一、大宗行業(yè)風(fēng)險(xiǎn)管控背景

大宗領(lǐng)域與C端場景不同，比如淘寶、支付寶的業(yè)務(wù)更多的是與個(gè)人相關(guān)，而大宗領(lǐng)域則是大型 B2B 交易，在數(shù)據(jù)上的表現(xiàn)是非常分散的，所面臨的風(fēng)險(xiǎn)也與互聯(lián)網(wǎng)場景完全不一樣。我們前期面向國內(nèi)頭部大宗貿(mào)易型的企業(yè)做了大量的調(diào)研，如建發(fā)集團(tuán)、廈門國貿(mào)，以及象嶼股份，這幾個(gè)都是營收規(guī)?？梢赃_(dá)到 5000 億的巨頭企業(yè)。他們之前的業(yè)務(wù)模式大多是基于個(gè)人經(jīng)驗(yàn)完成的，即依賴業(yè)務(wù)專家。但是近幾年國家在推行產(chǎn)業(yè)數(shù)字化升級，他們也開始向這個(gè)方向思考，有哪些數(shù)據(jù)可以應(yīng)用？怎么應(yīng)用？如何輔助業(yè)務(wù)風(fēng)險(xiǎn)判斷？隨著國內(nèi)大宗商品企業(yè)規(guī)模效益凸顯，利潤率逐漸下行，“風(fēng)險(xiǎn)第一，利潤第二，規(guī)模第三”成為普遍理念。

在這一背景下，推行大宗行業(yè)的數(shù)字化轉(zhuǎn)型服務(wù)成為可能。就大宗行業(yè)自身而言，上游是各種原材料的供應(yīng)商，如鐵礦石、大豆、玉米、棉花等等，下游則是建筑公司、房地產(chǎn)公司、紡織廠等等。大宗貿(mào)易企業(yè)負(fù)責(zé)整合上下游客戶需求，承擔(dān)著貿(mào)易中介的角色。在這個(gè)過程中主要包括以下幾類風(fēng)險(xiǎn)：

市場風(fēng)險(xiǎn)：近幾年疫情的影響，以及國際形勢的不穩(wěn)定，導(dǎo)致大宗市場供應(yīng)需求、流動(dòng)性及價(jià)格的波動(dòng)、匯率的變化，這些稱作市場風(fēng)險(xiǎn)。

操作風(fēng)險(xiǎn)：大宗領(lǐng)域的業(yè)務(wù)合作是相對傳統(tǒng)的 B2B 交易，這里面會(huì)包含大量的合同、品控、物流等需要關(guān)注的風(fēng)險(xiǎn)，稱作操作風(fēng)險(xiǎn)。

信用風(fēng)險(xiǎn)：雙方信用是交易保障的前提，評估上游供應(yīng)商與下游客戶的信用情況則尤為重要，所以信用風(fēng)險(xiǎn)是我們切入研究的一個(gè)主要場景，即如何通過數(shù)據(jù)來實(shí)現(xiàn)大宗行業(yè)上下游客商的信用評估。

二、大宗行業(yè)數(shù)據(jù)應(yīng)用痛點(diǎn)

將原來在互聯(lián)網(wǎng)場景，也就是 C 端用戶場景下數(shù)據(jù)應(yīng)用的思路以及方法論，包括應(yīng)用算法以及計(jì)算平臺(tái)上的經(jīng)驗(yàn)應(yīng)用到傳統(tǒng)行業(yè)里去，主要面臨以下幾個(gè)痛點(diǎn)：

一是信息歸集難，受限于整個(gè)行業(yè)數(shù)字化程度的影響，其中的數(shù)據(jù)非常分散，數(shù)據(jù)的規(guī)范性不足，還存在大量的非結(jié)構(gòu)化數(shù)據(jù)，如紙質(zhì)合同或掃描件、音視頻等文件。同時(shí)，基于人為經(jīng)驗(yàn)的業(yè)務(wù)操作未進(jìn)行信息化沉淀。此外，業(yè)務(wù)員習(xí)慣人工線下定期去獲取信息，比如倉庫盤點(diǎn)、物流排查，較難轉(zhuǎn)變?yōu)橥ㄟ^數(shù)字化手段來完成這些事情。

