使用 SAP HANA 和 Amazon SageMaker 的云 AI 保护金融服务

引言

Amazon SageMaker 和 SAP HANA 结合使用提供了一套强大的工具，可用于帮助保护金融服务行业的投资者、贷款人和借款人。

背景

金融服务行业存在许多风险，不仅包括贷款拖欠和“违约”的情况，还包括洗钱活动。

首先，支持贷款的投资者（也称为“资金提供者”）面临无法获得预期回报的风险。这些投资者可能是个人、养老基金或银行本身，最终成本的增加会影响回报，进而影响普通人的收入或退休收入。

此外，银行或其他金融机构等贷款人，如果未能发现借款人的洗钱行为，则会面临声誉风险，损害其良好声誉。根据相关国家的立法，可能会因不合规而被处以罚款，这将增加其成本并降低利润。

不良贷款和洗钱问题也可能影响他们未来吸引资金提供者投资贷款的能力。 贷款人可能需要提高利率或费用以抵消风险，这反过来可能使他们的贷款“产品”对借款人失去吸引力。

其次，如果借款人的贷款拖欠和违约，他们面临巨大潜在的资金损失，因为他们购买的汽车、房屋或其他投资（以及房屋或汽车本身）会被迫出售。 尽早提供适当的财务建议可以帮助避免一些个人损失。

最后，如果不加控制，洗钱活动是一种社区风险，它会助长犯罪分子的发展，并使他们能够资助毒品骡子、人口走私、非法赌博或其他反社会活动。

降低拖欠和违约的风险

可以通过分析实际支付金额和日期与要求的支付金额和日期来实现风险降低，这样就可以创建指标来评估拖欠和违约的风险，以及检测洗钱活动。

在贷款结算和贷款解除之间的期间，即贷款“服务”期间，预计会定期支付金额和支付日期一致的款项。

当借款人没有按时付款时，贷款可能会“拖欠”。 在某些情况下，这可能仅仅是一个银行错误，例如一家银行未能在一个公共假期转移资金，或者公司工资账户的付款在一天中太晚才进行。 应标记这些延迟付款，以表明原因是借款人无法控制的。

因资金不足、“跳票”或其他与借款人相关的问题造成的延迟付款应被标记以指示其来源。

这些标记与预计的付款日期和金额以及实际的付款日期和金额一起，应提供足够的源数据来分析给定投资组合中贷款的拖欠和违约风险。

负责提供贷款服务的银行或金融机构部门可以每天提供预期的拖欠情况报告，这有助于降低拖欠或违约的风险。

检测洗钱活动

检测洗钱活动应该与检测拖欠和违约的过程类似，但是需要特别注意超出贷款要求的额外付款、高于给定阈值的大额付款（政府立法可以规定需要报告的最大金额），以及往返于多个银行帐户的付款。

由于我不想将其作为帮助人们洗钱的指南，因此不要过于详细地说明洗钱技巧，还有其他地方需要监控。 尤其是在贷款使用“抵消”或“取款”工具时，例如可能允许在贷款帐户、关联帐户或银行帐户或关联信用卡之间转移资金。 可能需要将这些帐户的额外付款、转帐和提款作为一组进行监控，以防止未发现洗钱风险。

关注点

Amazon SageMaker 使 SAP HANA 的数据分析和培训变得非常容易。 由于这些服务基于云并且可以按需提供，因此可以节省大量基础设施成本，因为您无需担心硬件或电力费用。

希望调查数据分析的贷方或贷款服务公司可能需要检查其立法，某些国家/地区要求服务器位于该特定国家/地区，以使数据不会转移到境外。

为了帮助降低数据泄露的风险，请确保为特定客户生成唯一的密钥，并使用该密钥链接 AWS 上的数据，以便在分析期间不会将个人数据发送到数据中心。

历史

• 2019 年 10 月 30 日：初始版本