖1所示，以數(shù)據(jù)為中心搭建數(shù)據(jù)中臺框架，數(shù)據(jù)中臺主要由四部分組成，分別是數(shù)據(jù)采集、數(shù)據(jù)資產(chǎn)、數(shù)據(jù)服務(wù)、數(shù)據(jù)治理。通過對智慧風控領(lǐng)域數(shù)據(jù)深度應(yīng)用的突破，實現(xiàn)持續(xù)優(yōu)化的閉環(huán)，不斷提升數(shù)據(jù)服務(wù)能力，加強數(shù)據(jù)服務(wù)在經(jīng)營管理和創(chuàng)新發(fā)展中的應(yīng)用，“以用帶建”，推進智慧風控的建設(shè)。

圖1 數(shù)據(jù)中臺支撐智慧風格架構(gòu)圖

1.數(shù)據(jù)采集。數(shù)據(jù)采集主要指數(shù)據(jù)資源匯集，一體化的數(shù)據(jù)采集入湖，匯聚行內(nèi)行外、結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)從物理上打破數(shù)據(jù)孤島，形成全行統(tǒng)一的數(shù)據(jù)中心，實現(xiàn)數(shù)據(jù)資源集成與共享。將一切有價值的數(shù)據(jù)，以及客戶與銀行的全部業(yè)務(wù)觸點都記錄下來。將銀行內(nèi)部的核心系統(tǒng)、信貸管理等數(shù)據(jù)統(tǒng)一入庫，并將保險、工商、社保、物流等外部數(shù)據(jù)統(tǒng)一接入，形成海量數(shù)據(jù)資源。

2.數(shù)據(jù)資產(chǎn)。數(shù)據(jù)資產(chǎn)是“原材料”深加工成為“半成品”或“成品”的過程，構(gòu)建公共數(shù)據(jù)集市、統(tǒng)一指標庫、數(shù)據(jù)標簽庫、分析模型庫，打造高效便捷的共享資產(chǎn)中心。公共數(shù)據(jù)集市面向業(yè)務(wù)應(yīng)用，對數(shù)據(jù)進行多維關(guān)聯(lián)拼接、整合加工，實現(xiàn)全域數(shù)據(jù)互聯(lián)互通，更好支撐領(lǐng)域/跨領(lǐng)域的共享復(fù)用。數(shù)據(jù)標簽庫建設(shè)是數(shù)字時代提升營銷效率和客戶管理的基礎(chǔ)性工作，通過數(shù)據(jù)標簽構(gòu)建客戶畫像、快速劃分客群，從而方便快捷地支撐各類業(yè)務(wù)應(yīng)用。構(gòu)建“常用指標-多維指標-基礎(chǔ)指標”三層指標庫，指標反映業(yè)務(wù)發(fā)展狀況、衡量業(yè)務(wù)發(fā)展質(zhì)量和效率，是日常業(yè)務(wù)經(jīng)營管理的重要抓手。建立集約化、規(guī)范化的數(shù)據(jù)分析挖掘模型庫，從實際數(shù)據(jù)分析應(yīng)用中提煉共性的數(shù)據(jù)特征和分析模型，促進跨領(lǐng)域共享復(fù)用，打造敏捷迭代的模型流水線，支撐模型的全生命周期管理，快速提高“數(shù)據(jù)業(yè)務(wù)化”的效率。

3.數(shù)據(jù)服務(wù)。數(shù)據(jù)中臺依托公共數(shù)據(jù)資產(chǎn)，面向用戶和系統(tǒng)提供企業(yè)級、多角度、多層次的共享數(shù)據(jù)服務(wù)，快速賦能各類應(yīng)用場景。面向用戶的服務(wù)中，以不同用戶的痛點和難點為突破口，為不同用戶提供不同服務(wù)，著力形成規(guī)?；?、持續(xù)性的價值效應(yīng)。為總分行產(chǎn)品經(jīng)理/客戶經(jīng)理提供標簽畫像服務(wù)，為各層級經(jīng)營管理人員提供經(jīng)管管理數(shù)據(jù)服務(wù)，為總分行數(shù)據(jù)分析師提供數(shù)據(jù)分析服務(wù)。為基層行營銷人員提供貼近業(yè)務(wù)場景的數(shù)據(jù)產(chǎn)品。面向系統(tǒng)方面，可為總分行應(yīng)用系統(tǒng)提供通過批量、聯(lián)機、實時等方式，將多維度數(shù)據(jù)、指標、標簽、分析模型等資產(chǎn)快速輸出至各類應(yīng)用場景。

