一、项目背景及目标
为响应国家大数据战略，齐鲁银行主动制定大数据战略，成立“大数据创新联合实验室”，以“战略布局、生态联盟、数据驱动、实践信创、人才孵化”为愿景，充分发挥金融信息化领域的经验和创新积累，加强产、学、研的联系与合作，在大数据基础设施建设、金融业大数据应用课题研究、大数据应用专业人才培养等多个方面展开深入合作，推动金融领域相关核心技术的研究、应用与推广，共同推动行业研究和成果转化。齐鲁银行积极建立大数据服务体系，建设了以大数据平台为基础数据服务平台、以大数据风控平台为风控模型应用平台、以智能报表平台为数据可视化分析平台的大数据应用服务体系，以金融服务实践落实建设数字经济的要求，探索中小银行大数据创新发展之路。
面对外部反洗钱严监管、内部操作风险、外部客户欺诈行为等多重压力，齐鲁银行在全面开展数据治理工作的基础上，依托大数据技术、人工智能、知识图谱以及数据可视化技术的深度应用，借助大数据分析体系，通过风险点梳理，还原业务场景，构建场景化的大数据分析模型，建设数据可视化分析体系、业务风险监测体系、信贷风控管理体系，共同组成了银行全面风险管理体系，实现了各类业务风险早发现、早排查、早处置，督导问题整改，对内风控质量显著提升，对外支撑银行开展业务支持实体经济发展。
二、创新点
应用流处理技术将银行业务风险控制时效性由T+1提高到实时；结合银行内外部数据资源建设了客户数据指标体系，运用大数据技术分析技术及机器学习算法实现数字化风险控制；依托大数据技术建立客户标签数据指标，运用机器学习算法建设了客户风险管理模型为业务人员开展数字化风险管控提供了数据的支持；运用关系图谱技术，分析客户交易、担保情况，对私客户关系挖掘算法模型，为业务风险控制用数提供科学支撑。
建设基于大数据平台数据指标的客户标签管理系统，持续优化丰富大数据模型，与业务分析场景相结合，形成代发、养老金、消费贷、信用卡等十数个客群，对客群收入来源、客群资产、金融产品、交易行为等特征开展分析；建设客户基本信息模型、客户活跃度模型、消费行为模型、客户资产趋势类模型等多个客户数据分析模型、50多个数据模型；基于客户之间的真实交易转账数据，构建以客户为节点的交易关系圈。有助于识别不同圈子类型、有效判断圈子的风险，从而有助于推动和加强我行数字化风控落地应用。
建设移动驾驶舱，业务系统的使用不再受时间与空间的限制，通过随时随地在手机端查看了解全行风险情况，打破银行系统边界，以可视化手段展示各类业务风险数据；利用数据大屏、大数据流处理技术，在银行核心电子渠道等高并发业务系统无感知的情况下，将业务风险检测时效性从T+1提高到实时检测，各类业务运营情况滚动播放，随时各类业务数据可视化对比，随时以最直观的方式分析业务数据。
三、技术实现特点
1.应用流处理技术将银行业务风险控制时效性由T+1提高到实时。
应用大数据流处理技术，使用Flume和CDC等技术实时过去各个业务系统数据，建立大数据流数据处理平台，使用kafka，sparkstreaming对实时数据进行加工处理，通过对柜员和客户行为数据的加工处理，将运营监控和客户行为的数据应用的效率从T+1日提高到了准实时，为我行发展实时柜面业务风险监测和信贷业务风控提供了技术基础。
2.综合应用机器学习和知识图谱技术建设银行业务风险监测和信贷风控管理体系。
结合大数据平台积累的各类客户数据指标和智能报表平台提供的丰富的数据分析手段，运用大数据技术分析技术及机器学习算法发展数字化风险控制工作。结合大数据平台加工的客户基本信息、产品持有情况、客户交易行为等数据指标，运用机器学习算法建设了客户风险管理模型为业务人员开展数字化风险管控提供了数据的支持；运用关系图谱技术，分析客户交易情况，对私客户关系挖掘算法模型，利用机器学习、算法模型等先进技术挖掘业务风险，为业务风险控制用数提供科学支撑。
3.可视化方式数据建模，以图形化的方式建立数据分析模型。
使用可视化数据分析方式从多角度分析企业业务，通过关系型联机分析，在多角度分析业务的同时可追溯至明细数据，展开全局联动分析，分析对象发生变化时，可联动展示分析结果对业务数据的旋转、钻取、切片，从汇总数据到详细数据的无缝钻透以及跨主题交叉钻取、汇总；钻取功能、旋转功能、数据过滤功能、时间序列功能；运用大数据可视化技术展示数据，通过各类图表、效果图、趋势图等方式分析深层次数据价值，帮助业务人员洞察业务风险。
4.丰富的金融数据模型，以大数据建设银行金融场景风险防线。
