信用卡自動化審批的數(shù)據(jù)驅(qū)動和實現(xiàn)路徑

王方春

隨著大數(shù)據(jù)技術在金融場景的深入應用，銀行業(yè)正積極進行金融科技的戰(zhàn)略布局，以實現(xiàn)各信貸業(yè)務條線的風控自動化。信用卡作為標準化的零售類信貸產(chǎn)品，在快速搶占市場的過程中， 須采用數(shù)據(jù)驅(qū)動風險決策模式實現(xiàn)自動化審批，以滿足其業(yè)務發(fā)展需要。數(shù)據(jù)驅(qū)動下的自動化審批是以海量的、多樣的、時效的數(shù)據(jù)為基礎，通過數(shù)據(jù)建模技術挖掘數(shù)據(jù)價值刻畫客戶的風險水平，在精細化的系統(tǒng)支持下實施全流程的自動化審批。在日益競爭的市場環(huán)境下，自動化審批將成為信用卡機構的核心競爭力。

自動化審批是信用卡業(yè)務發(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)務發(fā)展面臨著多重挑戰(zhàn)。首先是來自線上業(yè)務的沖擊，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，以其服務和流量優(yōu)勢正在迅速擴大其客戶市場，此類同質(zhì)化信貸產(chǎn)品層出不窮。其次，各家銀行紛紛意識到客戶運營的重要性，將客戶服務和發(fā)展市場視作同等地位。在拓展市場過程中，以數(shù)據(jù)驅(qū)動的風險決策從而實現(xiàn)自動化審批是信用卡機構追求服務效率的趨勢所在。要想實現(xiàn)上述目標，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， 通過自動決策的數(shù)據(jù)模型體系和系統(tǒng)平臺作為保障，經(jīng)過營銷引流、信息輸入、審批決策、初始授信、風險監(jiān)測等過程，快速建立數(shù)據(jù)的業(yè)務關聯(lián)度，通過數(shù)據(jù)分析不斷調(diào)優(yōu)營銷與準入授信策略，在提高營銷效率的同時，重點提高準入客戶的風險管理水平。

相對于傳統(tǒng)的人工決策，數(shù)據(jù)驅(qū)動決策有如下幾點優(yōu)勢。一是數(shù)據(jù)驅(qū)動更為客觀。數(shù)據(jù)驅(qū)動風險決策過程中，每個環(huán)節(jié)都有相應的數(shù)據(jù)論證和統(tǒng)計分析，通過更為深層次的數(shù)據(jù)挖掘技術發(fā)現(xiàn)潛在的信息量，提取更為深入和準確的洞察信息，降低了審批人員因情緒、經(jīng)驗以及認知不足而導致的偏差，使得風險決策更為客觀。二是數(shù)據(jù)驅(qū)動更適用于不斷變化的決策環(huán)境。外部經(jīng)濟形勢變化、政策調(diào)整以及業(yè)務的變動都會對風險管理的效果產(chǎn)生影響。相較于傳統(tǒng)的利用專家業(yè)務規(guī)則和人工審批，數(shù)據(jù)驅(qū)動不僅引入了業(yè)務數(shù)據(jù)還將人口統(tǒng)計信息、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)成果在面對環(huán)境變化時有更為穩(wěn)定的表現(xiàn)。同時，可以實現(xiàn)自動化的更新，根據(jù)新的歷史數(shù)據(jù)調(diào)整各指標在模型中的權重，以達成對新數(shù)據(jù)更好的預測效果。三是數(shù)據(jù)驅(qū)動使個體更具區(qū)分度。“機器學習+大數(shù)據(jù)”的模式使得數(shù)據(jù)驅(qū)動評分卡構建出的模型更復雜也更具精細化。相對于專家評分卡，數(shù)據(jù)驅(qū)動評分卡中的評分更為分散，這也意味著個體與個體之間更具區(qū)分度，業(yè)務人員有更大空間去制定精細化的應用策略。

