获奖单位：济宁银行
荣获奖项：风控创新优秀案例奖
一、项目背景及目标
近年来，济宁银行深入贯彻落实党中央、国务院“放管服”政策要求，全面遵照企业账户管理“两个不减、两个加强”原则，将优化账户服务与加强账户风险防控有机结合，依托“科技+智能+共享”的技术手段搭建“账户风险监测平台”，实现账户“事前+事中+事后”的闭环试管理和账户“全流程全生命周期”的风险监测，显著提升行内账户管理的科学化、精细化和数字化水平，为全行发展提供稳健的交易环境。
通过账户风险监测平台，实现多渠道整合线上线下数据，集成现有可接入系统，将分散化、碎片式账户信息实现有效的互联互通，一键获取账户信息、交易数据、风险等级等信息，形成数据集市，打造多维度、全方位的监控中心，提高账户管理主动性、前瞻性和时效性。
二、创新点
1.统一平台管理，改变传统作业模式
账户风险监测平台利用大数据与人工智能技术，将海量的账户信息及交易数据进行拓展整合、可视化处理，实现集监测、预警、统计、分析等功能于一体的多功能平台，改变了传统以人工提取数据、分析数据、靠经验进行风险排查的账户管理模式，释放人力资源。
2.一键获取360°信息，提升全流程处置效率
账户风险监测平台一键获取账户360°视图、交易笔数趋势图、历史评级情况、风险分析报告等动态监控数据，通过多维度多视角的数据分析，提高了账户主动、准确、动态甄别风险的能力。
3.构建模型库，联动延伸核心控制机制
账户风险监测平台根据监管模型、规则模型和AI模型构建模型库，不断提高数据应用的价值和效能；对账户开、变和交易数据进行分析后，平台通过模型库实时计算出账户的风险得分及风险等级，并将平台处置意见实时反馈核心系统进行相应控制。
4.动态计量风险评分，解决全生命周期监控痛点
通过账户风险监测平台，结合内外部数据挖掘、分析账户风险特征，动态制定和部署风险监测模型规则，实现账户“事前+事中+事后”全面风险预警管理体系，解决了全生命周期监测无数据支撑的痛点。
三、项目方案
济宁银行依托科技赋能，积极探索新形势下银行账户管理举措，通过系统建设、流程再造、功能整合、数据挖掘以及创新技术应用，打造集约化账户管理体系，持续优化账户服务，防范化解账户风险。平台借助自动化、数据化、科学化的风险模型，建立账户分类分级管理体系，根据“指标-场景-模型”的关系配置监测指标，高效、准确、动态的识别账户风险。平台集合账户分类分级管理、账户风险监测、异常账户处置、统计分析、信息查询等功能，实现了渠道协同、数据价值、效能提升，覆盖了“事前-事中-事后”账户全生命周期管理需求。
1.业务架构
账户风险监测平台是以账户为中心，综合账户全生命周期管理需求，借助自动化、数据化、科学化的风险模型，建立账户分类分级管理体系，根据“指标-场景-模型”的关系配置监测指标，高效、准确、动态的识别账户风险。通过风险监测与预警处置、账户分类分级管理两大流程模块，为账户监督管理和风险处置提供技术手段和实施工具。整体业务结构如下图：
2.系统功能
账户风险监测平台监测范围覆盖全量单位账户和个人账户。平台以底层技术架构为基础，充分挖掘数据价值，形成集风险目标、监测时效、处置方式、用户画像等多维度、全方位的风险监控中心，实现风险识别、处置、分析评估以及评估结果转化应用的全流程闭环管理。
功能主要包括账户风险监测与预警、账户分类分级管理、信息查询、模型管理、报表管理、系统管理等。
3.模型设计
根据监管要求、业务环节、风控措施、案件场景分析研究，制定出“指标-场景-模型”的关系配置监测指标，采用“监管模型”、“规则模型”与“AI模型”等模型相结合的方式，共同构建模型库。全面、精准、高效的双层风险评估引擎，可操作性强，易于模型调优管理。
一是监管模型+专家模型：模型设计兼顾监管政策、管理实践，首批上线模型40余个。根据预警案例的风险评分，不断调优阈值，验证跑批结果的正确性、模型阈值设定的合理性、风险账户处置的精准性。
二是规则模型+场景模型：基础风险特征模型和规则模型组合后的场景模型共同运行，对风险账户进行高阶研判，降低“误伤率”。
三是静态模型+动态模型：通过模型管理平台，按规则将阈值录入预警模型库中，以静态和动态相结合的方式对模型库进行管理，减少管理成本，提高调优效率。
4.流程机制
一是分类分级流程设计：平台自动进行采集数据、风险评分，主动分级为高风险、中风险、较低风险、低风险四类；按照账户风险分级人工处置结果，自动分类为正常账户、限制账户两类。
二是监测预警流程设计：平台每日依据风险模型自动获取风险数据以及其他系统推送的风险数据，对于触碰风险模型的账户自动生成待处置案例。
三是风险处置流程设计：通过流程引擎，自动分配待处置风险账户，通过经办、复核角色权限快速响应处理，确认可疑的直接对接核心业务系统处置。
