案例名称

昆仑银行智能流程平台建设之大监督体系实践

案例简介

昆仑银行大监督体系建设是我行智能流程平台建设的重要组成部分，也是我行将数字智能与银行监督体系相融合的一次重要实践。

该项目基于我行精心打造的“小昆”RPA机器人智能流程平台，同时融入大数据平台、知识图谱、群体画像、风险决策引擎、风险预警等行内自有新技术与新能力，围绕企业员工涉诉排查情况、失信人执行情况、违规经商办企业、贯通协同监督五库等信息，整合汇集审计、内控、法律、财务稽查等多方海量监察数据进行关联分析，为企业员工构建风险画像，实现风险分级与自动预警。

目前，随着银行业“强监管、严问责”管理思维不断走向深入，该项目以科技手段赋能风险管理工作，对于响应银行监管指示精神，全面推进员工监督体系，赋能风险管理部门业务提质增效都将有极大的促进作用。

创新技术/模式应用

大监督体系主要依托于RPA机器人智能流程平台建设，主要分为RPA基础平台与后端服务两大部分。其中基础平台由获取网络信息的web模块和获取数据报表、影像资料等的数据获取模块以及支撑数据标准化处理和保障业务流程正常运行的RPA组件构成，另外还包含了日志服务、权限控制及异常处理等单元。后台支撑、数据层、以及持久层为RPA平台的基础设施，提供该平台正常运行的必要保障。整体RPA平台架构如下。

该项目流程主要分为数据采集、数据存储、建模分析与风险预警告知等几个环节，整体流程图如下所示。

数据采集：

数据采集部分将RPA技术与人工智能相结合，以机器人作为虚拟劳动力，依据预先设定的程序导入基础信息，同时与中国执行信息公开网、中国裁判文书网、企业信息查询网、贯通协同监督五库（人员库、项目库、信息库、问题库、整改库）等现有系统、数据库进行交互并完成预期数据获取工作。在获取到原始数据之后，我们使用ETL工具Kettle将数据进行清洗转换，并定期同步人员、项目、问题信息与整改信息，并完成整体表结构的设计，为后期web数据与五库数据的导入做准备。

RPA技术作为各系统之间的粘接器，能够将各系统业务数据进行无缝转换对接，且无侵入性。使用RPA技术可在无需改造现有系统的情况下，替代人工实现大量重复性、具备规则性的工作，抓取所需目标数据，且可实现“7X24”小时不间断工作。同时，我们通过将RPA与AI技术相结合，通过OCR识别信贷管理影像资料、利用大数据模型进行客户风险测算等，能够解决非结构化数据的获取以及精准定位风险问题，大大提升了RPA的泛用性。

数据存储：

在数据存储阶段，主要依托我行大数据平台健全数据治理体系，规划数据管理架构，沉淀监督数据，深挖多层次、多粒度数据价值，为关联分析和员工画像奠定基础。对于结构化数据，我们依照数据特性对其进行分层分类存储；对于部分非结构化数据，如影像资料，我们使用OCR先对其进行识别提取必要信息，之后再次经过Kettle加工完成入库处理。

数据建模：

依托大数据和机器学习算法，将行内外员工法律执行情况、征信数据、近亲属违规经商办企业情况、审计内控情况等，采用网络图谱算法、NLP等算法，支持结构化、半结构化和非结构化数据等多模态数据，构建关联关系网络，将明细指标强化学习成风险标签，对员工进行画像分析，划分出不同风险等级，提升隐含风险发现能力。依托图谱在关联、泛化、演绎方面的突出能力，纳入了图模式、社群识别、异常检测等技术手段，全面提升了大监督体系的洞察力与生命力。

风险决策引擎：

在模型运算的基础上，我们引入风险决策引擎生成潜在合规高风险人员清单，同时将高风险预警发至相关业务部门。为满足自动风险预警需求，决策引擎实现松耦合、标准化接口对接，采用实时流计算技术，引用大数据平台中十余类监督数据源进行加工计算，秒级返回决策结果给前端系统，在完整性、拓展性、服务能力方面表现突出。决策引擎为快速响应风险防控需求，以权限管理为基础，采用风控规则灵活配置方式，增强风控策略的保密性和灵活性。

项目效果评估

作为中石油旗下的商业企业，特殊的股权结构决定了我行同时面临着集团与银保监会的双重监管。在目前“强监管、严问责”的态势下，管理层对员工的要求越来越高，为解决全面监督员工行为的需求，昆仑银行大监督体系建设正式启动。

1、RPA自动化处理，高效获取监督数据

基于RPA+AI技术，对所需基础数据进行自动获取，涉及了中国执行信息公开网、中国裁判文书网、企业信息查询网、贯通协同监督五库等系统，能够替代人工解决重复性繁琐查询、统计工作。以裁判文书网排查统计为例，若每年开展一次，全行3000余人，每人搜索后200余条目，人工识别每条2分钟，每次开展排查工作耗时45人/天。而RPA机器人仅需十余小时便能自动完成排查工作，大大提升了排查效率。完成所有种类信息采集工作，每年一次，可节约人工180人/天。在可以高效率自动化完成该项排查工作的情况下，可将排查频次由一年一次，提高至一次月一次，极大提升合规工作质效。

2、融合多维智能技术，构建AI监督模型

我行通过大数据平台在行内进行数据治理和积累，从外部广泛引进征信、法律、失信等权威数据，集结业务领域专家进行专家经验模型和智能算法研发，并根据金融从业者特性对大数据的关键技术进行了大量改造，如引入流计算引擎技术解决大数据吞吐的实时性问题、引入NLP技术解决外部数据的大量重复问题、引入OCR技术解决信贷管理影像资料等非结构化图像数据的导入问题、引入基于图数据库技术构建关联关系挖掘模型，满足关系查询、识别、风险认定、员工画像需求。针对这些问题进行了自主改造和研发，最终形成了适用于员工监督检查场景的功能，很多改造经验也为金融同业、企业内部风控提供了良好的借鉴。

3、风险画像联防联控，全面扩大监督范围

大监督体系建设汇集征信、审计、内控、法律、财务稽查等多方海量监察数据，降低了风险防控收集信息成本。以员工为维度展示风险信息的完整链路，为监督检查提供员工风险全景画像；并从指标层面划分不同风险等级，便于不同条线风险策略人员综合员工行内指标对风险进行全面侦测。在风险运营层面，大大降低了风险案件发生后的跨部门、跨平台的沟通排查成本，在风险策略层面，实时预警功能，节省了排查人员的精力。

4、模式转型有机结合，全面覆盖效果显著

大监督体系建成后由原先的事后监督向多渠道实时监测与事后分析相结合的模式转变，同时做到对识别的风险预警及时处置，实现全面监督与重点监督、集中监督与分级监督有机结合。

项目上线后，整合了中国执行信息公开网、中国裁判文书网、企业信息查询网、贯通协同监督五库等八大系统与数据库，构建了50余个监测分析模型，覆盖面由低于20%的单一场景，提升至100%全覆盖场景，实现了全行级、全维度的大监督、强监管的建设目标。

项目牵头人

黄卓 昆仑银行信息科技部公共服务室主任

项目团队成员

总行：黄卓 张昊 郭宇博 邓华文

四川运营中心：刘潇骏 郭阳秦 唐宇龙

西安分行： 王刚 雷娟 赵明明

乌鲁木齐分行：杨文杰

大庆分行：俄广辉

责任编辑：陈爱