大数据不仅指风险管理的数据环境不同于以往，更代表一个全新的风险管理时代。在大数据阶段，风险建模从依托样本数据进入到依托大数据，依托多个独立来源的海量数据。建模目标从估计风险概率进入到洞见（seethrough）风险本身。风险侦测的范围从还款能力扩展到还款意愿。建模方法从传统的逻辑回归进入到数据关联的机器学习和深度分析，建模雄心也从模拟风险模式上升到模拟行为模式。在大数据时代，风险管理关口从传统的中台，从机械笨拙的审贷分离模式，内嵌、前置到营销端和各类场景，通过智能风控指导和服务精准营销。总之，大数据风控既是风险管理的新时代，也是整个银行业的新时代。

 

笔者在浦发银行设计并主持建设的“天眼”系统（Sky Eye System）即是对大数据风控的深度实践。“天眼”系统的核心目标是依托大数据作业和系统建设，融合内部评级体系，提高银行风险管理的数字化、集约化水平，全面提升风险管理的非现场能力，提升中后台在风险识别与评估、监测预警、管控、经营、稽核、决策、处置等方面的非现场作业能力，支持场景授信的在线审批，真正促进风险管理和业务营销的统一，真正将风险识别和处置前置，更好地平衡管控与效率、风险与收益。

 

“天眼”系统对应的大数据作业有三个主要特点，一是数据挖掘，二是价值驱动，三是流程内嵌。在数据方面，一是更多引入外部第三方数据，包括人行、银保监会的数据以及工商、税务、海关等相关信息；二是着力整合内部数据，尤其是内部交易数据，形成以客户为基本单位的账户信息和交易信息汇总，全面反映客户动态变化，其中引入外部数据是重要的杠杆支点。在模型方面，建模服务于集中式监测分析，侧重于挖掘行为模式和风险路径，建模强调覆盖率、命中率和提前量，促进风险管理的价值贡献。依托机器学习和深度数据挖掘分析，持续训练、提升和维护预警规则。在系统方面，通过API实现系统之间数据交互，整合营销、运营、风险、审计等多部门信息用于大数据建模。通过API实现场景内嵌，打造全流程、智能化的决策支持管理系统。依托大数据、物联网和云计算技术，通过内部评估和外部评估相结合，优化押品管理流程。通过图像识别技术，开展信贷可视化作业。

 

为此，天眼系统针对贷前、贷中、贷后、合规内控分别设计了天检、天眼、天网三大管理主题界面，提供全方位风险视图，并为此配备强大的风险侦测建模能力。结合监管制度以及业务实践，2018年底已累积有效风险侦测和触发规则783条，涵盖合规风险、关联关系风险、融资风险、经营风险、账户风险、缓释风险、客户行为风险、内外部风险信息等多个维度。聚焦担保圈链、风险传导、过度授信、分拆授信、多头融资、财报异常、押品估值等风险，累积有效风险预警模型37个。为了实现合规与风控两者之间的信息共享和动作协同，设置天网管理主题。在决策支持方面，天眼系统设计了天策、天平两大管理主题界面，天策侧重于集中度管理和组合限额管理，天平通过客户贷前风险收益测算，贷后风险价值评价与监测，从新增客户端和存量客户端为总分行优化客户和业务结构，提升信贷资源配置效能提供指导和决策支持。在流程优化和模式升级方面，围绕信贷流程可视化，线上押品评估，供应链融资在线审批，天眼系统分别设计了天机、天盾和天规三大管理主题界面。在技术架构上，天眼系统设计了天库主引擎，全面整合内外部数据，搭建数据、建模、存储、计算和任务管理环境，为其他管理主题界面提供服务支撑。为满足展示需要，天眼系统备有天幕功能界面，通过有针对性，多维度、多层次、多视角、可挖掘和钻取的实时数据视图设计，使管理者进行决策时能根据需要定制，灵活展示，深度挖掘。天眼系统的具体架构如图所示。

 

从应用效果看，天眼系统上线伊始即取得了巨大成功。风险分类更加扎实，整改与督办更加高效。在风险分类方面，系统输出之一是风险分池信息，基于预警监测规则对客户定期扫描，按照风险高低动态分类。所有客户都被无遗漏地分拣进入出险、风险、观察和正常等四大风险池（Risk Pools）。每个池子的内部按照风险高低进一步细分成若干子池（Subpools）。不同类别池子之间以及同一池子内部不同子池之间，有迁徙关联路径。通过风险分池管理，建立和完善客户风险分池逻辑框架，对全行客户实行分池管理，动态监测。风险分池是全行风险暴露的全息影像记录。通过分池信息，能够对客户进行监测和预警，跟踪风险源头和传染路径；为资产分类和IFRS9减值拨备提供扎实的底层风险证据；基于发现的风险和问题，针对机构（分支行）、客户与客群、产品、责任人（客户经理、支行行长等），分别建立对应的风险档案，提示潜在风险，明确风险责任，推进绩效核算。下发风险核查与处置督办清单，开展任务管理。客观地说，“天眼”系统正在带来深刻改变。