《商业银行互联网贷款管理暂行办法》（以下简称“《办法》”）正式落地，因其明确了互联网贷款内涵，并对跨区域经营、风险管理体系、数据合规性与管理、合作机构管理、消费者保护、互联网贷款事中事后监管做出明确要求，又被称为互联网贷款“基本法”。

《办法》施行近1个月，业界讨论仍旧绵延不绝，商业银行也密集迎来一轮业务流程与模式优化调整。互联网贷款业务流程涉及多个环节，从产品设计、营销获客、进件身份核验与审批、反欺诈建设、贷前调查、贷中审批、人工复核、数据档案存储、放款控制、贷款支付、贷后管理、催收清算等等。

信用算力研究院通过对《办法》解读，结合业务流程中的重点环节，从业务端涉及的资产运营管理、数据源管理、决策引擎与风控建模、进件审批、AI客服建设等系统/平台，提出重点关注与可行性优化建议。逐一来看：

一、有效识别和监测跨区互联网贷款业务，考验商业银行资产运营与管理能力

《办法》第九条提到，“地方法人银行开展互联网贷款业务，应主要服务于当地客户，审慎开展跨注册地辖区业务，有效识别和监测跨注册地辖区业务开展情况。”从大方向上来看，监管并未对地方性银行跨区域经营采取“一刀切”的态度，也暂未对业务经营设置统一的量化管理标准，这无疑是为长期受地域限制的区域性银行“松绑”。

信用算力CEO 张建梁认为，《办法》中提及的“识别和监测跨区互联网贷款业务”，考验的是商业银行对资产的运营与管理能力，意味着区域性银行需要在营销获客和运营管理中，强化识别用户地域分布能力，关注并监控用户渠道来源、用户地域分布等。

银行通过自研或接入内置用户画像分析功能模块的资产运营分析平台，建立包含性别、年龄、地域、学历、资讯、泛娱乐、电商、金融、生活等在内的全方位用户画像，并持续进行标签补全，强化用户分层与价值挖掘。

1-1 信用算力资产运营分析平台示意图

二、准确理解风险数据和风险模型，搭建统一数据源管理平台成为必要选择

《办法》第十五条提到，“商业银行应当确保具有足够的资源，独立、有效开展互联网贷款风险管理，确保董事会和高级管理层能及时知悉风险状况，准确理解风险数据和风险模型的作用与局限。”

风险数据在互联网贷款业务中涵盖用户基本属性数据、设备数据、社交网络数据、电商消费数据、网络借贷数据、运营商数据等，并以风险评分产品的形式向外输出。常见的风险评分如多头借贷评分，反欺诈评分、综合信用评分，无不依赖大量外部数据。

2-2 信用算力统一数据源管理平台示意图

目前现实情况来看，行方在接入外部数据源时面临几个棘手的问题：

1.数据源甄选难，市场数据源繁多，选型周期长；

2.大量外部数据需要技术对接，耗时长，维护成本高；

3.数据监控管理复杂，数据接入后，接口数据质量与接口稳定性评估难；

4.外部各数据源计费方式不一，对账方式复杂，数据源成本增加。

信用算力研究院调研发现，目前主流的数据源管理平台由六大核心模块组成，功能涵盖数据源管理、数据质量监控、账务管理、OpenAPI、BI报表、数据回溯管理等。具体来说：

1.覆盖主流数据源，提供各类标准化、定制化数据产品服务API，支持机构自主并全可视化筛选、使用、切换对接。

2.快速对接数据源，对各类第三方数据源差异化API进行预处理整合，以标准通信协议、加解密方案、鉴权方式、数据格式等统一Open API提供给行方业务端。

3.数据质量全监控，通过内嵌数据监控模块，对数据质量如接口稳定性、响应性能等运行指标进行实时监控和报警，支持行方全可视化配置报警策略和接受人员，并对数据源异常情况下的同类数据源灾备切换。

4.实时数据成本管控，通过内嵌账务管理模块，确保行方各个数据源接口自动化，支持查询周期性调用量、查得率，和导出可视化对账表，方便成本管控人员全面掌握数据源使用情况。

5.实时查询全维度数据调用量，通过内嵌BI报表模块行方可以对不同分支机构业务产品、数据源、数据产品、分日、周期等全维度数据调用量、调用成本、查得率、成功率等统计指标可视化表格展示，为业务人员分析和决策提供高效支持。