业务分析场景相结合，依托大数据计算优势，结合银行内外部数据形成代发、养老金、消费贷、信用卡等十数个客群；对客群收入来源、客群资产、金融产品、交易行为等特征建设数据模型，建设客户基本信息模型、客户活跃度模型、消费行为模型、客户资产趋势类模型等多个客户数据分析模型、50多个数据模型；基于客户之间的真实交易转账数据，构建以客户为节点的交易关系圈。有助于识别不同圈子类型、有效判断圈子的风险，从而有助于推动和加强我行数字化风控落地应用。
四、项目过程管理
1.需求分析和概要设计阶段
此阶段时间段为2020年3月至2020年7月，其间主要完成了业务需求分析、业务功能和技术构架的高层设计。结合大数据平台技术T+1数据和实时数据情况、业务风险情况、业务管理情况等形成业务风控控制规则需求、业务风险管理功能需求、系统概要设计等文档。
2.系统详细设计阶段
此阶段时间为2020年5月至2020年8月，其间主要随着业务需求的梳理，形成详细设计文档、系统设计方案等。
3.系统编码、测试和上线准备阶段
此阶段时间为2020年6月至2020年9月，其间完成了柜面实时数据采集、大数据平台实时数据处理框架、业务风险模型、风险数据接口、风险数据展示大屏的编码、测试以及试点行上线准备工作，提交了柜面业务风险监测测试报告、信贷业务风险数据接口测试报告、业务运营大屏测试报告、上线方案等文档。
4.上线运行阶段
此阶段起始时间为2020年9月至2020年末，累计开发运行了几十个个大数据风险数据检测模型，助力生产运营发现疑似问题单位账户近百户。加工整合行内外数据，建设满足银行内部各个系统使用的标准化风险数据接口。为全行各类业务提供数据服务日均达到几万次，峰值交易量每小时近万笔。有效支持了我行线上贷款审批服务等各类业务发展。
五、运营情况
1.业务行为监控和信贷风险控制，将数据服务融入全行业务系统，为全行业务运行提供广泛机控手段。
通过大数据业务风险防控体系的建设，各类数据风控模型接口广泛应用与行内各类线上和线下信贷产品的风险控制中，持续监控几百种银行业务操作行为，为银行业务安全稳定运行提供保障。
2.丰富的检测手段和稳定的数据服务，大数据集群平稳提供数据服务，支撑全行数据应用需求。
大数据业务风险监控根据业务监控对象提供几十种业务风险数据查询功能，并且将风险数据通过数据大屏直接展示向业务人员展示，整合的风险数据服务接口双机稳定运行，日均服务几万次，峰值交易量每小时近万笔。
3.内外部数据融合，大数据风险信息融入金融业务服务全流程。
项目运用大数据技术充分整合行内外资源，对外接入十多家政府事业单位数据和二十多家数据厂商，对内结合账户、交易、历史行为等数据整合提供联机数据服务。建设了包括申请拒绝信息、交易风险指标、逾期情况分析、客户风险等级、内外部黑名单等一系列风险数据接口服务。有效的丰富了我行业务流程中风险控制手段。
六、项目成效
1.实现银行业务多维度、全方位数据分析和风险管理
借助大数据业务风险防控体系建设，齐鲁银行业务风控得到显著提升。一是结合业务运营检查和反洗钱工作实际需求，运用大数据监测分析客户行为和员工行为sh数据，助力生产运营发现疑似问题单位账户近百户，经分支机构排查，已对其中几十户采取限制措施；二是通过对信贷业务全流程监测，及时发现可疑风险线索并进行风险提示，上线来共发送风险预警流程几百次，组织机构加大开户环节风险排查力度，做到早预警、早排查、早防范，保障安全运行；三是打通行内个业务系统数据烟筒式管理模式，充分整合行内各系统数据，运用大数据技术提供信贷类风控数据模型。
2.流数据应用和数据可视化
通过对于业务数据可视化大屏建设，应用大数据流处理技术应用，在银行高并发业务系统无感知的情况下，将业务风险检测时效性由T+1提高到实时检测。打通批量数据和实时数据、业务系统和管理系统的数据边界，各类数据相互对比印证，以可视化方式检测业务有运营情况。各类业务运营情况滚动播放，随时各类业务数据可视化对比，随时以最直观的方式防范业务风险。
3.大数据客户画像应用与业务风险防控
应用大数据加工计算能力，完成了客户指标管理和标签管理功能，录入了几十个个客户相关指标数据模型、上百个客户标签、近千个客户相关指标。并结合业务场景形成代发、养老金、消费贷、信用卡等十多个客群，对客群收入来源、客群资产、金融产品、交易行为等特征开展分析，并将各类客群数据应用在贷款业务风险管理中。
七、经验总结
建设基于大数据的全面风险防控体系，是借助大数据技术防范银行风险的创新性尝试，是金融科技与银行业务有效融合的成果展示，取得了很好的应用效果。通过系统监测，及时捕获可疑交易和风险行为，减少风险事件暴漏，筑牢了风控防火墙，保障银行安全运行，通过风险数据实时服务，为行内线上信贷业务安全稳定发展提供支撑。