|
大数据时代，数字化转型势在必行。如何将数字化和金融结合，摸索出一条可发展之路，国内某城商行一直在寻找方向。该行以提升金融服务效能为目标，将数字化和具体业务结合，让科技为金融赋能，并将人工智能深度融合业务，“数字+金融”创新模式落地有声。 理论指导实践，实践检验理论，该城商行的数字化探索走在行业前列。为充分实现模型自助可控、降低模型开发的成本、满足银保监会提出的模型生命周期管理要求，该行直面模型管理中存在的短板，于2022年引入同盾科技，依托同盾明模-模型管理平台，联合建设集中化、自动化、流程化的模型管理平台。 新规划设计的模型管理平台不仅为使用者提供低门槛的模型构建工具，也对行里现有业务领域内的模型实现了更高效的管理与监控。平台建设成效被行业所认可，项目近日成功入选金科创新社第三届中小金融机构数智化转型优秀案例评选，夺得数据智能应用创新优秀案例奖。 ►►► 业务痛点 回溯以往，该行大数据建模面临存在开发周期长、模型管理不完善的问题，且很大程度上依赖科技供应厂商。为了快速、高效的研发模型，方便地管理和运营模型，该行亟需建设一套自助建模与模型管理平台，具备涵盖建模全过程及模型全生命周期管理功能，使行内建模人员能够快速熟悉并借助平台实现场景化自助建模，从而实现模型的自主可控。 ►►► 项目目标 在项目启动之初，同盾基于该城商行的现实情况，深入调研梳理行方需求，并参照《商业银行互联网贷款管理暂行办法》等监管规定以及行内部风险管理等相关要求，协助行方共同明确了项目目标： 要在该模型平台上实现模型开发功能，减少线下数据处理、特征工程、模型训练等步骤的工作量，大幅提高建模效率； 实现模型的集中管理和全生命周期管理，在模型数量和任务迅速增加的趋势下，避免业务线之间的模型资产分散，流程散乱；模型管理者能够及时跟踪模型的工作状态，全局掌握模型在业务应用过程中起到的决策效果； 基于场景建模的实施，使行内建模人员快速熟悉并可以借助平台实现场景化自助建模； 建立一整套行而有效的建模流程机制和模型管理制度规范，解决不同部门之间因工作流程不统一而导致的模型质量参差不齐问题，并且最终将管理办法落实在平台之上，使管理办法及操作标准形成线上化的任务工作机制。 ►►► 项目交付 该项目依托同盾明模-模型管理平台，以模型全生命周期为贯穿主线，实现模型从开发训练、部署上线、持续监控等全流程的服务。在平台搭建过程中，充分发挥同盾明模平台的突出优势，以模型全生命周期的端到端管理为切入点，帮助管理者在复杂的系统中形成纵览全局的视野和有效决策的抓手，为原本散落在各处的模型的集体智能化管理寻求到最优解。在提升模型资产开发、实施和使用效率的同时，运用自动化、可配置的工作流，对模型资产进行集中管理，既可以流程化管理及监督每个任务节点的完成质量，又能捕捉到关键节点的产出和决策。 同盾交付技术团队在深入研究行方业务的基础上，对标国内外业界的领先实践，为行方交付了完整的模型管理平台，平台功能架构明确，技术构架清晰，具体如下： 模型平台整体功能架构  1) 模型管理：支持模型的集中化管理，全面记录模型从开发至退出的全过程，并进行文档化管理，保存各种模型工作的产出，能够随时查阅和获取这些信息，提供工作流的方式规划、推动模型工作，明确处理人、工作内容。 2) 模型开发：支持三种方式对模型进行开发，包括Notebook建模、可视化建模、智能建模，同时支持数据的导入、交换，周期任务的运维等功能。通过该模块，用户可以通过有意义的业务过程数据，结合自己的业务目标进行人工智能模型调研、模型应用以及模型自学习的过程，自动化、智能化地帮助企业完成数据价值提升。 3) 模型部署及运行管理：支持对部署的模型及服务进行管理，提供简单、高可用的模型预测、完善的版本管理机制、多样化的模型测试，实现模型快速部署和服务发布。 4） 模型监控：支持对模型建立有效的模型日常监控体系，模型监控的维度包括风险模型的有效性与稳定性，以及模型业务表现。同时支持配置预警，并对接用户告警系统，当指标达到阈值时，发送预警。 ►►► 项目效果 1、在统一的模型管理平台上建立了模型全生命周期的管理，贯穿了模型概念化、模型设计、模型开发，模型初始验证、模型审批、模型部署、模型上线、持续验证和监控以及模型的退役归档，并且能够针对各级部门做好权限分层与隔离: 银行高层：提供高层模型资产视图和看板，辅助管理决策； 总分行业务主管部门：不仅实现了模型全生命周期管理，对模型风险进行有效管控，同时也实现了模型效果的量化评估，持续推进模型迭代和效果提升； 模型研发人员：能够通过平台标准化操作流程，便于管理，降低操作风险； 模型使用人员：能一站式监控所负责模型的运行状态和效果，提高工作效率。 2、模型管理围绕模型全生命周期形成的标准化过程管理，主要表现在以下几个方面： 模型信息集中维护：形成全机构统一的模型清单，避免出现开发方一套、使用方一套，模型信息未能及时同步的情况。也可做到在不同部门内共享，避免重复开发。 版本独立管理：分版本记录和查看模型信息、报告、文件、工程代码等，以及切换部署指定版本的模型； 工作全流程可回溯：支持模型工作全流程的回溯，符合风险模型监管需求、应对内部模型审计； 产出物集中管理：模型文件、模型开发报告、数据处理报告、验证报告、评审报告等模型工作产出物集中存储和管理，方便随时查看和获取最新版本文件，避免出现多方使用不同版本的模型文件和模型报告； 3、覆盖模型构建全流程的参数配置化算子，大幅降低了建模门槛，包括数据管理及统计分析、数据预处理、特征工程以及分类算法、聚类算法、回归算法、神经网络等机器学习算法。 4、实现快速便捷的模型监控，及时掌握当前每个量化决策工具的效果、业务经营情况、资产质量，提前规划未来。业务人员可通过监控模板快速实现全套监控的搭建；监控报表支持快速灵活的筛选或汇总条件，便于实现实时分析；可精细配置的预警触发条件，及时洞察模型运行中可能存在的风险。 5、满足逐渐趋严的监管要求，无论是应对监管还是内部审计，不仅能够实现统一的模型管理，而且可以更加轻松的应对，更加清晰的知道行内哪些模型正在运行，而不是分散在不同的业务系统内。 ►►► 总结： 同盾科技助力该行搭建的模型平台将通过模型统一的管理，实现知识沉淀和传承。作为基础平台，模型平台将为该行的数字化转型工作提供AI工具基础。同盾科技认为，模型管理是一项长期性、系统性、复杂且细致的工作，将会给银行内部风险管理等职能的战略与实践带来深远影响。随着科技赋能银行数字化转型进入“深水区”，银行在模型管理上应突破模型管理全流程各环节的隔离和壁垒，解决模型工作环节的制度性缺失，并制定模型管理的短、中、长期规划，逐步建立全行级的模型管理框架，助力业务健康快速发展。
|
|
|
来自： 昵称10087950 > 《金融》
