科技赋能信贷典型案例报告.pdf

0 科技赋能 信贷典型案例报告 研究机构 报告主编 于百程 执笔团队 陈成 科技赋能信贷典型案例报告 2020 0 科技赋能 信贷典型案例报告 本文将选取多个科技赋能信贷典型案例，包括新网银行、网商银行、腾讯云、天冕大数据、重庆农商银行、苏州银行等，场景涉及农村金融、普惠金融、小微企业金融等，来探查在人工智能、大数据、云计算、区块链、卫星遥感等技术助力下，信贷业务的智能化和数字化发展。 金融科技通过技术赋能，促进了金融机构信贷业务的数字化和智能化转型，将传统业务模式升级，智能风控、精准营销、智能客服、智能网点、智能运营等多种新型模式不断出现，为金融机构信贷业务解决了人工成本高企、效率低下、业务繁琐等多种痛点。 整体来看，在金融科技赋能下，金融机构信贷业务转型，主要应用在风控、催收、客服、营销、网点、运营、质检、投顾等主要业务场景。 摘要 bstract 1 科技赋能 信贷典型案例报告 一、 科技赋能信贷 . 2 (一 ) 技术赋能 . 2 (二 ) 赋能场景 . 4 二、 科技赋能信贷典型案例 . 6 (一 ) “亿亩田” -基于卫星遥感和人工智能技术的智能化农村金融服务 . 6 (二 ) 基于区块链的长三角征信链应用平台 . 8 (三 ) 基于多方安全计算的小微企业智慧金融服务 . 8 (四 ) 联邦学习 /多方学习信贷服务方案 . 10 (五 ) 信贷全流程解决方案 . 11 目录 ontents 2 科技赋能 信贷典型案例报告 2019 年 12 月 5 日，中国人民银行宣布，启动金融科技创新监管试点工作，将在北京、上海、广州、深圳等多个省市开展金融科技应用试点。此举旨在建立、完善适应金融科技发展的政策措施，打造中国版的 “ 监管沙箱 ” 。 金融科技的发展不断推动着金融业向数字化和智能化方向转型。信贷业务作为金融科技在金融业最重要的应用场景之 一，亦成为在此次金融科技创新监管试点的重点关注领域。 普惠金融、小微金融等业务的发展，对传统金融机构的信贷业务提出了重大挑战：业务量激增、用户小而分散、征信白户信用评估难等问题，运用以往的信贷业务流程、规则已经无法应对。金融科技的出现，助力解决了大部分传统信贷业务面临的痛点。 数字化与智能化，是金融机构信贷业务的重点改革方向，同时也是金融机构增强自身竞争力的核心之一。 本文将选取多个科技赋能信贷典型案例，包括新网银行、网商银行、腾讯云、天冕大数据、重庆农商银行、苏州银行等，场景涉及农村金融、普惠金融、小微企 业金融等，来探查在人工智能、大数据、云计算、区块链、卫星遥感等技术助力下，信贷业务的智能化和数字化发展。 一、 科技 赋能 信贷 (一 ) 技术 赋能 在零售业务上，传统风控较为依赖风控人员的经验，在信用评估上严重依赖如征信报告等传统金融数据，在贷后管理上依赖人力，存在效率低、成本高等问题。 在对公业务上，传统风控缺乏规范化判定标准，而且由于部分项目信息数据的海量化、碎片化，导致尽职调查成本高、项目评估效率较低和真实性考证难度大等问题。特别是对于成立时间短的创新型小微企业，问题更加严重。 在大数据、云计算和人工智能等技术赋能下，金融科技风控在零售传统风 控的各环节进行优化，不仅包括传统风控中的金融数据，同时也包括了与借款申请人还款能力和还款意愿的风险特征描述。 通过大数据技术，将多个维度的数据，例如消费、社交等进行分析整理，以此达成金融科技下的新型风险评估模式。这样就使得金融科技风控不单一依赖于传统的金融信贷数据，并且可以对征信白户，即没有任何信用记录的人群进行风险审查，实现对更大消费群体的覆盖。 3 科技赋能 信贷典型案例报告 随着人工智能的进一步发展，银行机构与客户之间的信息不对称问题得以解决。因为传统零售业务无法获取非授权征信客户信息，而人工智能通过数据和技术相结合，可以构建出一个 信用分析模型，通过利用多维度数据提升决策树、神经网络、随机森林、增量学习技术以及分群调整技术等机器学习方法，可以为缺少传统征信数据的客户作出客观的信用风险评估，以便金融机构作出放款与否的决策。 