传统的金融行业需要投入大量的时间与人力成本，且风险相比较高。以银行信贷业务风控准入场景为例，根据其信贷产品的风控政策，金融机构需要通过人工或模型对申贷用户的信用信息数据进行分析，判定申贷用户的准入资格。然而，随着金融行业和互联网的快速发展，金融产品与业务服务的升级迭代趋势明显，同时伴随着货币政策和风险监管要求的实时变化，以往金融机构的风控准入系统已不能完全满足业务需求，包括部分工作需要人工辅助参与，工作效率低，增加金融风险；系统对于非机构化数据、半结构化数据处理效率低，风控分析面窄；风控系统的风控指标固化，无法根据金融产品准入政策的变化自由配置和修改等等，从而导致信贷业务风控成本居高不下，而金融风险却持续走高。

　　对此，我国著名信贷专家、厦门国际银行股份有限公司北京分行支行对公行长赵赛男拥有绝对的发言权，她认为：“在现代金融体系中，银行的核心竞争力主要体现在其资产转化能力上，这种能力通过信贷业务得以实现。然而，传统的信贷风险评估方法主要依赖于人工审核和有限的历史数据，难以满足日益增长的信贷需求和日益复杂的风险环境。大数据技术的出现为信贷风险分析提供了新的思路和方法。海量的、多维度的数据蕴含着丰富的客户信息，通过数据挖掘和机器学习等技术，可以更全面、准确地评估借款人的信用状况，从而有效控制信贷风险。”

（图为工作中的赵赛男）

　　作为国内屈指可数的信贷风险评估大师，赵赛男凭借缜密的逻辑思维、好学钻研的精神、细致入微的观察习惯，在蒙商银行股份有限公司、紫金诚征信管理有限公司、厦门国际银行股份有限公司等多家知名金融企业机构从事征信管理、信用模型建立、授信、风控等领域深耕十余年，对金融机构信贷风控审计业务全流程都有着丰富的经验和前瞻性的认识。近年来，她更是将大数据、物联网、云计算等信息科学前沿技术融入信贷审理领域，研发了一系列具有行业领先水准的技术成果。以她研发的“基于聚类分析的信贷风控预警系统”为例，这项技术成果利用聚类分析—大数据技术不仅帮助银行加强了信贷风险全方位管理能力，同时有效降低开展信贷业务过程所面临的信用信息不对称、信用风险判断及考察能力较弱等疑难杂症。

　　在金融产品日趋多样化，客户准入门槛逐步下沉之际，商业银行之间对于优质客户的“争夺战”愈演愈烈，加上客户对信贷产品、授信金额及审批速度的要求越来越高，客户行为信息、消费喜好等内部数据难以精准捕获，外部数据信息参差不齐、数据效用较难评估核实，需要较长时间进行沟通、分析确认。国内一部分中小型银行业务规模及信息系统建设滞后，难以识别掌握客户的还款意愿、还款能力、隐形负债等潜在风险。赵赛男研发的“基于聚类分析的信贷风控预警系统”便是针对此难点而生。

　　“基于聚类分析的信贷风控预警系统”主要通过聚类分析—大数据技术挖掘客户的信用卡、存款、理财、网银、个贷等内部信用数据，抓取金融市场数据库、各商会产业数据库、社区居民数据库等外部信用数据，通过数据提取、数据整理和数据加工，完成对风险预警系统中数据源的控制与管理，形成信贷业务所需的各种基础数据和指标后传输至数据中台，以便于用户在访问层实时调取数据。其迅速整合客户信息、精准全面识别客户及所提供担保的风险、支持风险防控系统的快速更新及部署的能力适应了当前客户风险显现的多样性、易变性、复杂性的要求；优化了对客户风险全流程监测，包括贷前的风险提示、贷中贷后的风险检测及预警，能够拦截高风险客户，及时触发风险缓释工具的启动。

　　在对外发表“基于聚类分析的信贷风控预警系统”后，赵赛男对信贷审理领域的技术研发和创新并没有止步。她继续以“信贷风险管理、智能预警授信”作为研究方向，研发了“商业银行企业信贷智能财务分析平台”“基于金融数据分析的信用风险评估系统”“智能信贷服务管理系统”等多项具有行业前瞻性和创新性的技术成果，为行业未来发展提供了强大的技术支撑，优化了金融服务的工作流程，为推动金融行业的智能化发展发挥了巨大作用。

　　未来，赵赛男将继续致力于信贷业务向智能化、科学化、精细化转型发展，优化资源配置，为深化信贷风险管理提供更全面更强大的技术支持。

（文/吕欣悦）