工商银行李志刚：新阶段银行数字化风控体系建设

　　导读：商业银行需要围绕金融的本源和风险的本质，加强顶层设计，激发创新活力，统筹推进数字化风控体系建设

　　作者｜李志刚「中国工商银行信贷管理与投资部总经理」

　　文章｜《中国金融》2022年第12期

　　当前数字经济快速发展，数字产业化和产业数字化相互促进，正在成为重组要素资源、重塑经济结构、改变竞争格局的关键力量。党的十八大特别是党的十九大以来，党中央高度重视发展数字经济，并将其上升为国家战略。习近平总书记多次强调，发展数字经济意义重大，数字经济事关国家发展大局。商业银行为了把握新一轮科技革命和产业变革的机遇，更加高效地服务实体经济，已经在数字化转型的赛道上开启了积极的探索。风险管理作为商业银行的核心竞争力，其能否适应数字化转型趋势，将决定银行数字化转型的成败。商业银行需要充分发挥数据和技术等生产要素价值，全面推进数字化风控体系建设，以高质量风控助力高质量发展。

　　数字化转型是商业银行的战略选择

　　银行数字化转型是以客户为中心，通过数据和技术双要素的驱动，对业务模式和管理模式进行创新和重构，进而持续提升金融服务质量和效率的过程。数字化转型是信息化的延续，更是信息化的升级；如果说信息化更多地聚焦于银行内部经营管理的层面，那么数字化转型则是客户驱动下银行战略性重构。当前，新一代信息技术与产业深度融合，数字经济加速发展，金融生态和价值链条进一步重构，数字化转型已成为商业银行服务经济高质量发展的战略选择。

　　数字经济蓬勃发展，对数字化金融提出更高要求。数字技术的发展和应用，使得社会生产和生活转化为可记录、存储和交互的数据。数据成为重要的生产要素，数字经济成为继农业经济、工业经济之后的主要经济形态。数字经济与实体经济融合发展，虚拟产业园、智能制造、零库存企业等新产业、新业态、新模式不断涌现，具备高度数字化的特征，并催生了多样化的金融需求。商业银行必须通过自身的数字化转型，推动金融服务与金融需求的精准高效对接，不断提高金融服务实体经济的能力和水平。

　　商业银行存在数字化基因，本身具备由传统银行向数字银行演进的动力。银行业本身是数据密集型行业，在经营过程中积累了大量跨周期的金融交易数据，具备数字化转型的先天优势。数据作为银行投融资决策的重要支撑，也在持续推动银行业务逻辑、经营模式和管理方式的优化和变革。特别是近年来，融合互联网和大数据的新金融、类金融迅猛发展，对银行业务产生冲击，银行业正在面临越来越多的跨业竞争甚至无边界竞争。内生因素合并市场竞争态势的变化，要求商业银行充分利用好自身的数据、信用和资本优势，加快由传统银行向数字银行转型。

　　新技术的深入应用，为银行数字化转型开辟出可行路径。从最早的电话银行到手机银行、开放银行，从传统贷款到供应链金融、网络融资、智能支付，银行业作为新技术应用的前沿行业，每次重大技术创新都会对其经营模式带来巨大影响。当前，大数据、云计算、人工智能、物联网等新技术日益成熟并得到广泛应用，正在为银行数字化转型注入全新的技术力量，将帮助银行充分发挥数据优势、优化业务流程、驱动管理创新，创造更为卓越的客户体验。

　　数字化风控是数字化转型的应有之义

　　从本质上来说，商业银行以经营风险实现盈利和发展。回顾商业银行的历史演进脉络，风险管理始终是银行最为核心的竞争力。而不同时期的商业银行，受外在经济和技术环境的影响，风险管理模式也差异较大。

　　风险管理初级阶段：“人控”模式。其典型特征是依靠信贷人员的“专家经验”进行风险判断。20世纪80年代，我国社会主义市场经济刚刚起步，先后组建（或恢复设立）四大国家专业银行，此时银行业的风险管理还处于探索阶段。信贷人员通过以现场为主的专业化调查，结合客户财务指标和自身的信贷经验，对客户风险进行综合判断，这种经验的形成需要信贷人员较长时间的积累甚至一定的试错成本。这一时期，银行经营受信贷人员“管户数”和“经验值”的限制，资产规模扩张面临着管理能力的瓶颈，风险管理水平也受信贷人员经验差异影响而波动较大。

　　风险管理进阶阶段：“流程控”模式。其典型特征是风险管理前中后台制衡。20世纪90年代，国家专业银行逐步向商业银行转型，普遍开始借鉴国际经验，通过流程的设计实现前台尽职调查、中台审查审批和后台贷后管理的分离和相互制衡，改变以往贷款决策由一个部门或一个人独立承担的做法，从制度上减少了银行各个环节的道德风险，同时提升了各环节的专业性和作业效率。不过，过长的流程容易导致信息出现衰减和失真，前中后台“三道防线”激励不相容也容易产生客户体验不佳的问题，风险管理协同性不足的问题较为普遍。