二是價(jià)值再造難，數(shù)據(jù)處理、關(guān)聯(lián)關(guān)系梳理及高價(jià)值信息提取難。

三是決策智能化難，利用數(shù)據(jù)去適配業(yè)務(wù)場景，是非常需要深入到行業(yè)縱深去的，在這個(gè)行業(yè)，我們?nèi)狈ο嚓P(guān)的資源投入與行業(yè)經(jīng)驗(yàn)。簡單理解就是個(gè)體本身的風(fēng)險(xiǎn)、個(gè)體和個(gè)體之間的關(guān)聯(lián)風(fēng)險(xiǎn)，以及它所處的行業(yè)屬性帶來的風(fēng)險(xiǎn)差異性，比如零售賣水的行業(yè)和一個(gè)大宗的鋼鐵貿(mào)易的行業(yè)，它們的風(fēng)險(xiǎn)表現(xiàn)及數(shù)據(jù)呈現(xiàn)都是不一樣的，所以數(shù)據(jù)應(yīng)用的模式也是不一樣的，這就導(dǎo)致在這種傳統(tǒng)的To B 領(lǐng)域做數(shù)據(jù)應(yīng)用存在一定的挑戰(zhàn)。

三、大宗行業(yè)數(shù)據(jù)應(yīng)用核心能力

近幾年，我們做了深入的調(diào)研與實(shí)踐，結(jié)合幾百家客戶的合作和落地經(jīng)歷，沉淀了一些核心能力。

首先，在數(shù)據(jù)層面，要匯集多源數(shù)據(jù)。我們會(huì)把行業(yè)的一些宏觀中觀數(shù)據(jù)，與企業(yè)自身的微觀信息進(jìn)行整合，然后在此基礎(chǔ)上構(gòu)建圍繞行業(yè)特有的信用風(fēng)險(xiǎn)所關(guān)注的維度，比如空殼、虛假國企，將財(cái)務(wù)相關(guān)的盈利性、償債能力等一些具有行業(yè)屬性的特征抽象出來，基于行業(yè)化的風(fēng)險(xiǎn)特征和畫像，再去構(gòu)建面向業(yè)務(wù)場景的數(shù)據(jù)模型。

整個(gè)業(yè)務(wù)流程會(huì)分為客商準(zhǔn)入、客商的分類分級，合作的授信額度、合同風(fēng)險(xiǎn)異動(dòng)的實(shí)時(shí)監(jiān)控提醒等環(huán)節(jié)，這些業(yè)務(wù)環(huán)節(jié)中的風(fēng)險(xiǎn)監(jiān)控都是需要用數(shù)據(jù)模型、算法及指標(biāo)去支撐的。目前我們已經(jīng)形成了“數(shù)據(jù)+模型+平臺(tái)”的一套解決方案。

在大宗業(yè)務(wù)中，針對三類角色，賦能三道業(yè)務(wù)防線：

業(yè)務(wù)一線，為公司業(yè)務(wù)員在線下倉庫進(jìn)行風(fēng)險(xiǎn)盡調(diào)時(shí)提效。

二是為公司的中后臺(tái)部門，比如風(fēng)險(xiǎn)管理部門、客戶管理部門，或運(yùn)營管理部門，防范業(yè)務(wù)中的風(fēng)險(xiǎn)，提供一站式的客商風(fēng)險(xiǎn)管理平臺(tái)，幫助他們進(jìn)行整體的風(fēng)險(xiǎn)把控。

三是幫助公司管理層開展整體的精細(xì)化運(yùn)營。

接下來將分別從這幾個(gè)維度，來探討如何做好大宗領(lǐng)域的信用風(fēng)險(xiǎn)建設(shè)。

首先面向業(yè)務(wù)一線，我們主要提供便捷方面的能力。比如移動(dòng)端的盡調(diào)工具，能夠讓業(yè)務(wù)員在出差的過程中，或者在現(xiàn)場倉庫、與物流或車隊(duì)的交流過程中，實(shí)時(shí)地基于手機(jī)端就可以進(jìn)行信息的獲取和填報(bào)，同時(shí)支持財(cái)報(bào)真實(shí)性及圖片自動(dòng)化識別的能力，實(shí)現(xiàn)線下非結(jié)構(gòu)化數(shù)據(jù)和線上海量數(shù)據(jù)之間的融合。

其次面向中后臺(tái)部門，構(gòu)建了一站式的風(fēng)險(xiǎn)管理平臺(tái)，把各個(gè)維度的客商數(shù)據(jù)即業(yè)務(wù)開展情況進(jìn)行有效整合，并通過可視化的方式進(jìn)行呈現(xiàn)，實(shí)現(xiàn)各個(gè)環(huán)節(jié)業(yè)務(wù)風(fēng)險(xiǎn)的識別、處置以及后續(xù)決策。這樣就可以把原來靠人工經(jīng)驗(yàn)去做的事情慢慢地沉淀到平臺(tái)上來，使得整個(gè)公司在企業(yè)評估與風(fēng)險(xiǎn)把控方面有一套經(jīng)驗(yàn)可以參考和傳承。

