后疫情時(shí)代：中小銀行數(shù)字化風(fēng)控

01課程背景

【銀行管理層痛點(diǎn)】

特別是城商行、農(nóng)商行、農(nóng)信社及村鎮(zhèn)銀行等地方性中小銀行，其數(shù)字化能力普遍明顯低于銀行平均水平。因此，中小銀行必須及時(shí)轉(zhuǎn)型數(shù)字金融，數(shù)字化風(fēng)控體系建設(shè)是重中之重。

【銀行執(zhí)行層痛點(diǎn)】

缺乏有效的線上風(fēng)控工具，導(dǎo)致業(yè)務(wù)萎縮，風(fēng)險(xiǎn)上升……

獲客能力、風(fēng)控能力以及運(yùn)營能力，均存在較大局限性……

中小銀行與大型銀行之間的風(fēng)控差距越來越大……

02課程詳情

【培訓(xùn)對(duì)象】

董事長、行長、銀行總分行個(gè)貸、消費(fèi)金融及信用卡中心、網(wǎng)絡(luò)銀行、電子銀行、數(shù)字銀行等部門負(fù)責(zé)人及業(yè)務(wù)骨干

【授課形式】

現(xiàn)場講授——面對(duì)面講解，分組討論、案例剖析、在線答疑等

【課程時(shí)間】

1-2天

03課程收益

核心收益01：掌握中小銀行數(shù)字化轉(zhuǎn)型發(fā)展現(xiàn)狀與趨勢

核心收益02：熟悉大數(shù)據(jù)風(fēng)控體系建設(shè)思路與實(shí)施方法

核心收益03：明確本行定位及轉(zhuǎn)型數(shù)字金融的工作思路

核心收益04：了解國外商業(yè)銀行數(shù)字化轉(zhuǎn)型經(jīng)驗(yàn)借鑒

核心收益05：洞悉中小銀行數(shù)字化轉(zhuǎn)型痛點(diǎn)及解決辦法

核心收益06：學(xué)習(xí)信用評(píng)分模型建立與應(yīng)用

核心收益07：學(xué)習(xí)SCORECARD建模方法論

核心收益08：學(xué)習(xí)當(dāng)今最前沿的大數(shù)據(jù)風(fēng)控技術(shù)

核心收益09：深入研究數(shù)字化風(fēng)控策略與實(shí)踐

核心收益10：學(xué)習(xí)互聯(lián)網(wǎng)金融反欺詐策略解析

核心收益11：學(xué)習(xí)評(píng)分卡六大開發(fā)步驟

核心收益12：中小銀行數(shù)字化轉(zhuǎn)型落地五大方案、四大系統(tǒng)、一大平臺(tái)

《后疫情時(shí)代：中小銀行數(shù)字化風(fēng)控》

公開課課程大綱詳情

01第一模塊

重大疫情對(duì)當(dāng)前中小銀行的影響與挑戰(zhàn)

第一節(jié)：傳統(tǒng)銀行線下模式的局限性

一、 獲客、風(fēng)控、運(yùn)營局限性

二、 業(yè)務(wù)高度依賴人工處理

三、 線下業(yè)務(wù)加大財(cái)務(wù)管理難度

四、 無法有效滿足需求快速、多樣化、高頻率的特點(diǎn)

