2023爱分析·银行对公智能风控市场厂商评估报告.docx

《2023爱分析·银行对公智能风控市场厂商评估报告.docx》由会员分享，可在线阅读，更多相关《2023爱分析·银行对公智能风控市场厂商评估报告.docx（11页珍藏版）》请在第一文库网上搜索。

1、目录1研究范围定义42 .银行对公智能风控平台市场分析83 .厂商评估：拓尔思124 .入选证书16关于厂商全景报告17关于爱分析18研究与咨询服务19法律声明201,研究范围定义研究范围利用多种数据智能技术实现数据驱动的分析与决策，已经成为当前企业数字化转型最重要的目标之-O随着数据来源日益丰富、数据体量快速增长，企业对数据的依赖和挖掘愈发深入，不仅带来数据应用场景、数据用户角色的复杂和多元，也使得企业对于数据应用的敏捷性和即时性的要求变得越来越高。传统的数据开发与管理、数据计算分析正面临着巨大的挑战。为满足日益增长的数据应用需求，爱分析观察到，企业在数据能力建设逻辑上正转向以业务为核心，市

2、场在技术和解决方案的供给上，也正以特定业务价值实现为驱动，变得更分化和聚焦。数据能力建设核心逻辑转向实现业务价值。企业以往在构建数据能力时，通常是由技术部门或数据部门进行统一规划，并进行数据开发与管理，业务部门被动的使用企业的数据能力。然而，随着业务部门对数据价值的逐渐重视，以及对数据应用需求的快速增加，企业技术部门或数据部门已经不能满足业务部门的用数需求。为赋能业务部门更好的使用数据，企业数据智能基础设施的构建正逐渐转变为以业务部门为核心，如尝试通过DataOps,指标中台等概念实现数据和业务部门之间的高效协作。面向业务场景价值实现，技术解决方案更细分、更聚焦。过去几年的实践表明，功能大而全

3、的数据中台并不适合所有企业，根据企业内数据源、数据用途的差别，市场上分化出了多种针对特定场景的数据平台解决方案，如针对风控、营销场景的实时数据平台，针对工业、物联网场景的边云协同数据平台，为了加速多数据源联合分析的数据联邦分析平台，为了加速异构数据分析的异构数据即时分析平台等。基于以上背景，爱分析将数据智能市场划分为数据基础设施和应用解决方案。数据基础设施覆盖数据生命周期的多个技术栈，应用解决方案覆盖多个垂直行业与通用智能解决方案，具体市场划分详见下图。图1数据智能市场全景地图爱分析数据智能市场全景地图通用职能用解决方案消费品与零售消费者数据平台媒体用户运营财务安全对公智能营销财务中台安全大数

4、据AIOps数据安全数据基础设施数据分析平台物展可加伊数据科学与数据可视化机器学习平台知识图谱平台隐私计算平台一站式数据开发与管理平台指标中台大数据平台事务型数据库分析型数据库数据库管理平台云数据平台数据中台第三方数据服务图：爱分析绘制ifenx本评估报告聚焦银行对公智能风控平台市场，重点选取了银行对公智能风控平台厂商拓尔思进行能力评估。厂商入选标准本次入选报告的厂商需同时符合以下条件:厂商的产品服务满足各市场定义的厂商能力要求；2023年厂商具备一定数量以上的银行付费客户（参考第2章各市场分析部分）；2023年厂商在特定市场的营业收入达到指标要求（参考第2章各市场分析部分）oCHAPTER0

5、2银行对公智能风控平台2.银行对公智能风控平台市场分析市场定义：银行对公智能风控平台是融合征信、工商、产业链、舆情等丰富外部信息，综合利用人工智能、大数据、知识图谱等技术，针对贷前、贷中、贷后全流程建立风险防控体系，实现风控策略智能化的一站式平台。甲方终端用户：银行小微金融/普惠金融部、风险管理部等部门甲方核心需求：图2银行对对公智能风控平台的核心需求图：爱分析绘Jjf)为促进经济发展，政府在科技信贷、绿色金融、普惠金融等方面对银行有信贷指标考核。在此背景下，银行需要丰富企业信息渠道，建立清晰的企业画像和客观高效的风控模型，为工作人员开展客户准入、信用评级、授信审批、风险预警、贷后检查等工作提

