文/成都农商银行党委委员、副行长 蔡兵
党的二十大报告强调“加快发展数字经济，促进数字经济和实体经济深度融合”，中央金融工作会议更将“数字金融”列为金融强国建设的“五篇大文章”之一。在四川这片沃土上，乡村振兴战略正呼唤着金融服务的深度变革。作为扎根县域、服务三农的主力军，成都农商银行直面传统风控模式痛点——信息不对称困局、数据孤岛壁垒、贷后监控成本高——以数智要素为核心，构建全行统一数智风控平台，开辟金融科技赋能建设新时代更高水平“天府粮仓”的新路径。
破局三农金融：数据融合驱动风控水平跃升
成都农商银行深刻洞察乡村振兴的金融痛点，以“数据要素赋能乡村振兴”为核心，构建了基于全域数据融合的三层智能风控新范式，为精准识别三农经济价值、有效管控风险提供科技支撑。
1. 权威数据锚定主体信用，构建“三农立体信用画像”。破解涉农主体信息分散、信用记录缺失（信用白板）的难题，关键在于汇聚、整合、治理多维度涉农数据要素，构建覆盖“生产-经营-信用”全链条的“三农多维数据池”，为精准评估乡村主体的经营活力、发展潜力和信用水平奠定基础。一是增强权威机构数据引入，包括整合加工工商数据、司法数据、征信数据、联网核查数据、公积金数据、税务数据、查冻扣数据。二是拓展行业多方高品质数据共享，包括互联网欺诈、洗钱、多头、信用评分等互联网数据，以及手机号码验证、地理位置判断、电诈指标等电信运营商数据。三是深化行内风险数据资源合力，包括我行内部客户、商户、账户、持有产品、交易渠道、交易详情、授信用信、借据合同、押品、不良、各类风险名单、管控策略等主要数据，并广泛采集操作轨迹、业务历史、对手方信息、关联人信息、交易设备、地理位置等海量数据中的风险因素。
2. 解锁涉农数据核心价值。成都农商银行创新应用联邦学习、多方安全计算等隐私计算技术，在确保数据“可用不可见”的前提下，通过隐私计算平台与外部数据提供商（如税务、运营商、互联网平台等）进行安全高效的联合建模。一是突破传统数据直接共享的合规与安全困境，实现敏感涉农数据的“价值流通”而非“原始数据流通”。二是显著提升外部高价值数据（尤其是非金融属性但反映乡村生产生活、产业发展、信用状况的数据）在风控模型中的应用效能和覆盖范围。三是赋能“信用白户”，这对于缺乏强金融属性数据、但拥有丰富生产经营数据的广大新型农业经营主体和小农户至关重要，是打通普惠金融服务“最后一公里”、实现“应贷尽贷”的核心技术保障。
重构风控逻辑：人工智能打通三农信贷风控堵点
成都农商银行积极利用人工智能技术，成功突破传统规则策略的局限性，实现了三农信贷风险防控与服务流程的质效双升。
1. 以机器学习赋能风险识别能力提升。深度挖掘涉农主体生产、生活、财务等多维度数据，结合移动金融App时序行为数据、村社整体农业生产数据与借贷行为数据，构建动态信用评分、欺诈预测、违约预测等机器学习模型；运用图神经网络技术构建覆盖农户、企业、担保人等的全景关联网络，穿透层层关系，高效识别异常担保、团伙欺诈等行为，让隐蔽的异常资金流向与欺诈无所遁形。
2. 应用大模型推动信贷流程质效跃升。私有化部署开源大模型，综合利用智能体、RAG等技术，针对性提升三农信贷全生命周期中各项自动化流程堵点，全面实现信贷服务降本增效。贷前AI助手通过综合分析收集的文字、图片、数据等材料，辅助撰写调查报告，提炼风险点，贷前流程显著缩短；审查助手基于对过往调查报告进行的知识抽取，为新提交的调查报告匹配最相似的过往案例与授信主体，提出授信与风控建议；贷后助手利用多模态大模型分析无人机拍摄的农业种植基地图像或农产品仓库监控图像，提升贷后检查效率，降低操作风险；客户运营助手结合三农客户指标数据，利用大模型绘制农村客户画像、推荐适宜产品；客服助手在AI生成的内容暂不能直接面客的前提下，利用大模型进行客户意图识别、情绪识别与对话质量检查，利用语义向量模型实现更精准的FAQ检索，降低智能客服系统运营成本。
