数据普惠星城科技驱动政务

美友1768888

——湖南分行基于长沙特色政务数据构建普惠业务商机挖掘与风险预测模型一、需求背景我行普惠金融业务的开展，需要坚持全面的风险管控，实现高质量发展，在此背景下，如果能充分整合内外部数据，利用人工智能算法，挖掘多种数据背后隐藏的商机信息与风险逻辑，必然能进一步提升我们的普惠金融业务能力。对政府而言，随着智慧政务、智慧城市等建设的推进，各地政务数据正逐步向标准化、集中化、开放化发展，在这样的背景下，如何充分运用数据服务社会民生和实体经济，同时保证安全性和私密性，是政务数据开放赋能进程中所面临的重要议题。 出于以上内外背景，湖南分行与长沙市数据资源管理局合作，构建了普惠业务商机挖掘与风险预测人工智能模型，助力金融活水精准滴灌地方实体经济。二、实施过程在数据维度准备方面，从长沙政务大数据中，挖掘提取了企业在工商、行政、司法、财报、五险和税费缴纳方面的特征维度，包括78个基本特征和58个派生特征；在行内流水关联图谱数据中，挖掘提取了6个基本流水特征和16个风险关联特征。在训练样本选择方面，从长沙政务大数据中记录的1312175家企业和商户中，发现了其中20万家数据质量较好，其中有4676家当前在我行有债项，将其作为训练样本。 在训练目标方面，将12个债项分级中处于正常A1至A4级的样本企业作为无风险的负样本，其余企业作为有风险的正样本，也就是风控模型的预测目标；将正常样本企业的授信额度按数量分布均分为12档，有风险的样本企业单独划分1档，这13个档次级别就是额度商机模型的预测目标。将上述训练目标分别与整合的158个内外部维度特征一起，采用XGBOOST算法建模，得到了以下结论。 在风控模型方面，通过融合数据训练得出的模型，AUC为0.959，精确率为88.14%，召回率为48.67%，是效果很好的预测模型，明显优于单独使用任意一方数据建模的效果。 在额度预测模型方面，也是融合数据建模性能最优，一级容差准确率为64.26%，平均误差级别为1.57，均方根误差为2.51，可以较为准确的预测授信额度。由于双方数据安全的要求，政务大数据与建行数据不能大规模融合应用，隐私计算、联邦学习等解决方案的提出，实现了“数据可用不可见”。在风控场景下，湖南行进一步测试了使用联邦学习建模的效果，从下图可以看出，联邦学习建模与数据融合建模效能十分接近。 上述步骤得到的模型和结论，在长沙市“数据之巅·麓山论剑”数据比武大赛上，从九支来自全国的科技和金融类队伍的方案中脱颖而出，以第一名的成绩获得了综合一等奖。 三、应用方案首先是在政务数据的挖掘分析过程中，统计得出了现阶段长沙政务数据中缺失较明显的数据字段清单，长沙市数据局将参照我行清单，从源头开始梳理，逐项进行优化。 第二是使用训练得到的模型，在长沙市130多万家企业和商户中预测得出了约17万家在我行没有贷款业务的优质客户清单，平均可授信额度近10万元，为我行与长沙市数据局合作研发的“潇湘惠企贷”的落地奠定了良好的基础。 第三是配合长沙市数据局完成联邦学习、隐私计算生产环境的搭建，并与我行平台实现互连。 第四是在联邦学习平台的基础上，创新信贷业务的营销与授信模式。以“惠企贷”业务为例，在营销环节，原模式只能对所有潜在客户进行撒网式营销，而新模式在最初就已通过联邦学习得到了优质客户清单，提前筛选掉了大量条件不符的客户，进而开展精准定点营销；在额度测算环节，原模式要将原始数据加工分段，丢失了大量信息，新模式直接调用原始数据测算，精准度更高。 第五是我行将作为唯一一家合作银行，与长沙市数据局联合成立金融服务创新实验室，实现数据挖掘、技术路线和业务模式上的合作与创新敏捷化、常态化。近期的进一步合作，首先是将探索基于区块链技术的银行与政府间的黑名单共享机制；其次是数据局将逐步尝试把个人数据安全应用到个人信贷业务、银行员工行为管理等场景。 湖南分行将以此次与长沙市数据资源管理局的合作为契机，寻找更多优质合作单位，持续探索外部数据在金融场景的安全融合应用，助力我行业务高质量发展。