北京
2021年12月，中国人民银行印发《金融科技发展规划（2022—2025年）》，提出健全金融科技治理体系、充分释放数据要素潜能、打造新型数字基础设施等重点任务。北京金融科技产业联盟开设“今日案例”专栏，以《规划》为牵引，通过优秀案例展示产业各方在实践中取得的成果，促进机构互学互鉴。
关键字：风险分析、知识图谱、自然语言处理、机器学习
当前，企业客户凭借其庞大的资产规模，较为广泛的融资渠道，表现较为突出的经营效益和多领域的扩张态势，已经成为浦发银行信贷投放的重点对象。但与此同时，大多数大型企业客户由于其地区、行业差异明显，关联交易频繁，股权结构和组织结构复杂，融资情况不明晰等风险特点，逐渐成为各商业银行全面风险管理的重点和难点。
浦发银行信息科技部联合济南分行，借助创新技术，基于行业、区域、规模优化现有模型体系，定制化构建多模板企业智能风险分析报告，可以运用于授信调查、审批、非现场监控、贷后检查、客户评级等环节，帮助总分行更好地了解客户经营状况，提前挖掘潜在风险点。
在解决痛点难点问题方面
目前对企业风险监控主要依赖规则和有监督模型存在以下局限性：
- 一是企业客户受行业及地区影响较大，而传统提炼规则和标记风险样本人力成本较高；
- 二是专家的经验、状态、流动性等主观因素影响规则和标签质量；
- 三是机器学习模型结果可解释性较差，区域行业差异归因分析方面灵活性较低；
- 四是现有检查报告需要业务人员手工填写全部内容，人工工作量较大。
面对痛点
在项目设计上，该创新课题通过从区域、行业、企业规模等特性出发，基于关联关系、舆情、司法、工商数据、财务数据，结合审计、行业分析特性建立模型，针对不同企业规模构建定制化分析框架，自动化生成企业智能风险报告，挖掘出风险信息或者潜在风险点，做到通过数据挖掘价值，输出具有高度可解释性的监测原因，在全面分析企业的情况下提升风险企业检测准确率，并提升提前性。同时封装相关算法，丰富特征体系，服务于更多的业务场景。
在工作队伍上，本案例为大数据分析工具，因涉及知识图谱、机器学习等垂直领域，同时又需要结合金融业务、行业分析、财务审计等知识技能，故本项目的工作队伍由浦发银行科技和业务人员组成，覆盖金融业务、软件工程、大数据技术等不同专业背景，在专业领域上进行工作细分，达到效率最大化。
在技术手段上，本案例为解决风险客户关联洞察、负面文本异常，财务粉饰异常问题，使用了知识图谱、自然语言处理（NLP），有监督算法，贝叶斯算法等模型，在批量完成所有模型的基础上5分钟内完成单份报告可视化展示任务。案例创新点为贝叶斯算法在财务审计分析自动化的应用，通过机器学习算法结合专家经验完成行业特性的财务异常知识库构建。
在成效与亮点方面
本案例自动化生成“风霁-基于行业、区域特性的企业智能风险分析报告”，目前在多家分行完成试点应用工作。其中财务异常分析模块降低对财务专业知识的依赖，平均每家企业报表分析时间花费从过去2小时缩短到1分钟，具有行业区域、特性的规则平均较传统专家经验规则准确率提升20%。报告可辅助授信调查、审批、非现场监控、贷后检查、客户评级等环节，帮助总分行更好地了解客户经营状况，提前挖掘潜在风险点。
本文来源：浦发银行
投稿邮箱：News@bfia.org.cn
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
