构建互联网时代的供应链平台的思考

　　互联网金融是利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式，而供应链金融服务则是包含了给链上客户提供融资、支付、信息分享等多项服务，如何能再传统的供应链系统中融入互联网的各类技术让供应链系统有更强的竞争力和更好的普适性一直是各家银行的研究课题。
　　在线上化供应链平台建立的时代，供应链为了能够将资金流、信息流、物流结合起来，给客户以优异的体验、快速的放款，并将银行客户经理从繁重的押品敞口台账中解放出来，专心致力于业务的发展。随着互联网技术的发展，特别是大数据和人工智能的发展，供应链平台从贷中环节的全线上化逐步向供应链全流程的线上化逐步过渡，从耗时耗力的人力评审监控到有的放矢的监控风险，从大量信息的录入填写到信息的自动填写，逐步完善、逐步扩展适用范围，为银行的发展提供的有力的工具。
　　一、供应链项下大数据和人工智能系统的难点及解决
　　大数据和人工智能系统目前在互联网金融服务中已经得到了广泛的应用，但是应用于供应链平台针对大数据分析及人工智能系统的分析结果数据有准实时性和持续性特点和难点，故在建立配套供应链使用的大数据和人工智能系统时需要仔细考量和架构。下面就供应链项下的数据分析过程中存在的难点进行逐一阐述如下：
　　（一）数据的收集
　　当前的大数据系统使用的信息来源有各家信息服务商提供、监管部门推送、客户自己录入、银行自有保存、核心厂商推送、网络爬虫获取等多种渠道，由于各种原因如数据的统计角度、录入人对信息理解、录入的时间等，导致录入的信息出现不一致，从而无法将获得的数据作为后续的业务数据使用。需要通过专家法和人工智能的相关规则，对收集到的数据进行交叉验正、筛选。
　　考虑到收集的数据（如征信数据）很多都是具有时效性和时间连续性的，所以需要针对相关数据制定有效时限，并根据有效时限的周期，在供应链的整个生命周期中进行持续获取，并将获取的数据进行时间拉链存储，以方便后续对基础数据的处理分析。
　　（二）數据的安全控制
　　考虑到收集的数据会涉及到对公、对私客户的相关隐私，故数据的获取要首先征得客户的同意，并记录在案以备监管的核查。同时要针对客户的此类信息的存储、使用调用建立相关的规范并通过相应的技术手段，保证数据使用的安全。针对于同一用户在供应链不同应用中的相关数据要能够保证在客户都签署赋权协议或者公用协议签署的情况下的信息共享和多维度拆分。
　　（三）基础数据的初步分析和指标化
　　考虑到用于供应链平台系统很多情况下需要实时的将大数据获取的数据进行相应的运算或者直接返回给前台（如客户的评级相关信息、客户的风险相关信息），但是考虑到对应的处理模型的复杂性，需要较长的计算和处理时间，为了能够加快系统的响应速度，给客户更好的体验，一般需要在大数据或者供应链平台上针对建模的相关数据进行简单的聚合和指标化的操作。
　　但是考虑到大数据或供应链平台中的对应指标是为供应链多种不同产品或者同一产品的不同场景下使用，所以对应的数据应该根据处理的数据量来进行聚合程度的分析，而不应该进行大规模的聚合操作。
　　（四）指标化的数据的分析、沉积和整理
　　在针对原始数据和指标化数据收集到一定程度后，根据当前供应链的实际场景的需要，还需要针对原始数据和初始处理的对应指标进行定期或不定期的参数或者统计算法的调整，以匹配供应链业务的具体要求。
　　同时，根据沉积数据的类型和功用，建立同比环比等相应的持续变化型指标，用于指导供应链产品的定制和运行产品的定价，保证供应链产品的活力。
　　二、大数据和人工智能系统在供应链平台生命周期中的不同应用
　　大数据和人工智能系统对供应链平台的支持目前已经渗透到了供应链平台的各个环节，其目前的主要作用体现在风险控制、智能顾投、数据辅助录入三个方面。
