科技赋能大家谈 | 看大数据如何助力问题线索深挖|纪检_新浪财经

（来源：清风工行）

编者按：科技赋能的画卷已然铺展，数字纪检监察的浪潮奔涌向前。依托“揭榜挂帅”工作机制，驻工商银行纪检监察组（以下简称“驻行组”）引领各级纪检机构，在深化科技赋能的实践中锤炼本领、锻造精兵。为系统梳理、全面展示“揭榜挂帅”工作推进中的实践与思考，进一步激发全员的参与热情和创新活力，驻行组特推出“科技赋能大家谈”系列专刊。各揭榜团队将结合项目重点、实践心得，以文字、图片、视频等形式分享工作成果与感悟。本期特刊发广东分行纪委揭榜团队的专题文章，供学习交流。

大家好！欢迎来到“科技赋能大家谈”第五期。

今天，咱们继续聊聊银行的核心业务之一——信贷业务。从近年查处的案件看，信贷业务仍然是银行腐败案件的高发、频发领域。那么，信贷领域腐败案件都具有什么特征呢？纪检监察机关应该如何主动精准监督、有效发现和深挖信贷领域问题线索呢？在驻行组的指导下，广东分行纪委研发了“基于多事件场景下的信贷人为干预监督模型”，运用大数据手段识别海量信贷业务中的“蛛丝马迹”，助力纪检监察人员深挖问题线索。

研发大数据监督模型

突破办案瓶颈

纪检部门在开展信贷业务监督时，经常碰到线索来源少、问题发现难等困扰，难以挖掘深层次问题。通过调研，我们发现人为干预是信贷领域腐败案件的典型特征。广东分行纪委以“信贷领域人为干预”为主要场景，研发大数据监督模型，实现主动发现可疑信贷业务数据的目标。在监督模型加持下，就好比装上“CT扫描仪”，可以方便快速地对信贷业务做多维“透视”，帮助纪检人员迅速筛查隐藏在海量信贷数据和复杂流程背后的异常“病灶”，提升纪检人员发现问题的能力和效率。

聚焦信贷人为干预场景

捕捉异常数据

分行通过认真研究历史案件和在办问题线索，系统梳理相关信贷流程场景，构建监督模型。模型运行分为三步：

第一步：“雷达扫描”——模型在海量的信贷客户、业务流程和流水数据中，按照模型参数设定的取数规则，探测异常“蛛丝马迹”。

第二步：“锁定范围”——系统自动捕捉评级、授信、存续期管理等异常信贷事件场景，智能生成“异常清单”。这就像给纪检人员配上了“追踪器”，可以较为精准锁定异常信贷业务。

第三步：“精确打击”——纪检人员以“异常清单”为基础，结合历史信访、巡视巡察、日常监督、责任认定等发现的问题线索进行综合研判，深挖信贷业务背后的异常问题，有效锁定关键事、关键人，从而实现从数据到线索、从事到人的突破。

案件档案数字化审核，守牢质量入口

想象一下，以前人工核对厚厚的卷宗多费神？现在，系统运用OCR技术，对用户上传的案件数据包进行自动识别和扫描，根据配置的形式审核规则，生成案件档案目录，智能提示材料缺失内容，并自动生成补证意见及形式审核表，严把“审理”入口关，防止“带病移送”，筑牢案件质量屏障。

赋能问题线索深度挖掘

提升办案质效

通过部分异常数据排查，验证了模型的有效性。一是发现一些异常信贷业务背后的可疑问题；二是通过大数据监督模型促使一些以前无法查实的问题得到了突破；三是运用大数据手段有效提升了问题线索的初核效率。有了大数据监督模型的助力，分行实现了发现问题线索由“坐等线索”向“主动深挖”转变，实现线索发现和线索查办能力的提升。

案件档案数字化审核，守牢质量入口

下一步，广东分行纪委将进一步升级优化模型逻辑，扩展监督场景，提升监督的精准度，以更高标准、更实举措强化科技赋能纪检监察工作迈上新台阶。