4.數(shù)據(jù)治理。數(shù)據(jù)治理的運營機制體現(xiàn)在對口服務(wù)、閉環(huán)流程、制度辦法、日常運維、差異化數(shù)據(jù)訪問控制和數(shù)據(jù)安全六個維度，依托數(shù)據(jù)分析師隊伍的對口服務(wù)，以數(shù)據(jù)資產(chǎn)域為抓手建立“需求收集-快速交付-問題反饋”服務(wù)閉環(huán)。以制度辦法固化管理機制，“業(yè)-技-數(shù)”融合進行日常運維，差異化數(shù)據(jù)訪問控制，針對不同的數(shù)據(jù)形態(tài)、數(shù)據(jù)內(nèi)容和用戶群體實施差異化控制，通過數(shù)據(jù)分級分類管理和敏感數(shù)據(jù)加密漂白等方式將管理和技術(shù)聯(lián)動確保數(shù)據(jù)安全。探索構(gòu)建全行數(shù)據(jù)安全管理體系，加強重點信息系統(tǒng)的數(shù)據(jù)安全管理。

（二）數(shù)據(jù)中臺可提供的數(shù)據(jù)服務(wù)

數(shù)據(jù)服務(wù)自發(fā)展初始至今，經(jīng)歷了“自組織”“給數(shù)據(jù)”和“給服務(wù)”三個階段，實現(xiàn)了數(shù)據(jù)服務(wù)從無到有，從有到好的歷程。

1.“自組織”。將分散存儲于各信息系統(tǒng)中的數(shù)據(jù)按標準集中同步，實現(xiàn)了全國物理集中，把分布在各個系統(tǒng)的數(shù)據(jù)像固定資產(chǎn)一樣管理起來，準確解釋數(shù)據(jù)“有什么、是什么、在哪里”。

2.“給數(shù)據(jù)”。通過企業(yè)級數(shù)據(jù)倉庫的建設(shè)，制定統(tǒng)一的數(shù)據(jù)基礎(chǔ)標準和業(yè)務(wù)指標標準，形成全行性的數(shù)據(jù)標準體系，實現(xiàn)了數(shù)據(jù)的集中存儲、整合共享和統(tǒng)一管理，此時的數(shù)據(jù)服務(wù)方式主要是“給數(shù)據(jù)”。

3.“給服務(wù)”。近幾年，依托數(shù)據(jù)中臺建設(shè)思路，將數(shù)據(jù)視為資產(chǎn)，對其進行深度整合、共性加工、共享復(fù)用，數(shù)據(jù)服務(wù)方式升級為“給服務(wù)”，直接賦能傳統(tǒng)風控向智慧風控的轉(zhuǎn)變。

數(shù)據(jù)中臺依托公共數(shù)據(jù)資產(chǎn)，提供企業(yè)級、多角度、多層次的共享數(shù)據(jù)服務(wù)，快速賦能智慧風控的各類場景。

一是提供標簽畫像的服務(wù)。依托標簽庫，以數(shù)據(jù)查詢、系統(tǒng)對接的形式分別為用戶和系統(tǒng)提供標簽畫像服務(wù)。標簽數(shù)據(jù)來源于數(shù)據(jù)集市、數(shù)據(jù)分析挖掘平臺，可針對客戶在不同主題下新建、修改、刪除標簽，以批量對接或聯(lián)機查詢等方式為智慧風控提供標簽畫像。

二是指標報表。向各級行、各風險管理部門提供產(chǎn)品化的指標、報表數(shù)據(jù)服務(wù)。同時依托指標庫接口服務(wù)，為總分行各報表系統(tǒng)提供半成品的數(shù)據(jù)材料。

三是數(shù)據(jù)分析。面向總、分行數(shù)據(jù)分析師提供一站式數(shù)據(jù)分析服務(wù)，從典型業(yè)務(wù)場景出發(fā)孵化一系列智能模型，在賦能業(yè)務(wù)的同時沉淀數(shù)據(jù)中臺的算法能力。數(shù)據(jù)分析師可通過自主創(chuàng)新的Woody和Mole兩套工具，支持數(shù)據(jù)探查、特征加工、分析建模、落地部署全流程。

