

重点案例｜同方软银-某市商业银行微贷系统项目介绍

同方软银之声

2024-08-15

导读：同方软银重点案例系列文章

同方软银成立18年以来，先后为100多家金融业客户建设了2500余个IT项目。这些项目成功落地，广获客户好评。在同方软银重点案例系列文章中，我们会从过往项目中挑选出不同类别、体量客户的代表性项目介绍，详情请关注后续文章推送。

客户背景

◢ 现状&问题

随着我国经济改革的不断深入，相关政策对民营经济和小微商户的关注度不断提升，商业银行在提供金融支持同时也面临着更高的要求。为确保小微业务有序发展，配套的系统平台必不可缺。

在此背景下，某市商业银行进行微贷业务技术升级，旨在微贷实操流程中实现线上进件、线上风控筛选、缩短审批流程环节、智能问卷调查及交叉检验、专家模型风险决策、移动终端、贷后监控智能化、业务考核等功能。

◢ 项目需求

在本次项目建设中，客户行针对微贷业务及联合贷业务提出以下功能需求：

-微贷业务-

客户中心：客户信息的管理和分析，线上多渠道进件；
产品中心：产品的建立、发布、维护及产品考核；
作业中心：支撑小微业务的贷前和贷中业务办理，统一审批；
风险中心：基于小微业务准入、贷前、贷中、贷后的风险预警和风险控制；
放款中心：在分支行行架构下，实现统一的放款处理；
总账核算：负责小微贷款业务的贷款核算处理和最终与核心系统账务对接；
贷后管理：贷后检查、催收管理、资产清分等贷后工作；
押品库：押品登记和管理；
自动决策引擎：对业务进行自动的风控、审批、授信；
DMP和模型工厂：风控模型、打分模型、授信模型的建立、修正、发布；
客户经理移动端：基于IPC标准化的移动办公。

-联合贷款-

联合贷款统一接入及自有风控；
联合贷款批量数据接入；
联合贷款数据核算处理；
联合贷款账户明细和业务台账数据落地；
联合贷款数据整理、分析和合作方及业务管理；
联合贷款业务对外报送数据推送。

解决方案

为满足行方对于微贷业务的功能及性能需求，同方软银倾力打造新一代微贷系统平台，具体实现方案流程如下：

引入合作方：强化客户的引流；

提供产品中心配置：根据不同产品设置不同维度配置；

流程可视化：界面可通过“拖、拉、拽”技术手段进行灵活配置；

二次风控：更好的对业务进行风险把控；

引入规则引擎：更好的解决业务多场景的问题；

微服务化设计：调度与执行分离，合作方批处理独立，实现完美解耦；

多种执行方式：支持定时和手动执行方式；

批处理程序功能组件化：公共功能统一编写维护，独立调用，实现新增合作方实时部署；

全程实时监控：支持预警管理、智能纠错，智能分析每日任务允许情况。

客户收益

采用金融分工的联合贷款模式来开展业务，解决银行对资产配置和大力发展普惠金融业务的诉求；

强化小微贷业务知识体系，同时辅助经营管理决策；

更加关注业务场景、用户体验、业务办理效率、系统自动决策等内容；

在系统机控情况下，极大降低了以客户经理为主进行风控把控的风险；

在业务支撑能力、运营和风控能力、IT 技术能力、数据支撑能力等方面得到飞跃式的提升；

业务实操方法上，也传统的坐商、走商模式不同，更偏向于业务运营和产品运营，IT系统作为业务运营的基本支撑基础环境，完全与客户、业务、风控、场景等各个方面结合。

相关产品介绍

同方软银普惠信贷系统RunningML（MicroLoans）发展至今已有13年历史，主要针对个人客户和公司类法人的经营性小微规模融资需求，包含了微贷和小贷两个部分。RunningML基于小微贷业务体系设计，专为小微业务贴身打造，内置多种小微贷业务模型和典型流程，全面覆盖小微贷业务的各种需求，包括客户管理、贷款审批、账务处理、财务管理、绩效考核等。

系统界面demo

RunningML的设计起点为客户群的细分，客群细分的基础是所处行业，通过对行业在客群细分的基础上加入规模、地域、经营年限等其他维度，进一步细分，采用大数据客户画像技术，在动态标签处理的基础上，对客户进行细分客群处理。

客群细分展示

RunningML包括服务端、桌面前端和移动前端等三个部分，在架构上实现了前后台的完全解耦，服务端可以接收和处理不同前端的请求，例如自有/外部、桌面/移动/其他渠道等。服务端方面，基于DUBBO二次封装的BRC容器，实现了开发、调度和数据治理的完整功能；客户端方面，移动设备使用ReactNative和Flutter技术体系，桌面设备使用VUE和REACT体系，并进行了二次封装。