本书将首先从小微信贷的发展现状出发，基于数字时代视角，预判小微信贷发展趋势。然后在此基础上，整体性地介绍小微信贷大数据智能风控体系，详细阐述小微信贷大数据智能风控业务流程、大数据模型的体系和特点、与消费信贷数字风控的差异，并深入介绍需要考量的风控维度。再进一步围绕大数据智能风控体系，深入阐述主要大数据风控模型的建模思路和建模方法。最后，数据是数字风控的基础，是核心生产资料，本书结合应用实践与数据安全管理现状及未来发展趋势，提出相应的数据应用策略。

探索、实践与情怀
小微企业在国民经济
中发挥了十分重要的作用
。从全球范围来看，美、
德、日的中小企业对经济
发展的贡献在50％左右，
对就业的贡献在60％～
70％。在中国，小微企业
具有“56789”的特征，即
小微企业贡献了全国50％
以上的税收、60％以上的
GDP、70％以上的技术创
新、80％以上的就业、
90％以上的企业数量。全
球金融危机后，为加快经
济转型发展和经济结构调
整，中国出台了一系列支
持小微企业发展的政策和
措施，发展小微企业成了
国家的重要战略。然而，
小微企业一直存在着融资
难的问题，难就难在小微
企业的生命周期短、抗风
险能力弱，不仅缺乏判断
其履约能力的规范资料，
还缺乏有效的抵质押物。
而商业银行作为经营风险
的企业，对不确定性有着
天然的敏感性，虽然说不
同的银行有不同的风险偏
好，但风险偏好往往受经
济资本、股东期望、监管
要求以及银行自身的管理
水平等各种因素的约束。
这些因素客观上决定了大
部分商业银行对于小微企
业贷款采取更为审慎的态
度，小微企业融资难就在
所难免了。
我在担任建设银行风
险管理部总经理和首席风
险官期间，曾经试图破解
这个困扰银行与社会的难
题。一方面，对于小微企
业产生的庞大市场需求银
行不能无视其存在，而高
企的风险成本又让银行望
而却步；另一方面，繁荣
的经济生态和稳定的社会
基础离不开小微企业，而
政府基于弱势群体推出的
普惠金融政策始终未能如
愿。我尝试从理解小微企
业行为特征的角度探索解
决小微企业风险识别问题
，希望能在传统的建模方
法之外找到一条新的风险
计量路径，既解决小微企
业的信用评价问题，又解
决贷款调查的成本和效率
问题，从而支撑大型银行
走出具有大银行特色的小
微企业信贷业务之路。为
此，我们在借鉴国际经验
的基础上开展了一系列的
探索，其中有两个比较重
要的实践：
一是推进小微企业业
务专业化运营。借鉴国外
领先银行“流程银行”的理
念，从2007年开始逐步
推进“信贷工厂”模式，在
全行建设小企业经营中心
，推进产品销售和后台作
业分离，实现信贷操作一
站式集中作业，在全行执
行统一、标准化的业务操
作规范，基于标准化作业
，大幅提升了处理效率，
通过关键岗位分离，增强
了风险的控制能力。
二是研发实用的风险
计量工具。参照国际银行
业的通行做法，针对单户
人民币500万元以下的贷
款客户，建立并运用小微
企业申请评分卡和行为评
分卡，支持贷前风险评估
和贷后主动监控，实现客
户评价从单纯依靠财务信
息转向重点关注客户履约
能力、账户结算、履约行
为等方面，以解决小微企
业财务报表不规范、财务
数据缺乏且可信度相对较
低的问题。基于小微企业
评分卡，推出了专门的以
信用贷款为主要形式的小
微企业评分卡信贷业务模
式，参照零售贷款进行资
本计量，对推动小微企业
信贷业务向“小额化”“标
准化”业务转型起到了积
极的作用。
这些探索虽然在一定
程度上解决了贷款慢、贷
款难的问题，但仍然主要
依赖于人工调查和人工审
批。结构化数据的自动收
集，非结构化数据的采集
、储存与加工，准确描述
不同类型小微企业风险特
征的模型构建，等等，仍
然是一道道无法解决的难
题，这无疑是一种遗憾。
2011年，麦肯锡发布
了《大数据：下一个创新
、竞争和生产率的前沿》
的研究报告，引发了大数
据热潮，给一直处于困惑
之中的银行业带来了新的
启迪，我也感觉到大数据
将给商业银行风险管理带
来重大的影响，大数据能
够有效提升风险计量工具
的有效性，提高商业银行
风险管理的智能化水平，
特别是为商业银行改变小
微企业信贷风控模式带来
新机遇。2014—2015年
，我作为高管团队成员曾
经短暂地分管过数据工作
，参与了建设银行大数据
前期研究与应用战略规划
工作，以及上海数据分析
中心的组建工作。当时，
成立上海数据分析中心的
初哀是借鉴花旗银行等国
外银行组建卓越中心的实
践经验，建立国内银行业
第一个卓越中心，作为数
据分析挖掘的“特种部队”
，带动全行数据应用水平
的提升，支持全行业务转
型。2018年，随着内外
部环境的变化，为了更好
地支撑全行发展战略的实
施，上海数据分析中心更
名为上海大数据智慧中心
并组建风险计量中心，推
动全行数据应用水平迈上
了一个新台阶，风险管理
的智能化水平也得到了大
幅的提升，我的“风险管
理智能梦”在一步步变成
现实。本书作者之一黄丁
聪全程参与了这一过程，
从大数据应用战略规划的
资料收集和报告撰写，到
数据分析中心的组建，再
到后来的大数据应用实施
，他所做的工作体现出专
家的价值。
上海数据分析中心的
成立及后续的调整发展，
为推动大数据在建设银行
小微信贷业务风控领域的
应用奠定了重要的基础。
2016年开始，建设银行
在借鉴富国银行、邓白氏
公司、Kabbage公司等国
际机构在小微企业信用评
分成熟应用经验的基础上
，立足国内数据、市场环
境，结合