四是數(shù)據(jù)產(chǎn)品?？傂新?lián)合分行建設(shè)大數(shù)據(jù)實驗室，孵化“端到端”的數(shù)據(jù)產(chǎn)品，滿足一線業(yè)務(wù)或基層管理人員用數(shù)急需；并通過數(shù)據(jù)產(chǎn)品工具箱將已孵化產(chǎn)品納入工具箱統(tǒng)一管理，供全行共享使用。

三、數(shù)據(jù)中臺賦能智慧風控的實踐

風險管理是商業(yè)銀行最基本的業(yè)務(wù)，深化數(shù)據(jù)服務(wù)支持全場景、全鏈路、全渠道的風險管控場景，是全面賦能傳統(tǒng)風控向智慧風控的經(jīng)營轉(zhuǎn)型，充分發(fā)揮大數(shù)據(jù)的價值，形成數(shù)據(jù)驅(qū)動創(chuàng)新發(fā)展的新模式。

（一）風險管理通用應(yīng)用方面

面向風險從業(yè)者和風險領(lǐng)域數(shù)據(jù)分析師提供了數(shù)據(jù)資產(chǎn)視圖平臺。讓用戶直觀、便捷地了解數(shù)據(jù)中臺的數(shù)據(jù)是什么、在哪里、怎么用，提供了數(shù)據(jù)全視圖、管理全鏈條、資產(chǎn)知識化、查詢便捷化數(shù)據(jù)資產(chǎn)查詢平臺，持續(xù)豐富數(shù)據(jù)資產(chǎn)內(nèi)容、完善業(yè)務(wù)和技術(shù)元數(shù)據(jù)。

針對風險經(jīng)營管理人員提供融合了業(yè)務(wù)看板、經(jīng)營簡表、常用指標、多維分析、固定報表、靈活報表、行內(nèi)報告、綜合資訊、同業(yè)對比、實時大屏等數(shù)據(jù)產(chǎn)品的經(jīng)營管理平臺。覆蓋PC端和手機端，可提供T+8.5（小時）時效的數(shù)據(jù)，隨時、隨地、及時查看各類管理數(shù)據(jù)。

面向風險管理人員和決策者建立商業(yè)智能平臺，提供基礎(chǔ)指標和應(yīng)用指標查詢、敏捷寬表等靈活查詢服務(wù)，完成大數(shù)據(jù)報表，權(quán)威性、一致性、時效性、易用性，形成更生動、更能直觀反映各類風險現(xiàn)象的指標寬表，幫助風險管理人員理解現(xiàn)狀，輔助決策，提高管理和決策效率。

（二）重點領(lǐng)域分析方面

基于行內(nèi)外豐富的風險業(yè)務(wù)數(shù)據(jù)資產(chǎn)，不斷豐富客戶風險識別維度，以信用風險、操作風險、反欺詐、反洗錢四大類重點風險領(lǐng)域作為突破點，踐行“業(yè)數(shù)”融合，建立覆蓋事前調(diào)查、事中審查、事后管理等全生命周期管理的風險模型，基本滿足主要風險的識別、預(yù)警、攔截、阻斷功能。貫穿于線上線下全產(chǎn)品的風險管控環(huán)節(jié)中，大幅提升風險管理的智能化、自動化水平，持續(xù)賦能智慧風控的建設(shè)。

1.賦能信貸領(lǐng)域風控。深度應(yīng)用內(nèi)外部數(shù)據(jù)，推動信用風險線上線下一體化管控，建立涵蓋貸前調(diào)查、貸中審查、貸后管理等信貸全流程數(shù)據(jù)服務(wù)機制，大幅提升信貸風險管理的智能化、自動化和系統(tǒng)化水平。

針對宏觀決策方面，挖掘銀行用信概況，及時發(fā)現(xiàn)風險，進而針對性地加強對風險核查、預(yù)警、防范和處置，為信用風險決策提供依據(jù)。如在疫情背景下，為有效評估疫情對行內(nèi)法人信貸業(yè)務(wù)影響，基于數(shù)據(jù)中臺，進行了多維度挖掘和持續(xù)跟蹤分析，從貸款質(zhì)量、全球貿(mào)易和復(fù)工復(fù)產(chǎn)等角度，分析了全球疫情對從事進出口業(yè)務(wù)法人客戶的影響，并持續(xù)跟蹤了法人客戶復(fù)工復(fù)產(chǎn)情況，發(fā)布多批次疫情影響客戶線索，為打贏疫情防控攻堅戰(zhàn)提供決策參考。

