飛算全自動數(shù)據(jù)建模平臺AI. Modeler Pro上線：首推評分卡功能

　　9月6日,央行發(fā)布《2021年第二季度支付體系運行總體情況》。數(shù)據(jù)顯示,截止第二季度末,信用卡逾期半年未償信貸總額818.04 億元,占信用卡應(yīng)償信貸余額的 1.00%。與第一季度相比,信用卡逾期總額出現(xiàn)小幅下滑,這與銀行在二季度采取嚴格的風(fēng)控措施有關(guān)。為了應(yīng)對信用卡帶來的大規(guī)模逾期,多家銀行在二季度開始加大信用卡整頓力度,而評分卡模型正是銀行最常見的金融風(fēng)控工具之一。

　　什么是評分卡模型

　　評分卡模型又叫做信用評分卡模型,最早由美國信用評分巨頭FICO公司于20世紀60年代推出,在信用風(fēng)險評估以及金融風(fēng)險控制領(lǐng)域中廣泛使用。銀行利用評分卡模型對客戶的信用歷史數(shù)據(jù)的多個特征進行打分,得到不同等級的信用評分,從而判斷客戶的優(yōu)質(zhì)程度,據(jù)此決定是否準予授信以及授信的額度和利率。

　　傳統(tǒng)的信貸風(fēng)控主要靠資深從業(yè)人員依靠自身的經(jīng)驗設(shè)置的專家規(guī)則,相較而言,評分卡模型的使用具有很明顯的優(yōu)點。

　　首先,判斷快速。系統(tǒng)只需要按照評分卡逐項打分,最后通過相應(yīng)的公式計算出總分,即可準確判斷出是否為客戶授信以及額度和利率;其次,客觀透明。評分卡模型的標準是統(tǒng)一的,無論是客戶還是風(fēng)險審核人員,都可以通過評分卡一眼看出評分結(jié)果和評判依據(jù);最后,應(yīng)用范圍廣。由于評分卡的評分項是客觀計算,其得出的分數(shù)具有廣泛的參考性和適用性。例如,生活中常見的支付寶芝麻信用分,就是依據(jù)評分卡模型計算得出。

　　傳統(tǒng)評分卡模型建模方式弊端已現(xiàn)

　　當(dāng)下,國內(nèi)大部分金融機構(gòu)采用的還是傳統(tǒng)的評分卡模型建模方式,由于該方式建模過程周期過長,多家金融機構(gòu)均曾表示,“傳統(tǒng)的評分卡建模方式已經(jīng)逐漸無法滿足業(yè)務(wù)發(fā)展需求”。以國內(nèi)某銀行的信貸部門的建模為例,建模前期IT算法人員需要與業(yè)務(wù)人員進行溝通,待其了解業(yè)務(wù)之后,再通過編寫代碼來實現(xiàn)數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、變量篩選、算法實現(xiàn)、模型開發(fā)評估、評分轉(zhuǎn)換等一系列流程,且需后期不斷驗證準確度,優(yōu)化參數(shù),最終生成評分卡模型。往往上線一個模型需要數(shù)月時間,如期間用戶行為等數(shù)據(jù)變化,模型又需要重新迭代,模型更新速度難以跟上業(yè)務(wù)發(fā)展的速度。

　　然而隨著社會的發(fā)展,信貸業(yè)務(wù)規(guī)模不斷擴大,客戶行為的數(shù)據(jù)呈現(xiàn)出爆炸式的增長,金融機構(gòu)對風(fēng)控工作的要求也逐漸提升,評分卡模型也變得越來越復(fù)雜。金融機構(gòu)需要耗費更多的精力與時間去升級和維護評分卡模型以滿足風(fēng)險控制的需求。傳統(tǒng)專家建模方式存在的建模周期長、多模型管理難等問題弊端逐步顯露。

　　飛算AI. Modeler Pro全新上線 三十分鐘實現(xiàn)評分卡模型建模

　　評分卡模型的算法原理雖然不是特別復(fù)雜,但在風(fēng)控領(lǐng)域中有著不可替代的地位。隨著消費金融領(lǐng)域的不斷擴展,不僅銀行,越來越多的金融機構(gòu),尤其是小額信貸企業(yè)也開始利用評分卡模型完善風(fēng)控制度。

　　種種建模痛點之下,飛算全自動數(shù)據(jù)建模平臺AI. Modeler Pro應(yīng)運而生。飛算AutoML技術(shù)凝聚了許多營銷、風(fēng)控專家的建模經(jīng)驗,沉淀了在實際業(yè)務(wù)中驗證下來較優(yōu)的建模流程和方法論。例如變量編碼、最優(yōu)分箱,、可視化調(diào)整、逐步回歸等。將評分卡模型建模時間從1-2個月縮短到了數(shù)小時,大幅提升了建模工作效率。

　　通過飛算AI. Modeler Pro風(fēng)控評分卡模組,可以對客戶的申請信息、合同信息、人行征信、身份、學(xué)歷認證、消費、電信、航旅、公安司法、三方黑灰名單等數(shù)據(jù)進行充分挖掘,流程化快速建立風(fēng)控評分卡模型,為申請貸款用戶分級打分,評估用戶的風(fēng)險高低;發(fā)力信貸智能化風(fēng)控體系建設(shè),幫助風(fēng)控人員提升風(fēng)控模型開發(fā)效率80%,應(yīng)對日益增長的業(yè)務(wù)需求。

　　在銀行風(fēng)控領(lǐng)域,模型可解釋性的要求非常高,特征的衍生來源,模型生成過程等都必須非常清晰,模型才有可能會被采納上線。飛算全自動數(shù)據(jù)建模平臺AI. Modeler Pro模型訓(xùn)練后自動生成可解釋性報告,同時模型從配置、訓(xùn)練、迭代到生成的每一步,自動記錄詳情,最終形成詳細的建模日志,數(shù)據(jù)科學(xué)家從建模日志可了解模型生成的全部過程,模型可解釋性強。

　　香港城市大學(xué)數(shù)據(jù)科學(xué)學(xué)院及數(shù)學(xué)系王軍輝教授全程參加了產(chǎn)品研發(fā),并評價,“飛算全自動數(shù)據(jù)建模平臺為人工智能應(yīng)用落地按下加速鍵:沒有AI開發(fā)經(jīng)驗的業(yè)務(wù)專家可以無門檻開發(fā)智能應(yīng)用;專業(yè)AI開發(fā)者可以從繁瑣的數(shù)據(jù)處理及特征工程等工作中‘解放’出來。”