小贷业务在国内银行中是具有丰富的业务产品，产品种类多元、数据量也非常庞大，因此小贷业务是可以透过数据创新、决策创新与模型的创新建立一套完整的体系；亚联基于对国内银行的深入了解，以及丰富的评级模型建置经验，将协助商业银行建立基于大数据的内评体系。

通过扩充数据的内涵和外延、保障决策的实用性，并且尝试更多模型算法，亚联能协助商业银行开发创新方向的内评模型。

亚联的非零售评级咨询团队拥有丰富的项目经验，包括国有商业银行、股份制商业银行、城市商业银行、农村商业银行等；亚联团队可根据各银行不同的需求，客户化定制非零售内部体系建设方案。方案主要内容包括：

l 创新的内评模型建置

1）提供数据创新方向的建议与规划，包括传统数据/ 行外数据的建议与分析；

2）提供决策创新方向的建议方案，包括识别客户异常行为、差异化授信审批、贷后检查、限额设定；

3）提供模型创新方向的规划与建立模型，包括模型类型（客户异常行为识别、客数申请评级模型、存量客户行为评级模型）、敞口划分、目标定义及常用算法的建议与结果比较；

4）?提供大数据内评模型的运作机制的规划，包括嵌入模式、并行模式、冠军挑战模型等。

l 提供大数据下的风险预警方案

1）提供风险预警分析的基本框架，包括预警的需求分析、数据来源分析、数据挖掘分析、设计客户预警模型、设定贷后预警的目标，并设计事件预警的典型场景；

2）设计典型数据在预警中的应用，包括征信数据、营运商数据以及内部数据等。

大数据风险预警分析的基本框架

l 完整的大数据内评验证管理体系框架与模型优化策略

1）建立大数据内评验证治理架构；

2）建立大数据内评验证流程和方法；

3）建立大数据内评验证支持体系；

4）提供不同层次的优化策略，并且具有客观、易操作的策略识别标准；

5）标准化的大数据内评优化实施流程，同步进行验证工作。

验证管理体系