大宗产业风控领域的数据探索与实践

• 市场风险：近几年疫情的影响，以及国际形势的不稳定，导致大宗市场供应需求、流动性及价格的波动、汇率的变化，这些称作市场风险；
• 操作风险：大宗领域的业务合作是相对传统的 B2B 交易，这里面会包含大量的合同、品控、物流等需要关注的风险，称作操作风险；
• 信用风险：双方信用是交易保障的前提，评估上游供应商与下游客户的信用情况则尤为重要，所以信用风险是我们切入研究的一个主要场景，即如何通过数据来实现大宗行业上下游客商的信用评估。

大宗行业数据应用痛点

• 一是信息归集难，受限于整个行业数字化程度的影响，其中的数据非常分散，数据的规范性不足，还存在大量的非结构化数据，如纸质合同或扫描件、音视频等文件。同时，基于人为经验的业务操作未进行信息化沉淀。此外，业务员习惯人工线下定期去获取信息，比如仓库盘点、物流排查，较难转变为通过数字化手段来完成这些事情。
• 二是价值再造难，数据处理、关联关系梳理及高价值信息提取难。
• 三是决策智能化难，利用数据去适配业务场景，是非常需要深入到行业纵深去的，在这个行业，我们缺乏相关的资源投入与行业经验。简单理解就是个体本身的风险、个体和个体之间的关联风险，以及它所处的行业属性带来的风险差异性，比如零售卖水的行业和一个大宗的钢铁贸易的行业，它们的风险表现及数据呈现都是不一样的，所以数据应用的模式也是不一样的，这就导致在这种传统的To B 领域做数据应用存在一定的挑战。

大宗行业数据应用核心能力

• 业务一线，为公司业务员在线下仓库进行风险尽调时提效；
• 二是为公司的中后台部门，比如风险管理部门、客户管理部门，或运营管理部门，防范业务中的风险，提供一站式的客商风险管理平台，帮助他们进行整体的风险把控；
• 三是帮助公司管理层开展整体的精细化运营。

• 首先整合内外部的大量数据。这里的外部数据是指蚂蚁侧通过采集、购买或业务合作沉淀下来的各种类型的数据，如工商、司法、税务，包括知识产权等维度，内部数据是指和客户合作过程中客户自身的一些数据。
• 其次是数据集成。为了实现数据的集成、融合以及多元数据的安全共享，我们构建了一套多元数据枢纽能力来实现数据之间的链接和有效融合。
• 最后在数据整合之后，会对多维度的分散数据进行实体归户，将其挂靠到所属的企业、所属的行业以及所属的个体上面来，按照常规数据仓库的构建逻辑，划分成不同的主题，形成数据资产。再基于构建的基础数据层，围绕大宗行业的需要，构建行业本身的特定标签池。