基于大数据的客户风险预警系统解决方案开发方案，基于大数据的客户风险预警系统解决方案有哪些。

基于大数据的客户风险预警系统解决方案

一、客户关注点

1、业务背景

近些年来，中国金融市场化改革始终是围绕着放松管制、培育市场化运行机制、消除金融抑制、提升金融效率展开的。随着金融业市场化水平和对外开放程度的提高，金融机构间竞争加剧，银行的特许权价值正在不断降低。同时伴随着国内的经济形势波动和企业的经营状况的恶化，商业银行的不良贷款余额逐渐增加，不良率也逐渐逼近监管要求。此时监管的工作重心已经逐步转移到面向“好”银行潜在问题的预防上来，变事后救援为事前预防。

在这种情况下，商业银行如何做好贷前准入和贷后风险防范，是商业银行面临的重要问题。

二、方案概述

中软融鑫凭借多年与银监会客户风险预警项目的合作，并经过工行、农行、交行、中信、国开、浙商、恒丰、东莞、东亚、瑞丰等商业银行的项目实践，以及与工商、法院、税务、水电、舆情等外部信息的对接，形成了一套完整的客户风险管理体系，以帮助商业银行防范客户风险。

1、功能框架

风险地图：通过地图展示所辖区域各预警级别预警信号情况，直观的掌握客户预警分布情况；

直通车：通过直通车快速定位预警客户基本信息、预警的信号以及预警信号的详细情况。

客户信贷视图：汇总商业银行内部、外部数据进行整合，展示客户基础信息、信贷信息的统一视图；

客户风险视图：通过商业银行内部、外部数据的整合，进行关联分析，展示客户的贷前准入报告、贷后偿债风险、贷后风险预警等信息，以便及时的发现并控制客户风险；

信号排查：对于存在预警信号的客户进行检查，结合现场检查定位、风险排查报告等，保证预警信号得到排查；

信号处置：对于排查后确定存在风险的客户，需要配合预警信号进行相应的处置，例如冻结授信额度、提前收回贷款、冻结借款人在商业银行的存款、列入重点观察名单等；

信号跟踪：对于处置后的信号进行跟踪，以保证处置效果，保全商业银行资产。

预警模型：该模块实现预警规则配置管理，包括风险信号管理、预警指标管理、规则模块配置、数理模块配置等功能。

2、预警范围

中软融鑫客户风险预警解决方案的预警范围包括三部分：

法人客户：对单个法人客户潜在风险可能引起的还款能力下降进行预警；

集团客户：对集团客户多头授信与过度融资、治理结构混乱、循环担保、集团成员间关联传导等风险因素进行预警；

系统性风险：从行业、地区、产品等维度可能对银行某组合层面客户还款能力的影响进行预警。

三、方案特点

中软融鑫基于大数据的客户风险预警方案特点集中在以下四个方面：

1、业务知识丰富

中软融鑫一直将客户风险预警领域作为公司的核心发展方向，累计投入几百万用于外部合作与产品研发。

中软融鑫拥有一批风险预警领域的高素质专家业务团队，在风险信号指标体系以及预警流程管理思路方面有着丰富的积累和经验，具备预警系统建设的业务、模型咨询能力。同时多家银行的实施经验，使得中软融鑫拥有业务最完善的一套预警指标体系。

