报告显示：金融科技有效降低风控成本
发布时间：2021-06-23 08:03:49 作者： 来源：中国银行保险报网
□记者 胡杨
金融科技的应用已经全方位渗透入银行业。一段时间以来，几乎所有银行业务和流程都在进行转型，风险管理部分也不例外。过去10年，风险管理部门成本大幅上升，而越来越多的证据表明，将金融科技应用在风险管理领域可以提高决策效率和决策质量，带来更有效的监测、控制和合规性，真正创造业务价值。因此，利用金融科技推动银行风险部门的数字化转型是大势所趋。
麦肯锡在日前发布的《麦肯锡中国金融业CEO季刊》2021年夏季刊——《FinTech2030：全球金融科技生态扫描》（以下简称“报告”）中指出，通过有针对性地推动金融科技在风险管理领域的应用，可以释放巨大价值。
金融科技在信贷风控领域应用已较为成熟
中国人民银行在《金融科技（FinTech）发展规划（2019-2021年）》中明确指出，金融科技是推动金融发展提质增效的重要驱动力。站在银行的角度，金融科技聚焦获客、运营、风控、合规等银行服务价值链的重点环节，通过将人工智能、区块链、云计算等信息技术与银行业务场景深度融合，赋能银行产品、经营模式、业务流程的持续创新，为银行开拓新的业务成长空间。
以智能信贷风控为例，报告提出，通过金融科技手段提升银行信用风险管理能力，是优化商业银行信贷资产质量、提升信贷业务能力的主要利器。第一，商业银行可通过先进技术手段，丰富风控数据、细化风控模型，在提升风险管理精度和效率的同时，有效降低风控成本。第二，金融科技可以帮助商业银行实现远程服务，降低人工成本，通过自动化和数字化评估压缩审批时间，有效提高客户营销和服务能力，提升客户体验。第三，金融科技有利于减少人为干预、人为操作的空间，有效防范道德风险，提高风险判断的客观性。
目前，金融科技在信贷风控领域的应用较为成熟，覆盖贷前、贷中和贷后各环节，并且已具备富有针对性的技术和解决方案。
以贷前环节为例，在互联网金融和平台经济兴起的背景下，商业银行正面临日趋严峻的客户脱媒问题，精准识别客户资质越来越难。借助人工智能、大数据、生物识别等技术，通过无感身份识别、数字化客户洞察等手段，商业银行能够结合多维数据，深入分析客户属性、行为偏好、需求倾向等信息，验证借款人的真实身份和偿付意愿，降低审核成本，提高审核效率，控制违约风险。
贷后环节，商业银行需要对逾期客户进行有效的催收预警，降低信用风险。然而，随着信贷服务用户下沉、覆盖人群范围扩大，传统催收模式越来越难以满足市场需求。与此同时，监管也在严查催收违规操作，人工坐席的纪律管理难度上升。为了应对该趋势，基于人工智能的催收机器人已得到广泛应用，结合大数据能力，帮助商业银行对不同阶段、不同类型的逾期客户进行有针对性的催收，提高催收效率，降低催收成本和合规风险。例如，某国内催收机构利用大数据算法模型、机器学习和AI工具升级催收体系，为商业银行定制化开发包括分案策略、话术模型、拨打策略、数据对接、业务报表等端到端智能催收业务流程，在保持催收效率的同时降低经营成本。
信用风险改善帮助银行业降本增收
报告显示，通过提高当前风险管理方法的效率和有效性，金融科技可将风险管理工作运营成本降低20%-30%。大多数全球和区域性银行的风险管理领域都存在大量机遇，其目前流程多是资源密集型，且效率很低。单是合规和操作风险方面，全球银行业每年的损失就可达20亿至40亿美元，其中绝大部分损失都可以通过最新数字化技术降低或避免。
以往，通过手工流程收集数据、承保和文档记录，不仅阻碍信用交付，也因周期时间长等影响客户体验。而数字化信用风险管理的自动化、互联性、数字化交付和决策则可缓解这些痛点。
