昆侖銀行：智能流程平臺建設之大監督體系實踐

案例名稱

昆侖銀行智能流程平臺建設之大監督體系實踐

案例簡介

昆侖銀行大監督體系建設是我行智能流程平臺建設的重要組成部分，也是我行將數字智能與銀行監督體系相融合的一次重要實踐。

該項目基于我行精心打造的“小昆”RPA機器人智能流程平臺，同時融入大數據平臺、知識圖譜、群體畫像、風險決策引擎、風險預警等行內自有新技術與新能力，圍繞企業員工涉訴排查情況、失信人執行情況、違規經商辦企業、貫通協同監督五庫等信息，整合匯集審計、內控、法律、財務稽查等多方海量監察數據進行關聯分析，為企業員工構建風險畫像，實現風險分級與自動預警。

目前，隨著銀行業“強監管、嚴問責”管理思維不斷走向深入，該項目以科技手段賦能風險管理工作，對于響應銀行監管指示精神，全面推進員工監督體系，賦能風險管理部門業務提質增效都將有極大的促進作用。

創新技術/模式應用

大監督體系主要依托于RPA機器人智能流程平臺建設，主要分為RPA基礎平臺與后端服務兩大部分。其中基礎平臺由獲取網絡信息的web模塊和獲取數據報表、影像資料等的數據獲取模塊以及支撐數據標準化處理和保障業務流程正常運行的RPA組件構成，另外還包含了日志服務、權限控制及異常處理等單元。后臺支撐、數據層、以及持久層為RPA平臺的基礎設施，提供該平臺正常運行的必要保障。整體RPA平臺架構如下。

該項目流程主要分為數據采集、數據存儲、建模分析與風險預警告知等幾個環節，整體流程圖如下所示。

數據采集：

數據采集部分將RPA技術與人工智能相結合，以機器人作為虛擬勞動力，依據預先設定的程序導入基礎信息，同時與中國執行信息公開網、中國裁判文書網、企業信息查詢網、貫通協同監督五庫（人員庫、項目庫、信息庫、問題庫、整改庫）等現有系統、數據庫進行交互并完成預期數據獲取工作。在獲取到原始數據之后，我們使用ETL工具Kettle將數據進行清洗轉換，并定期同步人員、項目、問題信息與整改信息，并完成整體表結構的設計，為后期web數據與五庫數據的導入做準備。

RPA技術作為各系統之間的粘接器，能夠將各系統業務數據進行無縫轉換對接，且無侵入性。使用RPA技術可在無需改造現有系統的情況下，替代人工實現大量重復性、具備規則性的工作，抓取所需目標數據，且可實現“7X24”小時不間斷工作。同時，我們通過將RPA與AI技術相結合，通過OCR識別信貸管理影像資料、利用大數據模型進行客戶風險測算等，能夠解決非結構化數據的獲取以及精準定位風險問題，大大提升了RPA的泛用性。

數據存儲：

在數據存儲階段，主要依托我行大數據平臺健全數據治理體系，規劃數據管理架構，沉淀監督數據，深挖多層次、多粒度數據價值，為關聯分析和員工畫像奠定基礎。對于結構化數據，我們依照數據特性對其進行分層分類存儲；對于部分非結構化數據，如影像資料，我們使用OCR先對其進行識別提取必要信息，之后再次經過Kettle加工完成入庫處理。

數據建模：

依托大數據和機器學習算法，將行內外員工法律執行情況、征信數據、近親屬違規經商辦企業情況、審計內控情況等，采用網絡圖譜算法、NLP等算法，支持結構化、半結構化和非結構化數據等多模態數據，構建關聯關系網絡，將明細指標強化學習成風險標簽，對員工進行畫像分析，劃分出不同風險等級，提升隱含風險發現能力。依托圖譜在關聯、泛化、演繹方面的突出能力，納入了圖模式、社群識別、異常檢測等技術手段，全面提升了大監督體系的洞察力與生命力。

風險決策引擎：

在模型運算的基礎上，我們引入風險決策引擎生成潛在合規高風險人員清單，同時將高風險預警發至相關業務部門。為滿足自動風險預警需求，決策引擎實現松耦合、標準化接口對接，采用實時流計算技術，引用大數據平臺中十余類監督數據源進行加工計算，秒級返回決策結果給前端系統，在完整性、拓展性、服務能力方面表現突出。決策引擎為快速響應風險防控需求，以權限管理為基礎，采用風控規則靈活配置方式，增強風控策略的保密性和靈活性。

項目效果評估

作為中石油旗下的商業企業，特殊的股權結構決定了我行同時面臨著集團與銀保監會的雙重監管。在目前“強監管、嚴問責”的態勢下，管理層對員工的要求越來越高，為解決全面監督員工行為的需求，昆侖銀行大監督體系建設正式啟動。

1、RPA自動化處理，高效獲取監督數據

基于RPA+AI技術，對所需基礎數據進行自動獲取，涉及了中國執行信息公開網、中國裁判文書網、企業信息查詢網、貫通協同監督五庫等系統，能夠替代人工解決重復性繁瑣查詢、統計工作。以裁判文書網排查統計為例，若每年開展一次，全行3000余人，每人搜索后200余條目，人工識別每條2分鐘，每次開展排查工作耗時45人/天。而RPA機器人僅需十余小時便能自動完成排查工作，大大提升了排查效率。完成所有種類信息采集工作，每年一次，可節約人工180人/天。在可以高效率自動化完成該項排查工作的情況下，可將排查頻次由一年一次，提高至一次月一次，極大提升合規工作質效。

2、融合多維智能技術，構建AI監督模型

我行通過大數據平臺在行內進行數據治理和積累，從外部廣泛引進征信、法律、失信等權威數據，集結業務領域專家進行專家經驗模型和智能算法研發，并根據金融從業者特性對大數據的關鍵技術進行了大量改造，如引入流計算引擎技術解決大數據吞吐的實時性問題、引入NLP技術解決外部數據的大量重復問題、引入OCR技術解決信貸管理影像資料等非結構化圖像數據的導入問題、引入基于圖數據庫技術構建關聯關系挖掘模型，滿足關系查詢、識別、風險認定、員工畫像需求。針對這些問題進行了自主改造和研發，最終形成了適用于員工監督檢查場景的功能，很多改造經驗也為金融同業、企業內部風控提供了良好的借鑒。

3、風險畫像聯防聯控，全面擴大監督范圍

大監督體系建設匯集征信、審計、內控、法律、財務稽查等多方海量監察數據，降低了風險防控收集信息成本。以員工為維度展示風險信息的完整鏈路，為監督檢查提供員工風險全景畫像；并從指標層面劃分不同風險等級，便于不同條線風險策略人員綜合員工行內指標對風險進行全面偵測。在風險運營層面，大大降低了風險案件發生后的跨部門、跨平臺的溝通排查成本，在風險策略層面，實時預警功能，節省了排查人員的精力。

4、模式轉型有機結合，全面覆蓋效果顯著

大監督體系建成后由原先的事后監督向多渠道實時監測與事后分析相結合的模式轉變，同時做到對識別的風險預警及時處置，實現全面監督與重點監督、集中監督與分級監督有機結合。

項目上線后，整合了中國執行信息公開網、中國裁判文書網、企業信息查詢網、貫通協同監督五庫等八大系統與數據庫，構建了50余個監測分析模型，覆蓋面由低于20%的單一場景，提升至100%全覆蓋場景，實現了全行級、全維度的大監督、強監管的建設目標。

項目牽頭人

黃卓 昆侖銀行信息科技部公共服務室主任

責任編輯：陳愛