今天，大數據已經影響到社會的各個領域，作為金融科技的核心組成部分，對銀行各業務領域的影響不言而喻。銀行是經營風險的企業，金融科技的應用使得銀行產品向線上化、復雜化、智能化方向發展，如何利用大數據技術高效、合理地在業務環節進行必要的風險控制，以規避各類法律、欺詐、違約風險，是我們面臨的巨大挑戰。

　　在大數據應用的過程中，銀行一方面要加強創新、促進數據價值轉化；另一方面要建設高質量、安全的數據基礎平臺。光大銀行構建了完備的大數據治理體系，通過數據產品化機制支持風控領域的大數據創新與實踐，在科技層面提供從工具、機制、技能到解決方案的一整套綜合服務能力，有效滿足全行各業務條線的大數據智能化發展需求。

　　近年來，光大銀行推進大數據資產管理機制，在保障數據資產質量、安全的前提下構建全行數據地圖，涵蓋內、外部結構化和非結構化數據內容。在技術平臺上持續建設多元化大數據平臺，對多渠道、多來源數據進行加工融合。同時，持續推進大數據創新社區發展，提倡“像外行一樣思考，像專家一樣實踐”，啟發全行大數據文化意識，并通過大數據實驗室機制促進創新需求的研發和落地。

　　一、大數據能力建設

　　1.數據資產管理機制

　　大數據資產管理是大數據能力建設的基石，光大銀行從2008年開始進行數據標準建設，2012年規劃全行數據體系，2016年完成大數據治理規劃。在十年發展過程中我們堅持一項基本原則，那就是數據管理與數據應用要保持整體上的平衡，相互支持進而促進整體的螺旋上升。有效的數據管理保障了數據的安全、質量，還有高效率，在當前背景下，數據管理各個領域正在向全生命周期的數據資產管理機制轉化；目標是在數據安全可控的前提下，更加充分、有效地挖掘數據價值，持續高效地支持數據價值轉化。

　　在實踐中，我們以企業級數據模型建設為出發點，開展數據資產管理機制、數據資產庫及知識庫的建設，讓所有使用數據的人員能通過這個體系了解到有什么數據、數據在哪兒、數據質量怎么樣等信息，旨在提升數據的使用效率。在外部數據管理方面，我們按照統一預算、統一采購、統一存儲與分發的原則，整合各業務部門外部數據需求，搭建外部數據管理平臺，逐步實現外部數據的統一管理與共享。

　　2.多元化大數據平臺架構

　　光大銀行經過十多年探索確定了目前的多元化大數據平臺架構(如圖1所示)，整體分為三個層次：

　　最底層實現的是數據的互聯，包括數據倉庫平臺、貼源數據平臺、準實時數據平臺、外部數據管理平臺、非結構化數據平臺，以及綜合分布式MPP架構數據倉庫、Hadoop平臺的多元化大數據技術平臺。

　　中間層提供的是互聯的分析能力，包括一個大數據挖掘平臺，整合傳統的SAS工具、分布式計算組件Spark、Python數據科學開源生態等內容，讓更多的人來一起做數據挖掘。另外，為業務人員提供的Tableau等可視化分析工具，整體上實現了互聯的分析。這個互聯是基于底層數據之上，數據跟整個平臺工具是打通的。

　　最上層是互聯的交互，包括實時智能策略交互引擎。此外，最重要的一個內容就是數據產品平臺。

　　3.數據產品化機制

　　光大銀行在解決方案層面推進了數據產品化機制(如圖2所示)，這個機制充分借鑒了互聯網公司的經驗，數據產品的定位是實現端到端的數據價值輸出，將傳統數據服務內容面向業務場景進行快速封裝。目前，我們已累計研發上線20多項數據產品，覆蓋全行風險、零售、對公等主要業務條線。數據產品可以分為項目型數據產品、創新型數據產品、敏捷型數據產品。銀行需要為數據產品投入成本，不同類型的數據產品投入成本和管理方法也有所區別。數據產品應用的時效性、需求特征、用戶群體、模型方法不同，在原有的實施落地流程上應該進行調整和優化。

　　4.大數據創新實踐機制

　　近兩年，光大銀行建立了體系化的大數據創新實踐機制(如圖3所示)，主要是圍繞科技創新實驗室來開展工作，面向各金融科技領域探索業務創新。例如，在智能風控領域看到的一些成果，其背后均是基于科技創新機制。同時，推進大數據創新社區建設，用開放的態度來做大數據創新，只要大家有想法就可以提出來，然后由專業化團隊來分析并確定解決方案。此外，還有人才的內部培養，外面是產學研一體化的工作，對應著人才、團隊的建設與發展。