在內(nèi)外部競爭環(huán)境和發(fā)展指標的壓力下，自動化審批的重要性不言而喻。對客戶而言，在其提交申請后，如能第一時間獲取審批結果和授信額度等信息，這將有助于提升客戶體驗。因此可以說自動化審批是信用卡業(yè)務發(fā)展的必然趨勢。

大數(shù)據(jù)為自動化審批提供技術動能

互聯(lián)網(wǎng)的蓬勃發(fā)展為大數(shù)據(jù)技術興起帶來機遇，數(shù)據(jù)采集、數(shù)據(jù)存儲到數(shù)據(jù)應用技術都得到快速的發(fā)展。在此背景下，越來越多的行業(yè)意識到大數(shù)據(jù)的重要性，各家企業(yè)盡可能地利用數(shù)據(jù)決策在競爭市場中獲得優(yōu)勢。對商業(yè)銀行而言，風險領域的數(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)挖掘結果做出決策，而非依賴于業(yè)務專家人員的經(jīng)驗判斷。

引入外部數(shù)據(jù)，多視角評估客戶風險。在自動化審批中， 數(shù)據(jù)資源是實現(xiàn)風險決策的基礎。能夠刻畫客戶風險的數(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)負債情況等。對于外部數(shù)據(jù)，最有價值且目前應用最廣泛的是人行征信報告，該報告涵蓋信用卡、汽車、住房、消費等業(yè)務領域，在信貸審批環(huán)節(jié)發(fā)揮著重要作用。其中人行征信報告數(shù)字解讀是基于個人征信系統(tǒng)的信貸數(shù)據(jù)，利用統(tǒng)計建模技術開發(fā)出來的個人信用風險評估指標，是一種外部機構通用評分，具有覆蓋面廣、表現(xiàn)充分、普適性等特點，該評分的價值已經(jīng)多輪驗證并獲得多家銀行的認可。其次是學信網(wǎng)、政務及第三方征信公司等數(shù)據(jù)。

值得關注的是，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)性主要從兩個層面考慮，首先要求數(shù)據(jù)供應商的數(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性、可解釋性，堅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，數(shù)據(jù)只能用于產(chǎn)品的運營需要，不得隨意出售或者提交給第三方使用。數(shù)據(jù)價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，有價值的數(shù)據(jù)才能支持復雜的風險決策。有價值的數(shù)據(jù)是指經(jīng)過充分測試驗證并能較為準確的識別高風險客戶，如地理位置、社交網(wǎng)絡等可識別客戶的欺詐風險，多頭借貸、信用逾期等可識別客戶的信用風險，具體以風險客戶覆蓋率、客戶命中率、模型區(qū)分度等指標度量數(shù)據(jù)價值?？傊谝氲谌綌?shù)據(jù)時，銀行要有一套數(shù)據(jù)價值評估方案。

構建數(shù)據(jù)模型，綜合評估客戶風險。有些數(shù)據(jù)可以直接作為決策依據(jù)，如人行征信報告失信被執(zhí)行人、過度負債客戶、逾期客戶等能直接評估客戶風險狀況。年齡、性別、區(qū)域等需要綜合起來才能評估客戶的信用風險。因此對于和風險表現(xiàn)強相關的特征可以直接設置成規(guī)則集過濾風險客戶，對于和風險表現(xiàn)弱相關的特征需要通過構建數(shù)據(jù)模型綜合評估客戶的風險水平。

