数字风控:赋能企业精细化运营|数字化经营系列⑩

所谓经营,数字便是一切。

数字经济时代,是一切业务数据化,一切数据业务化的时代,是产业、消费和治理的全面数字化的时代。人工智能、大数据、云计算等创新技术,成为企业变革的战略力量和重要驱动力。数字化转型在重构企业组织流程、数字化人才、外部合作、商业模式等方面尤为重要。与此同时,提升产品、服务和用户体验等方面的重要性亦不容忽视。

在不断变化的技术和商业环境中,企业需要不断提升其数字创新能力,才能确保自身能够迅速的在数字化的全球经济中面对激烈竞争并持续发展。

为此,财资一家特别策划了《数字化经营》系列,将从数字经营着手,详细剖析通过组织变革、人才塑造、技术赋能、财务转型、场景重构、生态协同等方式,企业终将拥抱数字化,并受益于数字化。本期为《数字化经营》系列十,聚焦于数字风控:赋能企业精细化运营。

数字化转型作为发展数字经济的重要过程,已经成为众多企业的必然发展方向。

数字化转型在给企业带来价值的同时,也带来了风险。面对新时期的数字风险,企业风险管理的思路与方法都面临着变革。金融科技的加持打破了传统风控的边界,提高了风控的触角和效率,促进企业的精细化运营。

数字风控的转型:三大表现形式和三个价值层面

风控一直是企业、金融机构关注的重中之重,风控管理要与时俱进,因此涉及到的新技术、新方法、新工具持续受到高度重视和广泛应用。金融科技为传统风控带来了新视角,进而丰富了传统风控的形式和价值。

 

1.“线上化+标准化+稳定性”的风控流程

流程数字化是风控数字化的基础。“先找监管规范,再建内控体系,之后再进行审计”这套风控流程方法已不再适用。技术、市场快速变化的环境中,面对风险与创新的矛盾,企业必须开始思考具有数字化思维,兼具风险控制和鼓励创新的数字风险管控模式。

流程的数字化,一般以优化客户体验、提高决策效率、降低操作成本为目标。其最核心意义在于风控的标准化和稳定性,流程标准化才能产生有价值的数据。

 

2.“电子化+可视化+结构化”的风控信息

风险的产生很大程度是来自信息的不对称。在传统模式中,信息形式多样化、来源广泛。随着数字化能力提升,要将信息电子化,形成数字和标签,结合可视化的数据工具,通过特定数据逻辑,将信息归纳后呈现出来,用于风险决策的信息依据。

同时,高度分散的IT和数据架构无法为数字化风控提供具有经济效益的框架。因此,企业/金融机构还要确定数据愿景、升级风险数据、建立健全的数据治理、增强数据质量和元数据,构建正确的数据体系结构,才能更有效地发挥数据的价值。

 

3.“量化+模型化+自动化”的风险决策

风险决策的自动化,是风控数字化的最高级的表现形式。目前,在信用卡审批和小金额的消费金融领域,已经实现了决策的自动化。风险决策的自动化,往往涉及数据和风险决策模型。而模型需要根据信贷产品的结构、流程、数据资源和客户情况,形成风险逻辑并量化。

让金融更接近本质,数字风控则体现出巨大的商业和社会双重价值。在服务金融行业方面,数字化风控的价值体现在三个层面。

 

第一层,打破信息孤岛,提升反欺诈能力。

利用决策引擎、复杂网络、机器学习平台和设备指纹技术以及AaaS平台等,协助金融机构有效对前中后台进行重塑,形成贷前、贷中、贷后体系化和全周期的生态系统,构建完整的反欺诈体系。

 

第二层,呈现风险全貌,提升风控效率。

通过技术,建立完善的风险指标体系,对企业各板块、各业务等重大风险的变化情况进行呈现和实时监测,侦测异常信号,监控风险信号,从而预警重大风险,及时采取事先拟定的风控预案。

 

第三层,支持业务决策,提升收益契机。

一方面,企业可以分析以往供应链发生的场景,提炼其特征、形成规则置入业务审批系统中,当新的供应商进入系统做审批时,由该系统自动对其风险进行识别;另一方面,企业内部审计借助自身数字化风控经验,打造行业通用风控系统,不仅提升企业内部风控职能价值,同时为企业获取外部收益创造契机。

