中国人民银行唐山市中心支行河北省唐山市 063000
摘要:在互联网金融时代,它与大数据技术相互融合,二者共同建立了工大数据金属风险防控融合体系。所以本文中就探讨了银行金融领域中应用大数据技术所展开风险防控实践操作相关思想与风控体系建设,深度探讨其中的应用实践技术内容。
关键词:互联网金融风控体系;大数据技术;设计思想;决策系统;践行成果
目前的互联网金融风控体系中会采用到大数据技术,它主要利用结构化数据与半结构化数据,结合数据采集、实时数据加工等技术手段展开数据加工,建立风控模型,识别风险客户。在这一过程中,也希望有效降低企业运营成本,建立实时和非实时数据集市基础,即要建立数据采集依托,有效规划引擎载体建设体系,确保降低互联网金融风险冲击,提高风控体系整体建设水平。
互联网金融风控体系设计思路
就目前银行金融领域看来,其发展在近年来发展快速,诸多金融银行都已经引入了互联网技术,主要用于实现对互联网金融的风险的有效控制,建立风控核心技术体系。而在大数据技术引入以后,银行金融领域进一步围绕对外服务建立了大数据核心风控系统[1]。
就以目前大量银行金融机构所服务的客户而言,其中像C端客户中理论上只有20%的优质客户,这些客户全部被银行甚至是某些高端私人银行所垄断。在筛选客户过程中,需要结合金融机构难题建立传统风控系统,解决其审批周期较长、拒贷率、人工成本较高等等问题。所以在系统开发设计过程中需要随机从目标客户中抽取样本,建立借贷客户用户画像,并从画像特征中提取借贷客户特征。一般来说,它就存在金额偏小、频次偏高且借贷时间偏短等等问题,结合这些问题做好合理判断。就传统风控系统而言,需要结合大数据风险系统控制建立大数据风控系统中心,就其中的客户收入水平、负债水平以及所属行业进行分析,并建立评分卡,确认客户风险水平,结合传统风评系统建立数据分析机制,侧重反映银行互联网金融某一方面内容状况[2]。在大数据风控系统中,需要结合图像、社交活动数据、行为轨迹等等全方位评估用户风险水平,有效规避传统风控系统相关问题,了解其中大数据变动较快、系统效率较慢等等问题。而在风控系统中,也要建立高响应、高并发且操作简单、海量存储的技术内容,确保传统数据处理方法优化行业要求,结合系统合理切分相关更新技术内容。
就整体来讲,银行金融机构在互联网大环境下应该借助大数据技术建立大数据风控体系,该系统应该由若干个子系统共同组成,如此形成系统集群,要分析系统集群中的合力工作机制,帮助银行快速提升自身业绩[3]。
基于大数据技术的互联网金融风控体系设计
要参考大数据技术设计互联网银行金融风控体系,这里以互联网银行金融风控体系中的反欺诈系统为例展开分析。互联网金融银行中存在大量增量数据,且数据量还在呈现爆发式增长。在这些增量数据中就包括了业务日志、行为日志、各种json以及XML文件、活体认证资料等等。就数据形态展开分析,其中就包括了结构化数据与半结构化数据内容,而如果从业务属性层面进行分析,则可划分出多个数据集市,其中就包括了订单数据、用户数据以及订单数据,所有数据都包含工实时数据与非实时数据两类。在实际的风控业务体系中,主要结合实时数据计算历史数据,了解互联网金融风险体系中各部分技术内容的应用场景。
大数据互联网银行金融风控体系设计分析
在利用大数据技术建立互联网银行金融风控体系过程中,需要对它其中的县城计算任务分问题进行分析,建立分布式计算机制,优化计算过程,确保每个计算任务消耗资源都能满足线程监控要求,并做好实时调度工作。就整体来讲,还要结合系统通知栏功能分析其中的记录计算任务数以及完成任务数,围绕任务计算完成过程分析体系通知栏内容。另外就是充分考虑时序问题,结合实时计算过程对数据源、数据流内容进行分析,避免错误导致系统故障问题。具体来讲,应该考虑引入相互检测机制,集合计算比率内容分析分子数据消息总线内容。简言之,就是结合某个时间字段分析准线,了解时间段分母,确保在时间段内探听分母数据流,为大数据风控体系设计建设做好前期准备[4]。