　　商业银行风险管理发展趋势：“数字化风控”模式。进入21世纪，银行业资产规模保持持续较快增长，各种平台化、场景化、批量化的获客模式深入发展，背后带来的是日益增加的管理和风控压力。数字经济发展开始提速，在推动经济高质量发展的同时，也使得资金链条更长，市场主体更多元，经济运行机制更复杂，各类风险传染更加快速、隐蔽，对于银行风险管理的敏捷度和精准度提出了更高的要求。无论是“人控”还是“流程控”，都难以适应资产规模快速扩张和数字经济环境下风险防控的需求，客观上要求商业银行推进数字化风控体系建设。这也是商业银行数字化转型的重要组成部分，其典型特征是风险管理的“数字化”和“智能化”。通过推进数字技术在商业银行全流程风险管理中的融合应用，能够促进资金流、物流和信息流“三流合一”，实现风险信息实时、完整、精准传导，有效解决各种信息不对称问题。数字化风控给商业银行带来的不仅是数据应用和系统建设等浅层变化，更将深刻影响风险管理模式，推动商业银行风险管理从“人控”“流程控”向“智能控”升级转型，极大提升了风险管理的半径和效能。

　　商业银行数字化风控面临的挑战

　　目前，商业银行特别是国有大型银行已经在数字化风控体系建设中进行了很多有益的探索，并且取得了显著的成果，但是在实践中仍然面临着以下三大挑战。

　　爆发式的数据增长对信息集成分析能力提出挑战。小样本的数据跟踪只能获得实时的感知，而大数据分析能够实现对于规律和本质的洞见，如何让大数据产生真正的价值，是商业银行赢得未来竞争优势的关键。当前，指数级的数据增长、多样化的数据类型、丰富的数据来源、快速的数据流动，在给商业银行带来巨大机遇的同时，也对其有效、快速地进行大数据集成分析的能力提出了全新挑战。不可否认，虽然银行业积累了大量的金融数据，但是部分数据质量不高，“数据孤岛”问题不同程度存在，特别是数据的资产意识不强，大数据分析能力有待提高，这些都对数字化风控体系建设的深入推进形成制约。

　　差异化的风险场景对新技术的规模化应用能力提出挑战。银行的数字化转型必然意味着更加差异化的竞争，个性化、创新型的金融产品和服务将成为主流。数字经济客户端的新业态和新模式，叠加金融供给端的新产品和新服务，意味着不同客户的风险场景将存在非常大的差异。如何从各类风险场景中提取共性因素，并且与新技术实现有效的衔接，对银行新技术规模化应用能力提出了非常大的挑战。同时，部分新技术还不足以支持场景特别是复杂场景的规模化应用。目前，银行数字化风控中新技术应用仍然处在起步阶段，应用场景还需要进一步丰富，后续在推进从技术试点到规模化应用过程中还需要付出大量的努力。

　　快速变化的风险形态对风险协同管理能力提出挑战。数字经济加速全球化、信息化的进程，资源流动受时间和空间的限制被逐渐打破，经济主体的关联更加错综复杂，风险快速传染并且瞬息万变，对于银行的风险协同管理能力提出巨大的挑战。目前银行普遍推行专业化风险管理部门和审贷分离体制，形成了前中后台“三道防线”，但是风险管理的协同性还需要加强，客户体验仍然有很大的提升空间，亟须通过推动风险管理架构的转型来应对数字经济环境下的高度不确定性。

　　全面推进商业银行数字化风控体系建设

　　商业银行需要围绕金融的本源和风险的本质，加强顶层设计，激发创新活力，统筹推进数字化风控体系建设。

　　理念先行，确立数字化风控的“五大思维”。数字化风控的思维应该包含以下五个方面。一是客户思维。数字化风控需要建立在“以客户为中心”的基础上，适应数字经济客户风险的新特征，推动风险管理体系优化升级，提升风险管控质效，实现客户无感风控体验。二是数字思维。与风险管理传统的经验思维不同，数字化风控需要全面提升银行对数据的认知程度，将数据作为风险管理最为基础的要素，以获得对客户和风险更全面客观的认知。三是敏捷思维。面对数字经济环境下高度不确定性，数字化风控体系需要对风险有高度敏感性，建立更加敏捷高效的风险管理机制，实现对于风险的快速响应。四是创新思维。数字化风控是一个全新领域，银行需要突破对传统风险管理的“路径依赖”，通过不断创新迭代，及时优化调整数字化风控的方向和路径。五是生态思维。这需要将银行风险管理体系视为一个完整的生态系统，生态系统的运行决定风险管理的质量。数字化风控体系应该从组织建设的角度充分调动系统内个体积极性，形成协同高效的风险管理机制。

