參賽單位：聯動優勢科技有限公司

案例名稱：“聯動數科”基于全景數據的中小微企業融資與風控系統

案例簡介：

為加快推動銀行普惠金融業務發展，聯動數科通過聯邦學習和大數據風控建模技術，建立了中小微企業融資與風控系統。系統發揮銀行數據資源優勢，融合外部合規數據，將海量、多元、碎片、非結構、非標等數據資源進行深度治理及應用，建立快速預授信平臺，滿足銀行零售信貸業務拓展中的快速定額、精準匹配服務，助力金融服務線上化、遠程化，智能化。支持銀行“六穩”“六?！惫ぷ魅〉梅e極成效。

創新技術/模式應用：

項目通過聯邦學習技術和大數據風控建模技術，融合三方合規數據資源，挖掘銀行自有數據資源，將原有的海量、多元化、碎片化、非結構化、非標準化以及質量參差不齊的數據資源進行治理和應用，對信貸業務的客戶進行360度風險評價，綜合進行精準信貸產品服務推薦，提供定額服務，進而解決銀行因為信息不對稱引起的不敢貸、不愿貸、不能貸的問題。

1、聯邦學習+大數據風控創新技術

項目實現在自有隱私數據/特征不出本地以及符合數據安全規定情況下，通過聯邦系統加密機制下的參數交換方式，進行協同訓練，融合多個高價值特征變量及合作方變量，使用監督學習（線性回歸、邏輯回歸、決策樹、K-近鄰算法等）和無監督學習（聚類算法、獨立成分分析、奇異值分析等）建模，建立起更有效的信貸定額聯合模型，并通過機器學習，不斷迭代和優化模型。項目會同時建造兩個模型，進行AB Test 及冠軍挑戰者模式，驗證模型效果并不斷迭代。

圖一：產品架構示例圖

圖二：聯邦學習應用和創新示例圖

2、分布式計算和云平臺模式設計

同傳統企業級應用相比，大型互聯網企業在應對業務彈性大，峰值業務是平時數倍、可用性要求高，能隨時支持業務需要。

圖三：網絡架構圖示例

3、SNS用戶身份信息確定

獲取待處理用戶的社交網絡通訊錄，通過數據挖掘技術挖掘用戶社交網絡關系，準確地確定出所述待處理用戶的身份信息。

4、基于移動互聯網的申請反欺詐識別技術：

利用SIM卡號和手機識別碼預防申請欺詐，通過對ICCID號、IMEI識別碼和通訊記錄的綜合判斷，有效地降低用戶申請欺詐的概率，特別是提高對具有良好通訊記錄的壞用戶的識別率。

5、 基于移動互聯網的用戶行為特征信用評估技術：

利用運營商不同手機號信息，通過對用戶名下不同運營商所有手機號通訊信息和消費記錄的綜合分析，對申請者進行信用有效評估。

6、建立金融犯罪特征模型：

運用金融交易數據和電信定位數據進行聯合分析。

圖四：金融犯罪特征模型示例

項目效果評估：

本項目投入應用后，使用全景數據建立授信評分卡模型，解決大數據應用領域用戶隱私保護的行業難題，有效保護數據產權和隱私。評分卡可以在5秒之內評估出授信額度（傳統方法需5天），大大縮短審批時間，提升用戶滿意度，貸款轉化率達到5%，不良率不超過1%。聯邦學習技術可實現遠程建模，有利于疫情期間健康安全防護，有效提升銀行遠程服務能力，同時降低服務綜合成本。

1、顯性成果

系統上線5個月來，通過小微企業主信用分析模型，有效控制小微企業不良貸款，在控制風險的同時，提升客戶的體驗和客戶轉化率。將中小微企業貸款的客戶轉化率提升3-4倍。

其中風險預警體系的建立和應用改變傳統管理模式下風險判斷表面化和風險反應滯后的狀況，加強了風險搜索的系統性和準確性，提高了風險分析的技術含量，促使商業銀行風險管理工作提高到一個新水平。體現以下方面：

· 提高貸前分析效率

· 改善貸中決策質量，隨時監控額度，進行貸款額度調整

· 制定行業信貸組合方案和行業信貸政策

系統實現：

· 服務接口響應時間小于1秒

· 系統穩定性SLA達99.9%

· 準確率99%，召回率99%

· 數據實時流處理延遲小于5秒

· 數據入倉吞吐量達200mb/秒

· 批處理任務調度規模：20000筆/日

· 批處理處理總時間：小于2小時

· 即席查詢響應時間：小于3秒

· 服務接口并發事務數1000筆/秒

2、隱性成果

作為銀行內部的一個“創新沙盒”項目，對傳統服務流程和模式進行了大膽嘗試。項目通過對前沿技術創新應用，對銀行小微企業客戶進行全息洞察，量化評價，在客戶填寫貸款申請信息的同時獲取到可能貸款的額度，從而建立數字化風控系統，實現了對現有小微企業貸款服務流程創新。后續，此項目經驗和成果可以推廣至其他中小銀行，從而助力銀行全面保護用戶隱私的情況下，全面發展普惠金融服務，服務實體經濟，更好完成六穩、六保工作任務，實現數字金融時代的高質量發展。

項目牽頭人：

吳鋒海

聯動優勢高級副總裁

責任編輯：方杰