　　在风险方面，供应链平台业务全流程任何环节发生风险，均需要提供对应的预警及缓释功能。风险预警根据总体风险环境、当期风险敞口及预警范围进行系统提示，以便针对风险进行处理。风险预警应将动态预警和定期风险评估相结合，达到实时追踪、快速响应、方案应对的目的。风险缓释包括额度管控、资产处置等内容。
　　在顾投方面，供应链平台需要通过大数据和人工智能系统提供的各类数据及指标快速获得产品的适用人群，并根据人群的不同特点提供特质化的服务。
　　在数据辅助录入方面，供应链平台为了完成对客户的相关信息的录入和监管数据的报送，需要录入的大量数据可以考虑从大数据系统及时提供，并通过人工智能系统提供规则保证数据的正确性。
　　下面将根据供应链平台中实施的产品的全生命周期中的各个阶段大数据和人工智能系统提供的服务逐一阐述。
　　（一）在业务产品建立中的应用
　　在供应链平台中建立的产品原有基本都是根据分行或者市场的需要进行相应的需求研讨和规划设计后的产物。在对接了当前的大数据和人工智能系统后，通过对原有线下的银行业务的数据分析及从各地获得的相关的大数据信息的处理，就可以辅助判断针对原有的业务产品的变形、转换甚至新产品的建立。
　　通过对市场情况、舆情状况、所属人群等属性的数据的处理和人工智能系统的规则的分析还可以让产品的建立更加具有针对性，可以避开新产品所不适应的行业、地域、人群，提升产品的可用性，让产品具有更强的活力。
　　通过对原有同类产品的留存数据及指标的分析，还能够指导同类产品的风控指标的订制、贷款产品的定价，帮助供应链产品的整体建立。
　　（二）在产品推介及客户筛选中的应用
　　在业务产品创立的同时，供应链平台的业务产品已经根据大数据和人工智能系统的相关数据选定了相应的产品适用的市场及人群方向。在产品推介期，可以根据客户经理提供的当地的重点客户的名单的相关指标进行客户筛选，也可以根据核心企业发送的相关的供应商或经销商相关信息进行筛选后推送给客户经理对应的名单和其对应的营销指标信息，方便其进行有针对性的产品营销工作，以保证客户经理的工作有的放矢，保证产品的顺利推广。
　　（三）在贷前审批及客户信息录入中的应用
　　在贷前阶段，供应链平台重点关注客户的信息采集、准入评级、授信管理等内容。在贷前阶段，大数据及人工智能系统，主要帮助提供贷前审批时客户的相关信息及审批的相关指标。其中客户的相关数据可能包括企业或个人的信息，企业的财务数据，企业的工商数据，征信等全方位的信息以期尽可能的减少客户的录入量的同时完成对监管报送信息的完整。大数据及人工智能系统通过对基础信息的风险指标信息的汇总处理，并通过人工智能系统的规则判定尽可能的完成对客户的贷前审批自动化。
　　（四）在贷中放款中的应用
　　贷中阶段的供应链平台重点关注合规检查、反欺诈、出账申请评分、额度定价等内容。因为贷中的放款申请是供应链平台中实时性要求很高，而风控把控的关键环节。所以需要大数据及人工智能系统将本阶段使用的相关信息预先准备好，随时备查，以保证客户的实时放款。同时针对有指标异常的情况需要使用人工智能规则进行是否放款的判定，对不能放款的需要尽早推送给客户经理进行相应的处理。
　　（五）在贷后的风险审查中的应用
　　贷后阶段的供应链平台重点关注贷后数据异动、资金流向、还款及逾期情况等，为信贷资产风险分级处理提供依据。针对贷后部分大数据及人工智能系统将根据相应规则产生贷后的专项检查，变原有的定期上面的尽职调查为专项信息的定点调查。
　　三、互联网时代供应链平台的展望
　　将互联网金融的各类创新技术融入到现有的供应链中，让供应链平台线上化、自动化、智能化，让供应链产品能够更加贴近链上的各类客户，推动链上金融发展，是供应链平台发展的方向。本文只描述了大数据、人工智能应用在供应链系统上的应用，而逐步将生物识别、区块链、智能仓储识别标签等互联网技术都将为供应链平台的发展提供动力。只有不断的挖掘技术潜力，才能不断提升供应链平台的服务能力，扩大供应链平台产品服务范围，扩展服务客群，提升服务能力，让供应链成为银行交易银行的主要支柱。