据统计，我国从事进出口业务的企业有数百万家，中小微企业占出口贸易比重超过60%，且数量逐年增加。同时，受近年来疫情影响，B2B外贸业务从线下向线上的转移也进一步加速。

相较于B2C，B2B跨境支付涉及多个机构、多个环节，支付流程更加复杂繁琐，因此中国外贸企业对于更加高效的B2B跨境支付系统和资金管理系统的需求更大。

其中，中小外贸企业急需更加高效的跨境支付平台。在跨境支付金融服务方面，对于B2B中小外贸企业来说，首先，传统银行开户门槛高、资质要求严格、成本较高；其次，受反洗钱要求影响，部分传统金融机构对跨境贸易风控更多依赖人工审核（流程复杂、效率低）、收款流畅度差，中小外贸企业经常面临资金被冻结或者账户被关闭的情况。

因此，总体来看，B2B跨境支付行业还处于发展初期。我们从（一家为中小外贸企业提供B2B跨境支付及风控服务的平台）了解到，由于B2B模式交易链条涉及大量线下环节，这造成了交易数据的分散性、非结构化，也给B2B跨境金融的反洗钱风控带来了极高的难度。

近期发布了六大核心技术，希望能够抽象出一些技术与行业共同探讨。其中，“数字化风控基础设施”是风控能力的主要体现。为此，我们采访了相关专家，进一步了解如何管理风控、构建风控能力，希望他们的实践经验能够为行业提供帮助。

访谈嘉宾：

刘艳芳 联合创始人兼首席技术官

田甜，高级技术总监

康炜 技术专家

数字化风控体系

在业务开展初期（2017年7月-2018年10月），公司首先上线了基础风控平台，确保对业务开展的支持，“1”之后，其风控基础设施朝着更加智能化、数字化的方向发展。

据了解，数字化风控基础设施的核心是通过智能监测、专家决策，构建基于大数据平台的数字化风控体系，从应用体系来看，主要由X-和X-两大核心部分组成。

其中X-为自建信息洞察系统，搭建自有风控数据仓库，整合全球顶尖风控数据库，融合多维场景数据，识别潜在风险，防范欺诈行为。

X-是自建的风控决策分析系统，通过引入AI智能分析交易信息，构建包括决策引擎、规则引擎、模型引擎、数据集市等高效的风险识别体系，快速分析识别高风险客户、高风险交易，保障交易安全。

风险控制模型

针对中小外贸企业的贸易行为和供应链特点，需要不断迭代风险管控模型，其风险管控模型是通过风险策略团队和审核专家的规则模型训练形成，双方相互反馈。

对于风控模型的构建和迭代，主要从策略模式、机器学习、深度学习等维度进行设计。

1、策略模型，基于业务模式汇总的风险防控策略。主要是基于一些业务模式的沉淀和总结，形成相应的风险防控策略，最终形成整体的策略模型。

2.机器学习，通过监督学习开发风险模型，处理灵活的场景，有针对性地实践一些学习算法。比较有特点的是，这些场景通常有固定的模式和规律，是可以追溯的。

3、深度学习，利用图算法深入挖掘一些特征。这些特征和上面的机器学习不一样，会有一些固定的模式，但是复杂度更高，对机器学习算法也有一定的要求。比如反诈骗中一个典型的案例场景是团伙作案，它有一些特征，但是特征有很多，需要利用深度学习找到这些特征点和特征量，然后进行识别，进行风险预警。

据悉，大数据算法团队还与风险策略团队联合研发并启动了一系列AI项目，包括基于知识图谱的欺诈案件深度调查、基于OCR的客户订单与物流信息识别及资金流向交叉验证、基于自然语言处理技术的行业匹配计算等。

智能风控

X-体现的是智能风控能力。在智能风控方面，数据风控模型开发算法涵盖主流标准化AI算法模块，可实现算法定制化、优化。专业风险策略开发人员可进行数据集成、模型开发等一系列操作，大幅提升模型开发效率。各类主流AI算法如逻辑回归模型、决策树等均通过应用程序编程接口实现。模型数据准备主要来源于大数据平台。风控人员也可利用规则引擎设计风险衍生指标。

智能监控定期对风控模型的表现进行监控和更新，并根据需求使用标准化模板或自定义指标生成自动化报告。例如跨境金融反欺诈场景的风控往往立足于跨境贸易的全生命周期，需要在业务的各个阶段持续监控数据风控模型的识别能力。报告的主要监控指标包括指标波动幅度百分比、绩效迁徙百分比等。