在对公业务方面，金融科技风控能够帮助金融机构建立项目评估规范化标准，通过大数据技术，扩宽授信企业数据获取维度，如税务、海关等，提升项目评估准确度。另外，金融科技风控还能借助计算机改善传统项目分析，大大减少人为主观因素影响，解放客户经理在尽调等环节的工作量，通过数据驱动，提高贷款审批效率。 以人工智能、大数据、云计算和 区块链技术为代表的金融科技，正在推动信贷业务向数字化和智能化方向转型，智能风控、精准营销、智能网点、智能运营等业务场景模式，是现在信贷领域发展重点。 信贷业务中，随着业务量的增大，以及效率要求的提升，业务的发展对传统金融机构造成了重大挑战。例如，传统人工风控方式，对于申请需求量大的贷款产品，人工审批速度远低于进件速度；传统营销方式，由于缺少精准推送，导致部分用户接收到大量无用信息，一方面降低了金融机构的营销效率，另一方面也影响了用户对金融机构的好感。 在金融科技不断迭代下，金融科技服务厂商从数据、技术以及用 户三方面切入，通过科技赋能，为金融机构进行数字化转型，极大地改善了金融机构日益增长的业务需求同传统模式之间的矛盾。 4 科技赋能 信贷典型案例报告 图 1： 技术赋能信贷业务 资料来源 ： 零壹智库 金融科技通过技术赋能，促进了 金融机构信贷业务 的数字化和智能化转型，将传统业务模式升级，智能风控、精准营销、智能客服、智能网点、智能运营等多种新型模式不断出现，为 金融机构信贷业务 解决了人工成本高企、效率低下、业务繁琐等多种痛点。 (二 ) 赋能 场景 继 移动时代的场景流量后，从智能获客到智能反欺诈、再到大数据风控，全链条智能化的技术能力将成为 金融机构信贷业务 新的竞争力。通过智能获客，在获取具有信贷需求的 用户 基础上，借助 人工智能、大数据等技术 构建强有力的风控体系，准确评估用户 信用风险，成为促进个人信贷健康发展的重要环节。 具体而言，智能获客基于 AI和大数据技术， 通过多维度用户数据标签，形成用户画像， 深度挖掘 用户潜在需求，以便金融机构制定精准营销策略。 5 科技赋能 信贷典型案例报告 从精准营销到智能反欺诈 、 智能风控 ， 再到物联网下的供应链金融 ， 信贷 业务 多场景智能化的现象越来越明显 。 整体来看 ， 在金融科技赋能下 ， 金融机构信贷业务转型， 主要应用在风控 、 催收 、 客服 、 营销 、 网点 、 运营 、 质检 、 投顾等主要业务场景 。 在 智能化和数字化信贷链条上 ， 借助大数据技术 ， 金融机构或金融科技厂商能够根据多维度 的 用户 数据 ， 形成用户画像 ，以便 精准获客 。 在接入 用户 后 ， 通过智能风控和反欺诈系统或体系 ， 能够识别 用户的 风险和信用 。 在贷款审批完成后 ， 借助人工智能和大数据等技术 ，机构可以 实时监测 用户 贷款状态 ， 做好风险预警工作 。 在贷后环节 ， 语音 、 语义识别等技术能够有效辅助催收 。智能质检则可以帮助 金融机构 分析催收员的话述，检测筛出言语不当的地方，生成相应的报告，为 用户 进行后续整改提供解决建议。 传统风控 金融科技风控 风控模型 以人工审核为主，依靠专家 经验 以模型、策略体系自动分析决策为主，人工审核为辅 数据来源 公司内部资料、央行征信资 料、客户提交资料 除传统风控数据来源外的第三方数据、线上线下多维度数据 数据维度 数据特征数量少，以基本信 息为主的强变量为主 特征数量大于 1000，以基本信息、行为特征信息为主的弱变量信息 数据关联性 数据关联度低 数据关联度高，可交叉验证 模型设定 以线性模型为主，因果关系 强 以深度学习、集成学习模型为主，可应用相关关系 表 1：传统风控和金融科技风控对比 资料来源：零壹智库 对于银行等金融机构， 许多繁琐 、 重复的业务流程 ，以往会通过人工逐层处理的方式来完成，但是耗时耗力。 借助 RPA（ Robotic Process Automation，即机器人流程自动化） ， 企业可 将日常 运营中耗时、枯燥 、重复等 任务交给“软件机器人”来完成， 并且“软件机器人”可以比人类更快、更 精准 地执行这些任务，让企业员工更加集中精力于创造性价值 更高的 工作上。 