来源：北京银行
一、项目背景及目标
近年来，互联网金融的发展，推动了传统商业银行在业务流程和经营模式上的转变，然而在新模式下，商业银行面临的风控形势却愈加严峻，根据银监会披露，截止年6月末，商业银行不良贷款率为1.81%，相较于一季度末的1.75%不降反增，银行作为百姓认可度高的金融机构面临的风控压力与日俱增。传统的银行风控模式在当今互联网的运作模式下面临以下几个难点：一是，风控数据来源单一、审核流程冗长、人力成本高昂；加之在银行数字化转型与线上业务飞速发展的新形势下，传统的风控模式已经不能满足当下业务中产生的海量数据实时分析和多样化风险识别的需求。
在此背景下，该项目的目标是利用使用大数据、人工智能等新科技技术，一方面提升风控模型的开发效率，基于可视化操作界面，实现“所见即所得”的开发模式，降低技术开发门槛，另一面，提升数字化风控能力，利用海量外部数据和AI算法，实现准实时的线上化风控，降低人工审核的成本，提升风控效率。
二、项目/策略方案
该系统定位于全行风控模型的“技术开发平台、业务服务平台”，应用大数据、机器学习、分布式计算、设备指纹等多项创新成果，有效提升了风控模型设计和开发效率，项目主要从以下四个方面开展：模型开发、数据开发、算法开发、技术架构。
（1）模型开发
模型开发可视化，“风险滤镜2.0”基于可视化操作界面，实现了一套“所见即所得”的模型设计和决策流开发模式，大大降低了技术开发门槛、缩短了开发周期。通过简单的拖拉拽的方式，就可以快速将风控数据服务、规则集、逻辑判断等组件组装在一起，实现完整的风控流程。模型管理资产化，“风险滤镜2.0”提供指标、规则、模型的快速复用功能，通过版本管理和公共资源池管理，能够不同场景中快速复用已发布的风控模型，提升交付效率。决策流程场景化，“风险滤镜2.0”通过场景维度来管理决策流程，负责不同场景的开发团队数据权限和操作权限隔离，场景下模型一键启停，实现与前端业务系统的实时服务对接。
图规则模型、评分卡模型、AI模型建模界面
（2）数据开发
“风险滤镜2.0”实现了数据服务的“配置化开发、分布式运行、集中式管理”
图北京银行“风险滤镜2.0”首页看板和模型卡片页
配置化开发，在“风险滤镜2.0”中，数据服务是通过“接口”来组件实现，并映射为指标，在功能设计上，即符合开发人员原有的面向对象开发逻辑，又满足流程化、可视化开发的开发方法要求，同时更省去了手工编码、编译的操作，适合多团队协同开发，可有效提升了整体开发效率。分布式运行，数据服务启用后，运行在分布式架构下，从数据库、应用服务、缓存都采用分布式技术，满足高并发、低延迟、高可靠的技术要求，支持横向扩展，满足北京银行未来业务发展的需要。集中式管理，在风控数据方面，“风险滤镜2.0”在安全合规的前提下，内置了余项风控数据服务，涵盖了征信、资讯、舆情等多类数据信息，提供3千余个行内、外部各类风控指标，可根据不同业务场景需要，灵活配置，一键部署，海量数据服务支持开箱即用，快速形成反欺诈和风控能力，为模型的决策提供了坚实的数据基础。
（3）算法开发
在风控算法方面，“风险滤镜”产品通过无缝对接人工智能服务平台，实现“规则+评分卡+AI”特色化风控模式，借助传统机器学习、深度学习算法,找出一些难被专家发现的微观特征，提升模型对群体风险特征的识别能力，进而实现了从风险感知、风险探测、智能研判到自动处理的智能风控流程。
图AI模型建模界面
（4）技术架构
在风控技术方面，“风险滤镜”2.0产品基于大数据技术可快速完成海量数据查询、大批量模型跑批，实现单笔业务秒级完成；基于分布式架构，可支持快算横向扩展，用以支持高速发展的线上业务，保证系统的高可用，支持高并发；依托深度学习算法和GPU算力支持，实现风险识别模型自学习能力；运用设备指纹技术，可以有效识别可疑设备，及时对高风险的设备及操作做出反应，降低损失。
三、创新点
“风险滤镜”产品在风控数据、风控算法两个方面具有领先优势：
在风控模型决策方面，平台采用业内领先的“风控数据＋人工智能”的模式实现智能决策；平台通过引入余项外部数据接口，涵盖了征信、咨询、舆情等多类数据信息，内置余项大数据分控服务，提供3千余个内、外部各类风控指标，可根据不同业务场景需要，灵活配置，一键部署，海量数据服务支持开箱即用，快速形成反欺诈和风控能力，为模型的决策提供了坚实的数据基础。
在风控算法方面，“风险滤镜”产品通过无缝对接人工智能服务平台，支持“规则+评分卡+AI”组合风控模式，借助传统机器学习、深度学习算法，精准识别个体、群体风险特征，实现了从风险感知、风险探测、智能研判到自动处理的智能风控流程。
四、项目过程管理
该项目方面严格遵守软件工程中的项目管理要求和质量管理要求，按照需求、设计、开发、测试和上线等不同阶段，提交相关的技术文档并进行评审。在项目执行过程中，使用了项目管理系统、测试管理系统、配置管理工具等进行项目过程管理。
五、运营情况
“风险滤镜”产品已广泛应用于我行线上、线下业务场景，目前对接了小企业事业部、风险管理部、保卫部等总行13个业务部室及7家分行，同时部署了近百个风控模型，内置百余项大数据风控服务，年上半年，服务调用量达1.18亿次，在十余个场景中释放业务价值。
六、项目成效
通过该系统的开发创新，综合降低线上风控模型的开发周期30%，项目开发、测试工作量降低40%。作为全行风控模型的“服务平台，”年上半年，“风险滤镜”提供了高效率、高可用、高可靠的智慧风控服务，在十余个场景中释放业务价值，提升业务交付能力，助力北京银行年前三季度实现营收.2亿元，同比增长17.03%，不良贷款率同比上年季度末的1.46%下降到1.41%，有效地降低了不良贷款率，为北京银行实现快速数字化转型保驾护航。
本文完整版在金融业数字化创新知识服务平台-金科创新社案例库栏目。