远程银行数字化风险管理的探索与实践

转载于： 现代商业银行杂志｜文：中国工商银行远程银行中心（合肥）、合肥新站区支行课题组｜本文刊载于《现代商业银行·管理智慧》2023年第03期｜责编：赵晓璐｜设计：徐金晓｜主编：张　姝

风险指标体系搭建是对风险整体形势的评估和预判，其全面性和准确性，直接影响风险管理执行的尺度和方向。

伴随大数据、AI人工智能等数字技术在风险管理工作中的应用，风险管理依托的理念、工具、方法也在快速迭代，利用数字化技术快速精准地完成信息收集、分析、处理，实现风险预警监测的自动化、智能化，为银行业风险管理工作提供了新的突破口。远程银行具有业务线上化、集中化程度高，所使用服务渠道涉及多种技术应用等特点，按照2020年5月工行《进一步完善集团风险治理体系 提升风险治理能力指引》的要求，有针对性地开展数字化风险管理方法探索与实践，具有充分的必要性与可行性。中国工商银行远程银行中心（合肥）（以下简称“合肥中心”）认真执行各项风险管理制度与办法，强化“主动防，智能控，全面管”等各项举措，在有效落实风险管理责任前提下，结合远程银行的业务特点和自身需要提升的重点方向，探索实践数字化风险管理，取得了良好的开端。

1

远程银行数字化风险管理聚焦方向

一是建立以数据分析为基础、以监督模型为风险识别引擎的导向式风控模式，结合不同业务种类、业务场景、业务流程，开展智能风控模型共建，提高业务运营风险识别。

二是加强风险态势感知识别能力，提高风险计量水平，探索系统化、智能化风险监督手段，实现由重点到全面、由局部到全局的体系化建设，以数字化风险管理实现风险管理的全覆盖。

三是把握“全线联动”，动态风险来源于各部门、各条线，在管理上虽能够清晰识别，但也无法对跨条线、跨部室风险了然于胸、心中有数。通过探索数字化风险管理平台的构架，重构风控流程，保障业务发展，实现对趋势性、预发性行为提前介入，对警示案例、优秀方法全面共享共通。

2

数字化风险管理实施要点

一是夯实数据基础。统筹推动，以用促建，按业务实施范围和监测需要，对相关业务数据资源进行有效梳理，批量集成，统一整合内部各板块、各系统的数据，面向风险揭示与风险可视化，搭建垂直应用于风险管理的基础核心数据库。

二是建设智能化模型。剖析风险场景，依托基础核心数据库，挖掘风险特征，设计规则和模型精准识别风险问题，实现数据驱动风险自动化监测，并将监测结果回传至基础核心数据库，作为数字能力的基础元素。

三是构架数字化平台。重点围绕数字化能力应用，基于基础核心数据库，开展智能模型提炼整合工作，并依托现有的制度要求、检查方向、处置手段，构建风险计量、风险监测、流转处理的数字能力，作用于日常风险控制、风险教育等领域。

3

数字风险指标体系构建

风险指标体系搭建是对风险整体形势的评估和预判，其全面性和准确性，直接影响风险管理执行的尺度和方向。为此，合肥中心全面梳理了当前风险管理监测依赖的风险指标，并据此建设风险指标数据库。

风险指标梳理。基于MECE（Mutually Exclusive Collectively Exhaustive，相互独立，完全穷尽，对于一个重大议题，能够做到不重叠、不遗漏地分类，而且能够借此有效把握问题的核心，并解决问题的方法）基本原则，使用穷举法、脑暴法、目标拆解法、专家访谈法，结合远程银行业务流程，对指标展开梳理、分析，将风险类型划分4大类，即行为风险、操作风险、运营风险、声誉风险。具体风险指标类型说明如下：

（1）行为风险类指标：如是否经商办企业、是否涉法涉诉、是否被列为失信执行人等；

（2）操作风险类指标：如工单登记有误次数、关键话术缺失次数、违规异常外呼次数等；

（3）运营风险类指标：如是否接听率骤降、是否线上排队骤增、到岗人员比率等；

（4）声誉风险类指标：如客户投诉量、监管转办投诉量、舆情监测量等。

针对四大风险类型，从统计周期、组织层级、指标衍生等多个维度设立指标，对基础单元进行细化、拓展和扩充，使风险监测目标可从多个维度描述、拆解和度量，完成对指标的预警区间、计算逻辑、数据来源、监控周期等细化工作，为风险管理奠定基础。

风险数据库搭建。基于以上的数据指标体系，以指标的名称、定义、维度、计算的逻辑及各表之间关系建立完成相关数据字典及数据底表的开发。数据采集工作主要通过爬虫批量录入、手工台账导入、模型数据确认结果回传等，使分散在多个系统、多个角色的风险数据完成规范统一化引入，数据逻辑建模示意简图见图2。

4

风险监测模型建设

为充分利用风险数据，及时、准确、高效洞察风险问题，实现异常监测的智能化与可视化识别，合肥中心基于风险指标体系和风险数据，遵循数据可行性、模型应用有效性，采用定性分析和定量分析相结合方法，按照业务分类、模型分级的思路，探索建立了面向主要风险问题的各类预警监测模型（以行为风险、运营预警和声誉风险为例）。