一般来说,互联网银行金融机构中大数据风控体系的构建主要包含3部分内容:操作日志收集系统、风控决策系统以及设备指纹系统,下文着重讨论了操作日志收集系统。
操作日志收集系统主要结合客户使用系统准确收集用户操作信息,结合跟踪应用技术建立后续产品优化机制,提供丰富运营数据支撑,这其中就包括了访问数据、访客数据、停留时长、页面浏览数等等。结合多种页面统计数据与统计操作行为进行分析,确保操作日志数据用户行为体现实时性价值。在这里所体现的数据可粗可细,它希望从庞杂的数据背后挖掘并分析、处理用户行为习惯与一般喜好,同时也能了解用户的某些异常行为,这些都是大数据风险控制系统建设的价值所在。
具体来讲,它利用App采集数据,结合et1以及实时计算组件加工分析业务需要指标,确保所有数据合并与直接使用到位,并解决其中App数据采集问题。例如首先要分析数据量过大问题,结合瞬间数据流量大这一问题展开分析,确保每日日志增量数据达到至少1T以上;其次要分析数据易丢失问题,如果所采集数据遭遇网络不顺畅或信号较弱问题时,必须考虑数据丢失情况,避免造成不必要损失问题;再次要了解复杂采集环境问题,专门在采集端原生界面建立H5界面,主要对页面变成方式与所获取数据内容进行分析,同时分析二者差异性[5]。
大数据互联网银行金融风控体系设计践行结果
在结合上述大数据互联网银行金融风控体系进行设计分析过程之后,需要对互联网银行金融机构的反欺诈系统进行技术总结,围绕分控技术体系建立完善风控系统。就以智能反欺诈系统为例,结合系统承担身份欺诈分析其中所存在德吉奥义安全与账户安全功能。主要利用系统认证首先进入授信环节,保证系统平均每天数据调用量在百万次以上。就目前来看,智能反欺诈系统中的各项性能指标均表现出色,可满足设计要求,所以必须实现系统持续扩容,满足客户使用要求,形成Saas系统。在Saas系统中,也要不断完善智能风控系统,结合授信功能内容为反欺诈系统认证实现系统优化,满足实时计算交互机制,结合机器学习模型建立评分卡,满足授信要求,且整个过程会在3s内迅速完成[6]。
总结:
综上所述,目前在大数据技术支持背景下,互联网金融风控系统的构建需要结合多种技术展开,确保建立良好的大数据风控系统,为客户端提供优质服务,确保互联网银行金融行业领域健康有序发展,真正为行业发展提供诸多丰富多元的有益尝试内容。
参考文献:
[1] 方昊. 大数据风控技术在互联网金融中的探索与实践[J]. 科学技术创新, 2020(18):74-76.
[2] 张波. 大数据技术及其在互联网金融风险监测领域的应用[J]. 金融科技时代, 2020,297(05):44-50.
[3] 兰虹, 熊雪朋, 胡颖洁. 大数据背景下互联网金融发展问题及创新监管研究[J]. 西南金融, 2019, 000(003):80-89.
[4] 邓红源, 周应热. 大数据征信应用于互联网金融风控研究[J]. 数码世界, 2020,174(04):80-80.
[5] 李薇. 基于金融大数据背景下的互联网金融风险控制方略谈[J]. 消费导刊, 2020, 000(004):228,247.
[6] 杜军, 韩子惠, 焦媛媛. 互联网金融服务的盈利模式演化及实现路径研究——以京东供应链金融为例[J]. 管理评论, 2019,31(08):279-296.
朱玲
出生年月:1969年9月
性别:女
民族:汉
籍贯:河北唐山
学历:大学本科
职称:高级经济师
研究方向:金融监管与普惠金融