中软融鑫拥有一批有着丰富风险预警项目实战经验的技术团队，确保项目高质量的实施效果。

2、监管合作优势明显

银监会客户风险预警系统建设经验，熟悉监管披露数据的格式、内容、用途及未来规划。

中软融鑫作为银监会“2012年客户风险预警研究课题”唯一软件参与厂商。

人行征信系统数据仓库建设经验，熟悉人行征信数据格式、内容、用途及接口方式。

中软融鑫目前在全国首家实现了企业征信后台查询下载接口程序开发与联调测试。

3、产品优势领先

中软融鑫客户风险预警系统产品经过多年积累，产品成熟稳定，确保实施周期短、风险小、成本低。

产品涉及一系列公司自有的核心技术，例如预警数理模型、客户风险图谱、担保圈自动发现、集团风险识别等。

在外部数据对接上，中软融鑫和多家数据公司建立的战略合作关系，数据的准确性、及时性较高。

4、案例优势突出

成功案例众多，涉及银监会、工行、交行、中信、国开、浙商银行、恒丰银行、东莞银行、瑞丰银行、东亚银行等。

2011年，工行、交行、中信、国开借助中软融鑫产品荣获银监会客户风险预警应用劳动竞赛一等奖。

2015年，东莞银行建设《东莞银行-城市商业银行EAST数据驱动的风险分析与应用研究课题》，荣获银监会二等奖。

四、创新

客户风险显现有其产生、发展、暴露的一个演化过程。客户风险预警是指商业银行根据各种渠道获得的信息，通过一定的技术手段，采用规则判断、数理统计等方法，对银行客户进行系统化连续、动态地监测分析，从而发现和判别相关风险信息，并发出相应的风险警示信号，评定客户风险等级，以实现对客户风险状况的持续监测和早期预警。

1、扩充行内外信息源

传统的贷后管理阶段，客户经理通过贷后检查、日常监控、新闻媒体、财务分析等渠道发现客户风险信息，过度的主观性造成严重的信息不对称。因此，解决问题的根本办法是要将行内外信息进行收集、存储与整合，形成风险预警数据集市，实现从“人找信息”到“信息找人”的转变。行内外数据收集的范围包括行内信息、监管披露信息、征信信息、互联网信息，如下图所示：

2、建立全面的预警指标体系

传统的信贷系统一般只提供针对逾期欠息、财务指标的定量化提醒，其余的预警信号都是通过人工录入的方式进行定性认定，不成体系且存在很大的主观性。因此，需要建立起针对单一法人客户、集团客户全面的预警信号与指标体系，并通过行内外数据对风险客户进行自动识别和主动提醒。

（1）规则模型

中软融鑫经过几年的项目实践，积累形成了全面的《客户风险信号与预警指标体系》，收录了几百个客户风险信号和定量预警指标。单一法人客户与集团客户风险信号与预警指标体系架构，如下图所示：

（2）数理模型

数理模型以客户未来6个月是否发生风险为预警目标，对行为及关联因素下风险指标的历史数据进行回归，从而得到客户未来6个月发生风险的概率。模型对象包括行内潜在客户、存量正常客户。

3、客户风险等级评定

贷后管理阶段，普遍做法是基于“风险信号”进行管理，没有针对客户的风险程度进行等级评定，实行差异化管理。实践证明，风险信号只反映现象，不能直接揭示客户实际的风险程度，例如某个财务指标超过阈值，对不同性质的客户影响程度是不同的，虽然触发预警但未必是真正的风险客户。因此，对客户风险进行各个维度的综合评估，实现贷后风险等级评定，对于提高预警准确率和工作效率具有积极的作用。

中软融鑫客户风险等级评定方法根据不同的业务场景，对于风险较为明显且经验上容易判断的指标进入规则模型，规则模型为实时运算，重在迅速行动；对于潜在风险成因且经验上难于判断的指标进入数理模型，通过数据挖掘、回归统计的方法计量客户综合风险等级，数理模型为每月运算一次，重在对潜在风险客户进行超前分析与提前预警。

4、风险客户的后续跟踪管理

客户风险等级评定后，对于不同预警等级的风险客户需要进行差异化的后续管理流程，包括现场检查、预警检查报告管理、预警等级转移与审批等。

五、典型案例

银监会客户风险预警系统

银监局客户风险监测预警系统

交通银行客户风险预警系统

中信银行客户风险预警系统

工商银行集团风险预警系统

国家开发银行客户风险预警系统

浙商银行客户风险预警系统

东莞银行客户风险预警

东亚银行客户风险预警

瑞丰银行客户风险预警