第二節(jié)：大型銀行與中小銀行差距加大

一、 大型銀行與中小銀行的建設(shè)水平參差不齊

二、 獲客效率、產(chǎn)品多樣性、線上化服務(wù)效率與業(yè)務(wù)智能化程度不足

三、 零售及小微業(yè)務(wù)存在較為明顯的客戶資質(zhì)下沉趨勢

四、 敏捷開發(fā)的組織架構(gòu)、運(yùn)營流程、科技能力與人員儲(chǔ)備方面長期存在不足

第三節(jié)：重大疫情引發(fā)中小銀行數(shù)字化轉(zhuǎn)型的長遠(yuǎn)思考

一、 在重大突發(fā)情況下仍能持續(xù)、快速地識(shí)別和響應(yīng)客戶需求

二、 實(shí)現(xiàn)金融業(yè)務(wù)數(shù)字化轉(zhuǎn)型是一項(xiàng)中小銀行戰(zhàn)略級(jí)安排

三、 必須迅速、準(zhǔn)確把握數(shù)字化轉(zhuǎn)型的突破口

02第二模塊

中小銀行數(shù)字化轉(zhuǎn)型發(fā)展現(xiàn)狀與趨勢

第一節(jié)：國內(nèi)商業(yè)銀行發(fā)展進(jìn)入4.0時(shí)代

一、 商業(yè)銀行1.0時(shí)代。

二、 商業(yè)銀行2.0時(shí)代

三、 商業(yè)銀行3.0時(shí)代

四、 商業(yè)銀行4.0時(shí)代

第二節(jié)：當(dāng)前商業(yè)銀行發(fā)展存在的普遍問題

一、 銀行的盈利方式和發(fā)展策略長期偏重于粗放型

二、 中國的商業(yè)銀行長期習(xí)慣于服務(wù)大客戶、大企業(yè)和政府

三、 中國商業(yè)銀行沒有充分考慮用戶的體驗(yàn)

四、 商業(yè)銀行的地位面臨著諸多挑戰(zhàn)。

第三節(jié)：國內(nèi)大型銀行的數(shù)字化轉(zhuǎn)型進(jìn)程

一、 大型銀行與西方國家仍有差距。

二、 招商銀行的科技投入

三、 平安集團(tuán)的數(shù)字化戰(zhàn)略

四、 工商銀行的數(shù)字化戰(zhàn)略

第四節(jié)：國外商業(yè)銀行數(shù)字化轉(zhuǎn)型經(jīng)驗(yàn)借鑒

一、 以客戶為中心，打造數(shù)字化平臺(tái)。

案例1：匯豐銀行

案例2：韓國K Bank互聯(lián)網(wǎng)銀行以及Kakao Bank

二、 推進(jìn)全渠道轉(zhuǎn)型，增強(qiáng)客戶黏性。

案例1：ING Direct直銷銀行

案例2：英國的Atom Bank

案例3：德國的N26 Bank務(wù)

三、 提升大數(shù)據(jù)管理、分析與運(yùn)用能力，加強(qiáng)線上線下融合協(xié)同

案例1：美國第一資本金融公司

案例2：美銀美林的金融服務(wù)平臺(tái)Merrill Edge

四、 提升賬戶管理能力，打造開放銀行體系，建設(shè)良好金融生態(tài)圈

第五節(jié)：國內(nèi)中小型銀行數(shù)字化轉(zhuǎn)型進(jìn)程

一、 中小銀行數(shù)字化轉(zhuǎn)型仍存諸多挑戰(zhàn)

二、 順應(yīng)全球數(shù)字化時(shí)代浪潮的必然要求

三、 應(yīng)對(duì)復(fù)雜經(jīng)營發(fā)展環(huán)境的有益舉措

四、 提升服務(wù)實(shí)體經(jīng)濟(jì)能力的有效支撐

五、 中小銀行嘗試數(shù)字化轉(zhuǎn)型的五種方式

03第三模塊

中小銀行數(shù)字化轉(zhuǎn)型痛點(diǎn)與難點(diǎn)

第一節(jié)： 中小銀行數(shù)字化轉(zhuǎn)型痛點(diǎn)剖析

一、 痛點(diǎn)之一：數(shù)據(jù)質(zhì)量不符合數(shù)字化轉(zhuǎn)型需求

二、 痛點(diǎn)之二：客戶體驗(yàn)、端到端業(yè)務(wù)流程的梳理阻力較大

三、 痛點(diǎn)之三：生態(tài)定位與管理聚合難度極大

四、 痛點(diǎn)之四：受限于資金規(guī)模偏小

五、 痛點(diǎn)之五：創(chuàng)新內(nèi)生動(dòng)力不足

六、 痛點(diǎn)之六：風(fēng)險(xiǎn)控制能力偏弱

第二節(jié)：中小銀行數(shù)字化轉(zhuǎn)型面臨的挑戰(zhàn)

