7-6 紡織產業供應鏈金融大數據風控體系.pdf

《7-6 紡織產業供應鏈金融大數據風控體系.pdf》由會員分享，可在線閱讀，更多相關《7-6 紡織產業供應鏈金融大數據風控體系.pdf（18頁珍藏版）》請在三個皮匠報告上搜索。

1、紡織產業供應鏈金融紡織產業供應鏈金融大數據風控體系大數據風控體系|于溦（Eric Y）風控模型負責人01紡織產業供應鏈紡織產業供應鏈02大數據風控模型體系大數據風控模型體系03風控模型應用案例風控模型應用案例04機遇與挑戰機遇與挑戰目錄目錄 CONTENT|紡織產業供應鏈01|紡織供應鏈金融面臨的風險與挑戰紡織供應鏈金融面臨的風險與挑戰04010203政策風險政策風險 重大事件：重大事件：疫情防控、惡劣天氣、限電政策等 國際形勢：國際形勢：中美貿易關稅、國際棉花減倉等行業風險行業風險新行業規法、政策：新行業規法、政策：稅務政策、環保政策、區域發展政策調整原材料價格趨勢：原材料價格趨勢：國內期貨

2、、海外期貨行業周期性風險：行業周期性風險：節假日、淡旺季終端銷售不景氣：終端銷售不景氣：經營風險經營風險進銷存：進銷存：原材料質量、物流及時、銷售價格、產品質量、庫存過大、周轉率過低等生產：生產：停產、起火、成品率低、設備老化、效率低、生產事故財務：民間借貸、多頭借貸、其他逾期、司法判決道德風險道德風險企業主：企業主：行業口碑、不良習慣（賭博等）客戶經理：客戶經理：串通騙貸企業企業大數據風控模型體系02|供應鏈紡織行業“供應鏈紡織行業“1+D風控框架”風控框架”“1+D”是紡織供應鏈風控基本框架。在紡織產業鏈條中大致可以分為棉、紗、布、衣等業務場景；1是紡織場景的信用主體有企業和自然人；D是信

3、用主體的增信數據，包括企業的內部數據和外部數據；+是供應鏈信用模式和信用抓手，+和D是紡織供應鏈金融業務拓展、創新重點，即依托交易、貨物、物聯網、數據為風控提供強有力的抓手。1、+、D各要素強弱搭配可以組合成風控組合，形成信用評分，可依次配置運營流程，指導基礎產品體系建設。場景場景1+D交 易貨 物采購數據信用主體信用增信信用鑒證無企業自然人紗線坯布印染一批商服裝廠品牌商供應商貿易商工商數據訂單數據司法數據倉儲數據流水數據IOT數據三方數據IOT設備|匯集內外部數據，構建風控的融數據底座匯集內外部數據，構建風控的融數據底座金融服務風險防控客戶洞察精準營銷AI客服千人千面場景客戶信息交易流水盡職

4、調查環保數據數數據據源源客戶主題特征經營主題特征行為主題特征模模型型特特征征庫庫IOT主題特征坯布廠畫像一批商畫像服裝廠畫像法人畫像360畫像畫像標簽標簽支付指標評級指標資負指標逾期指標工商指標信用指標金融指標體系金融指標體系實體庫事件庫行業圖譜關系庫家族圖譜企業圖譜知識圖譜知識圖譜模型中心模型中心A申請模型B行為模型C催收模型風險傳導金條信用分押品估值模型產能預測多頭借貸隱私計算隱私計算聯合推理聯合查詢匿蹤查詢代理計算聯邦學習聯邦學習橫向聯邦縱向聯邦聯邦遷移聯邦圖譜基基礎礎層層應應用用層層數數據據產產品品行業指標大宗數據1采購數據物流信息監控視頻訂單數據倉儲信息RFID經營數據APP日志工商

5、數據ERP、SCM金融數據輿情信息司法訴訟共債數據+交易貨物IOTD內部數據外部數據決策儀表盤金融指標監控客戶生命周期分析客戶運營管理金融管理駕駛艙金融管理駕駛艙貼源數據層 ODS 匯聚數據、夯實數據基礎基礎匯總層 DWD 建設主題數據模型公共匯總層 DWS 沉淀多維共性匯總數據數據加密層MID 敏感數據脫敏、加密金融數倉貸中預警貸后預警貨值水位預警輿情預警智能預警智能預警AI中心中心人臉識別流水識別貨物分類反欺詐模型客服問答輿情預警意圖識別文本分類客戶分層MGM數據治理數據架構數據模型設計統一ID數據標準化元數據管理主數據管理標準數據接口權限管理外部數據合作管理|組裝式風控模型和規則體系滿足

6、多場景風控需求組裝式風控模型和規則體系滿足多場景風控需求客戶客戶級反級反欺詐欺詐模型模型交易交易級反級反欺詐欺詐模型模型行為行為級反級反欺詐欺詐模型模型反欺詐反欺詐模型庫規則庫1+D交易交易貨物貨物內部內部外部外部交易真實校驗規則1主體信用主體信用供應能力判斷規則貨值評估模型貨物管控規則物流監控規則生產監控規則經營能力規則工商模型司法模型三方數據模型1主體信用主體信用商流管理估值與管控聯合聯合客戶畫像客戶分層主體定級規則交付能力模型銷售能力模型貨物監控模型產能預測模型經營能力分析風險傳導征信規則集司法規則集規則集橫向聯邦學習縱向聯邦學習聯邦圖譜聯合預測共債規則洗錢規則A卡模型B卡模型C卡模型|

