社交网络可视化的银行应用：侦测非正常资金交易
||2014-08-22
一般情况下，银行都会明确规定，禁止员工同与本行有业务关系的客户发生非正常资金往来。然而现实中，有些银行的员工基于与客户的良好关系，在客户资金紧张时，利用自己在银行工作的天然先机或协调能力，发动自己的家人、朋友为客户筹集资金垫付救急。或从中收取“过桥费”，或每到季节性的考核时，客户投桃报李，拆入资金，助其考核。这些非正常的资金交易，不仅会成为企业尤其是区域中小企业经营发展的巨大“包袱”，直接导致债务人负债大幅攀升、偿债能力下降，也极易诱发银行员工的道德风险。
这些交易有一个共同特点，资金的往来往往是通过银行的各种渠道，在行内或跨行间操作完成，但是由于交易量大，如果不借助相关的技术和工具，要想从每天海量的交易信息中准确定位到这些交易，对于银行非现场审计人员来说，是一件极其费力和艰难的工作。往往检查也只能期待起到杀一儆百的效果，并不能快速、精准地一一定位和彻查。
本文分享一个借助社交网络分析的可视化模型来侦测非正常资金交易的案例。本案例可以有效挖掘本行核心银行系统中发生的账户间资金交易，除了线下现金交易外，只要客户账户间的交易是在本行的任意渠道（柜台、网银、自助设备、手机银行……）进行，均可进行可视化挖掘。
社会网络关系是指一个通过链接互相关联的实体的集合。而社会网络分析是基于社会网络关系这种特定数据结构而产生的分析方法。如图1所示，可以理解为由多个节点（银行客户、账户、终端、网页、抵押、支付等）和各顶点之间的连接（社会关系、交易关系、网络关系、沟通关系）组成的集合。
一、在本案例中，有两种分析思路：
1、全量静态监控：取出全行有史以来的所有交易记录，实现网络可视化。优点：交易记录全，关系信息丰富；尽管由于数据量大，图形会异常复杂，但是可以通过图形的特有属性快速定位。
2、分段滚动监控：从监控日开始，往前推一段时间（可以是1 天，1周，1月，1季……）内的所有交易记录，实现网络可视化。优点：关系简单，容易识别，且适合定期侦测和分析。
二、数据信息抽取和数据预处理
1、从数据仓库中提取ETL成固定的表格
（1）、客户信息：客户识别号、客户名称、客户关系人信息、是否本行员工、存款客户/贷款客户标识；
（2）、交易信息：交易客户、交易金额、交易频次、交易类型、借/贷方标识。
2、数据预处理
（1）客户数据处理
☆ 客户类型：存款客户、贷款客户、贷款客户关系人、本行员工、他行账户（含本行客户的他行账户和他行客户的他行账户）；
☆ 行内客户根据本行客户号号作为ID，他行账户将他行的交易账户号作为客户的ID。
（2）交易数据处理
☆ 排除代发工资、利息支付等明显的、正常业务需要的批量交易；
☆ 资金流向类型：行内本人转帐、行内非本人转帐、跨行本人转帐、跨行非本人转帐；
☆ 交易额&频次统计：根据指定时间区域内客户之间的交易次数、交易金额；
☆ 根据交易金额的大小指定客户之间关系的权重。
3、分析所需数据结构
三、数据可视化和非现场审计侦测
1、全量展示，快速定位可疑交易网络群
通过社交网络分析图节点和边的颜色、大小、箭头方向、以及辅以标签，我们可以明确地看到，在特定时期，该行员工（橙色节点）与贷款客户（红色节点）之间有直接或间接的资金往来交易。由于gelphi展示的图可以放大64倍，因此，当通
过颜色发现可疑网络关系时，通过放大PDF可以快速帮助审计人员定位可疑网络关系的群体，以便进行下一步的风险侦测和非现场审计认定工作。
2、定位审计，精准侦测可疑交易
通过图3，可以清楚看出，本行员工孙某、王某等直接和贷款客户有资金来往，而且这几个员工涉及的交易往来人群在整体网络图中特别明显。同时，可疑的是，孙某的存款交易对象苗某还与本行的贷款客户之间有资金交易往来。通过审计人员的询问，原来孙某以配偶苗某的名义开立个人账户主要用于为其他客户偿还贷款、代发工资、或过渡资金等，且账户实际控制人为孙某，同时，孙某本人还直接通过其个人账户代部分客户偿还贷款利息。具体涉及到的客户多达10 人以上，同时，部分还涉及与其他员工的往来交易，如：王某等。
通过进一步的追踪和侦查还发现，该员工还与本行的贷款企业主要股东频繁发生资金往来。尽管调查中没有发现存在“过桥贷”的交易和其他更为危险的现象，但可视化模型的开发对于进一步加强风险的内部控制管理、员工的行为规范教育提供了有利的帮助。
随着互联网金融和大数据时代的到来，社会网络分析可视化功能不仅在欺诈侦测和预防方面能有用武之地，在市场营销、客户群细分、客户服务等方面也有广泛运用前景。期待同业更多精彩的运用案例分享。
本文刊载于《客户世界》2014年8月刊；作者为银行商务智能分析师；
转载请注明来源：社交网络可视化的银行应用：侦测非正常资金交易
客户世界
这家伙很懒，什么都没写！
噢！评论已关闭。