　　数据为本，加强数字资产的管理与应用。高度重视数据在数字化风控中的基础作用，通过加强管理和应用，推动数据从资源向资产升级。一是夯实数据基础。规范数据采集标准，简化信息录入操作，引入光学字符识别（OCR）、语音识别等数字技术提升信息自动化、智慧化采集水平。积极引入外部数据，不断丰富完善风控大数据基础。加强对数据的整理、归类、分级和校验，实现标准化、结构化、规范化和可视化，提升数据应用价值。二是优化系统建设。积极推进系统数字化建设，加强业务流程功能的数字化改造和信息自动化采集，减少业务阻隔和流程断点，推动系统易用性建设成果向全产品、全流程推广。加强风险管理系统的互联互通，横向打通全风险领域预警管控，提升风险信息共享与联防联控能力。三是强化数据赋能。积极建设“数据中台”，加强数据清洗和整合，纵向深挖结构化和非结构化数据，持续提升大数据分析能力。推进机构、客户和信贷人员画像，丰富可视化、图形化数据分析工具，提供多维度、立体的风险视角，为风险管理提供“有广度、有深度、有速度、有精度”的数据服务。

　　科学决策，促进管理与数据深度融合。围绕资产组合布局、政策制度管理、客户全生命周期管理等重点事项，加强数字化、精细化管理。在资产组合布局方面。统筹考虑供给与需求、风险与收益、短期与长期等因素，按照资产组合管理的理念，科学把控信贷结构导向，加强监测评价，做好动态调整。将存量投融资客户移位释放出来的资源与新增投融资进行统筹计划、配置、监测和评价，有效推动信贷规划布局的执行落地。在政策制度管理方面。建立政策制度数字化管理架构，将政策制度的关键管理要素进行数字化和标签化解构，如授权金额、准入标准、参数阈值、风险限额、贷款等价等，强化对于关键管理要素的精准调节，实现政策制度的系统刚控和精细化管理。在客户全生命周期管理方面。综合运用定量和定性手段，科学判断客户所处生命周期阶段，基于客户生命周期权变思维，“量身定制”动态融资策略，匹配差异化的信贷政策、制度和产品。

　　智能驱动，实现模型和技术向风控全面赋能。按照“主动防、智能控、全面管”的思路，有效落实各关口的管理要求和规定动作，围绕各类风控场景，加强模型和技术赋能，将智能化风险管控嵌入业务全流程。一是加强业务全流程管理。入口关，重点通过准入、尽调、审查审批、放款核准等环节，提升资产选择能力；闸口关，重点优化资产风险分类标准，做好分类施策，强化“风险分层、过滤阻拦”的功能；出口关，重点深化风险资产经营理念，逐户建立经营台账，提升不良贷款清收处置质效。二是建设完备的风险监控模型体系。加强规则策略、模型算法的集中统一管理，根据风险运行情况及时调整监控范围，确保对风险的全方位覆盖。推动风控模型从低维度规则模型向高维度智能模型演进。做好对模型开发、验证、部署、评价、优化、退出的全流程闭环管理。三是积极推进新技术应用。促进业务与技术深度融合，探索推进卫星遥感、人工智能、物联网等新技术与风控场景结合落地，促进多技术交互，提升风险管理效能。

　　生态协同，畅通风险管理的“内外循环”。推进建立敏捷、协同、交互、共享的数字化风控生态体系，打通风险管理的“内循环”和“外循环”，提升风险协同管理能力。在“内循环”方面，一是要推动敏捷型风控组织变革。打破传统条线的分割和协同障碍，通过建立跨部门和跨条线的统一风险管控平台、优化考核评价和分润机制、完善责任落实的方式，来加强总分行、前中后台、子机构之间风险联防联控，以适应风险快速变化和技术快速迭代的外部形势，确保实现“一点出险，集团联动”。银行各部门和条线均需要重视对风险数据的捕捉和分析，提升对于风险态势的感知能力，增强风险管理的主动性和前瞻性。同时，要加强业务、数据、科技能力兼备的复合型人才培养。二是要推进差异化流程变革。推动以串行为主的信贷业务流程向串行和并行合一转变；根据客户和业务风险特征，探索差异化信贷业务流程；推进前中台联合尽调，对于部分标准化、风险相对可控的业务积极推广自动化审批。在“外循环”方面，一是推动完善社会信用体系建设。强化与政府部门、监管机构的沟通协调，提升社会诚信意识，形成打击“逃废债”的强大合力，维护良好的金融生态。二是内外联动防范化解重大风险。充分发挥重点客户联合授信、银团贷款、债务委员会等银行间协调联动机制作用，强化对于重大风险的协同应对。三是实现风险的有效分担与转移。优化与融资性担保机构、产业发展基金等外部机构的合作机制，创新运用贷款转让、资产证券化、信用衍生工具等管理手段，疏通风险“堰塞湖”，打好化险为夷、转危为机的战略主动战。