四、技术架构
1.整体技术架构
一是应用组件层：能够适用于不同前端的组件，能够与底层数据层进行交互，包括
Vue.js、bootStrap.js和其他layerUI.js等前端组件。
二是中间组件层：中间组件层包括数据处理、数据查询、数据计算和应用部署中间组件层。
数据处理：包括关系型数据库oracle/MySQL等数据库，Redis、Elasticsearch等非关系型数据库结合使用，使用ETL方式进行数据处理，运用调度平台进行任务管理。
数据计算：采用规则引擎对风险数据进行规则触发和评分计算，同时可结合大数据平台进行相关运算。
应用部署：采用系统内置容器tomcat进行部署，也可运用容器组件docker或K8s进行部署，均能支持集群化以及动态可扩展能力。
三是基础硬件层：支持目前市场上主流的各类服务器硬件，以及各类虚拟化环境，同时也可以运行在各种公有和私有云平台。
2.模型发布和风险特征探索
一是模型发布。从规则共享平台上拉取各种规则，收集形成规则集，再进行规则集测试，如果能筛查符合业务逻辑风险数据，则形成一个特征风险，发布风险特征库，每天进行跑批。如果不成功，则进行标记。
二是模型探索。实现AI模型推演，根据原始数据及关联特征建模，自动跑批，自动评分。
3.数据集市
信息从数据中心（ODS、核心或者其他系统）抽取出来，经过清洗和汇总后转换到一个中央、集成的企业级集市中。数据集市对这些集成、汇总的指标进行定时更新，风险特征根据建立的主题集市跑批触发风险数据。
五、项目过程管理
账户风险监测平台目前共分为三个阶段逐步投产运行。
一期：实现基础功能模块、账户分类分级、账户风险监测及全流程处置功能上线，从开发到全行投产历时5个月；
二期：监测模型的新增及迭代调优，利用RPA技术、大数据应用技术拓展可接入的外围系统及外部数据，从开发到全行投产历时3个月；
三期：实现账户驾驶舱报表平台、数字大屏的上线，从开发到全行投产历时2个月。
六、运营情况
账户风险监测平台为分支机构提供了涵盖单位账户和个人账户全生命周期管理平台，实现了账户动态分类分级管理、监测及管控，在提效率、控风险、强管理方面提供了有力的系统支撑。
1.平台上线以来运行平稳
账户风险监测平台已完成全行92家营业网点的布设，系统运行情况稳定。根据分支机构合理化建议，已优化需求40余条。通过平台规则引擎跑批，系统每日数据处理量6000万余条，处理交易50万余条，良好的数据处理效率确保了系统安全平稳运行。
2.实现全量账户的动态分类分级
账户风险监测平台2级分类4级分级标准运行体系下，上线初期已实现全部存量单位账户和个人账户的分类分级管理，涉及账户280万余户。每日系统自动对账户进行分级，根据案例处置结果动态分类。
3.堵截涉诈账户风险效果良好
基于全新智能风控体系完成了全量账户的风险排查，对异常开户行为、异常交易、涉案账户均有预警堵截，风险防控效果良好。截至目前，中高风险预警账户5000户，单位账户采取管控措施的60余户，个人账户采取管控措施的710余户。
七、项目成效
1.提供系统支撑，降低劳动成本
账户风险监测平台解决了当前账户分类分级管理、账户风险监测、风控策略落地、监测模型动态调整等无系统承载的现状，攻克了账户风险管理长期依赖人工筛查甄别的难题。账户管理所涉及的信息采集、分析研判、风险处置等均实现线上化、流程化、自动化，提高了作业效率。
2.打破数据“孤岛”，实现风险共享
通过建立集日常管理、监控、分析于一体的账户视图，对账户进行精准评分、评级，有效消除了单一网点、单一渠道风险信息孤岛局面，实现了信息对称、风险共享。
3.完善顶层设计，实现组织级风险管控
“账户+客户”、“指标+场景”、“筛查+处置”、“前台+后台”多模式的应用，账户全生命周期顶层设计，实现了组织级风险管控的流程化、标准化、系统化。
4.聚焦效能提升，为监管政策落地提供借鉴价值
系统的上线实施，使前台运营人员更好的至力于高效识别客户、风险结果运用、异常可疑处置，后台管理人员更多的聚焦在效率提升、流程优化、价值创造，助力营业网点安全运营，助推运营数字化转型落地。同时，为行业探索实施账户分类分级管理提供了实践经验和借鉴价值。
八、经验总结
账户风险监测平台建设，实现账户数据比对、统计分析、风险监测等多维度的账户管理。将日常账户管理过程中所涉及到的内外部数据集中对接，账户对应全部业务通过该平台进行统一操作，助力行内建立健全账户管理体系，实现运营高效化、智能化，加速数字银行、智慧银行转型。
更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社官网案例库、选型库查看。
