运营是商业银行存在和成长的基础，在日趋激烈的金融竞争环境下，银行产品和渠道越来越多元，日常操作和业务流程越来越复杂，商业银行运营模式发生颠覆性变革，外部案防形势的变化对运营操作风险防控工作提出了更高要求。传统的以人控、人查，现场、事后为主的监督检查方式已无法满足新时期风险管控需求。
2021年底，人行发布《金融科技发展规划（2022-2025年）》，银保监会于2022年初发布《关于银行业保险业数字化转型的指导意见》(文中简称《指导意见》)，明确全面地提出金融机构数字化的原则、整体工作框架与工作标准要求，为金融机构的数字化转型指明了方向。
《指导意见》要求“制定大数据发展战略”、“全面深化数据应用”、“挖掘业务场景，通过数据驱动催生新产品、新业务、新模式”、“加快推动企业级平台建设”，“实现共性业务的功能标准化”。
调研发现，一些金融机构主要应用方向仍局限于统计和监管报送，并未对运营模式创新产生根本性的变革。商业银行业运营管理领域在经历了“分散运营、集中运营、精益运营”阶段后，在数字化转型背景下，“精益运营”偏流程管理的解决方案已出现较大的技术瓶颈，海量数据算力不足导致不能深度挖掘、刻画风险行为，造成预警量大、误杀率高、核查压力大等问题。
在监管要求、盈利目标及成本约束等多重压力下，“合规科技”的应用价值更加凸显，这对监管方与被监管方在金融科技领域的应用与实践提出更高挑战。银行运营风险的痛点主要表现在:
1、原有系统算力有限，在面对海量数据场景下，在T+1时效内完成预警非常困难，特别是在复杂（长周期、复杂统计）风险特征刻画时，几乎无法输出预警结果，导致风控规则准确性低、误触发大、投入人力物力巨大，但收效甚微;
2、当前风控规则建设需求是通过业务提供风控逻辑，由技术人员进行SQL开发完成，沟通代价（需求理解一致性）极高，导致业务人员无法提前预估预警量、不支持业务自主进行风控规则、指标、参数的调整，上线流程周期长，响应时效低;
3、当前风控规则以单一规则为主，维度单一，没有形成多维度的体系化风险管理，一些技术瓶颈导致数据价值不能充分挖掘;
4、预警时效性单一，不能完全解决客观业务问题，现有风险管理系统均为“T+N”模式，对风险容忍度低的场景预警时效性不够;
5、风险定性难度大，证据链数据分散、指向性弱，核查难度大。
数字化转型在为金融机构各方面能力带来跃升的同时，不可避免地也带来了新的内部风险和外部风险，需要金融机构加强大数据、流式计算、人工智能技术在风险防控方面的应用与实践，实现智能化自我排查、防范风险于未然。
结合人行监管科技转型蓝皮书及行业经验，邦盛科技提出“智能运营管理”的新发展方向。
流批一体
流批一体概念出现在2015年，但市场上真正应用的落地案例极少。流批一体的大前提是需要一个统一的计算引擎，从技术层面来看，流计算和批计算从计算方式、支撑模块、资源调度策略到流程规划等都存在差异。因此，流批一体融合存在不少技术问题需要解决。
相较于流计算和批处理分离的系统架构来说，流批一体重点关注数据源的统一、开发的统一、计算的统一、存储的统一，实现技术栈的收敛，减小开发和运维成本的同时，消除重复的计算框架带来的逻辑不一致性。邦盛科技以自主研发的流立方技术为核心，完成流批一体核心技术CubeCompute的自研，并在多个大型商业银行实现流批一体技术风控应用落地。
流批一体技术不仅降低了流批结合模式的开发和运维成本，也进一步拓宽了实时计算的应用范围，为银行事件驱动型应用，及高实时性的数据统计分析型应用提供了高效的计算模式，为银行业务创新发展保驾护航。
业务与分析（TA）融合
打破业务和数据分析的“墙”，利用流批一体技术及行业经验充分挖掘数据的业务价值，将专家智慧沉淀形成风险指标库，充分释放风险策略人员自主风控建设能力，尽可能降低业务与技术之间的门槛。邦盛科技的咨询团队，通过不定期的监管文献解读及多年的同业项目积累，已积累一套行之有效的业务、数据理论体系及知识库。
数智融合
随着数字化转型不断深入，数据资产的积累越发丰富，人工智能技术落地有效应用的概率逐步增大、场景逐步增多，通过人工智能技术解决复杂的风险场景将是行业趋势。邦盛科技的算法团队，深耕行业场景前沿科技，多次完成核心技术攻关应用，将切实协助金融机构成就数智融合。
在实践中，邦盛科技智能运营风控方案已助力多家大型银行从流程驱动的风险管理方式转型至数字驱动的智能运营风控管理方式，并赋能其在当前监管态势下可持续性满足不断更新的风控建模要求、覆盖模型生命周期管理、落地“专家规则、机器学习、知识图谱”等人工智能技术应用，且实现管理闭环与风险大盘可视化。
在服务实践中，银行运营风控需要解决的业务问题有哪些?技术如何在业务中发挥价值?批流一体技术如何落地业务应用?这些内容将在我们的下篇娓娓道来，欢迎持续关注。
（推广）