隨著商業(yè)保理公司被納為新型授信機(jī)構(gòu)，聯(lián)想金服旗下聯(lián)想保理接入企業(yè)征信系統(tǒng)，可以利用征信、工商等信息為行業(yè)供應(yīng)鏈金融提供智能化風(fēng)控決策分析服務(wù)。這篇文章，我們就來看下具體怎么實(shí)現(xiàn)的。

一、企業(yè)介紹

北京聯(lián)想科技服務(wù)有限公司（以下簡稱“聯(lián)想”）是聯(lián)想集團(tuán)全資子公司，也是聯(lián)想集團(tuán)旗下的金融服務(wù)平臺(tái)，于2016年12月成立。其業(yè)務(wù)范圍涵蓋支付、融資、理財(cái)、供應(yīng)鏈等眾多領(lǐng)域，主營業(yè)務(wù)為供應(yīng)鏈金融服務(wù)、中小企業(yè)融資、金融科技輸出等。擁有大數(shù)據(jù)分析能力，資產(chǎn)管理能力和風(fēng)險(xiǎn)控制能力，還提供中小企業(yè)融資、消費(fèi)金融、移動(dòng)及跨境支付業(yè)務(wù)等服務(wù)。

依靠自身強(qiáng)大的核心競爭力和穩(wěn)定的供應(yīng)鏈金融業(yè)務(wù)，經(jīng)營狀況保持良好，連續(xù)三年無逾期、保險(xiǎn)覆蓋率持續(xù)增長。

聯(lián)想金服主要以核心企業(yè)聯(lián)想集團(tuán)為依托，為供應(yīng)鏈上下游提供多層次供應(yīng)商及分銷商、經(jīng)銷商提供較低成本、較長期限及更加靈活的融資渠道，致力于為廣大中小企業(yè)解決融資難、融資貴的困境，用科技改變金融；通過服務(wù)、股債結(jié)合等方式，深度進(jìn)入生產(chǎn)業(yè)務(wù)過程中；通過代采、墊資、品牌代理等多種業(yè)務(wù)模式大力推動(dòng)供應(yīng)鏈服務(wù)業(yè)務(wù)。同時(shí)，聯(lián)想金服縱向深耕供應(yīng)商業(yè)務(wù)：擴(kuò)大供應(yīng)商的授信政策，拓展到二級(jí)、三級(jí)供應(yīng)商。本著源自聯(lián)想、服務(wù)伙伴的理念，公司持續(xù)聚焦深入產(chǎn)業(yè)鏈，在物流、跨境、消費(fèi)電子等領(lǐng)域不斷深耕，為客戶提供優(yōu)質(zhì)高效的產(chǎn)業(yè)鏈綜合服務(wù)，與更多中小企業(yè)協(xié)同成長。

二、案例內(nèi)容

1. 背景介紹

風(fēng)險(xiǎn)防控是商業(yè)保理業(yè)務(wù)環(huán)節(jié)的重中之重，而人行征信系統(tǒng)可提供最具有價(jià)值的參考信息，因而備受商業(yè)保理公司青瞇。隨著征信法律法規(guī)的不斷完善，商業(yè)保理公司被納為新型授信機(jī)構(gòu)，聯(lián)想金服旗下聯(lián)想保理積極響應(yīng)征信中心號(hào)召接入企業(yè)征信系統(tǒng)。

隨著征信查詢的成功接入，公司合理利用征信數(shù)據(jù)、稅務(wù)數(shù)據(jù)、發(fā)票數(shù)據(jù)、四發(fā)信息、工商信息等多維度數(shù)據(jù)進(jìn)行采集分析、攝入挖掘和加工，衍生構(gòu)建風(fēng)控指標(biāo)變量實(shí)體，為行業(yè)供應(yīng)鏈金融機(jī)構(gòu)提供智能化風(fēng)控決策分析服務(wù)。

2. 產(chǎn)品介紹

“樂企信”聚合服務(wù)系統(tǒng)利用大數(shù)據(jù)、人工智能技術(shù)和科學(xué)決策方法，通過自動(dòng)化預(yù)測、評(píng)級(jí)和決策等方式，為客戶評(píng)價(jià)、風(fēng)險(xiǎn)評(píng)估、差異化等價(jià)等模型提供統(tǒng)一、標(biāo)準(zhǔn)化征信數(shù)據(jù)衍生變量計(jì)算規(guī)則，構(gòu)建出一套聚合風(fēng)控模型體系，實(shí)現(xiàn)系統(tǒng)自動(dòng)化評(píng)估企業(yè)的經(jīng)營情況，幫助企業(yè)提高效果和效率、降低多方位成本支出，增加風(fēng)控能力的全面性、準(zhǔn)確性和靈活性，為企業(yè)的業(yè)務(wù)發(fā)展保駕護(hù)航。