6、供决策支持。银行对公智能风控平台的需求具体体现在二银行数据信息渠道待丰富。在对公信贷场景下，银行内部企业信息维度单一，多以企业财务流水、负债等基本面信息为主，缺少征信、工商、司法、电力、舆情、产业链等综合性信息。建立面向内外部海量数据的数据工程能力。外部数据在转化成预警信号之前需要经过采集、存储、治理、开发、整合等多个过程，这要求银行具有对海量结构化和非结构化数据的存储能力，以及结合N1P技术对企业名称、经营范围、经营活动、相关描述等信息进行自动识别、打标、抽取、整合的能力。尤其在实时预警场景下，整体数据处理流程需要实时完成。以城商行为代表的中小型银行尚未构建起可满足上述要求的数据工程能力。提

7、高风控模型质量、完善风控策略体系。传统风控模型大多凭借专家经验和评分卡，存在数据获取维度窄、量化分析能力弱、精细化程度低等缺点，银行需要建立适合自身业务战略、客群特点、数据及系统现状的全流程风控模型和策略，否则难以对企业舆情、产业、司法等关联风险进行快速识别。厂商能力要求：图3厂商应具备的核心能力图:爱分!滕制ifnx厂商应具备海量数据采集、开发和整合能力，为风模控型提供高质量数据输入。厂商一方面应具备对海量数据实时采集和存储能力，同时具备对数据智能打标、加工处理和整合能力，支持对外部企业数据诸如流水、资产负债、涉税、质检、环保、海关、产业链数据等结构化和非结构化数据进行统一加工和整合，形成高

8、质量数据集，供贷前、贷中、贷后全流程模型使用。智能风控平台需覆盖贷前、贷中、贷后全流程风险管控，为客户提供一站式外部风险诊断。平台应为客户输出高质量预警信号，包括不限于企业风险画像、预警信号筛查、风险事件监控等功能，并且工作人员无需专业知识，也能轻松判断企业产业链传导、涉诉、涉税等专业风险。厂商应提供定制化咨询和实施支持，赋能银行自主风控能力。在项目规划阶段，厂商应提供数据治理、模型定制、模型测试优化等咨询规划支持，在项目建设过程中提供接口开发、功能定制开发、大模型部署等项目建设支持。其中，针对数据治理，厂商应支持银行内外部数据融合，帮银行建立起数据开发和整合流程，赋能银行数据工程能力；针对风

9、控模型和风险策略，厂商应提供个性化风控模型开发支持，能适应国有银行、城商行、股份制银行等不同银行之间、以及银行内部不同业务场景之间对风控模型定制化需求，建立适应银行定位和场景的预警策略、标签体系、定级策略等。入选标准;1 .符合银行对公智能风控平台市场的厂商能力要求；2 .近一年在该市场服务银行客户数5家以上；3 .近一年该市场相关服务收入规模在500万元以上。CHAPTER03厂商评估：拓尔思3.厂商评估：拓尔思RS公司介绍：拓尔思信息技术股份有限公司（简称“拓尔思”）成立于1993年，是中文全文检索技术的始创者，领先的人工智能、大数据和数据安全产品及服务提供商。拓尔思坚持“数智+赛道”的发