6.数据全量可回溯，通过对所有数据源调用查询记录进行版本化、日志化、 结构化存储，提供全可视化历史调用记录查询回溯，支持业务人员分析评估数据源质量。

三、掌握自主风控能力，是监管对商业银行开展互联网贷款业务要求的底线

《办法》在第四条、第十九条、第三十八条等均涉及风险建模、决策引擎、反欺诈系统相关内容，坐实监管敦促商业银行摆脱外部依赖，掌握核心风控这一实质要求。从业务层面看，全流程风险管控离不开对决策引擎、建模平台、风控指标中心的优化与调整。

信用算力研究院了解到，目前第三方服务商提供的智能引擎系统大多已实现针对可重用的规则、决策表、决策树和规则流等风控组件的编辑、部署、运行、监控功能，行方可根据不同信贷产品场景自主灵活配置，对准入预授信、申请反欺诈、实时授信决策、工作流分配、催收预警等模型策略进行管理优化。

智能建模系统则具备了支持模型开发、测试、配置、检验、部署、监控与全方位模型管理功能，辅助行方搭建身份认证模型、反欺诈模型、反洗钱模型、风险定价模型、授信审批模型、风险预警模型、贷款清收模型等，缩短建模时间，降低建模技术门槛，减少行方风控建模人力投入。

3-3 信用算力智能建模系统示意图

以信用算力过往服务为例，在接入信用算力风控模型后，某银行线上信贷产品风险违约模型KS达0.45，模型评分区分度表现良好，分值区间对应预测违约率与实际违约率误差有明显降低。

四、关注客户反馈与投诉率，搭建AI客服系统

《办法》第十条提到，“构建安全有效的业务咨询和投诉处理渠道，确保借款人享有不低于线下贷款业务的相应服务，将消费者保护要求嵌入互联网贷款业务全流程管理体系。”构建安全有效的业务咨询和投诉处理渠道，关注客户反馈与投诉率，搭建AI客服系统必不可少。

主流的AI客服系统可以为行方提供应用在Web、APP、微信、小程序等多渠道下的智能在线客户服务，实现7*24小时客服在线，全面提升用户体验。

AI客服系统有三大重要功能模块构成：

·知识管理系统，支持独立机器人配置词库，同义词、专业名词、停止词、词权重；个性化提升机器人行业语言处理能力；

会话树平台，支持正式会话树与测试会话树，和条件判断、触发、跳转，以及可视化配置等；

统计报表系统，确保AI客服运营效果一目了然，机器人的训练工作清晰可见。

4-4 信用算力AI客服系统展示图

五、自动化信审管理系统无法取代人工核验，但仍是风险管理环节的核心组成部分

《办法》第二十二条提到，“商业银行应当明确人工复核验证的触发条件，合理设置人工复核验证的操作规程。”此处对商业银行互联网贷款业务中的信审策略提出明确要求，良好的决策审批系统具备支持多渠道进件接入，拥有完备的信审策略以及审批流程灵活配置等特点。

5-5信用算力自动化信审管理系统示意图

自动化决策审批系统并非完全取代或舍弃人工复核这一重要环节，尤其在自动化决策评分相对较低的环节，行方仍然需要人工核验机制，极大相关人员配备和投入。

六、搭建独立路径的合同管理平台，确保全业务流程留痕

《办法》第二十五条，“商业银行应当按照相关法律法规的要求,储存、传递、归档以数据电文形式签订的借款合同、信贷流程关键环节和节点的数据。已签订的借款合同及相关数据应可供借款人随时调取查用。”明确行方应重点关注合同和数据档案存储环节，确保业务关键流程、营销运营数据留存和查验，全业务流程留痕。

接入外部合同管理平台，通过内置风险准则及可定制化审核逻辑配置，支持协议展示、内容编辑、电子签章配置，支持协议模板上传与管理，合同文档检索，合同审核流程与审批节点记录查询等。

6-6 信用算力合同管理平台示意图

商业银行互联网贷款业务迎来全面利好，线上信贷业务优化也涉及链条上的方方面面，信用算力研究院无法逐一列举，本文仅从跨区域用户管理、数据源与数据管理、决策引擎与建模、AI客服等业务系统/模块提出优化建议。

信用算力作为金融科技智能解决方案提供商，连续6年为银行、消费金融、信托、保险等合作方提供营销、风控、运营、咨询研究在内的互联网信贷整体解决方案，并希望通过整合数据、产品与技术，输出一体化科技服务，深化科技与金融的深度融合，帮助行方扩大资产规模，盘活存量客户，释放网点与人员产能和潜力。

责任编辑：方杰