行为风险类监测模型。基于员工金融行为习惯和国家信息公示系统等数据，按照内控合规要求，全面排查员工异常行为，判断员工是否存在经商办企业、涉法涉诉、被列为失信执行人等违规行为，以流程机器人等方式开展自动化排查，覆盖全量员工，大力提升依赖人力排查的工作质效。同时，模型将反馈结果作为风险管理线索，辅助格长制管理模式将员工异常行为监督检查落到实处。

运营预警类监测模型。远程银行的基础受理业务是电话呼入运营，为动态感知话务趋势，强化异常监测，实现突发情况下的快速干预，确保服务的连续性和质量。合肥中心基于数据积累构建了智能运营监测预警模型，以总业务量、接听率、排队数、分类业务量占比等维度，设计了预警规则，制定分级、联动、适配化阈值方案，实现了业务异常波动的早期捕捉与前置预警；同时，达到了及时报告与处置效果，实现全时段线上监测，通过邮件、可视化平台等自动推送分析结果，实现监测能力的线上全时实时延展。

声誉风险类监测模型。远程银行作为舆情风险监测重要窗口，通过建立内部工单类核实模型，实现对工单内容的复核，杜绝工单应记未记、误登记、流转缓慢引发的客户诉求升级风险。基于投诉和咨询工单，运用文本分析技术，开展词频统计、关键词分析、主题分析，实现舆情监测，助力做好异常的实时提示提醒，持续做好重点业务、核心流程、关键环节问题引发的声誉监测。

5

远程银行数字化风险管理平台建设思路

合肥中心面向风险管理的各层级主体以数字化风险管理实现定制化监测输出，提升风险管理科学化水平和服务效能；以风险指标数据库、风险指标视图为基础，立足监测的实效性和评估，通过数字化展现风险形势，发现薄弱关注环节，揭示风险全貌和以规则模型为手段智能化开展风险检查，将风险要素的识别串联整合，灵活、聚焦、精准化地发现问题，提升监督检查质效的目标。

个人风险视图模块。个人风险管理视图展示个人相关监测指标，用于提醒、警示、通报涉及个人的疑似风险行为，便于个人全方位及时了解自己的风险可能情况，同时作为制度文化宣导以及合规测试的接入口，提供学习专区和测试专区，帮助员工提升合规知识、培养合规意识、规范操作行为。

部门风险管理模块。部门风险管理是立足中心内各部门维度，在展示涉及本部门和团队维度的风险监测数据基础上，集中反映部门在各类风险监控中需要关注的重点方向，同时，可作为风险管理团队人员传导、核实风险异常信息的承载平台。在风险模型或风险检查发现异常线索后，相应的数据可通过当前模块推送至部门的风险管理成员，由其协助核实异常情况，完成风险识别、核实、确认流程的线上闭环。

中心风险管理驾驶舱。风险管理驾驶舱适用于展现各个维度风险管理情况，包括整体风险情况、运营实时情况、各部门运营风险情况、重点关注风险指标的可视化，直观显示风险管理水平与发展态势，辅助决策管理。

6

数字化风险管理应用实践的体会

以风险指标、模型构建为牵引，构建数字化风险管理平台，可以不断推动风险管理工作智能化，为业务发展劈波斩浪保驾护航。

一是筑牢数据基础，夯实监测能力。通过风险数字化管理完成共享赋能，推进跨领域、跨系统、跨条线的联防联控、精准识别、快速响应，实现与业务系统的对接与延伸，通过数据采集能力整合，提升数据加总和分析能力，提升风险管理线上化水平。

二是助力检查渗透，加固流程要点。风险管理数字化能力作为风险管理团队线下能力的延伸，在全面增强风险管控能力基础上，为团队人员“减负赋能”。团队成员可更好地聚焦和透视本条线风险工作的重点方向，利用平台完成异常事件的检查记录，做好风险管理的传导和核实，高效完成各项内控工作，严格履行岗位职责。

三是强化制度宣导，厚植合规氛围。依托数字化能力输出，以警示教育为重点，以合规高效为主线，开展系统推送、线上测试，切实将合规理念融入员工日常工作中，完善训后效果检验，力求以学促思、以学促改、以学促行，全面提升员工合规素养。

合肥中心以数据为基础，通过业务发展、制度约束和科技创新的紧密融合，以模型为核心，以场景为驱动，开展风险管理体系的数字化、自动化、智能化探索，积极打造智能化和自动化风险防控体系，取得了良好开端。随着全行数字化转型的进一步推进，未来在全行的统一布局下，合肥中心将始终立足自身站位，在风控全面性、智能技术引入、底层的数智基础三个层面对风险管理体系持续赋能升级，为远程银行高质量发展奠定风控管理基础。（课题组成员：朱益民、蔡文静、邓瑞、易丽霞、李国伟、丁捷；执笔人：朱益民、邓瑞）

THE END

转载声明：本微信公众号刊登的文章仅代表作者本人观点，不代表中国普惠金融研究院及本微信公众号观点。