商业银行数据应用方案

随着金融科技的不断发展，金融科技的发展方向已经从功能型应用向数据型应用转变，各家商业银行都在研发数据平台，并在不断探索中提高数据应用能力。本文设计的这套数据应用平台基于目前主流的架构，包括业务场景梳理、数据清洗、指标库、建模平台、决策引擎、应用落地、跟踪反馈七大模块，七大模块在运行中形成闭环，不断迭代，旨在制定统一数据应用标准、实现银行自主建模、提升银行各部门数据应用能力，具体如下：

图1 商业银行数据应用框架图

一、业务场景梳理

业务场景是利用思维导图梳理全行数据应用的框架，清晰展示商业银行各业务场景的明细，能帮助商业银行更加明确的规划数据应用的计划。组织各部门的业务人员，整理所在部门的业务场景，整合全行的业务场景标准，包括渠道、信贷、个人财富、后台等业务场景，具体参考如下（下图为样例，只作参考）：

图2 业务场景思维导图

整理完全行的业务场景后，可整理单部门或具体一类业务场景的所用策略，以生产经营性信贷业务流程为例，具体参考如下（下图为样例，只作参考）：

图3 小微信贷策略落地思维导图

二、数据清洗

数据清洗是数据应用的基础，也是数据治理的重要组成部分，是保证数据质量的基础性工作。可将征信、流水、尽调表、客户信息等重要业务数据表清洗一遍，梳理全行的数据质量。数据清洗内容主要包括（数据清洗具体流程后续会单独介绍）：

完整性：即每张表的字段是否全部入数据平台，每张表的字段是够齐全；

准确性：即每张表、字段的有效数据、空数据和异常数据的占比；

时效性：即每张表的数据是否及时入仓；

匹配率：即目标样本的数据匹配率是否达到要求。

将数据清洗的结果常态化，定期发布清洗报告，跟踪数据变化情况，为数据使用部门提供参考。

三、指标库

商业银行可建设全行统一的指标库，向行内提供口径统一的指标，可用于业务规则、模型、标签等应用场景，在各部门持续使用中优化指标库，最终建成一套完整、稳定、适用性高的指标库，指标库包括征信、流水、存贷款日均、调查表、客户信息等维度。以个人征信指标为例，包括个人信息、贷款信息、信用卡信息、逾期记录、担保记录、申请记录等维度，具体如下（指标库建设后续会单独介绍）：

表1 个人征信指标维度样例

四、建模平台

目前市面上已经有较成熟的自动化建模平台，能满足业务人员自主建模需求，自主建模可提升商业银行建模能力，将模型核心内容掌握在自己手里。以国内某互联网巨头开发的建模平台为例，该平台能满足数据业务人员的建模要求，能完成评分卡、决策树、逻辑回归、机器学习、深度学习等各类模型的自动化建模工作，在建模过程中的指标调参灵活度不够，模型性能、模型稳定性上与传统建模有差距，KS差距在5%左右，属于可接受范围之内。在完善指标库的基础上，建模周期可控制在1个月左右，相比传统建模3-6个月的时间大大缩短，能实现银行快速建模、快速迭代的需求。银行风险建模流程如下所示（具体建模流程后续会单独介绍）：

图4 银行风险建模流程图

五、决策引擎

决策引擎是数据应用的策略部署环节和落地的关键系统，支持以“拖拉拽”的方式实现规则、模型、策略、决策流的热部署，不再依赖代码开发，不再等待上线窗口，主要功能包括数据源管理、规则/模型配置、决策流配置、单笔实时调用、跑批管理等功能。业务部门把建完的模型部署在决策引擎上并形成决策流，在相应的业务系统上调用，实现模型决策快速落地。决策引擎功能框架如下所示（决策引擎后续会单独介绍）：

图5 决策引擎功能框架

六、应用落地

模型在银行业的应用方式主要是将客户分类，例如风险模型把将来逾期可能性高的客户分成一类（以评级低、命中风险规则等形式归类），营销模型把将来营销成功率高的客户分为一类（形成各类目标客户名单）。根据各业务部门的应用需求，可设计各类数据应用落地场景，包括贷前、贷中、贷后、营销、年审、提额、交叉销售、客户经理行为监测等场景（应用落地后续会单独介绍）。

七、跟踪反馈

数据平台正常运行后，需建立完善的跟踪反馈机制，使平台不断更新迭代，更好去适应金融科技和数据应用的不断发展，包括业务场景的补充调整、数据质量监控、指标库补充调整、建模平台功能完善、决策引擎功能完善、应用落地跟踪（模型性能、稳定性、策略效果跟踪）等，跟踪反馈的主要流程如下所示（跟踪反馈后续会单独介绍）：

图6 数据应用平台跟踪反馈流程图

八、实施计划

建设数据平台的工作量非常大，非一朝一夕能建成，涉及到各部门的相关协作，建设可分阶段进行，具体如下：

阶段一：基础建设，梳理商业银行重要的业务场景，以信贷、风控为主，进行相关数据表的清洗并建立指标库；建模平台和决策引擎先实现基本功能，确保流程通畅。

阶段二：应用对接，以信贷、风控为场景建模，决策引擎部署落地，对接业务流程，初期可作风险提示，不作流程强控，建立跟踪反馈机制；继续梳理个人财富的业务场景。

阶段三：全面推广，待系统功能和流程趋于稳定后，将业务推广至商业银行主要业务场景，并完善跟踪反馈机制，使数据平台进入稳定运用阶段；继续梳理后台应用场景。

阶段四：迭代完善，完善数据平台各流程和系统功能，使之能满足全行的数据应用需要，最终建立一个稳定、高效、准确的数据应用平台。

表2 数据应用平台实施计划