智能聚合風(fēng)控系統(tǒng)包含四層架構(gòu)，分別為數(shù)據(jù)層、特征層、模型層和決策層，橫向劃分包括關(guān)鍵內(nèi)容、流程步驟、算法方法、工具平臺(tái)等。

1. 數(shù)據(jù)層是智能聚合風(fēng)控體系的基礎(chǔ)，通過大量的數(shù)據(jù)優(yōu)化風(fēng)控模型、構(gòu)建特征，并將數(shù)據(jù)作為新決策等判斷輸入。
2. 特征層是智能聚合風(fēng)控體系的磚瓦，通過從數(shù)據(jù)中抽取有效的、針對(duì)特定目標(biāo)的關(guān)鍵信息，形成適用于模型和決策的特征。
3. 模型層是智能聚合風(fēng)控系統(tǒng)的主體，通過歷史樣本數(shù)據(jù)和目標(biāo)數(shù)據(jù)，基于豐富的案例特征，利用各類機(jī)器學(xué)習(xí)算法訓(xùn)練出滿足各類業(yè)務(wù)場景的風(fēng)控模型。
4. 策略層是智能聚合風(fēng)控系統(tǒng)的門面，特征和模型最終將服務(wù)于業(yè)務(wù)的特定場景。在不同的業(yè)務(wù)場景參與決策，層略層通過模型和規(guī)則的各種組合完成決策過程，自動(dòng)化輸出企業(yè)風(fēng)控評(píng)估報(bào)告。

智能聚合風(fēng)控系統(tǒng)架構(gòu)圖

3. 技術(shù)平臺(tái)

“樂企信”符合服務(wù)系統(tǒng)的最大亮點(diǎn)是采用一手征信數(shù)據(jù)進(jìn)行風(fēng)控分析， 同時(shí)引入稅務(wù)數(shù)據(jù)、發(fā)票數(shù)據(jù)、物流數(shù)據(jù)、司法信息、工商信息等級(jí)具參考價(jià)值的第三方數(shù)據(jù)，利用大數(shù)據(jù)、人工智能技術(shù)和科學(xué)決策方法，通過自動(dòng)化預(yù)測、評(píng)級(jí)和決策等方式，結(jié)合供應(yīng)鏈金融行業(yè)風(fēng)控特征進(jìn)行自動(dòng)化評(píng)估企業(yè)的經(jīng)營情況，為保理行業(yè)其他供應(yīng)鏈金融機(jī)構(gòu)提供智能化風(fēng)控決策分析服務(wù)。智能聚合風(fēng)控體系包括智能風(fēng)控方法，智能風(fēng)控算法，工程技術(shù)等實(shí)現(xiàn)以及深入業(yè)務(wù)場景的應(yīng)用。

4. 業(yè)務(wù)流程與風(fēng)險(xiǎn)管理

（1）數(shù)據(jù)層：包含識(shí)別風(fēng)險(xiǎn)的關(guān)鍵信息，匯集了企業(yè)內(nèi)部數(shù)據(jù)，企業(yè)基本信息，企業(yè)關(guān)聯(lián)信息，借貸交易數(shù)據(jù)，授信記錄數(shù)據(jù)、擔(dān)保記錄數(shù)據(jù)等；同時(shí)接入了第三方數(shù)據(jù)，征信數(shù)據(jù)、稅務(wù)數(shù)據(jù)、發(fā)票數(shù)據(jù)、物流數(shù)據(jù)、司法信息、工商信息等。

數(shù)據(jù)處理的步驟通常分為數(shù)據(jù)采集、數(shù)據(jù)校驗(yàn)、數(shù)據(jù)清洗、數(shù)據(jù)存儲(chǔ)、標(biāo)準(zhǔn)輸出和數(shù)據(jù)監(jiān)控。數(shù)據(jù)平時(shí)數(shù)據(jù)層的支撐工具，通過數(shù)據(jù)平臺(tái)來實(shí)現(xiàn)數(shù)據(jù)層的管理。通常數(shù)據(jù)平臺(tái)包含內(nèi)外部數(shù)據(jù)接入整合的功能，數(shù)據(jù)管理和服務(wù)的功能，數(shù)據(jù)校驗(yàn)和監(jiān)控的功能，是智能聚合風(fēng)控體系的底層數(shù)據(jù)倉庫。

（2）特征層

特征是從數(shù)據(jù)中抽取有效的、針對(duì)特定目標(biāo)的關(guān)鍵信息，形成可以用于模型和決策的特征，從數(shù)據(jù)產(chǎn)生的過程就是特征挖掘。數(shù)據(jù)質(zhì)量決定了特征質(zhì)量的上限，好的特征挖掘過程是盡可能從數(shù)據(jù)中挖掘最有價(jià)值的信息。特征平臺(tái)是為了支撐特征從開發(fā)到應(yīng)用的工具平臺(tái)。通常特征平臺(tái)包括特征挖掘模塊、特征計(jì)算模塊和特征管理模塊。

