机器学习、NLP及AI技术在信用卡智能一体化审批的应用
所属单位:徽商银行
参与奖项:最佳金融科技创新奖
评委评分:
热度 (转发微信朋友圈或群可以帮助增加热度)
微信扫码分享此评选

在梳理本行信用卡业务风险点基础上,制定智能一体化审批实施路径,因实制宜地进行策略配置和落地部署,基于大数据、AI、机器学习等金融科技实现对信用卡产品目标客群自动欺诈识别、自动量化评分、自动审批额度,以系统全流程智能审批替代人工干预发卡,从而达到提升信用卡进件处理效率和质量的目标。由传统人工作业向智能化决策转变,强调管理模式的自动化、智能化、精细化,实现信用卡产品目标客群无人工干预“秒批”发卡。

信用卡智能一体化审批是徽商银行信用卡数字化转型的重要成果,通过流程再设计,以“小核心+多外挂”系统架构,将多个审批授信节点进行有效结合,完成智能化、自动化、数字化审批授信,具有以下优势:

一是优化风控业务流程,基于人工审批现有流程,梳理加强各环节风险控制,探索重构智能审批模式,实现客户识别、信审准入、额度授信一站式智能化决策流程。

二是搭建风控智能决策平台,实现风控模型及策略规则的自动化部署。通过风控智能决策平台,风控人员可以实现将机器学习的模型开发迭代以及对应衍生变量的处理逻辑代码的直接部署,降低了技术开发及测试时间,提高了模型及策略优化的灵活性,同时降低策略部署的操作风险。

三是通过先进技术加强文本信息识别,强化客群分析。通过NLP(自然语言处理)技术建立信用卡数据标准化及模糊匹配引擎,通过标准化工具对客户填写的单位信息进行标准化拆分清洗,并与历史申请单位进行对比,匹配准确率高达95%以上,基本以机器对比的方式替代了人工识别,使得判断客户职业稳定性、客户单位类型的效率及准确性大大提高,为申请件的智能审批化提供重要依据。

四是逐步引入外部数据,不断优化风控模型。引入运营商、社交、车辆、学历、公积金等外部信息建立专属的评分卡,同时基于人行1000评分建立二维评分模型矩阵,并针对未引入模型但有较强区分能力的变量以规则形式辅以决策,划分不同的准入评分线。模型矩阵建设完成后,较原申请信用评分大幅提高区分能力,针对机关事业类及金融类优质客户坏账率有较大程度的降低。

方案背景

当前我国商业银行信用卡业务一直保持稳步增长态势,但同时也面临着多重挑战。一方面,来自互联网金融行业的竞争压力增大,如蚂蚁金服旗下“花呗”、“借呗”等同质化产品带来的业务冲击。另一方面,发展模式从跑马圈地向精细化运营转型,促使银行更需要从客户体验角度细化审批流程,提高审批效率。信用卡作为银行零售业务标准化的消费信贷产品,持卡人可以先消费后还款,因此发卡行要求持卡人具备较好的信用状况和还款能力。从1985年中国银行发行第一张标准信用卡开始,信用卡审批就应时而生。信用卡发展历经30多年,审批业务操作流程也在逐步成熟,完整的标准化审批流程大致包括信息记录、信用审查、欺诈调查、综合审批、额度授信等环节。

随着行业发展和技术变革,信用卡审批已经历了四个阶段,分别是人工阶段、工具阶段、半自动阶段和自动化阶段。半自动化阶段实现各系统之间联动,完成内外部数据的调用存储,通过构建评分卡、部署风险模型、引入各种名单库对客户进行预先判断,拒绝绝对“坏客户”,准入绝对“好客户”,对其余客户进行人工审批,对于额度授信则还是按照人工的模式展开。随着互联网和大数据的兴起,信用卡审批进入自动化阶段,以数字化、网络化、系统化代替人工,以云计算为开放平台,增加基于人工智能的大脑,根据大数据做出分析、决策,指挥自动化工具完成准入、授信、定价等相关操作,从而实现审批的总体目标。

方案目标

在大数据迅猛发展的浪潮中,徽商银行结合互联网发展趋势,打造金融科技服务能力,让客户可以全线上、一站式、快速便捷地获得服务。徽商银行通过三项举措实施自动化审批项目。首先根据适用、经济和可用性的原则进行外部数据筛选及策略部署,检视数据本身的质量保证与业务的契合;其次构建自动化审批体系,包括多渠道信审系统、决策管理系统、反欺诈系统等,提高运算能力和系统耦合力;最后设计精确完整的审批流程将所能发挥的效用最大化。

信用卡贷前风控模型是徽商银行信用卡风控模型的一次全新改革和自主创新,是以大数据、机器学习、NLP技术为支撑构建的领先的风控体系,该体系从行内外等多个渠道获取客户信息并进行有效整合,在信用评分模型的基础上,结合大数据库及人行征信信息准确评估客户信用等级和收入水平,给出授信额度建议。

方案特点

一是贷前风控模型管理更为完善。信用卡业务重点关注信用风险和欺诈风险。贷前准入阶段中风险决策模型使用XBGoost、LightGBM、LSTM等机器学习等算法构建准入模型、申请评分、申请者反欺诈、初始额度授信及差异化定价等一系列模型,实现信用卡产品的自动化智能一体化审批授信。同时建立健全信用卡风险模型开发、测试、评审、应用、监测、校正、优化和退出的全流程管理机制,确保风险模型开发与评审环节相互独立,并以模型监控系统监控模型的效能与准确性,帮助模型开发人员对风险模型进行重新评审和及时更新优化。

