“前后台分离”营运模式下银行后台监测需求及功能研究

    |     2015年7月13日   |   2014年   |     评论已关闭   |    2193

客户世界|刘凯|2014-05-12

近年来,随着各行各业在内部风险控制、专业化分工、效率与成本考量等方面的标准逐步提高,前后台分离的营运模式受到更多企业青睐,并在众多大型企业改制过程中得以运用,建行、交行、光大行、兴业行、广发行等银行均开展了不同程度的后台集中运营,并大有集中试点后再转向外包的趋势。这种前中后台分离模式在为前台市场营销提供广阔外围空间的同时也通过对信息的归口为规范营运提供了可行基础,但信息量愈发庞大的同时如何对这些信息进行利用整合以进一步提高营运过程透明度,提升营运水平,建立起分离模式下营运板块自身的操作内控体系,发挥好“大数据”规模效应,这将是后台营运过程中需要思考的问题。本文对基于某银行后台营运模式下的营运管理功能进行介绍,并分析其中的不足,以期对过程管理、业务管理和风险管理提供参考。

一、问题表象和监测需求

集中营运的目的之一是效率,流水线作业模式通过流程框定作业逻辑后,执行效果完全依赖于节点个体的表现,因此对节点的持续关注十分必要。从理论上看,文字录入岗位以字符录入为主,打字速度的快慢直接影响流程运作效率,该银行长期以来重视柜员打字技能的培养,不仅在人员招聘时设定苛刻的筛选条件,在日常工作中也加以频繁的培训与考核辅导;从整体上看,这种培训非常有效,在技能标准不断提升的同时作业效率也得到了明显提升,但当技能管理团队在开展效能追踪的过程中却经常发现存在部分打字速度提升极快的柜员在处理业务时却没有明显的效率改善,还有部分技能稳定的柜员却时常出现业务效率起伏波动的现象,这种现象在分时点统计的业务数据中尤为明显,相同业务环境下柜员的差异竟能相差3.4倍之多。基于这种情况,技能管理团队尝试通过现场负责人对其进行解释,但是在面对庞大的作业团队、高流失率的人员现状下,这种事后的补救措施始终显得力不从心。并且按时点汇总的运营数据本身就可能会因为时期内的时快时慢而被抹平,在信息和管理上均呈现出明显的滞后,更别说用来应对业务高峰、VIP客户业务、突发事件等敏感事件。这种问题不仅仅停留在“人”的层面,同样也会出现在 “人机物法环”的其他各环节,这是动态运营面临的难题。

除了细节上的节点追踪外,大面上的资源配置也存在困难。常用的资源配置采用类订单式管理模式,先根据以往的业务判断、辅以当前影响因子,通过各种预估模型对目标期内的业务量进行估计,然后再加以管理上的要求进行宽放,制订出有说服力的估计区间。尽管目前该银行在业务预估与排班上的准确率达到95%以上,却仍为余下的5%困扰不已,因为只要出现一次大的业务异常波动必然会导致阶段性的业务崩盘,引发长期连锁反应,瞬时打断全盘业务规划,这在以服务时效为生命线的银行业中是不被允许的,因此在常规的业务预估、资源调配基础上再辅以动态的计划达成关注,根据实际情况提前开展跨部门协作,无疑是在精细规划、科学排班的基础上再加上一层保险,这是开展业务监测的初衷,也是现在业务监测的重要目的之一。

只要是人为作业,就一定存在刚性差错。依赖于人工的批量业务处理将这种差错成倍地放大,操作风险和市场风险均不可小视,虽然从流程上后台作业都设定了前后手、AB角的风险规避机制,但它只能从业务角度尽量保证结果的有效性,无法从资源的角度对过程加以控制。比如同一柜员长时间定义客户性别为男,虽然流程通过第三方对信息加以修正,但却在过程中造成了2个人力的冗余以及业务重复排队带来的时效延滞;再比如柜员在3秒内完成标准时长为50秒的业务,虽然有B角信息进行匹配验证,还有后手进行认定复核,但过程差错对整体的作业环境和业务质量都有恶劣的影响。这些现象在事后会以抽检的方式部分呈现出来,系统完备的地方还利用整合报表甚至专项报表进行管控,但限于抽检样本量少、耗费人力大,仅能起到宣导标示作用,根本上无法对动态作业加以有效约束。比起来自内部的操作风险,外部的欺诈风险防控显得更为重要,反洗钱、伪劣印章、恶意开销户等都是对客户账户以及银行信誉造成恶劣影响的营运事件。

二、监测解决方案

该套后台监测体系基于核心数据库及动态交易数据库开展,匹配以根据业务发展进行动态调整的监测模型对可疑行为进行侦测。核心数据库包含客户开户信息,如公司地址、组织机构代码、开户日期、历史取现记录、历史转汇记录等,按照信息类别大致可分为物理信息、核信息和特征信息。物理信息是指最基本的、核定不变的信息,比如对公“公司名称”、“注册地点”、“企业性质”、“经营范围”,对私“客户姓名”、“出生日期”等;核信息是指与本银行有关的基础信息,这些信息是行内物理信息,带有明显的银行范围定义,多数信息在其他行就可能发生变化,如“授信额度”、“信用证信息”、“行内风险评定等级”、“个人征信记录”等;特征信息是指基于一定目的、在原有信息基础上对客户加以人为标示,以便对批量客户进行统一甄别的信息,这类信息本身没有意义,对业务也没有任务实质影响,仅用于后台使用,如对注册地址位于风险频发地区的开户单位、且近三个月其关联企业出现疑似违规或预警行为的企业定义为CPP01。一般来说,大多数特征信息不会影响客户正常的金融功能,仅供银行在后台予以重点关注,以便及时跟进产品信息。动态交易数据库通过截取终端表层数据来显示核心数据变动细节,也有部分银行采取截留信息数据流的方式,这种方法类似于在业务与终端之间添加一层隔断授权系统,它对系统效应速度有更高的要求,对常规的业务秩序也有一定影响,但却是真正意义上通过监测实现了实时管控。典型的动态交易数据库信息如员工开始处理任务的时间点、员工处理的任务代码、员工完成该任务的时长、贷款申请人的单位信息、贷款申请人所申请的贷款额度等。监测模型将核心数据库与交易数据库进行逻辑结合,比如“同一员工连续5次或以上将客户性质归类为普通一般户”、“某一员工连续5笔业务处理时长低于其历史平均处理时长”、“一周内出现同一单位的多名员工发起贷款申请”等等。

