公共数据具有“本源权威”的天然属性，且数据价值巨大，合法合规性也有保障，但由于政府机构信息化程度及数据集中程度等原因，很多数据只能通过“分对分”的方式从地方引入。
截至目前，金融机构通过总部统筹对接的方式，引入工商、社保、知识产权等多项政务数据，各分支机构接入公积金、社保、税务、不动产、电力、燃气等多种公共数据，尤其是国家重点业务领域，比如普惠金融、乡村振兴金融、双碳战略、科技金融等等。
在中国经济走向新常态的转型中，在中国金融业向支持实体经济、创新驱动的转换中，公共数据能够充分利用金融市场形成的海量数据来更好地服务金融业的发展，释放出强大的生命力。公共数据在金融领域有广泛的应用场景，主要包括以下几个方面。
1. 精准获客
当前商业银行在营销获客的过程中采集的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。公共数据则拥有综合政务办理数据、税务数据、社保公积金缴费数据等，可以有效补充金融机构所不掌握的客户行为特征。因此金融机构不仅仅要应用自身业务所采集到的数据，还应考虑整合更多维度的公共数据，以丰富客户画像，从而达到精准营销的目的。
通过接入的政府公共数据以及海量第三方数据可以丰富客户的精准画像，从而对客户实现精准分层，制定更加精准和有针对性的营销策略，更有针对性地提供符合客户需求的金融产品和服务，为获客准入的初筛提供参考，提升金融机构整体的盈利水平和运行效率，如图 1 所示。
图 1 公共数据在精准获客场景应用示意图
2. 流程优化
近年来线上化金融服务成为了大趋势，金融机构借助公共数据实现流程优化和自动化，通过分析业务流程，对整个运营模式进行重构和自动化处理，进一步提高金融机构的运营效率和服务质量。以对公客户融资贷款流程优化为例子，工商数据包含对公客户开户时所需的企业要素信息，在企业申请融资贷款流程中，数据录入方式由人工转为自动化，改变耗时长易出错的情况，实现客户信息各栏位的自动输入，提高业务办理效率，改善客户、员工体验，提高客户的满意度，同时规范信贷管理，提升了风险管理水平。
除支持柜面开户外，还支持客户线上渠道预约办理。同时，还与国家市场监管总局对接，接入了全国范围的电子营业执照数据，实现了在线查验电子营业执照辅助业务办理的功能， 借助公共数据真正实现金融业务流程优化。如图 2 所示。
图 2 公共数据在金融业务流程优化场景应用示意图
3. 欺诈监测
随着近年来纯信用贷款产品的兴起，随之而来的信贷欺诈也越来越猖獗，恶意骗贷、仿冒他人骗贷、团伙欺诈等欺诈行为对金融机构造成了严重的损失。目前对于欺诈监测的痛点主要体现在以下两个方面：
一方面，从传统欺诈监测工作来讲，而金融机构基于自身掌握的历史还款行为、关联关系以及外部渠道获取的征信数据来做贷前反欺诈，但对于当前骗贷层出不穷的手段来说普遍存在数据维度缺乏、数据量较少等情况，无法准确开展欺诈监测和识别工作；
另一方面，在融合多方数据联合构建反欺诈模型的场景中，出于不同机构间对于黑灰名单等敏感信息保护等多方面原因，数据融合壁垒较高，间接提升了机构之间欺诈相关数据交互的工作难度。
综合以上两方面痛点，公共数据在金融领域实现欺诈团伙和欺诈分子精准识别的需求则尤为强烈。一方面，金融机构掌握其交易行为轨迹及欺诈洗钱黑灰名单等信息，政府各委办局依靠各自掌握的行政、司法、欠费等犯罪分子或失信名单及相关联黑灰名单等公共数据，与金融机构之间实时融合可以实现欺诈联防联控；
另一方面各机构在数据交互方面尝试使用密码学算法，对电诈、洗钱、骗贷等行为的黑灰名单用户进行匿踪识别，在保障各方隐私的条件下实现特征信息核验和比对，确认其安全可信背景，真正实现企业公共数据与金融机构数据的价值融合，阻止潜在欺诈操作，为客户提供聚合安全的服务，同时树立金融机构联合政府机构为民服务的良好形象。如图 3 所示。
图 3 公共数据在欺诈监测场景应用示意图
4. 智能风控
风险控制管理是金融行业主要任务之一，是使金融业正常运行的保障。无论在传统的银行、证券、保险业，还是新兴的互联网金融业，风险控制都是极为重要的。目前政府和金融机构对于风控的痛点主要体现在以下两个方面：
一方面，金融机构传统风控一般构建风险评分卡模型评价客户的风险等级，但对于一些下沉客户，普遍存在数据维度缺乏、数据量较少等情况，而随着实际金融产品及渠道的不断丰富，客户在金融机构内留存的金融业务数据难以满足新的风控需求；