對于集團(tuán)層面來說，可能會(huì)關(guān)注比如紅線的管理，我們會(huì)提供一套數(shù)據(jù)驅(qū)動(dòng)的精細(xì)化運(yùn)營手段。舉一個(gè)簡單例子，我們之前服務(wù)的杭州熱聯(lián)集團(tuán)，作為一個(gè)國有企業(yè)，在客戶授信環(huán)節(jié)，針對年收入分別為 500 億與 1000 億的兩家客戶，有可能根據(jù)歷史經(jīng)驗(yàn)，給這兩家企業(yè)的授信額度是一樣的，但是通過數(shù)據(jù)分析之后，發(fā)現(xiàn)可以提高 1000 億營收企業(yè)的授信額度。如圖，我們會(huì)把這兩家企業(yè)放到平臺(tái)上來，第一步會(huì)自動(dòng)去識別欺詐模型的結(jié)果，如果存在欺詐，那這個(gè)企業(yè)會(huì)直接不予合作；否則就會(huì)進(jìn)入到下一步，判斷是否存在其他的負(fù)面信息，比如虛假的財(cái)報(bào)信息，如果都通過的情況下，會(huì)進(jìn)入客商評級模型，不同等級的客戶會(huì)配備不一樣的行業(yè)指標(biāo)。對于熱聯(lián)來說，則會(huì)定義客戶額度基線，在不同的業(yè)務(wù)場景里，根據(jù)設(shè)置的基線實(shí)現(xiàn)額度更加有效與可量化的評估與授權(quán)。在原有的個(gè)人經(jīng)驗(yàn)基礎(chǔ)上，通過數(shù)據(jù)精細(xì)化來輔助判斷，幫助業(yè)務(wù)做得更大更高。

同時(shí)，我們需要在底層構(gòu)建一套數(shù)據(jù)資產(chǎn)體系，主要包含以下幾個(gè)模塊：

首先整合內(nèi)外部的大量數(shù)據(jù)。這里的外部數(shù)據(jù)是指螞蟻側(cè)通過采集、購買或業(yè)務(wù)合作沉淀下來的各種類型的數(shù)據(jù)，如工商、司法、稅務(wù)，包括知識產(chǎn)權(quán)等維度，內(nèi)部數(shù)據(jù)是指和客戶合作過程中客戶自身的一些數(shù)據(jù)。

其次是數(shù)據(jù)集成。為了實(shí)現(xiàn)數(shù)據(jù)的集成、融合以及多元數(shù)據(jù)的安全共享，我們構(gòu)建了一套多元數(shù)據(jù)樞紐能力來實(shí)現(xiàn)數(shù)據(jù)之間的鏈接和有效融合。

最后在數(shù)據(jù)整合之后，會(huì)對多維度的分散數(shù)據(jù)進(jìn)行實(shí)體歸戶，將其掛靠到所屬的企業(yè)、所屬的行業(yè)以及所屬的個(gè)體上面來，按照常規(guī)數(shù)據(jù)倉庫的構(gòu)建邏輯，劃分成不同的主題，形成數(shù)據(jù)資產(chǎn)。再基于構(gòu)建的基礎(chǔ)數(shù)據(jù)層，圍繞大宗行業(yè)的需要，構(gòu)建行業(yè)本身的特定標(biāo)簽池。

這是 To B 領(lǐng)域里面，傳統(tǒng)行業(yè)下的數(shù)據(jù)構(gòu)建邏輯。

此外，還會(huì)構(gòu)建面向行業(yè)應(yīng)用的指標(biāo)框架。指標(biāo)體系整體劃分為三大類，第一類是公開指標(biāo)，如工商、司法等公開的數(shù)據(jù)；第二類是合作客戶的指標(biāo)，如財(cái)務(wù)指標(biāo)，這類數(shù)據(jù)一般存儲(chǔ)在企業(yè)自身；第三類是螞蟻側(cè)基于機(jī)器學(xué)習(xí)算法，包括與客戶合作過程中基于雙方專家經(jīng)驗(yàn)?zāi)Ｐ蛠沓恋淼囊恍┠Ｐ椭笜?biāo)。

大宗行業(yè)的各家企業(yè)，對于客商準(zhǔn)入都有自身的一套準(zhǔn)入標(biāo)準(zhǔn)和準(zhǔn)入規(guī)則體系，需要構(gòu)建指標(biāo)體系來進(jìn)行支撐。

基于指標(biāo)體系，接下來要去構(gòu)建企業(yè)評估的量化模型，如欺詐模型、準(zhǔn)入模型、分類分級模型以及授信額度模型等。在模型的構(gòu)建過程中，首先會(huì)結(jié)合行業(yè)屬性整合多種維度的數(shù)據(jù)完成客戶的行業(yè)分類，如互聯(lián)網(wǎng)行業(yè)、文娛行業(yè)、零售消費(fèi)行業(yè)等，之后基于行業(yè)客戶的分布情況進(jìn)行指標(biāo)拆解。如圖中所示，包括經(jīng)營狀況指標(biāo)、關(guān)聯(lián)關(guān)系指標(biāo)以及企業(yè)資質(zhì)指標(biāo)、輿情指標(biāo)、違法違規(guī)指標(biāo)等，再往下拆解這些指標(biāo)背后所依賴的正負(fù)面的標(biāo)簽，基于標(biāo)簽再去拆解這些標(biāo)簽背后的具體數(shù)據(jù)表現(xiàn)。