构建企业级数智风控技术支撑体系
面向前台业务进行风控全流程嵌入，实现全渠道的风险监测、决策和预警，面向后台支持合规检查、反欺诈、反洗钱、信用风险、账户风险等各类风险主题管理。对风险管控实现全生命周期技术支撑覆盖。
1. 搭建逻辑清晰的企业级应用架构。设计了集市层、服务层和应用层三层架构体系。一是集市层实现全量风险数据要素的采集、清洗、加工和运算，按各类维度建立风险指标数据，以T+1批量、准实时、实时的接口方式获得标准化数据服务；二是服务层建立建模平台、机器学习平台、知识图谱平台、模型实验室四大风险建模平台，设置全行共享复用的专家规则库、风控模型库和知识图谱库，通过全行统一的风险决策引擎、决策流引擎和风控服务平台对应用层提供风控服务；三是应用层建立信用风险、智能反欺诈、反洗钱监测、账户风险、关联交易管理等各类风控子应用，支持风控管理功能模块的弹性扩展，实现银行各类风险主题的一体化管理。
2. 精准匹配应用功能布局设计，构建风险资源库、统一风控决策引擎、风控服务配置平台、风险可视化平台四位一体的应用功能体系。一是风险资源库提供风险数据资源加工和管理，以数据中台为底座，实现行内、行外风险数据和风险指标的采集与加工；二是统一风控决策引擎整合指标计算、决策引擎、图谱平台、模型平台等功能模块，构建实时数据分析研判，事后全面分析，批量离线预测的多元化分析决策体系；三是风控服务配置平台建立风控服务细粒度权限管控及授权机制，实现业务产品、风控服务、风控决策的快速配置上线及客户风险有效感知和处置；四是风险可视化平台打造出风险标签体系和特征库，形成全行级的客户及客群相关的风险统一画像和风险驾驶舱，实现全域风险可视化。
3. 深度融合新技术手段，全面提升实时决策能力。一是采用微服务弹性架构，在大幅提升风控服务连续性和共享度的同时，有效降低系统耦合性。二是采用大数据流处理技术，以时间、数据、计算变量维度切分数据立方体，实现高并发、高时效的海量数据实时计算。三是应用Kafka、Flink、Hadoop、Redis、GBase8a等分布式大数据成熟开源组件，建立可靠性、高并发性、低延迟性，资源可弹性扩展的技术架构。
数智风控建设成效
成都农商银行以建设行业领先的风控平台为目标，以数据要素与人工智能为关键抓手，通过前瞻性规划和持续推动应用创新，显著提升了在服务乡村振兴领域的风险管控能力、运营效率和成本效益，在地方性银行中具有较好的示范效应，具备较大的复制推广价值。
1. 激活数据要素潜能。平台运行至今已接入42类行内数据、引入30余类外部数据，建立1900个风险指标、450个风控策略与20多个智能模型，实现对我行含三农领域在内的信贷服务全产品线、全周期、全渠道、全场景覆盖，月均查询外部风险数据要素超过3.5万次。
2. 显著提升服务质效。平台实现信贷业务月均风控决策10万笔、月均风险预警3.2万次；为全行客户每日画像达1200万次，每月备案风险画像快照信息达7700余次，全行客户经理月均调阅风险画像超过1万次。平台推动风险核查、审核审批、贷后任务等工作实现自动化处理，增效的同时大幅降低了操作风险，目前每笔信贷业务的风险处理时间缩短约100分钟，节约人工作业工作量年均约1000人月。同时，数智风控平台通过数据要素的整合共享与人工智能MLOps流水线，实现风控模型的快速搭建，推动信贷产品研发效率提升30%以上。
（此文刊发于《金融电子化》2025年8月下半月刊）