黄丁聪，资深数字金融专家、大数据专家。曾任中国建设银行总行上海大数据智慧中心首席产品经理、普惠与互联网金融处负责人。参与起草建设银行大数据应用战略规划。带领团队推进建行“云税贷”等小微快贷产品的大数据风控模型体系研发工作。先后获得工信部“星河奖·行业最佳大数据应用”，以及《亚洲银行家》杂志“亚太区最佳数据分析项目”等奖项。曾受邀担任河北雄安新区住房租赁积分方案评审专家、“鑫智奖”金融数据智能优秀解决方案评选组委会专家等。

背景篇 数字时代的小微信贷
第一章 小微信贷的定义与发展现状
第二章 数字时代小微信贷的发展趋势
第一节 数字时代已来，小微信贷迎来最好的时代
第二节 小微信贷的四大发展趋势
架构篇 小微信贷大数据智能风控体系
第三章 从小微信贷传统风控模式的痛点说起
第一节 小微企业说：银行贷款材料多、审批慢，交易成本高
第二节 银行说：小微企业倒闭快，控不住风险
第四章 小微信贷大数据智能风控体系是什么
第一节 大数据智能风控业务流程
第二节 大数据模型体系
第三节 风控策略的制定
第四节 小微信贷大数据智能风控的特点
第五章 小微信贷大数据智能风控维度
第一节 宏观风控维度
第二节 微观风控维度
第三节 指标设计方法
技术篇 小微信贷大数据智能风控模型建模方法
第六章 算法基础
第一节 机器学习基础
第二节 信贷风控常用算法
第三节 模型评估与优化
第七章 图数据库及图算法介绍
第一节 关系型数据库和图数据库
第二节 图技术应用
第三节 显式图特征挖掘算法
第四节 隐式图特征挖掘算法
第八章 传统评分卡模型构建方法
第一节 数据准备
第二节 特征筛选
第三节 测试集划分
第四节 变量分箱和wOE编码
第五节 逻辑回归建模
第六节 模型调整与评价
第七节 评分卡转化
第八节 评分卡模型分类与应用
第九章 评分卡模型建模的几个创新优化方法
第一节 模型定义优化
第二节 特征挖掘优化
第三节 建模方法优化
第十章 风控技术创新
第一节 资金交易紧密度
第二节 关系综合亲密度
第三节 社会资本值
第四节 行业地区风险指数
第五节 额度优化模型
第六节 风险传染模型
第十一章 模型风险管理
第一节 模型风险管理的主要指标介绍
第二节 模型研发的风险管理
第三节 模型投产前的风险管理
第四节 模型运行期间的风险管理
数据篇 小微信贷大数据智能风控的数据基础
第十二章 风控数据维度与数据应用
第一节 宏观数据
第二节 企业主评价数据
第三节 企业经营数据
第四节 数据应用模式
第十三章 数据风险管理
第一节 数据风险的表现形式
第二节 数据风险管理机制
参考文献
后记