一、 理念挑戰(zhàn)

二、 機(jī)制挑戰(zhàn)

三、 數(shù)據(jù)挑戰(zhàn)

四、 人才挑戰(zhàn)

04第四模塊

中小銀行數(shù)字化風(fēng)控體系搭建

第一節(jié)：信用評(píng)分模型建立與應(yīng)用 

一、 背景

（1） 二戰(zhàn)后消費(fèi)信貸產(chǎn)業(yè)在歐美蓬勃發(fā)展

（2） 數(shù)據(jù)庫技術(shù)、數(shù)理統(tǒng)計(jì)技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展

（3） 歐美社會(huì)征信體系的形成和健全

二、 三個(gè)歷史階段

（1） 以客戶分類為核心的信用分析

（2） 以預(yù)測模型為核心的信用評(píng)分模型

（3） 以決策模型為核心的信用評(píng)分模型

三、 模型分類

（1） 按模型預(yù)測的未來表現(xiàn)

（2） 按模型的數(shù)據(jù)來源

（3） 按模型的實(shí)證化

（4） 按模型的對(duì)象

四、 SCORECARD建模方法論

S = SAMPLING 數(shù)據(jù)選取與抽樣

C = CLEANSING 數(shù)據(jù)檢測、數(shù)據(jù)清洗、數(shù)據(jù)鏈接與合并

O = OPTIMIZATION 數(shù)據(jù)優(yōu)化處理，包括客戶分群(SEGMENTATION）、變量分析、粗分組

R = REGRESSION 利用統(tǒng)計(jì)學(xué)回歸技術(shù)構(gòu)建模型

E = EQUALIZATION 將模型轉(zhuǎn)化為評(píng)分卡形式

C = ConFIRMATION   評(píng)分卡評(píng)估與確認(rèn)

A = ADMINISTRATION 評(píng)分卡實(shí)施上線與管理，包括指定管理人，記錄評(píng)分卡使用情況等

R = REVIEW 評(píng)分卡跟蹤驗(yàn)證

D = documentATION 整理記錄，完成項(xiàng)目技術(shù)文檔

第二節(jié)：大數(shù)據(jù)風(fēng)控技術(shù)

一、 生物特征識(shí)別

二、 加速度傳感器

三、 機(jī)器學(xué)習(xí)與模型訓(xùn)練

四、 大數(shù)據(jù)應(yīng)用場景

第三節(jié)、數(shù)字化風(fēng)控策略

一、 失信、黑名單策略

（1） 常見的38種黑名單策略

（2） 多級(jí)關(guān)聯(lián)后得到的黑名單策略

二、 聯(lián)系人風(fēng)控策略

（1） 聯(lián)系人策略

（2） 15類場景聯(lián)系人策略

三、 其他常用風(fēng)控策略

（1） 異常貸款策略

（2） 惡意貸款策略

（3） ……  ……

共計(jì)14類

第四節(jié)、互聯(lián)網(wǎng)金融反欺詐解析 

一、 全面防范欺詐風(fēng)險(xiǎn)

（1） 搭建全流程反欺詐管理制度

（2） 數(shù)據(jù)監(jiān)控和欺詐分析相結(jié)合

（3） 欺詐流程和欺詐模型相結(jié)合

（4） 大數(shù)據(jù)與風(fēng)控系統(tǒng)現(xiàn)結(jié)合

二、 數(shù)據(jù)應(yīng)用反欺詐

（1） 數(shù)據(jù)來源

（2） 數(shù)據(jù)類型

（3） 數(shù)據(jù)場景

三、 反欺詐模型和信用模型區(qū)別

（1） 目標(biāo)變量

（2） 模型特征

（3） 實(shí)時(shí)性

（4） 技術(shù)實(shí)施

四、 反欺詐之手機(jī)設(shè)備指紋實(shí)施

（1） 設(shè)備識(shí)別

a) IP 地址、cookie以及移動(dòng)互聯(lián)網(wǎng)特有的設(shè)備ID

b) 設(shè)備指紋（設(shè)備ID）

（2） 被動(dòng)式設(shè)備指紋

（3） 主動(dòng)式設(shè)備指紋

（4） 常見五類欺詐形式（略）

五、 如何構(gòu)建全流程反欺詐風(fēng)控系統(tǒng)