針對貸款合規(guī)性方面，開發(fā)涵蓋貸前、貸中、貸后的信用風險監(jiān)測模型，貸后資金流向類風險監(jiān)測模型。如基于個人和法人客戶信息，發(fā)現(xiàn)個人和法人貸款流向高風險領(lǐng)域的風險情況，構(gòu)建資金挪用和非真實需求場景中的智慧風控模型，模型結(jié)果以風險線索的方式對接至信貸中臺風控中心，依據(jù)不同的規(guī)則和風險緊急度結(jié)合分行和外呼線下核查的方式及時核實和處置風險線索，對風險進行及時、有效、精準的控制。

針對線上信貸業(yè)務(wù)創(chuàng)新方面，通過搭建線上零售申請評分卡來增強風險識別能力。在細分客群的基礎(chǔ)上，通過客戶交易行為信息和征信信息等數(shù)據(jù)，運用邏輯回歸、隨機森林、LightGBM等算法，完成線上化零售申請評分模型，并持續(xù)迭代優(yōu)化。零售申請評分模型，可以更好地規(guī)避審批風險，相比于通過申請表信息和后評價組成的傳統(tǒng)申請評分方式，更加便捷、準確。

2.智能監(jiān)測操作風險。通過數(shù)據(jù)服務(wù)，及時發(fā)覺潛在違規(guī)風險，為降低操作風險提供支撐。通過提煉特征、改進模型、中臺部署、落地排查，及時發(fā)覺潛在違規(guī)風險。

針對員工異常行為方面，整合員工數(shù)據(jù)資產(chǎn)，完成機構(gòu)信息、客戶信息、客戶關(guān)系、員工信息等數(shù)據(jù)表來提煉特征，建立貸款追蹤器、個人貸款風險客戶分析、員工行為畫像等模型，并將審計內(nèi)控系統(tǒng)中的模型與數(shù)據(jù)中臺相結(jié)合，現(xiàn)已部署信貸、員工行為、信用卡等6大類主要業(yè)務(wù)領(lǐng)域模型46個，實現(xiàn)常態(tài)監(jiān)測、自動預(yù)警、及時處置。

針對運營管理方面，通過構(gòu)建風險篩查模型，通過數(shù)據(jù)實現(xiàn)運營風險重點覆蓋和精準識別，覆蓋崗位制約、重要崗位輪崗、客戶信息保護、人員履職、主出納管理、超柜、柜員臨時離柜、個人賬戶異常、偽現(xiàn)金交易九方面，獲取風險問題線索，提前對運營風險進行管控，推進運營風險工作向智能化轉(zhuǎn)型，最終形成風險防控閉環(huán)。

3.支持反欺詐風險防控。在反欺詐領(lǐng)域通過建設(shè)反欺詐數(shù)據(jù)資產(chǎn)中心，構(gòu)建精準高效反欺詐模型體系加速推進反欺詐與業(yè)務(wù)場景深度融合。賦能欺詐風險防控，形成內(nèi)外一體的欺詐風險聯(lián)防聯(lián)控生態(tài)圈。

針對電信詐騙方面，提煉欺詐賬戶特征，建立客戶畫像、客戶評分、欺詐關(guān)系，建立欺詐風險的名單庫、指標庫、知識庫等，最終基于電信詐騙涉案賬戶數(shù)據(jù)，分析電信詐騙涉案賬戶交易行為、賬戶分布、轉(zhuǎn)賬關(guān)系等特點，應(yīng)用LPA標簽傳播、PageRank等算法，構(gòu)建精準高效反欺詐模型體系，包含個人欺詐賬戶模型、法人高管欺詐風險預(yù)測模型等。

針對案防風控方面，如基于存量農(nóng)戶貸款客戶，通過其客戶經(jīng)理的信息、交易行為等基礎(chǔ)信息構(gòu)建知識圖譜模型，排查涉及客戶經(jīng)理的內(nèi)外勾結(jié)型團伙風險線索，將生成的線索進行排查處置，有效提高案防智能化水平。

4.支持反洗錢風險防控。通過數(shù)據(jù)服務(wù)，支撐反洗錢風險領(lǐng)域的交易智能防控和洗錢風險評估等方面的工作，建立智能模型，有效提升反洗錢自動化和智能化水平。

