”数字化转型“被宣扬很多年了,但革命尚未成功,如今很多银行正处在数字化转型的档口,只有头部的大行在数字化转型的道路上走在前面。大行体量大,有自己的科技团队,有的甚至成立了自己旗下的金科公司,凭借地理优势,近几年吸引了很多人才,同时有各咨询公司助力,天时地利人和,智能营销、智能风控搞得火热。
招商银行、平安银行,近几年前后启动零售战略转型,不断推进线上业务,很快成为了银行业的零售业务“领头羊”。先富带动后富,有了先驱的成功经验,一些城商行也紧跟其后,开始铆劲儿推动将部分线下业务向线上逐步转型。
基于之前听的FAL的课程内容,并结合自己在项目中的实践经验,在此总结归纳一下对银行来说,想实现量化风控体系需要哪些方面的条件,从“硬件”和“软件”两方面来谈谈。
1)硬件:完整的业务系统+数据处理体系
此处所说的”完整的业务系统“是指,线上标准化的业务处理系统,将业务端、风控端和售后端打通,具有重现业务流及标准化前后台操作的能力。
”数据处理体系“包括科学的底层数仓表设计和风控场景的标准化ETL流程。大多数城商行目前都已经有了比较科学合理的底层数仓,市面上做这一块实施开发的公司也很多,由于每个银行的原始数据表不同,以及数据开发公司的标准化方案也不同,导致同一场景的底层数据表是不可能做到全国统一的。所以底层数仓设计的好坏,除了存储资源的利用率和计算速度的快慢,还要基于行方业务的实际情况和人员的业务习惯来判定。因此ETL的流程也是不可能标准化的,所以从古至今ETL的活都没有公司愿意干(哭笑)。但之所以这里说是“数据处理体系”,而非“系统”,是因为“万变不离其宗”,梳理一套适用于本行数据存储方式的ETL流程后,大部分步骤是可以平移到多个场景的,因此构建起自有的“体系”十分重要。
目前这块业务的解决方案也是如雨后春笋,随便百度几个关键词“端到端”、”智能风控系统“,就可以看到各个大厂中间夹着几个中厂,都在铺天盖地宣传自己的方案。
2)软件:量化风险管理组织架构
这里的“组织架构”是指,完善的风险管理人才架构,对业务、数据及系统有足够使用能力,能够结合数据及新技术对传统风险管理手段进行升级,并挖掘新的科技化风控手段。
因为早期的贷款审批都是线下进行的,所以当时只需要工作人员具备一些业务知识,对数据分析挖掘、编码能力等都是没有要求的。如今要进行风控数字化转型,就需要构建一支配有大数据分析及编码能力的人才。如果要细分的话,一般包括以下几类人才:①审批政策;②计量&模型;③反欺诈;④技术支持;⑤贷后管理。业务团队规模不同的银行,岗位可能有多有少,素质比较高的人员可能同时做审批政策、计量模型和反欺诈,如果同时掌握一些技术能力,那之后就有能力担任项目经理的角色了。
但目前很多银行面临的问题是,有多年经验的信贷业务老员工无法很快掌握大数据分析能力,但近年招聘的具备科技能力的新员工,大都来自计算机专业,对金融业务知识掌握甚少。这也是很多银行正在着力解决的问题,注重培养年轻员工的全面素质,既要具备数据分析挖掘技能,也要深入了解业务知识。同时组织业务部门的年轻员工进行编程学习,一般从SQL入手,有的还要学习用Python做简单的数据处理。
总之,城商行的数字化转型还在路上,”硬件“上的标准化方案已经越来越成熟,但将成熟方案部署到实际场景,还需银行自身的”软件“能力配合,方可相得益彰。