（1） 數(shù)據(jù)接入、決策引擎、管理系統(tǒng)相結(jié)合

（2） 數(shù)據(jù)分析和反欺詐模型相結(jié)合

六、 反欺詐工作落地實(shí)施方案

（1） 準(zhǔn)備

（2） 部署

（3） 實(shí)施

七、 反欺詐方案調(diào)整解析

（1） 業(yè)務(wù)運(yùn)營監(jiān)控

（2） 策略模型監(jiān)控

（3） 異常情況監(jiān)控

第五節(jié)：評(píng)分卡六大開發(fā)步驟

一、 量化評(píng)分卡

二、 量化評(píng)分卡與專家評(píng)分卡

三、 量化評(píng)分卡流程開發(fā)步驟

四、 評(píng)分卡指標(biāo)

五、 評(píng)分卡衡量指標(biāo)-ks值

六、 專家評(píng)分卡流程開發(fā)步驟

05第五模塊

中小銀行如何布局?jǐn)?shù)字化轉(zhuǎn)型

第一節(jié)：利用大數(shù)據(jù)實(shí)現(xiàn)差異化精準(zhǔn)營銷

一、 結(jié)合大數(shù)據(jù)、人工智能技術(shù)來拓寬業(yè)務(wù)范圍

二、 精準(zhǔn)識(shí)別具有行業(yè)潛力的中小企業(yè)

三、 積極搭建各類智慧場景及生態(tài)集群圈

四、 制定的差異化精準(zhǔn)營銷策略

第二節(jié)：利用大數(shù)據(jù)創(chuàng)新中小型商業(yè)銀行管理體系

一、 客戶管理、運(yùn)營管理和配合監(jiān)督進(jìn)行創(chuàng)新

二、 做好客戶數(shù)據(jù)儲(chǔ)存和更新

三、 準(zhǔn)確掌握自身運(yùn)營情況和員工動(dòng)態(tài)

四、 優(yōu)化自身信用評(píng)估模型精度

第三節(jié)：利用大數(shù)據(jù)優(yōu)化風(fēng)控體系

一、 精準(zhǔn)把控各類風(fēng)險(xiǎn)

二、 搭建大數(shù)據(jù)共享平臺(tái)

三、 精準(zhǔn)識(shí)別客戶身份與行為

四、 滿足用戶特定場景大額交易需求

第四節(jié)：數(shù)據(jù)是贏得數(shù)字化轉(zhuǎn)型的關(guān)鍵

一、 用戶及相關(guān)產(chǎn)品服務(wù)全面“數(shù)據(jù)化”

二、 數(shù)據(jù)是最為重要的核心資產(chǎn)

三、 最大化地挖掘數(shù)據(jù)的潛能

四、 數(shù)據(jù)清洗、融合、去重、去無效、去異常、分類聚合

06第六模塊

中小銀行數(shù)字化轉(zhuǎn)型落地解決方案

第一節(jié)：六大落地實(shí)施方案

一、 銀行線上信貸業(yè)務(wù)一站式全流程解決方案

二、 銀行自動(dòng)化風(fēng)控審批全流程解決方案

三、 銀行大數(shù)據(jù)決策風(fēng)控解決方案

四、 銀行大數(shù)據(jù)征信平臺(tái)解決方案

五、 銀行一鍵式智能數(shù)據(jù)建模解決方案

六、 風(fēng)險(xiǎn)計(jì)量與策略應(yīng)用聯(lián)合建模方案

第二節(jié)、四大落地應(yīng)用系統(tǒng)