为了确保消费信贷业务收入，数字化风险部门加强了客户留存工作，通过实时决策、自助信贷申请和即时信贷审批提升客户体验；此外，还可以通过与第三方合作进行信用裁定，并动态调整风险定价和限额设置。例如欧洲某银行就正探索风险数字化潜力，希望在风险偏好不变的情况下扩大消费信贷业务收入。数字化信贷流程可以帮助银行比竞争对手更快作出决策，同时保持高质量的风险评估。
改进风险评估也能创造价值，高级分析和机器学习工具可以提高信用风险模型的准确性，有利于信贷审批、投资组合监控和训练，减少出错频率。整合新数据源能帮助机构获取更好的信贷决策洞察，实时的数据处理、报告和监控可以进一步提高银行的总体风险管理能力。信贷流程数字化也可以降低运营成本，投入和产出的标准化和无纸化可以释放更多时间和资源，将其投入到高价值工作。
据报告测算，这些领域的信用风险改善能令银行收入提升5%-10%，成本降低15%-20%。
数字化手段可提高反洗钱工作有效性
根据报告对全球银行业的观察，除信用风险之外，金融科技在风险领域潜在价值最大、最能创造机会点的另一大方向则是合规风险。
不少全球性银行的合规与操作风控工作中都存在大量手工流程和分散系统，例如在反洗钱（AML）工作流程中，就存在大量难以管理的流程和数据，导致成本飙升，成效低下。机构可以通过彻底的端到端简化警报生成和案例调查流程，提高“反洗钱”行动有效性和效率。
现阶段，通过对付款通道的纵向检视，银行可以辨识出洗钱特征最明显的模式，快速停止洗钱交易，并通过强效的调查工具加快检视速度。领先的监管科技企业能为银行提供一站式反洗钱、反欺诈平台，利用强大的机器学习技术来检测复杂的洗钱类型，实现隐藏交易关系的可视化，并自主学习和检测欺诈行为模式，在虚假账户、虚假支付记录等潜在欺诈活动发生前发出预警，确保银行交易的安全透明，符合监管审查。
报告分析，在“反洗钱”中应用数字化的风险管理手段，能够提高工作有效性和效率（通常在20%至25%之间）。考虑到在不同机构这一部门的巨大成本以及无法识别不良行为者所造成的风险，这种提升最终实现的总体影响甚至更大。
□记者 胡杨
金融科技的应用已经全方位渗透入银行业。一段时间以来，几乎所有银行业务和流程都在进行转型，风险管理部分也不例外。过去10年，风险管理部门成本大幅上升，而越来越多的证据表明，将金融科技应用在风险管理领域可以提高决策效率和决策质量，带来更有效的监测、控制和合规性，真正创造业务价值。因此，利用金融科技推动银行风险部门的数字化转型是大势所趋。
麦肯锡在日前发布的《麦肯锡中国金融业CEO季刊》2021年夏季刊——《FinTech2030：全球金融科技生态扫描》（以下简称“报告”）中指出，通过有针对性地推动金融科技在风险管理领域的应用，可以释放巨大价值。
金融科技在信贷风控领域应用已较为成熟
中国人民银行在《金融科技（FinTech）发展规划（2019-2021年）》中明确指出，金融科技是推动金融发展提质增效的重要驱动力。站在银行的角度，金融科技聚焦获客、运营、风控、合规等银行服务价值链的重点环节，通过将人工智能、区块链、云计算等信息技术与银行业务场景深度融合，赋能银行产品、经营模式、业务流程的持续创新，为银行开拓新的业务成长空间。
以智能信贷风控为例，报告提出，通过金融科技手段提升银行信用风险管理能力，是优化商业银行信贷资产质量、提升信贷业务能力的主要利器。第一，商业银行可通过先进技术手段，丰富风控数据、细化风控模型，在提升风险管理精度和效率的同时，有效降低风控成本。第二，金融科技可以帮助商业银行实现远程服务，降低人工成本，通过自动化和数字化评估压缩审批时间，有效提高客户营销和服务能力，提升客户体验。第三，金融科技有利于减少人为干预、人为操作的空间，有效防范道德风险，提高风险判断的客观性。
目前，金融科技在信贷风控领域的应用较为成熟，覆盖贷前、贷中和贷后各环节，并且已具备富有针对性的技术和解决方案。