比如主營收入良好，那么這個(gè)標(biāo)簽良好的定義是什么？我們會(huì)去分析這個(gè)標(biāo)簽所處的行業(yè)占位，是高于行業(yè)平均還是低于平均，以及具體的營收情況。通過層層拆解與下鉆，讓客戶能夠理解企業(yè)模型評估結(jié)果背后的邏輯，避免原來通過機(jī)器學(xué)習(xí)模型導(dǎo)致的黑盒無法解釋的現(xiàn)象。這是量化評估在傳統(tǒng)行業(yè)應(yīng)用中非常不一樣的地方，傳統(tǒng)行業(yè)需要結(jié)果可解釋，而不能僅僅是黑盒模型輸出結(jié)果。

接下來會(huì)把基礎(chǔ)的數(shù)據(jù)資產(chǎn)標(biāo)簽和模型結(jié)果，呈現(xiàn)成業(yè)務(wù)可以理解的行業(yè)標(biāo)簽。

第一類是企業(yè)自身的風(fēng)險(xiǎn)，包括其基礎(chǔ)信息，如所屬的行業(yè)性質(zhì)，是貿(mào)易型公司還是工廠或是礦山，以及行業(yè)分類是屬于煤炭、鋼鐵，還是糧食或棉花等，同時(shí)會(huì)關(guān)注其財(cái)務(wù)狀況，如償債能力、盈利狀況等，此外還有比如是否存在訴訟，近幾年是否會(huì)發(fā)生一些高危的敗訴等等這些風(fēng)險(xiǎn)表現(xiàn)，所有這些數(shù)據(jù)指標(biāo)都是結(jié)合行業(yè)的特點(diǎn)去抽象和提煉的。

另外一類是在企業(yè)的業(yè)務(wù)運(yùn)行中關(guān)注的維度，就是縱觀整個(gè)行業(yè)，該客商在行業(yè)中的占位、行業(yè)競爭力如何。這些決定了與這個(gè)客戶合作過程中應(yīng)該采取的策略，比如要跟鋼鐵行業(yè)的中間客戶合作，排除頭部及尾部各十個(gè)，這里面就要對整個(gè)行業(yè)的分布、行業(yè)占位、行業(yè)競爭力做評估。將企業(yè)客商這些通用的風(fēng)險(xiǎn)特征，以及他所屬行業(yè)相關(guān)的差異化特征，再結(jié)合實(shí)際業(yè)務(wù)應(yīng)用中需要監(jiān)控的特征，整合成這個(gè)行業(yè)的標(biāo)簽體系。

數(shù)據(jù)安全也是該解決方案中面臨的比較大的難點(diǎn)，伴隨著這兩年數(shù)據(jù)安全和個(gè)人信息保護(hù)法重要度的提升，大部分企業(yè)，尤其是國央企對于自身數(shù)據(jù)安全方面有更多的顧慮。

如何實(shí)現(xiàn)螞蟻側(cè)數(shù)據(jù)和客戶側(cè)數(shù)據(jù)的有效融合，從而實(shí)現(xiàn)整套服務(wù)方案的落地呢？我們把整套數(shù)據(jù)服務(wù)體系分為兩大塊內(nèi)容，一塊是客戶域，一塊是蟻盾域，就是螞蟻這邊的數(shù)據(jù)域。要對兩塊數(shù)據(jù)進(jìn)行有效融通，同時(shí)實(shí)現(xiàn)兩塊數(shù)據(jù)的高效運(yùn)算。我們會(huì)在客戶域做一個(gè)分布式的節(jié)點(diǎn)，比如我們現(xiàn)在服務(wù)于幾百家客戶，就會(huì)有幾百個(gè)不同的節(jié)點(diǎn)，這些節(jié)點(diǎn)都具備一套獨(dú)立的數(shù)據(jù)采集處理，包括數(shù)據(jù)融合的能力，然后在蟻盾域做一個(gè)中心化的節(jié)點(diǎn)，兩端通過分布式的協(xié)同決策來服務(wù)客戶的業(yè)務(wù)應(yīng)用。

這里面也同時(shí)會(huì)用到數(shù)據(jù)隱私計(jì)算的能力、分布式數(shù)據(jù)風(fēng)險(xiǎn)決策的引擎能力，以及數(shù)據(jù)質(zhì)量保障上的能力等，通過這些能力共同作用實(shí)現(xiàn)螞蟻在傳統(tǒng)大宗行業(yè)的風(fēng)險(xiǎn)管控應(yīng)用落地。