信息通过识别后被赋予不同程度的定性,该行目前共有72个信息级别,共分为6大类。从处理方式来看,大致可用I、II、III、IV、X、O级来区分,其中I级信息仅作备份使用,对痕迹加以管理,不做任何干预;II级信息通过系统对目标发起信息提示,针对员工的提示可以是客户端推送短消息,也可以是对后续操作处理反馈的限制提示;依次类推,目前定级最高为O级,该级别面向后台恶意刷件、前台恶意尝试等集体,系统将直接拒绝超频员工下一笔可能的恶意刷件或懈怠的申请,也将在前台屏蔽下一次可能的账户违规操作的信息反馈,在系统控制的同时,系统也会向限制对象发送消息并给予正确指引,防止频发的自动响应对系统造成额外负荷或限制对象在不知情的情况下无意识地进行重复操作。

再精确的模型也存在信息识别的误差,这种偏差可以依靠少量的人力加以纠正,对于经过人为修正后仍存在争议的预警案例(如人员识别能力欠缺、系统误报或误锁等)再通过监测管理报表、线下复议进行表决,表决结果写入结果数据库;在保证监测结果数据库准确的同时,现场、培训、计划部门等机构就能有依据地开展系统外应用,比如对柜员的权限干预、现场对柜员的心理辅导、与上下级及时做信息反馈、资源的临时协调等工作。

/upload/_up_img/13998655471413127.jpg

在搭建监测体系过程中,随着侦测所需的信息含量越来越大,牵扯到的层面逐渐拓广,监测模型的信息覆盖面也正逐渐发散,不再拘泥于最初简单的交易层面,逐步由单一的操作动作监测衍生至深层次的运营层面。交易端的信息仅包含金额、时长、时刻、地点、途径、人员信息等,在交易的背后还有银行产品作为载体(产品端提供了丰富的产品预期收益、目标客户群、产品流向、营运标准等信息),产品后面还有账户层面信息(同一账户多个产品互斥关系、产品交叉关系、柜员多业务重叠操作监测等),通过信息的回溯,最终点对点地实现“客户账户-柜员登录号”全信息的监测。当然,账户后面继续挖掘还有账户群(比如关联账户、上下游账户、往来账户),也还有隐形的营运层信息(如员工关系、班组信息、工位关系等),甚至给予前台对客户的接触提供的客户群层信息,这也是可丰富的方向。

/upload/_up_img/13998655121413152.jpg

三、优化可能性

报表管理是对运营结果进行“加固”,监测管理是对运营过程进行“润滑”,监测通过同步处理弥补了报表管理在过程控制中的空白,但因为仅在第三方进行动态数据的追踪而无法在逻辑过程中加以干扰,这种监测机制还是不能保持领先于运营流程。综合业内领先的监测识别技术,未来在以下三个方面还存在优化可能性:

1、部分监测规则的前移。通过制定完全基于核心数据库的逻辑,在其变更过程中进行系统或人为授权,对高识别度操作加以规则设定,通过系统功能的扩充实现监测的自助响应,转换监测与核心的逻辑关系。比如在任务提交指令进入核心前拒绝业务操作速度明显优于录入水准的提交申请,同步给予拒绝原因提示;对符合系统内自定义数据库的信息申请赋予重复操作的要求等。

2、打通监测结果数据库和监测模型规则,利用神经网络技术逐步进行监测模型优化。精准度是监测模型有效性的重要体现,精确的模型有较高的认定率和规模相对较小的预警个案,对人工复检的依赖较小。反之,粗略的模型则更为依赖人为判断,容易造成资源浪费并营造出人人自危的作业环境。监测结果信息的反馈对模型的优化至关重要,如果监测结果为“符合”,则模型连接权值朝增加综合输入加权值的方向调整,旨在优化模型使得下次再遇到同性个案模式输入时依然能做出正确的判断;如果监测结果为“不符合”,则模型将连接权值朝减少综合输入加权值的方向调整,旨在优化模型使得下次再遇到同性个案模式输入时减少预警的出现。当然,这类监测模型需要长时间的自我学习及纠正阶段,但从长期来看,在相对封闭的银行营运后台作业环境下,神经网络模型具备极大发挥空间。

3、监测制度与执行规则的建立,同步进行专项监测人员的培养。监测服务于业务发展,而非与业务站在对立面。监测达到何种程度,将运营水平、作业质量、业务风险控制在何种水平,应归根于不同企业的文化和运营理念,设定适合企业当前发展目标的监测要求,起到业务与风险质量的和谐共进,才是监测需达到的目标。

本文刊载于《客户世界》2014年4月刊;作者单位为交通银行金融服务中心(武汉) 营运管理部。

转载请注明来源:“前后台分离”营运模式下银行后台监测需求及功能研究

相关文章

噢!评论已关闭。