案例名称

精准构建客户风险画像，助推精细化管理与稳健经营

案例简介

随着国内经济景气水平回升、消费市场持续回暖，以及支付行业随法律监管、行业自律不断的规范化，市场竞争也随之加剧，支付机构需要不断提升精细化管理水平，在市场发展、风险控制和成本控制三者间取得平衡。银联商务自2022年起建设投产银商鹰眼智能风控系统，构建“风险五库”数据底座，研发客户风险画像，通过获取客户的基本信息、交易信息以及外部信息，以确定客户的主体类型、各个风险特征值，并利用与客户主体类型对应的评分模型，同时结合客户历史案例触发、查处管控等，勾勒出客户的风险画像，助推精细化管理与稳健经营。

创新技术/模式应用

本方案通过一系列精心设计的步骤，将客户的风险水平从多个维度进行量化评估。以下是方案的具体内容：

一、数据收集与预处理

在这一阶段，从不同数据源中收集数据，包括公司内部的客户数据、交易数据、外部的名单数据、工商数据，涉及地域的数据、历史案例触发、查处管控等。这些数据涵盖了客户的基本信息、交易行为、地理分布、历史风险行为等多个维度。

数据预处理涉及数据清洗、去重、填充缺失值等步骤，通过识别并处理数据中的异常值、错误、重复或无效数据，确保数据的一致性和准确性。在这个过程中，我们应用数据清洗算法和异常值检测技术，以消除不准确或异常的数据影响，并减少评估结果的偏差。

二、客户分类

一方面因客户在规模、业务特征上存在差异，使用泛化的风险评估方法，会导致一些特定风险情形和客户的经营规模、经营特征不匹配的问题，从而使评估的精确度、可用性下降，给后续的风险管理、控制和策略制定造成负面影响。另一方面，客户的分类不宜过于精细，造成在客户风险评估的过程中缺乏统一标准，给后续的风险管理、控制和策略制定造成困难。因此本方案将客户分为小微客户、个体工商户和对公客户，既合理的进行了分类评估，也保证了整体设计的标准统一。

三、风险大类选择

为了充分综合客户风险的多个维度进行评估，我们采用了一种基于领域专业知识和数据分析的方法，以有效捕捉不同风险类型的影响因素，从而实现更准确、全面的客户风险评级。

四、风险标签生成

在根据评分结果对客户进行分类时，我们结合了统计分布情况以及实际案例，经过了精密的设计和反复验证，将多个风险指标融合考虑，将客户分为低、中、高不同风险等级，确保了风险等级的准确性、实用性和有效性。同时，基于制定的风险分类标准，我们为每个客户生成了相应的风险标签，这些标签涵盖了地域性风险、洗钱风险、工商信息异常风险、互联网风险、监管合规风险等多个大类。这一风险标签生成的过程是一个关键的环节，它提供了一个直观、有效的手段来分类客户风险。每个客户根据其评分结果被分配相应的风险等级和风险标签，以对客户进行分类管理。

五、风险权重确定

为了确保客户风险画像刻画的准确性和可靠性，本方案在指标选择的基础上，采用了一种创新性的方法来确定各指标的权重以及不同风险类型的权重，以更精确地评估客户风险。

在指标权重的确定过程中，我们首先依靠支付领域专家的经验和见解，对每个指标进行了初步的权重赋值。这些初步权重考虑了指标在风险评估中的影响程度，但仍需进一步的量化分析。接着，我们采用数据分析的方法，通过历史交易数据、风险案例和模拟实验等手段，对不同指标的影响程度进行量化评估。这一过程涵盖了大规模数据处理和复杂统计分析，以确保每个指标的权重与实际影响一致。同时，风险类型（例如洗钱大类风险）的权重也是我们评估模型中的关键因素，我们对每种风险类型进行了分析和权衡，通过结合领域专业知识和历史案例分析，我们确定了不同风险类型之间的相对权重关系，以确保得出的客户风险画像能够更准确地反映实际风险情况。

（六）权重赋值

1、权重类基础信息特征规则

基础信息特征规则既包含连续型数据的特征如客户签约时长、客户一段时间的交易量统计，也包含离散的枚举值类特征，如客户归属城市等级、客户贡献度等。

为了确保整体评级的客户有合理的分类分层表现，需给各基础信息特征规则赋予不同的权重，确认所有客户均有基础的风险得分。对比各特征项，根据数据信息区分度越大的，以及专家经验评估风险识别越明显的特征，则赋予较高的权重；数据信息区分度越小，风险识别不太突出的特征，则赋予较低的权重。

2、强风险判断特征规则

本方案通过客户属性异常特征，以及交易异常风险特征建立多个观测点，一旦触发风险点，直接赋予风险加分。

客户属性异常特征，如组织证件号命中企业营业命中联合国制裁名单，则直接根据触发的严重程度赋予模型结果不同的加分。

客户交易异常风险特征：首先统计分析风险特征中不同指标的数据分布组合结果，确定合理的指标参数阈值，然后结合业务专家经验根据客户命中潜在风险点的统计数来确定此风险点下的风险。

（七）创新性的调优方法应用

本方案应用了创新性的调优方法，按画像风险得分细分区间对客户总分及各特征项进行得分均值统计。通过对各得分区间内的客户，计算出各风险特征变量的得分均值，可分析特征计算逻辑是否存在错误，特征变量的有效性及重要情况等，进而辅助特征阈值、特征权重的调优。

通过这些详细的步骤，本方案构建了一个全面、综合性的客户风险画像。通过数据的采集、预处理、指标选择、权重赋值、模型构建等一系列步骤，将客户的风险水平量化，并在风险分类标准和风险标签生成方面进行了详细的设计。这种新方案的实现将提供更有效的风险管理手段。

项目效果评估

客户风险画像融合了标签、特征、规则、模型、案例等风险“五库”内容。案例库中确认风险的案例及协查经分类归纳，对客户风险情形进行分类标记形成标签库；通过量化指标反应客户的风险行为表现，提炼形成特征库；将规则库与模型库组合，对不同风险场景实现精细化监测，进一步充实案例库。

客户风险画像能够在风险“五库”统一的框架下，将特约客户的不同风险维度结合，从而更全面、精准地量化特约客户的风险水平，使评估过程更具有综合性、精确性和实用性，能够更好地应对不同类型特约客户的多维度风险挑战，从而提高整体评估结果的可靠性和实用性。

通过风险画像辨识出的风险客户，将根据不同的风险等级、风险标签，通过策略矩阵，分别采取关停业务、冻结交易、暂缓资金、限额管控、风险核查等管理策略，通过银商鹰眼智能风控系统，将管控指令、核查任务分发到各中台业务系统或风险子模块中，完成后续的管控和核查处理。

对于高风险等级、各风险标签下的客户，银联商务通过图例与数据结合，在系统中进行跟踪分析，实现了各类风险的时空趋势判断和客户类别、进件渠道、行业、历史核查、管控情况等多维度的分析数据，以助于风险决策、风险定位。

项目牵头人

高同裕 风险分管领导

项目团队成员

张开宇、张晖、张琎、郭旻灏、刘祎诗

责任编辑：陈爱