以贷前环节为例，在互联网金融和平台经济兴起的背景下，商业银行正面临日趋严峻的客户脱媒问题，精准识别客户资质越来越难。借助人工智能、大数据、生物识别等技术，通过无感身份识别、数字化客户洞察等手段，商业银行能够结合多维数据，深入分析客户属性、行为偏好、需求倾向等信息，验证借款人的真实身份和偿付意愿，降低审核成本，提高审核效率，控制违约风险。
贷后环节，商业银行需要对逾期客户进行有效的催收预警，降低信用风险。然而，随着信贷服务用户下沉、覆盖人群范围扩大，传统催收模式越来越难以满足市场需求。与此同时，监管也在严查催收违规操作，人工坐席的纪律管理难度上升。为了应对该趋势，基于人工智能的催收机器人已得到广泛应用，结合大数据能力，帮助商业银行对不同阶段、不同类型的逾期客户进行有针对性的催收，提高催收效率，降低催收成本和合规风险。例如，某国内催收机构利用大数据算法模型、机器学习和AI工具升级催收体系，为商业银行定制化开发包括分案策略、话术模型、拨打策略、数据对接、业务报表等端到端智能催收业务流程，在保持催收效率的同时降低经营成本。
信用风险改善帮助银行业降本增收
报告显示，通过提高当前风险管理方法的效率和有效性，金融科技可将风险管理工作运营成本降低20%-30%。大多数全球和区域性银行的风险管理领域都存在大量机遇，其目前流程多是资源密集型，且效率很低。单是合规和操作风险方面，全球银行业每年的损失就可达20亿至40亿美元，其中绝大部分损失都可以通过最新数字化技术降低或避免。
以往，通过手工流程收集数据、承保和文档记录，不仅阻碍信用交付，也因周期时间长等影响客户体验。而数字化信用风险管理的自动化、互联性、数字化交付和决策则可缓解这些痛点。
为了确保消费信贷业务收入，数字化风险部门加强了客户留存工作，通过实时决策、自助信贷申请和即时信贷审批提升客户体验；此外，还可以通过与第三方合作进行信用裁定，并动态调整风险定价和限额设置。例如欧洲某银行就正探索风险数字化潜力，希望在风险偏好不变的情况下扩大消费信贷业务收入。数字化信贷流程可以帮助银行比竞争对手更快作出决策，同时保持高质量的风险评估。
改进风险评估也能创造价值，高级分析和机器学习工具可以提高信用风险模型的准确性，有利于信贷审批、投资组合监控和训练，减少出错频率。整合新数据源能帮助机构获取更好的信贷决策洞察，实时的数据处理、报告和监控可以进一步提高银行的总体风险管理能力。信贷流程数字化也可以降低运营成本，投入和产出的标准化和无纸化可以释放更多时间和资源，将其投入到高价值工作。
据报告测算，这些领域的信用风险改善能令银行收入提升5%-10%，成本降低15%-20%。
数字化手段可提高反洗钱工作有效性
根据报告对全球银行业的观察，除信用风险之外，金融科技在风险领域潜在价值最大、最能创造机会点的另一大方向则是合规风险。
不少全球性银行的合规与操作风控工作中都存在大量手工流程和分散系统，例如在反洗钱（AML）工作流程中，就存在大量难以管理的流程和数据，导致成本飙升，成效低下。机构可以通过彻底的端到端简化警报生成和案例调查流程，提高“反洗钱”行动有效性和效率。
现阶段，通过对付款通道的纵向检视，银行可以辨识出洗钱特征最明显的模式，快速停止洗钱交易，并通过强效的调查工具加快检视速度。领先的监管科技企业能为银行提供一站式反洗钱、反欺诈平台，利用强大的机器学习技术来检测复杂的洗钱类型，实现隐藏交易关系的可视化，并自主学习和检测欺诈行为模式，在虚假账户、虚假支付记录等潜在欺诈活动发生前发出预警，确保银行交易的安全透明，符合监管审查。
报告分析，在“反洗钱”中应用数字化的风险管理手段，能够提高工作有效性和效率（通常在20%至25%之间）。考虑到在不同机构这一部门的巨大成本以及无法识别不良行为者所造成的风险，这种提升最终实现的总体影响甚至更大。