針對交易智能防控方面，開發(fā)智能反洗錢賬戶評分卡并建立基于評分卡的可疑交易監(jiān)測模型。利用機器學習方法，構(gòu)建反洗錢模型，預(yù)警可疑交易風險。建立反洗錢賬戶知識圖譜，基于知識圖譜和圖計算技術(shù)，構(gòu)建預(yù)警客戶關(guān)系網(wǎng)絡(luò)。行內(nèi)員工交易數(shù)據(jù)篩選可疑賬戶模型、IP地址、Mac地址篩選違規(guī)可疑賬戶模型、IP地址、Mac地址篩選騙貸可疑賬戶模型，平均確認率提升86個百分點。

針對洗錢風險評估方面，支持洗錢及制裁風險評估，踐行“風險為本”的反洗錢方法，實現(xiàn)洗錢風險評估數(shù)據(jù)采集自動化、風險分析智能化、結(jié)果應(yīng)用綜合化。最終構(gòu)建基于大數(shù)據(jù)分析技術(shù)的洗錢風險識別模型，完成各種洗錢風險評估項目，從多個方面提升商業(yè)銀行反洗錢的智能化水平。

四、智慧風控的發(fā)展要點

要做好商業(yè)銀行數(shù)據(jù)服務(wù)賦能智慧風控領(lǐng)域的工作，未來發(fā)展仍需要把握以下內(nèi)容：

（一）完善風險數(shù)據(jù)引入整合共享機制

應(yīng)加快推進行內(nèi)外風險數(shù)據(jù)的引入、采集、管理和共享，加強數(shù)據(jù)引入的統(tǒng)籌，對數(shù)據(jù)形成統(tǒng)一管理、維護和共享。加快形成共性風險數(shù)據(jù)資產(chǎn)的整合提煉機制。以統(tǒng)一指標、數(shù)據(jù)標簽、分析模型為主體，整合形成可復(fù)用的數(shù)據(jù)資產(chǎn)，打通智慧風控需求和數(shù)據(jù)供給的通道，更快速滿足需求。

（二）持續(xù)推進數(shù)據(jù)中臺建設(shè)和服務(wù)支撐力

健全數(shù)據(jù)服務(wù)支持體系，數(shù)據(jù)中臺為核心抓手，“以用帶建”推進數(shù)據(jù)深度整合和提煉加工，將中臺打造為強大的集約化數(shù)據(jù)能力輸出中心，實現(xiàn)數(shù)據(jù)資產(chǎn)共享復(fù)用，快速滿足智慧風控所需的海量、智能、實時的需求，形成靈活變化和敏捷創(chuàng)新的服務(wù)支撐力。

（三）提高數(shù)據(jù)治理和質(zhì)量管控力

數(shù)據(jù)部門從制度、流程、評估等方面健全完善集團數(shù)據(jù)治理運作機制，并健全數(shù)據(jù)標準體系、完善數(shù)據(jù)質(zhì)量管控機制；風險管理部門進一步落實系統(tǒng)管理部門職責，強化業(yè)務(wù)辦理過程中的數(shù)據(jù)采集管控，從源頭保證數(shù)據(jù)錄入的準確和完整，持續(xù)提升數(shù)據(jù)治理和質(zhì)量管控力。

（四）數(shù)據(jù)應(yīng)用向深度和廣度擴展

以智能化風險管控為目標，擴展數(shù)據(jù)賦能智慧風控的應(yīng)用場景，貫穿線上線下全產(chǎn)品的風險管控環(huán)節(jié)中，建立和完善信貸業(yè)務(wù)評級、準入、身份驗證、反欺詐、貸中風險監(jiān)測、貸后風險管理、反洗錢等領(lǐng)域的全生命周期模型體系。同時，運用知識圖譜和圖計算技術(shù)、數(shù)據(jù)產(chǎn)品化等方式，驅(qū)動數(shù)據(jù)通過深度應(yīng)用轉(zhuǎn)化為更高的價值。

（五）加大人才培養(yǎng)

從業(yè)界經(jīng)驗和發(fā)展實踐來看，數(shù)據(jù)分析師是“業(yè)-技-數(shù)”融合的紐帶。強化人員管理和培養(yǎng)，培養(yǎng)既懂數(shù)據(jù)又懂風控的復(fù)合型人才，深化協(xié)作風控和數(shù)據(jù)互動，更好發(fā)揮數(shù)據(jù)服務(wù)在智慧風控領(lǐng)域的支撐，敏銳洞察業(yè)務(wù)需求，推動數(shù)據(jù)服務(wù)賦能，解決風控痛點難點。