类金融企业在业务创新和操作方式上有较大灵活性,但风险管理体系不如传统金融机构成熟,因此风险控制是发展的关键。苏州工业园区通过'金融企业风险计算器'实现类金融企业风险监管的精准性和高效性。该计算器通过多渠道数据汇聚治理、创新多维度数据开发模式、推动数据闭环和多部门数字联动治理及推广复制到其他业务领域,助力政府高效精准监管。
类金融企业在业务创新和操作方式上有较大灵活性,但在风险管理体系和技术方面不如传统金融机构成熟,面临风险控制的问题。
苏州工业园区依托一体化公共数据底座,通过'金融企业风险计算器'实现类金融企业风险监管的精准性和高效性。
通过多渠道数据汇聚治理,夯实数据底座,并创新多维度数据开发模式,深化数据分析,构建类金融企业风险预警模型。
推动预警信息在线实时推送和签收、检查、反馈,实现信息在线流转、部门实时共享、局办和基层多元联动治理。
基于统一的企业风险维度、数据特征因子、风险识别算法等实现快速复制,并成功落地应用到其他风险计算器产品中。
类金融企业作为未获得金融许可证但部分经营业务具有金融活动属性的企业,在业务创新和操作方式上有更大的灵活性,但在风险管理体系和技术方面不如传统金融机构成熟,因此,风险控制是其发展中面临的关键问题。企业经营信息碎片多元、数据孤岛化现象凸显、金融消费者信息不对称、审批监管缺乏联动合力、现场监管力量薄弱等痛点问题,给类金融企业规范经营及政府监管带来了新的挑战和压力。在苏州工业园区行政审批局的全程指导下,依托园区一体化公共数据底座,“金融企业风险计算器”以数据要素的开发利用为突破口,汇聚融合金融企业全生命周期跨领域、跨层次、跨部门的多源数据,构建类金融企业风险预警模型,利用算法准确预警金融风险信息,实现类金融企业风险监管的精准性和高效性。
一是多渠道数据汇聚治理,夯实数据底座。
汇聚各类公共数据、公开公示数据、商业渠道数据等100多类涉企数据,开展数据专项治理融合。其中,公共数据来源于行审、市监、金融、执法等多个部门,主要通过苏州工业园区一体化公共数据底座实现跨层级、跨部门共享,社会数据主要通过商业数据平台进行采购。
二是创新多维度数据开发模式,深化数据分析。
基于数据标签、业务知识、统计理论等,探索企业经营风险特征和关联风险特征,并根据类金融企业的实际经营情况,引入多个专项风险特征,构建类金融企业风险特征体系。采用机器学习算法,构建参数可调配、可迭代演进的企业风险预警模型。“金融企业风险计算器”在苏州某地正式投入应用近2年,累计向相关部门和基层板块推送高风险信息40余条,中风险信息400余条,实现类金融企业潜在风险的“早发现、早处置”。
三是推动数据闭环,提高多部门数字联动治理效能。
推动预警信息在线实时推送和限时签收、检查、反馈,实现信息在线流转、部门实时共享、局办和基层多元联动治理,助力责任型、数字型、整体型政府建设。2024年前三季度,当地提前发现并处置的类金融企业风险比去年全年增加了102%,助力政府高效精准监管。