（3）模型層

模型算法層可以實(shí)現(xiàn)智能化的風(fēng)險(xiǎn)預(yù)測評(píng)估。風(fēng)控中典型的場景是預(yù)測風(fēng)險(xiǎn)，計(jì)算發(fā)生風(fēng)險(xiǎn)的概率，再復(fù)雜的算法本質(zhì)上可以理解為概率問題。金融風(fēng)控場景中我們構(gòu)建模型計(jì)算評(píng)分來預(yù)測用戶的欺詐概率、違約概率、貸中風(fēng)險(xiǎn)發(fā)生的概率、貸后催收回款的概率。在營銷場景中構(gòu)建模型來判斷營銷成交轉(zhuǎn)化的概率、識(shí)別作弊的概率；在內(nèi)容風(fēng)控場景中構(gòu)建模型來判定內(nèi)容違規(guī)的概率。模型平臺(tái)是支持模型管理的工具。通常模型平臺(tái)包括自動(dòng)建模功能模塊、模型計(jì)算功能模塊、模型管理功能模塊。

（4）策略層

策略層是整個(gè)智能風(fēng)控體系的最后環(huán)節(jié)。這一層針對(duì)業(yè)務(wù)場景。基于特征和模型結(jié)果制定決策方案，對(duì)最終的業(yè)務(wù)決策和流程產(chǎn)生影響。

策略環(huán)節(jié)通常需要設(shè)計(jì)一套決策流程，在流程中的每一個(gè)環(huán)節(jié)設(shè)置決策規(guī)則；通過規(guī)則實(shí)現(xiàn)業(yè)務(wù)流程的通過或者拒絕、差異化的分流等動(dòng)作。在金融風(fēng)控貸前場景中，通常決策包括欺詐識(shí)別、信用風(fēng)險(xiǎn)識(shí)別以及其他一些準(zhǔn)入攔截；對(duì)于通過的客戶進(jìn)行差異化的審核操作、差異化的授信額度決策、差異化的定價(jià)策略等。

風(fēng)控策略制定中最常見的是風(fēng)控規(guī)則策略制定，流程如下：識(shí)別業(yè)務(wù)場景中常見的風(fēng)險(xiǎn)點(diǎn)；選擇合適的分析樣本；基于歷史數(shù)據(jù)選擇算法生成規(guī)則；對(duì)規(guī)則的有效性和穩(wěn)定性進(jìn)行評(píng)估；設(shè)計(jì)規(guī)則測試的方案；通常進(jìn)行A/B實(shí)驗(yàn)來驗(yàn)證規(guī)則的效果；對(duì)規(guī)則的有效性和穩(wěn)定性進(jìn)行持續(xù)監(jiān)控。

決策引擎是支持策略部署執(zhí)行的一個(gè)工具。決策引擎通常包括規(guī)則配置、決策流的配置、審批管理等功能模塊。

三、經(jīng)驗(yàn)分享

合理利用征信數(shù)據(jù)對(duì)客戶信息進(jìn)行深入挖掘和加工，衍生構(gòu)建指標(biāo)變量體系，利用大數(shù)據(jù)、人工智能技術(shù)和科學(xué)決策方法，通過自動(dòng)化預(yù)測、評(píng)級(jí)和決策等方式，為客戶評(píng)價(jià)、風(fēng)險(xiǎn)評(píng)估、差異化定價(jià)等模型提供統(tǒng)一、標(biāo)準(zhǔn)化征信數(shù)據(jù)衍生變量計(jì)算規(guī)則，構(gòu)建出一套聚合風(fēng)控模型體系，幫助企業(yè)提高風(fēng)控能力的全面性、準(zhǔn)確性和靈活性，提升風(fēng)控質(zhì)量。

聯(lián)想金服對(duì)接人行二代征信系統(tǒng)后，大幅提升了風(fēng)控安全防護(hù)能力，實(shí)現(xiàn)征信數(shù)據(jù)對(duì)接查詢等同時(shí)，能夠快速、便捷地對(duì)應(yīng)收賬款轉(zhuǎn)讓及質(zhì)押等信息進(jìn)行征信上報(bào)登記和實(shí)時(shí)監(jiān)測，有效提高風(fēng)險(xiǎn)管控效率、防范金融風(fēng)險(xiǎn)，更高效快捷地為中小企業(yè)服務(wù)，更好地服務(wù)實(shí)體經(jīng)濟(jì)發(fā)展。