一、 銀行信貸中臺(tái)——風(fēng)控審批管理系統(tǒng)

二、 銀行信貸核心——賬務(wù)系統(tǒng)

三、 銀行貸后管理——催收系統(tǒng)

四、 銀行智能決策產(chǎn)品——機(jī)器學(xué)習(xí)模型迭代

第三節(jié)：一個(gè)智能決策平臺(tái)

一、 中小銀行大數(shù)據(jù)智能決策支持平臺(tái)

課程亮點(diǎn)

實(shí)戰(zhàn)、實(shí)用、實(shí)在，全程干貨，確屬當(dāng)下中小銀行數(shù)字化轉(zhuǎn)型急需之課程；

六大落地實(shí)施方案、四大應(yīng)用系統(tǒng)及大數(shù)據(jù)智能決策支持平臺(tái)，已經(jīng)在國內(nèi)數(shù)十家銀行實(shí)施部署，可為各家中小銀行借鑒。

講師簡介

2 總行核心審貸委員

2 大數(shù)據(jù)風(fēng)控專家

2 消費(fèi)金融領(lǐng)域?qū)崙?zhàn)專家

2 銀行信用教育講師

2 財(cái)商實(shí)戰(zhàn)專家

現(xiàn)任：

2 某金融信息服務(wù)公司 高級(jí)風(fēng)控合伙人

曾任：

2 某消費(fèi)金融有限公司 籌建組成員、風(fēng)險(xiǎn)總監(jiān)

2 某消費(fèi)金融有限公司 籌建組成員、風(fēng)險(xiǎn)合規(guī)負(fù)責(zé)人

2 某大型城市商業(yè)銀行總行 風(fēng)險(xiǎn)主管、專職審貸官

講師特點(diǎn)

2 吳老師在銀行業(yè)及消費(fèi)金融業(yè)工作超過20年，曾任總行貸款審查委員會(huì)核心委員達(dá)10年以上，最高職務(wù)金融機(jī)構(gòu)首席風(fēng)險(xiǎn)官；

2 吳老師是大數(shù)據(jù)風(fēng)控專家，與世界最大征信機(jī)構(gòu)益博睿美國專家技術(shù)合作，為全國數(shù)十家銀行建立大數(shù)據(jù)風(fēng)控系統(tǒng)及模型；

2 吳老師是銀行信用教育專家，已經(jīng)連續(xù)5年，累計(jì)為全國各地200余家銀行的千余位行長高管培訓(xùn)消費(fèi)金融公、風(fēng)險(xiǎn)控制以及審貸技術(shù)；

2 吳老師是財(cái)商實(shí)戰(zhàn)專家，精通信用卡、個(gè)人貸款以及中小微創(chuàng)業(yè)貸款實(shí)務(wù)，累計(jì)為中小企業(yè)及個(gè)人客戶培訓(xùn)50余場，受眾數(shù)千人；

2 吳老師還是國內(nèi)消費(fèi)金融領(lǐng)域?qū)崙?zhàn)專家，親自參與3家持牌消費(fèi)金融公司的籌建與運(yùn)營工作，并為半數(shù)以上持牌消費(fèi)金融公司提供過專業(yè)培訓(xùn)。

培訓(xùn)案例（部分）

2 2016年3月，杭州，為全國60余家銀行，提供世界消費(fèi)金融史培訓(xùn)

2 2016年8月，南京，為江蘇銀行高層專題講解消費(fèi)金融

2 2016年10月，北京，為40余家銀行及與資產(chǎn)提供方，提供反欺詐技術(shù)培訓(xùn)

2 2017年7月，上海，為浦發(fā)銀行總行信用卡中心全體員工，提供大數(shù)據(jù)風(fēng)控技術(shù)培訓(xùn)