二是创新性使用NLP技术建立信用卡非结构化数据标准化及模糊匹配引擎,提高信息数据质量,增加反欺诈侦测等场景运用的准确性。首先是实现地址比对,在审批流程中,需要做大量的文本匹配工作,尤其是家庭地址、单位地址、单位名称等。现阶段大部分银行利用人工比对,一方面效率低,另一方面容易出错。徽商银行运用NLP技术实现标准化及匹配技术,实现单位稳定性、高危地址库匹配等应用。主要是对地址信息运用N-gram、条件随机场等算法,引用开源地址库以及停用词库,提升分词准确性,基于分词结果通过比对one-hot、TF-IDF特征向量化表示,以及余弦相似度、模糊相似度对申请人单位与人行征信报告、申请人工作/户籍地址与高危地址库的匹配,构造职业稳定性和高危地区匹配度等指标,用于自动化申请授信。

三是设计精细智能的自动化审批流程, 使用数据驱动的自动化决策流程遵循全面性、准确性、灵活性等原则,从各个环节的优先级和逻辑关系设计一套自动化的审批流程。首先是非目标客户的自动筛选。通过对客户信息身份验证、内外部黑名单筛查、外部信用状况核实等手段,将风险政策中常说的触碰到“红线”的客户纳入自动拒绝的范畴,并结合不同的进件渠道、不同的卡产品和客群、不同的业务场景,对拒绝条件及判断规则进行差异化设计与管理。其次是对于贷前风险的防范。相比于人工审批,自动化审批的重要优势在于其可以利用更多的模型和数据,应用于申请端的数据结果有欺诈评分、申请评分、央行征信评分及第三方评分。这些评分都可以综合判断客户的风险水平,实现更复杂更精确的匹配,同时还能提高审批效率。最后是初始额度授信,选取合适的指标区分客群来授予初始额度,这些指标包括风险指标、还款能力指标、竞争风险指标等。初始授信额度是风险指标、还款能力指标、竞争风险指标基础上确定的组合额度矩阵或数学模型,以系统实现客户自动授信。

方案业务流程图

图1?审批流程图

图1 审批流程图

智能一体化审批授信的核心是数据模型,包括反欺诈模型、信用评分模型、初始额度授信模型和差异化定价模型等。

图2 模型体系图

依托银联数据的多渠道信审系统为主系统,自主开发了决策引擎系统、反欺诈系统等,打造一套自动化、智能化和精细化风控系统。智能审批系统由多个相互独立的子系统构成,各自实现其特定的功能。每个子系统都会用到机器学习、外呼机器人电核、专家系统等人工智能技术。

作为智能审批的“大脑”,决策引擎系统在信用卡审批过程中发挥着自动决策的作用,其可以实现各种复杂风险策略的部署,还包括基于信用水平刻画的额度授信策略的部署,这是发挥内外部资源价值的灵魂。

图3 系统架构图

实现功能展示

功能一:构建智能一体化审批系统,完成智能一体化审批授信。

图4 多渠道信审系统

图4 多渠道信审系统

该系统是审批主系统功能在于抓取外部数据,控制审批流程,返回最终审批结果。

功能二:构建完整的模型体系,贷前风险防控效果较好

图5 决策引擎系统

该系统功能是部署风险策略、风控模型、授信策略、定价策略,是智能一体化审批的“大脑”。

功能三:建立全流程模型管理机制,护航业务正常运作

图6 模型监控系统

图6 模型监控系统

该系统功能是通过趋势分析统计业务量、过件率等指标评估风控策略的效能,通过漏洞分析统计审批各个环节、每个步骤甚至每个规则的通过率、波动性等指标以洞悉可能的问题,通过异常监控,包括业务异常点与技术异常点,排查可能存在的团伙欺诈、系统异常等问题。对于评分卡以及精准营销等量化模型,计算KS、AUC等区分度指标,PSI稳定性指标,以检视模型的泛化能力,便于及时调整模型。

方案案例及效果

信用卡智能一体化审批在徽商银行范围内实施,是信用卡中心落实数字化转型战略,主动开展审批模式创新、调整内部审批流程的创新,极大提高进件审批效率和提升客户体验,有效释放专业审批人员专注于资产类业务审批。

徽商银行信用卡自上线智能一体化审批项目以来,智能审批比例达80%,极大的解放审批人力成本。基本实现“秒批”,提升审批效率,提高客户体验。智能审批客户的逾期率也低于人工审批逾期率,信用卡智能审批质量良好。2020年疫情期间,智能一体化审批发挥重要作用,累计审批件数4万件,保障信用卡审批业务正常运作,为客户提供资金需求。

方案未来展望

探索深度学习的应用,如研发智能问答系统代替人工客服,完成电核、客户咨询等工作。研究5G、VR技术和深度学习、计算机视觉、微表情识别算法在客户影像及视频中的应用,尝试研发集准入、授信、定价和卡片激活、第三方平台绑定为一体的智能化信用卡审批系统。