案例名称

安徽省联社“数据挖掘和模型管理平台”

案例简介

随着安徽农信系统数字化转型的不断深入，如何从海量数据中挖掘有效价值成为大数据应用的一项主要挑战，“数据挖掘和模型管理平台”的建设，解决了大数据应用过程中数据价值挖掘环节系统承接问题，通过数据分析工具的集中化、流程化与资产化的管理，赋能行内的数据分析人员、模型开发人员，实现数据应用能力的提升，同时引入业内规范的模型管理流程，实现模型全生命周期风险集中管理，充分保障模型在业务决策中的支撑作用。

创新技术/模式应用

本平台具有以下几个主要功能特点：

（一）松耦合式模块化设计

本平台的核心功能包括数据管理、模型管理、模型构建、模型服务、模型监控共五大模块，各服务模块基于微服务架构实现松耦合式设计，支持容器化部署、使用K8S定制场景资源配置，数据计算采用主流的分布式Hadoop大数据平台，用于数据、指标以及模型的分布式计算，同时满足大规模数据的分布式存储，在部署、计算、存储等方面均具备横向扩展能力。

（二）标准化模型管理工作流

本平台通过我的模型、模型清单、模型详情等功能菜单对模型资产统一管控，以工作流加任务处理模式实现了模型的需求提出、开发、验证、部署、投产、迭代和退出等模型全生命周期各阶段的流程化管理，各阶段文档通过平台统一保存，保障了模型相关历史可回溯、可审计，实现了规则策略、模型算法资产化管理，另外支持建立统一的模型资产视图，为管理层提供模型管理全局视角。

（三）通用型模型构建平台

本平台提供代码建模、可视化建模、智能建模三种建模方式，搭建了低门槛、易用、适应不同建模场景的统一建模平台，能够使专业建模人员或业务人员共同参与到模型开发的工作中，实现了建模过程的标准化管理，包括代码标准化、模型包管理、开发报告管理等。

（四）全线上模型服务管理

本平台可作为模型服务的统一发布平台，通过服务列表对模型服务统一管理，支持模型部署发布审批流程、上下线流程配置，同时提供接口调试、A/B测试等工具，对模型服务实际效果跟踪比较，实现模型版本的流畅切换。基于业务场景需要，模型服务提供实时调用或批量调度两种调用方式。

（五）实时监控预警体系

本平台构建了全面细致的模型监控预警体系，对模型结果分布、特征稳定性、预测有效性进行定时跟踪，帮助模型管理人员及时掌握当前模型的整体性能。报告内容支持自定义预警规则，可以对特征变化幅度、模型退化程度、在决策中的效果等设置预警，通过平台内消息和短信进行提醒告知，及时采取处置措施。

项目效果评估

（一）完善大数据应用体系，助力数字化转型

本平台是安徽农信系统大数据应用体系的重要拼图，从系统层面上填补了数据挖掘和模型管理功能上的空白，通过与大数据平台基础数据资源对接，提供了对海量数据进一步挖掘的安全环境。本平台的投入使用，对安徽农信系统数据应用水平的提升具有引领作用，可充分发挥省联社服务、监督、管理的职能，促进金融科技在安徽农信系统内的进一步发展。

（二）建立模型工作流标准，规范模型风险管理

模型在为业务服务的同时，其自身也应受到监管，以防范模型使用不当所带来的风险。本平台通过模型工作流模板建立了标准化的模型管理流程，明确了模型管理各个环节人员职责，防止兼岗、越限操作情况发生。通过模型管理流程的确立，为模型风险防控提供了明确措施，解决了系统内模型管理缺少统一规范的问题，同时也满足了监管部门对模型风险管理日趋严格的要求。

（三）探索模型优化升级，提升业务智能化水平

本平台引入了主流的数据挖掘、机器学习技术，以数据为驱动实现模型的优化升级。目前平台内已上线3个业务模型，为线上信贷、信用卡、综合收单业务提供模型服务，在前期申请、定价和中期风险管理等业务环节对客户信用风险进行预测，模型算法采用了逻辑回归和集成学习算法，模型效果评估KS指标值均超55%，对不良表现具有显著预测能力。

（四）构建模型监控体系，加强模型效果跟踪

本平台通过监控报告、自定义看板、模型大盘形成了“自下而上”全面的模型监控体系，对模型运行效果实现多角度跟踪，帮助不同层级管理人员审视当前模型工作，辅助未来决策。模型监控体系的构建，为安徽农信系统内模型效果监控提供了统一渠道，可改变模型效果缺乏跟踪、感知滞后的现状，为模型有效应用提供新的保障。

项目牵头人

蔡玉林 安徽省联社电子银行部副总经理（主持工作）

项目团队成员

水坤、叶长明、韩彬、丁伟民、王瑾、孟佳乐、殷悦、杨宜辰、潘乐观、彭静

责任编辑：韩希宇