數(shù)據(jù)模型是能夠?qū)崿F(xiàn)風險決策的模型體系，包括準入模型、授信模型和定價模型。準入模型指準入規(guī)則和評分模型，準入規(guī)則是根據(jù)產(chǎn)品、客戶、市場等因素制定，例如產(chǎn)品目標客群年齡、收入要求、學歷要求等，過濾掉各類黑名單客戶，過濾掉失信被執(zhí)行人、征信逾期等高風險客戶。評分模型指申請評分模型，通過數(shù)據(jù)挖掘機器學習算法對客戶的特征信息進行加工生成一個綜合評分來度量客戶的風險水平。該模型可以由銀行自建， 也可以使用外部征信的評分結果。目前比較流行的做法是銀行內(nèi)部模型結果和外部評分進行融合，實現(xiàn)更精準的風險識別。授信模型是申請時的初始授信模型，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，都是用評估的客戶收入減去綜合負債。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、消費流水等間接獲取，還可以通過行業(yè)、工齡、學歷等構建函數(shù)模型推算收入。綜合負債由人行征信報告和其他渠道可獲取的負債項累加而成，包括信用卡透支、房貸、經(jīng)營貸、消費貸、現(xiàn)金貸等剩余本金。對于風險控制嚴格的銀行，可以設置風險系數(shù)，如客群系數(shù)、風險系數(shù)、區(qū)域系數(shù)等實現(xiàn)差異化授信，控制整體的風險敞口。定價模型只針對分期業(yè)務，簡單的操作是從風險、客群維度定價，稍微復雜的做法是運用歷史數(shù)據(jù)測算，通過收益矩陣確定每類客群的收益率，在此基礎上進行定價。

打造動態(tài)閉環(huán)，追蹤模型應用效果。自動化審批是基本不需要人工干預的審批模式，銀行需要構建實時的數(shù)據(jù)統(tǒng)計分析預警機制，以及時發(fā)現(xiàn)潛在的風險。打造動態(tài)閉環(huán)需要開發(fā)一系列報表，安排專人負責日報、周報及月度分析報告，構建全視角閉環(huán)跟蹤。首先是基本面分析，統(tǒng)計進件量、過件量、通過率、平均審批時間、審批額度、激活使用情況等，并構建趨勢分析評估審批的效能。其次是穩(wěn)定性分析，分析拒件原因、客群占比、波動率、額度分布等，分析審批政策是否存在問題，以便政策及時調(diào)優(yōu)。最后是異常點分析，對模型使用如KS、PSI等統(tǒng)計指標監(jiān)控模型的效果，對整體授信額度進行總額監(jiān)控，以及排查政策及系統(tǒng)問題可能的異常點，在發(fā)現(xiàn)異常的時候，需要及時解決問題。

做好監(jiān)控是風險決策管理的重要舉措，既能做到洞察業(yè)務趨勢，也可以發(fā)現(xiàn)業(yè)務異常、潛在風險或漏洞，總結新的規(guī)律。最終目的是為了驅(qū)使銀行的風控能力不斷強化，幫助風險部門做出明智及時的決策。

精細化系統(tǒng)設計為自動化審批提供技術保障

設計靈活精細的自動化審批流程

自動化審批需要有一套靈活精細的審批流程，可以從經(jīng)濟、效率、可行性等角度設計。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）、一級審批、二級審批等。自動化審批擯棄人工環(huán)節(jié)，充分考慮優(yōu)先級和邏輯關系，可

設計為客戶資料錄入、禁入規(guī)則審查、第三方審查、欺詐識別、信用風險識別、授信定價等環(huán)節(jié)。

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

第二步是第三方審查，主要是公安人臉比對、指紋識別以及接入人行征信等第三方數(shù)據(jù)。這一步對于貸前風險防范至關重要，以基礎欺詐風險識別和第三方數(shù)據(jù)規(guī)則為依據(jù)實現(xiàn)初步的風險識別和防范。

第三步是欺詐識別。黑白名單設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、知識圖譜、社交網(wǎng)絡等技術手段識別團伙欺詐。有欺詐樣本積累的銀行可以建立有監(jiān)督學習的反欺詐模型預測客戶欺詐概率，做出高概率欺詐客戶拒絕準入的決策。

第四步是信用風險識別。申請評分模型結果結合外部征信評分評估客戶的準入風險，對客戶是否可以通過申請進行審批決策。對于評分高的客戶說明其信用風險低批準其準入，對于評分低高風險客戶直接拒絕。