2 2017年12月，北京，易寶支付，提供公司內(nèi)訓(xùn)，內(nèi)容為大數(shù)據(jù)風(fēng)控及風(fēng)控模型

2 2018年9月，貴陽，面對(duì)40余家商業(yè)銀行及擔(dān)保公司等，講解消費(fèi)金融

2 2018年12月，成都，為300余位中小企業(yè)主培訓(xùn)財(cái)商課程及融資方案

2 2019年1月，廈門，為30余家銀行及擔(dān)保公司，培訓(xùn)消費(fèi)金融風(fēng)控體系及優(yōu)質(zhì)資產(chǎn)對(duì)接

2 2019年3月，湘潭，為近百位當(dāng)?shù)仄髽I(yè)家提供征信教育培訓(xùn)

2 2019年4月，海南，為50余位中小企業(yè)主培訓(xùn)財(cái)商課程及融資方案

2 2019年5月，新疆，為數(shù)十位當(dāng)?shù)仄髽I(yè)家提供征信教育及融資方案

2 2019年10月，福州，為近百位當(dāng)?shù)貙?shí)體企業(yè)老板提供財(cái)商咨詢及融資方案

（以上為重要培訓(xùn)項(xiàng)目，后續(xù)待整理）……  ……

擅長行業(yè)&領(lǐng)域

2 行業(yè)：銀行、消費(fèi)金融

2 領(lǐng)域：信貸管理，風(fēng)險(xiǎn)管控，財(cái)商教育，征信教育

主講課程

2 《消費(fèi)金融系列課程》,主要內(nèi)容包括世界消費(fèi)金融發(fā)展史，美歐日印消費(fèi)金融興衰及對(duì)我國開展消費(fèi)金融的借鑒，以及消費(fèi)金融公司籌建、運(yùn)營與營銷實(shí)務(wù)等等

2 《風(fēng)險(xiǎn)管理系列課程》，主要內(nèi)容包括銀行線上線下風(fēng)險(xiǎn)管理實(shí)務(wù)，大數(shù)據(jù)風(fēng)控技術(shù)，個(gè)人貸款業(yè)務(wù)風(fēng)控模型搭建，個(gè)人信貸業(yè)務(wù)及風(fēng)險(xiǎn)管理，金融科技在業(yè)務(wù)實(shí)踐中的運(yùn)用等等

2 《信用教育系列課程》，主要內(nèi)容包括個(gè)人征信維護(hù)與打造、財(cái)商教育實(shí)戰(zhàn)技巧等等

服務(wù)客戶

2 銀行： 建設(shè)銀行、浦發(fā)銀行、廣發(fā)銀行、興業(yè)銀行、華夏銀行、渤海銀行、重慶銀行、江蘇銀行、漢口銀行、營口沿海銀行、徽商銀行、微眾銀行、中關(guān)村銀行、富民銀行、藍(lán)海銀行、振興銀行、中原銀行、北京銀行、廣州銀行、長沙銀行、長沙農(nóng)商行、湘江銀行、富滇銀行、齊商銀行、棗莊農(nóng)商行、濟(jì)寧銀行、杭州銀行、晉城銀行、河北銀行、濰坊銀行、貴陽銀行、攀枝花銀行、威海銀行、濰坊銀行等等

2 消費(fèi)金融公司：中銀消費(fèi)金融公司、中原消費(fèi)金融公司、馬上消費(fèi)金融公司、晉商消費(fèi)金融公司、哈銀消費(fèi)金融公司、海爾消費(fèi)金融公司、捷信消費(fèi)金融公司、杭銀消費(fèi)金融公司、華融消費(fèi)金融公司、湖北消費(fèi)金融公司等等

2 小貸公司：北京市小貸公司行業(yè)協(xié)會(huì)、人?；ヂ?lián)網(wǎng)小貸等等

2 擔(dān)保公司：中國經(jīng)濟(jì)技術(shù)投資擔(dān)保公司、北京首創(chuàng)投資擔(dān)保公司、新疆投資擔(dān)保公司

2 其他：魯信集團(tuán)、西藏融資租賃、平安租賃、金地集團(tuán)等等

現(xiàn)場剪影