另一方面，在联合外部数据优化当前风控模型的场景中，出于不同机构间数据分散及保护等多方面原因，金融机构之间以及金融机构与其他行业机构之间的数据融合壁垒较高，“数据孤岛”现象非常严重，间接提升了机构之间数据交互的工作难度。
综合以上两方面痛点，公共数据在金融信贷风控应用探索工作则意义重大，一方面公共数据包括社会经济的方方面面而拥有更多维的数据信息，可以帮助金融机构实现跨机构间数据特征价值的联合挖掘，解决单个金融机构样本量及维度有限的问题；
另一方面各机构在数据交互方面也在不断探索尝试科技创新的手段保障原始数据不出域，数据可用不可见，从而在一定程度上解决“数据孤岛”的问题。在实际场景应用中，金融机构自身拥有企业基本信息、关联信息、金融资产信息、交易信息、征信信息等，通过引入工商、环保、司法、海关、公安、税务及舆情等公共数据，积极应用于贷前、贷中、贷后的风险评估系统模型中进行训练，得到融入公共数据后的综合风险评估结果，实现一键体检进行贷前还款能力和还款意愿的风险评估，同时跟踪企业的贷中贷后经营与资产的变动情况，实时监测感知舆情，提升贷后风险预警水平。如图 4 所示。
图 4 公共数据在智能风控场景应用示意图
5. 业务应用示例
（1） 人社局农民工工资代发监管与保证金监管合作场景
为贯彻落实国务院《保障农民工工资支付条例》，进一步加强工程建设项目农民工劳动用工管理服务，切实提高农民工工资支付监管水平，维护农民工劳动报酬权益，部分地方人社局通过建设监管平台开展农民工工资是否按时发放的监管工作。
银行可以通过内部信息系统对接地方人社局监管平台的方式来实现农民工工资代发，协助人社厅监管农民工工资代发专户，保障农民工工资按时发放，解决农名工工资拖欠、讨薪顽疾。此类公共数据合作场景可促进银行与人社局深度合作，践行金融服务社会责任的同时，带来高质量的对公客户，以及农民工工资代发业务机会，形成大额存款沉淀。
（2） 不动产登记中心零售押品信息数据治理合作场景
银行对零售押品数据的质量要求较高，而各地不动产中心的数据资源较银行更为及时、准确、全面，银行可通过与不动产登记中心线上对接，使用数字化手段打造零售押品智能核对管理系统，从而实现对数据进行有效分析和治理，提升数据的完整性和准确性，提高押品核对管理效率。
在此生态合作场景中，银行通过与不动产登记机关的信息匹配，对现有押品信息进行核对补充，并将核对无误的完整押品信息回传行内零售信贷相关信息系统，从而提升行内零售押品数据质量的完整性和准确性，有利于后续的定期贷后预警、二次抵押查封涉诉预警，助力数据治理工作。
（3） 公安局银行开户异常侦测联合建模合作场景
近年来，由于欺诈、买卖银行卡行为的日益猖獗以及国家“断卡行动”的指导方针要求，银行需担当起守护人民群众财产安全的责任，做好风险识别和拦截。但在面对新客开户时，由于对客户信息的掌握有限，银行无法准确判断欺诈客户。针对此类问题，银行可以借助公安局丰富精准的反欺诈数据资源，开展双方基于隐私计算平台的合作，在保证客户隐私且互不泄露客户明文信息的前提下，利用历史涉嫌欺诈、买卖银行卡等风险的有效实名黑样本，建立集成模型以及规则组，开发开户异常侦测模型，给出每个账号是否属于开户异常的评分，用于开户场景的异常监测。此类公共数据合作场景落地，可以提升涉案账户管控的准确性和及时性，并从源头上降低银行欺诈风险。
（4） 大数据中心个人证照、健康码亮证便民服务合作场景
银行业数字化转型是数字中国建设中的重要一环，金融科技与业务发展的加速融合，形成了数字生态银行的趋势。银行为提升客户体验，可与各省市大数据中心合作，通过大数据中心提供的个人居民身份证查询等数据接口接入证件，电话等信息数据，支持应用于柜面等网点线下渠道的排队取号，综合查询，小额存取转等个人基础金融业务服务场景，使市民无需出示实体证件，即可办理部分银行业务。此类公共数据合作场景，可以优化金融服务流程，提升金融服务效率，拓展金融服务场景，为市民提供便捷的金融服务体验，契合“一网通办”的社台气会化应用步伐。
本文摘编自北京金融科技产业联盟发布的《公共数据在金融领域规范应用研究》第二版。
在文末扫码关注官方微信公众号“idtzed”，回复“入”直通数治x金融服务行业群，@老邪 免费获取。
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵害到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
一条评论