7、風控模型常用的兩類模型為有監督模型、無監督模型風控模型常用的兩類模型為有監督模型、無監督模型機器學習機器學習 邏輯回歸（評分卡）決策樹 集成學習（XGBoost)深度學習深度學習(時間序列時間序列)Lstm Deep AR Transformers 有監督學習無監督學習異常值算法異常值算法isolation forest OneClassSVM 聚類算法聚類算法 k-means DBSCAN|依據金融服務產品建設配置化的信貸管理全流程依據金融服務產品建設配置化的信貸管理全流程依據金融服務產品模型體系建設相應的審批管理流程。結合IPC傳統信貸模式、自動化模式、資產押品管理體系實現靈活組裝式的配置

8、化風控系統。系統集成數據源規則引擎預審模型評級模型額度模型準入模型受托支付交易反欺詐風險監測風險預警/管控服務調度內部數據源外部數據源實時業務數據統一額度管理系押品系統資金方系統物流系統返回數據調用數據申請服務流程引擎客戶進件(同步信息)放款風險監測風險預警/管控工作臺進件核查預審準入評級額度測算準入審查授信審批系統調用返回數據按場景天鑒（配置化風控系統）天鑒（配置化風控系統）業務系統客戶進件進件電核與確認授信確認簽約準備客戶維護電子合同放款受托支付維護額度審批核定APP、CRM等BPS、MES等風控模型應用案例03|項目背景項目背景IOT5G云服務器ERP服務器生產服務器移動客戶端坯布廠梭織

9、機設備組IOTIOT坯布廠實景梭織IOT設備 梭織廠物聯網設備，通過在梭織機生產單元設備上設置的各類型傳感器，每天采集海量生產數據、設備數據、環境數據等通過5G模組上傳至邊緣云平臺或者云服務器。通過數據的分析和仿真建模，實現坯布廠的產能預測，并將實際生產結果與仿真生產單元的預期結果進行比對，根據比對差異對物理生產單元進行優化，實現授信定額、貸中管理、生產要素、生產活動的實時精準管控，確保生產穩定高效運行。管理客戶端產能預測授信定額貸中管理生產要素配置生產活動監控數據沉淀數據分析仿真建模物聯網物聯網IOT數據價值閉環數據價值閉環76%96%42%|業務理解業務理解 針對坯布廠的業務場景，需要匹配

10、合適的信用額度，以避免額度過高造成的信用風險或者額度太低無法滿足客戶使用的需要。經過業務調研，梭織坯布廠生產較為較為單一，主要是采購紗線進行坯布的加工，其主要的資金需求是采購紗線用于坯布的生產，因此可以根據坯布的產能合理估算出原材料的采購量，確定資金需求。產能預測模型產能預測模型資金需求資金需求該模型選取“梭織”坯布廠的內外部近一年的數據維度，時間顆粒度為天，數據顆粒度為每臺織布機。產能預測屬于時間序列、回歸問題；根據歷史的IOT開工率、運行效率等數據訓練模型，可使用時間序列相關的算法。預測未來一個月梭織廠各機臺的運行效率，通過運行效率可計算出工廠的開工率。根據各機臺的效率、生產布匹的品類，計

11、算出需要的原材料數量。根據推算出的原材料需求數據量和原材料價格的市價，計算出坯布廠對原材料采購的資金需求。設備iot運行數據工廠、機臺、員工等經營數據產業鏈、自然環境、政策等外部數據設備效率工廠開工率原材料采購需求|模型算法的選擇模型算法的選擇 產能預測模型是預測機臺的效率是一個具體的數值，這類問題統稱為回歸，并且與時間序列相關性很高；回歸模型的算法有很多，線性模型、樹模型、集成學習、深度學習都是常用回歸問題的算法集成學習（集成學習（Ensemble Learning)隨機森林(Random Forest)eXtreme Gradient Boosting深度學習（深度學習（Deep Lear

12、ning）Lstm：Long Short-Term Memory|產能預測模型在風控上的應用產能預測模型在風控上的應用產能預測模型產能預測模型授信定額：可以根據機臺效率推算出未來一個月的原材料采購需求，確定訂單授信金額。效率產量：產量=機臺效率*24H*車速/緯密/100產量原材料：原料耗量=坯布單臺產量*坯布經緯克重*1.1（如果使用工藝單上的經緯克重，則不需要*1.1）原材料資金需求：資金需求=原材料耗量*原材料市場價授信定額授信定額貸中監控：可以根據預測的機臺效率與實際的機臺效率差異判斷工廠的經營異常。貸中監控貸中監控序號場景策略建議1貸中監控效率差異2開工率差異3融資差異產能匹配：根據

13、預測效率計算出工廠產能與工廠理論產能的之間的差異，可以根據空余的產能進行訂單的匹配。產能匹配產能匹配00.20.40.60.811.21357911 13 15 17 19 21 23 25 27 29產能差異最高產能預測產能機遇與挑戰04|產業金融的機遇與挑戰產業金融的機遇與挑戰產業數據化程度產業數據化程度有待提高有待提高產業金融風控需要產業金融風控需要更多先驗經驗更多先驗經驗需要更多人才投身產業需要更多人才投身產業國家政策鼓勵國家政策鼓勵工業互聯網加速工業互聯網加速工業變革進程工業變革進程產業金融的新模式產業金融的新模式非常感謝您的觀看非常感謝您的觀看|科技紡織美好未來科技紡織美好未來歡迎有志青年加入產業互聯歡迎有志青年加入產業互聯