数字风控的创新:整合基础设施,构建风控体系

在数字化时代下,企业的发展过程中各式各样的机遇与挑战接踵而至,同时,企业防线正随着业务模式的变革,不断受到冲击。为了适应新时代、紧跟数字化的发展趋势,企业管理需要借助RPA、AI、数据分析等多创新技术及时捕捉业务风险,完善风控管理、强化企业防线,为企业塑造数字化未来保驾护航,具体将围绕以下两个方面进行。

 

1.整合“交易+场景+数据闭环”的基础设施。

目标企业长期经营中持续积累的相关垂直产业链中的资金及交易行为的海量信息数据,为建立基于垂直产业链的闭环智能风险控制奠定基础。

如数字风控和企业智能现金流预测(流动性管理)的起点从获取数据开始,如大量结构化和非结构化数据,包括企业经营流水、交易数据、订单、纳税等信息,以及企业经营环境、客户关系、行业地位、管理层、劳工关系等非结构化数据。利用大数据分析技术,对各场景和价值链条的交易数据(包括交易品类、频度、金额等)进行分析和挖掘,并结合场景特点,运营深度学习等算法来进行用户交易行为的分析和预测,有助于整个流动性管理,也是智能现金流预测的基石。

 

2.构建“算法+分布式+智能合约”的风控体系。

通过基于区块链的支付体系和智能合约,将交易合同中个各项条款和支付政策写入智能合约,合约由代码定义并自动强制执行。与此同时,借助历史数据和交易数据,通过机器学习等算法优化原有商业政策和风控规则,形成动态、实时规则数据库来迭代原有的智能合约风控措施。

人工智能技术的出现将有效提升上述算法和模型的精度,提供更加有效的风险评估。如反欺诈,人工智能自动挖掘文字、数据和影像等信息进行深度理解,发现并标注风险警示;信用风险管理,人工智能可以优化风险模型,并求解各变量间量化指标;尾部风险,通过增强学习算法可将极端事件引入风险分析。

数字风控的未来:智能模式,生态机制,风控大脑

风控是关系企业、金融机构等生死存亡的大事,风控能力逐渐成为其核心竞争力的体现,且风控将呈现“全方位、立体化、多层次”的识别和防控,除了大数据、云计算、人工智能等科技的不断完善,数字风控在自我迭代中也呈现出一些新的趋势。

 

一是“数据+模型+平台”的智能模式。

企业通过引入更多维的客户数据(如客户线上消费、电商、运营商、行为),重构数据和应用架构,借助分布式大数据平台的能力、机器学习或深度学习模型,能够实现大批量、快速、精准的风险事件过滤或预测,从而能够在风险管理的时效性、前瞻性、精准性、技术先进性上寻求突破。

在数字化时代下,企业可实现基于需求端条件,布局技术产品甚至人员培训,致力打造专业化、个性化的智能风控平台,可以客观进行标准化风险评估,智能跟踪预警,通过灵活执行差异化风险策略,有效控制风险。未来随着生物特征识别、图像识别、区块链等技术的成熟,或可运用于风险管理领域,形成更多智能风控应用模式。

 

二是“共享+开放+融合”的生态机制。

数据信息的交换共享是当务之急,一方面需要建立数据共享机制,在金融网络之间推广统一的网络互连协议,打破企业、金融机构、政府等多方的数据独立的隔阂,推进生态共享。另一方面,依托金融科技,通过线上化提高效率、降低成本的同时,仍需要结合线下场景、数据等资源优势,发挥二者的合力,进一步促进数字化风控各参与方深度融合。

 

三是“金融+科技+场景”的风控大脑。

金融科技作为优化传统风控的重要活水,为整个风控行业的效率变革发挥了重要作用。在数字化时代下,利用大数据、AI等技术,对各场景和价值链条的交易数据(包括交易品类、频度、金额等)进行分析和挖掘,并结合场景特点,运营深度学习等算法来进行用户交易行为的分析和预测,将有效提升算法和模型的精度,提供更加有效的风险识别和预警,从而构建起智能风控大脑。

点赞