。 智能网点则 可 借助多项 技术，如人工智能、大数据、物联网、云计算等， 实现对营业网点的数字化改造 ， 将大部分柜面业务转移到智能终端上 ， 减轻营业网点运营压力 。 6 科技赋能 信贷典型案例报告 二、 科技赋能信贷典型案例 (一 ) “亿亩田” -基于卫星遥感和人工智能技术的智能化农村金融服务 卫星技术看似对于金融行业遥不可及 ， 但已经被应用到信贷 业务 当中 ， 助力农村金融发展 。 2020 年 8 月末，网商银行上线了“亿亩田”，一个基于卫星遥感和人工智能技术的智能化农村金融服务，通过人工智能、大数据和卫星遥感技术，赋能农村金融。 在这个项目中，网商银行通过卫星遥感和人工智能技术，丰富农户的可信数据，结合线下贷前调查建立精准全面的农户风险评估及管理体系，为广大种植业 用户 提供线上线下融合的贷款申请、贷款审批、贷款提取服务。 在技术上 ，网商银行基于卫星遥感技术以获取种植大户的作物全生长周期遥感影像，为农户授信策略提供可信任、可追溯的数据源，扩展数据维度。再经由人工智能图像识别技术分析遥感影像，实现作物品类、种植面积、长势情况等识别，建立作物种植画像，以便了解农户贷款需求时点及授信动态管理。最后，网商银行运用大数据风控技术，构建了种植品类（果蔬茶等）行业风控模型，实现对农户的精准授信，提升“三农”用户融资效率。 7 科技赋能 信贷典型案例报告 图 2：“亿亩田”卫星遥感技术 资料来源 ：网商 银行 在大数据建模上，该项目深度结合种植行业特点，参考了中国遥感中心、大地量子、佳格等专业机构作物模型，基于优质产区种植品类的长势数据，建立不同区域、不同季节、不同行业种植成本的差异化风控体系，使用合法合规的数据源进行模型训练，提高风控准确度。 通过新技术赋能 ，网商银行在贷前阶段能够识别作物种类及面积给出授信额度，贷中阶段识别作物长势监控潜在风险，动态调整授信额度。 8 科技赋能 信贷典型案例报告 在赋能成效上，网商银行预计可以服务个人 用户 数约 500 万人， 用户 主要为种植大户、职业农民、家庭农场、农业合作社等，年融资笔数约 200 万笔、年授信额度约 600亿元。 (二 ) 基于区块链的长三角征信链应用平台 区块链技术正在不断扩充可应用场景 ， 特别是征信链的使用 。 随着技术的进一步发展 ， 区块链技术也被应用到了信贷 业务 当中 。 由 人民银行苏州市中心支行、苏州银行、苏州企业征信服务和苏州同济区块链研究院，合作开发的“基于区块链的长三角征信链应用平台”用技术有效降低企业融资成本，助力疏解融资难、融资贵等问题。 项目主要利用区块链技术搭建征信联盟链，构建分布式征信链应用平台，在获得用户授权且保障数据安全的基础上，实现征信授权、查询使用及征信数据上链存证功能，为金融机构提供全流程的异地征信服务。 通过 区块链的不可篡改技术特性，平台将数据哈希摘要上链，保障全程透明可审计，确保数据使用的合法合规。平台还基于征信链应用平台，使得金融、政务等相关机构可通过联盟伙伴的方式灵活加入，发布或公开经用户授权的数据资产目录，实现征信多维度共享。在保障用户数据安全与隐私的前提下，征信链应用平台可向金融机构提供跨地区征信信息查询功能，能够 有效降低机构征信信息获取成本。 另外，平台采用前置系统设计构建数据交互及审计通道，隔离相关业务系统，保障系统运营稳定。 据了解，该项目预期上线时将拥有 6 家联盟合作伙伴，可服务金融机构达 20 家，能够帮助 4 万户企业解决融资问题。 (三 ) 基于多方安全计算的小微企业智慧金融服务 多方安全计算 是姚期智先生为解决一组互不信任的参与方之间，在保护隐私信息，以及没有可信第三方的前提下，协同计算问题而提出的理论框架。 新网银行基于多方安全计算技术 ， 针对小微企业 ， 开发出了一套智慧金融服务方案 。该方案在获得 用户 授权的前提下，以及法律合规的情况下，综合运用多方安全计算和大数据技术，实现征信、社保、税务等多维度数据的联合建模分析，增强了数据互信共享。方案被应用到小微企业的融资、信贷等金融场景，可以有效提高金融机构风控能力和授信水平，解决小微企业授信难和融资贵等痛点。