关于智能风控底层基础设施的建设可以参考这篇文章：《跨境支付平台的实时数仓之路：深度参与开源避免被淘汰》

如何收集、分析和管理风险数据

数据与数据应用是风控的关键。据介绍，公司从一开始就在风控和大数据方面投入了大量的专业人力，经过打磨，在数据采集、数据建模、数据分析、数据治理等各个方面下足了功夫。目前，我们已经建立了一套行业领先的数字化风控解决方案，并能根据公司业务和风险趋势的变化及时做出调整。

数据采集

在数据采集方面，我们会全面整合B2B业务全流程的多维度场景数据，这里主要考虑三个原则：全面性、技术可用性、避免数据孤岛。

在全面性上，我们尽量从客户开展外贸业务的过程、客户与客户互动及合作过程两个方面充分考虑可采集数据，同时广泛对接和利用全球贸易生态中信息流、物流、资金流相关的数据源，可应用于客户身份识别（KYC）和全景交易风险扫描。

在技​​术可用性方面，需要保证采集到的数据是可用的。例如，通过嵌入采集的客户行为数据，可以与业界最先进的设备指纹技术结合，形成全球统一ID，定位特定客户，避免数据无法关联导致不可用。另外，根据应用需求，也有不同的实时、批量采集技术方案。

在避免数据孤岛方面，可以利用数据聚合和交换能力，将收集自内部各个业务系统的数据与外部数据源进行互联互通，让数据应用更加安全。

数据建模

在数据建模方面，我们深刻理解业务流程和链路数据，针对风控场景设计了专门的数据模型解决方案。该方案具有覆盖全域数据、结构清晰、数据准确一致、使用方便易用的特点。在覆盖方面，数据集中构建，兼顾各业务流程的全域数据；在结构方面，纵向分层为源数据层、数据明细层、数据汇总层、应用层，横向分层为业务主题域，整个层级结构清晰易懂；在准确性方面，对指标进行统一管理、命名和定义，保证数据准确性和一致性；在使用方面，尽可能将复杂的处理前置，保留必要的冗余，提供数据使用的灵活性。

数据分析

在数据分析方面，以业务领域专家的知识为基础，利用先进的大数据和人工智能技术，提升风险识别能力。将业务专家的领域知识融入数字化风控解决方案中，在数据分析过程中风险识别更加灵敏。

此外，利用计算机视觉、自然语言处理、深度学习、知识图谱等人工智能技术识别欺诈案件/网络，建立反洗钱模型，与传统风险规则形成互补，构建立体风险防范体系，最后通过决策引擎将分析结果应用于风险管理业务，实现策略模型的快速迭代，以应对外部风险趋势的多变性。

数据治理

在数据治理方面，我们采用业界先进的治理理念，保障公司数据质量、数据安全、数据智能化运营。在数据质量方面，我们从数据命名、统一口径、数据校验等方面制定统一的数据开发标准，并配合培训体系进行保障。在数据安全方面，我们通过统一的安全认证与权限管理、资源隔离、数据加密、数据脱敏、数据共享安全、数据容灾备份等保障数据存储和使用的安全。在数据运营方面，我们通过元数据管理、数据资产查看能力、数据检索能力、数据共享能力等实现数据智能化运营，提高数据可用性。

长期挑战

由于B2B领域最大的挑战之一是数据链路比较长，数据比较分散，所以我们不断提升反洗钱风控能力和数据的持续积累就显得尤为重要。另一方面，算法的准确率永远都有优化升级的空间，如何提升也是团队需要长期思考的问题。

此外，据悉其正计划将业务拓展至海外，而在此过程中，“合规”将是其面临的主要挑战之一。

其原本主要服务于国内中小外贸企业，根据国内出口企业的特点和模式进行跨境交易风险管理，其买家来自全球不同国家和地区，核心风控策略以国内商户基本风险特征为基础，结合买家不同风险特征、交易维度不同，形成1*N策略框架体系。

当业务全球化的时候，相当于在为其他国家更多的中小企业提供服务，复杂度定义为N*N，每个国家/地区的合规要求不一样，对数据隐私保护的严格程度也不一样。风控的底层核心是数据，如果没有客户一些贸易数据的支撑，很难把风控做得很扎实。因此，基于当地特定的合规要求来服务海外客户会复杂得多，海外业务需要有相应的风控体系建设。

值得一提的是，尽管合规要求存在差异，但当前世界各国的反洗钱风控监管框架具有较高的共通性。目前，依托B2B跨境贸易支付风险管理积累的经验，我们可以更快地构建起覆盖事前、事中、事后全流程、符合各国反洗钱要求的风控策略与模型体系。

除了业务层面的合规性，业务全球化也给技术团队带来不小的挑战。据介绍，其现有的服务体系在未来业务全球化发展中面临诸多挑战。在此情况下，是否建立起业务全球化发展下多点并行或网络化的风险控制体系也是正在探讨的课题。