第五步是授信定價。對于準入的客戶通過模型進行初始額度授信和定價。

各家銀行需要根據(jù)數(shù)據(jù)源、模型技術手段、產(chǎn)品等自身情況制定自動化審批流程，經(jīng)過不斷擴大的業(yè)務場景應用不斷完善該流程，逐步實現(xiàn)自動化程度。

創(chuàng)建穩(wěn)健高效的自動化審批系統(tǒng)

由于信用卡業(yè)務的復雜性，自動化審批系統(tǒng)設計除了快速高效命中高風險客戶、提升審批效率及準確度，還需要符合穩(wěn)健性和高效性原則。

首先是多平臺聯(lián)合。秉承“主核心+大外圍”的系統(tǒng)設計思路，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)務特點靈活設置審批風控流程，支持業(yè)務產(chǎn)品的創(chuàng)新迭代等最核心最基礎功能，同時滿足網(wǎng)絡負載、數(shù)據(jù)庫服務等各方面的負載均衡要求。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)庫系統(tǒng)等。在外圍系統(tǒng)整體業(yè)務架構規(guī)劃上，從功能定位角度進行這些外圍系統(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)是一個獨立的、可開發(fā)的、可維護的風險模型策略管理系統(tǒng)，可靈活部署、修改風控規(guī)則和模型，該系統(tǒng)策略執(zhí)行的結果返回給主系統(tǒng)。決策引擎的優(yōu)點包括以下幾點：一是業(yè)務策略的開發(fā)、部署和發(fā)布。業(yè)務參數(shù)的靈活配置與維護。二是提升系統(tǒng)決策的自動化水平，提高業(yè)務處理周期，提高業(yè)務處理效率。三是提高客戶的精細化管理水平，實現(xiàn)對不同客戶分群制定差異化的準入、授信、定價服務策略。決策引擎系統(tǒng)是自動化決策的大腦，是代替人工審批實現(xiàn)系統(tǒng)自動化智能化的決策平臺。

自動化審批系統(tǒng)提高信用卡申請審核流程控制管理能力， 依托大數(shù)據(jù)技術進行多維信息審核，更加系統(tǒng)地評估和識別客戶風險，完成客戶的準入和授信，實現(xiàn)快速完成信用卡申請的審批操作。

堅持數(shù)據(jù)為先，提升軟硬科技實力

數(shù)據(jù)驅(qū)動風控模式的實踐表明，以信息科技賦能風控體系， 探索發(fā)展金融智能風控，是進一步推動風險管理創(chuàng)新升級的有效途徑。當前大多數(shù)商業(yè)銀行尤其是城商行、農(nóng)商行受多重因素的制約，難以順利實現(xiàn)這一目標。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)營業(yè)務、控制風險等。二是人才儲備不足、科技力量薄弱導致成果難以落地應用。銀行可以通過內(nèi)部培養(yǎng)加外部合作，融合內(nèi)外部力量增強科技實力。三是創(chuàng)新能力不足。當前新技術日新月異，銀行業(yè)只有不斷創(chuàng)新才能跟上時代步伐，尤其是加大新產(chǎn)品新技術的研發(fā)應用，“小步快跑”的開展業(yè)務創(chuàng)新。

數(shù)據(jù)驅(qū)動下的風險決策核心在于堅持數(shù)據(jù)為先原則，構建數(shù)據(jù)驅(qū)動下決策模型，緊盯準入客戶的數(shù)據(jù)表現(xiàn)以不斷的迭代、優(yōu)化策略。這需要建設一支“數(shù)據(jù)+”的金融科技隊伍，提升軟硬科技實力，不斷研究和探索新的技術手段，如人工智能、區(qū)塊鏈和生物識別等應用場景，進一步提升風險控制能力，從而打破產(chǎn)品、區(qū)域、客群分割的格局，將數(shù)據(jù)決策充分應用到各個產(chǎn)品線的審批過程中。

（作者單位：徽商銀行信用卡中心）