　　二、大數據風控應用實踐

　　光大銀行大數據風控應用主要在風險預警、審計、反欺詐等領域，結合復雜網絡、自然語言處理等大數據分析技術，采用了更多的內外部數據，將業務實體及行為進行廣泛的互聯，通過更多的視角分析風險因素，進而實現風險的發現與預警。

　　1.大數據風險預警

　　濾鏡是一個用于大數據風險預警的數據產品，充分體現了光大銀行在產品上研發、落地的工作機制。利用工商、互聯網輿情等外部數據，跟行內數據充分結合之后建立了在線運行特殊交易對手、風險共同體、復雜循環擔保圈三類大數據風險模型，最終交付內容是兩份清單。被濾鏡預警提示的企業通過全量、增量兩份名單進行風險提示，一份全量清單以名單為入口逐級追索風險成因，并通過數據可視化方法直觀展示預警對象在網絡中的風險傳播路徑，為人工排查提供依據；另外一份增量清單特別提示新增風險，警示企業風險惡化動態。將這兩份清單嵌入到給管理人員使用的光速觀察應用中，使管理人員通過手機就可以直接發現企業風險預警情況。

　　風險共同體是光大銀行從2015年開始研發的另外一款數據產品，主要通過復雜網絡建立關聯關系，發現集團客戶、供應鏈上下游客戶、圈式及聯保聯貸客戶群各企業之間密切資金往來的風險關系，識別風險共同體內風險傳播的特征，及時做出風險預判。

　　2.反洗錢可疑交易行為預警

　　當前，金融犯罪呈現出專業化、組織化的趨勢，基于單客戶分析的反洗錢工作模式不能有效地發現團伙犯罪。為此，光大銀行建立了基于資金網絡的可疑交易行為預警模型，可用于犯罪團伙的發現、異常行為的分析等多個領域?？紤]到光大銀行每日交易流水有幾百萬筆，觀察期內的總交易流水量更是多達近億筆。如此龐大的基礎數據量，我們采用了復雜網絡關系發現算法，可通過線性的時間消耗，計算出節點數量隨指數級增長的復雜網絡關系，能在較短的時間內計算出全行所有客戶的資金網絡關系?；趶碗s網絡發現算法研發反洗錢數據挖掘模型，該模型是系統中篩選數據量最多、數據上報率最高的模型，為業務部門甄別犯罪團伙提供了非常有價值的線索。

　　3.審計大數據建模

　　2017年，光大銀行啟動了審計大數據模型平臺建設，利用大數據構建全行遠程監控體系。利用圖數據庫及圖算法模型支持審計應用動態展示關聯圖譜，提供可視化、人機交互式的業務人員操作分析界面，可提供快照分析，便于組織內部分析協作。利用知識圖譜探索可疑審計問題，如“資金回流”“非法集資”等。利用人工智能算法構建“隱性關系”識別模型，識別潛在關系，發現審計線索。利用自然語言處理實現對文本、圖像等半結構化、非結構化數據建模，判斷信貸報告和審查報告合規性、真實性等。

　　三、總結與展望

　　下一步，我們將依托光大銀行的科技能力，以業務應用為驅動，以人才隊伍建設為核心，以金融科技創新為源泉，在全行各部門的通力配合下共同推進大數據在風控領域的各類應用，助力光大銀行業務轉型。

　　1.場景的開拓與落地

　　積極開展大數據風控在普惠金融、供給側改革、消費金融等領域新型應用場景設計，協同業務部門推廣光大銀行已有的數據產品成果落地，加大推廣力度和范圍。

　　2.加強大數據人才培養和建設

　　加快核心大數據人才建設，通過內部挖潛資源，培養兼顧技術和業務的大數據應用專家。同時加強科研院校、金融科技企業等外部合作，借助整個行業的研究力量，共享專家資源，共享行業成果。

　　3.開展聯合創新

　　充分發揮金融科技創新機制，積極開展與相關科研院所和廠商合作，充分利用“外腦”將行業最新成果轉化為銀行的科技創意;研究探索金融同業、跨行業企業間的大數據創新合作。

　?。ū疚淖髡呦抵袊獯筱y行信息科技部總經理助理）

<menuitem id="zjj55"></menuitem>

<menuitem id="zjj55"></menuitem>

<big id="zjj55"></big>

責任編輯：韓希宇