10、展战略，以规模化的数据和知识资产、数字化基座能力和自研大模型能力为企业、政府赋能，实现数字化转型升级。产品服务介绍：拓尔思数星智能风控大数据平台，是一款利用人工智能、大数据、自然语言处理、知识图谱技术构建的综合型在线服务平台。平台围绕海量异构数据，全面监控海量金融实体多维风险。平台提供智能多维标签、预警信号推送、风险事件跟踪、风险传导关联、综合异构图谱等贯穿多场景全流程风险管理功能，提升金融机构风控能力。目前平台在风控、合规、投研、监管等核心金融场景得到广泛应用。厂商评估：拓尔思在银行智能风控领域积累了丰富的头部客户，具备模型持续迭代和数据闭环的运营能力。拓尔思自身体系化的数据工程能力和自研大

11、模型能力，向内支撑数星智能风控大数据平台提供实时高效的风控预警功能，向外赋能银行机构、提升银行场景化数据分析能力。基于丰富的头部银行机构服务经验，拓尔思具备模型持续迭代，以及风控数据质量持续校验的闭环运营能力。拓尔思数星智能风控平台服务的头部金融客户包括中国银行、农业银行、国家开发银行、进出口银行、平安银行等。这使拓尔思一方面积累了专业深厚的智能风控垂直领域知识，另一方面多样化的客户带来差异化的风控场景，使拓尔思的风控模型得到持续迭代、风控数据质量得到持续校验，拓尔思形成完整的风控数据运营闭环。如在平台的预警信号推送功能中，拓尔思基于对智能风控场景的深度理解，结合知识图谱和N1P高精炼知识数据

12、，精准识别企业复杂关系、分析群体特征、监控区域性风险，预警信号准确率超98%,N1P风险识别准确率超85%。拓尔思具备海量数据的工程化能力，融合大模型能力，为客户提供实时的风险监控、预警和推送服务。拓尔思具备体系化的数据工程化能力，如在数据采集和存储环节，拓尔思自建大数据中心，拥有10年以上的总数据量为2000亿+的政府、互联网、媒体、舆情、企业专项、产业等高质量数据；在数据管理和治理方面，拓尔思具备完善的大数据底座和人工智能产品对公开采集的数据资源进行统一清洗、治理、打标、加工、融合、管理等，为内外提供高质量数据资产。在数据分析和挖掘方面，拓尔思自研了500+深度学习算法模型、31000+标

13、签维度规则、30+领域知识库等，可为媒体、舆情、金融风控、金融监管、产业服务等领域的业务快速高效地提供数据分析和挖掘服务。在数星智能风控平台基础上，拓尔思利用自研拓天金融大模型，构建基于数据与知识融合驱动的agent智能体，在风险预警、风险报告生成和风险摘要生成等场景agent工具链应用，提升风险分析的准确性、时效性与融合性，优化用户体验。在贷前尽调、贷后排查等环节，提高风控人员工作效率。拓尔思提供在线服务SAAS,数据服务DAAS和本地化部署的复合服务模式，满足不同规模银行机构多样化风控需求。针对小型银行机构，拓尔思可提供SAAS订阅服务和DAAS数据服务。SAAS服务提供全量实体查询、个性

14、化推荐、自定义组合策略等功能；DAAS服务将基于标准标签以分钟级实时推送数据。而对于需要构建或增强自身风控能力的中大型银行机构，拓尔思可为客户提供本地化部署服务，同时提供咨询规划、数据能力赋能等服务支持，使客户具备自主的场景化风险分析能力。如在咨询规划中，拓尔思能协助客户对既有数据资产进行盘点、确定数据加工策略、设计风险运营机制等；在数据能力赋能中，为客户梳理数据治理流程，建立股权、舆情、司法等多主题知识图谱，定义预警因子、预警模型，以及基于内外主题数据打造大模型助手等。拓尔思与中国农业银行合作建设风险监控平台，面向农行100万家企业授信客户，实时监控在营企业风险、推送风险信号，形成跟踪反馈闭环，大幅降低不良率，服务期内，成功提前预警中信国安、方正集团、新城地产等重大风险事件。典型用户：平安银行、国家开发银行、中国人保、中国银行