书籍详情
银行数字化风控：业务与实践
作者：吴易璋 著
出版社：机械工业出版社
出版时间：2023-02-01
ISBN：9787111717645
定价：¥99.00
购买这本书可以去
内容简介
这是一本从业务视角讲解银行机构如何在数字化转型的大背景下构建数字化风控体系的著作。作者深耕银行风控领域20余年，将自己在银行和金融机构的从业经验以及为500余家银行提供咨询和培训的内容深度融合，总结了一套全面的银行数字化风控方法论，为零售、对公、普惠金融3大核心业务如何构建自己的风控体系，给出了明确的策略、方法与实践。全书核心内容具体如下：第 一部分（第1-2章）银行数字化风控着重分析银行数字化风控的重要性、银行业发展的必然趋势以及金融科技在银行数字化风控中的应用，探讨如何构建银行全面数字化风控体系。第二部分（第3-8章）零售业务数字化风控从零售业务的贷前、贷中与贷后各环节入手，着重介绍数字化风控策略、数字化风控模型以及数字化风控指标分析等内容，特别是智能反欺诈、智能贷后与AI催收，是银行需要重点关注的方向。第三部分（第9-12章）对公授信数字化风控从对公业务数字化的重要性入手，介绍银行业领先做法，涵盖全流程智能应用、数字化风险穿透识别与数字化金融事件分析等对公授信数字化风控具体内容。第四部分（第13-16章）普惠金融数字化风控在分析普惠金融数字化风控难点与解决方案的基础上，探讨普惠金融破解之道，并深入阐述银行在数据管理与个人隐私保护、农村数字普惠金融以及信贷资金流向监控方面的数字化智能风控做法。
作者简介
吴燕克（笔名：吴易璋）资深银行风控专家和数字化转型专家。曾担任北京银行总行专职审贷官10年以上，参与设立3家持牌消费金融公司并负责风控工作，曾任北银消费金融公司风控负责人、海尔消费金融公司风险总监、包银消费金融公司风险总监等。银行风控领域深耕20余年，在银行零售业务、对公授信业务、普惠金融业务方面，积累了十分丰富的风控经验，而且提炼出了自己的方法论。近7年来，致力于为银行业和金融机构提供咨询与培训方面的服务，服务范围涵盖消费金融、互联网贷款、银行数字化风控与银行数字化转型等热点内容。服务的银行及非银行金融机构已经超过500家，典型的代表有：农业银行总行及分行、交通银行总行及分行、华夏银行总行及分行、中信银行总行及分行、兴业银行总行及分行浦发银行总行、邮储银行、 建设银行等。
目录
目录
赞誉
序1
序2
前言
第一部分 银行数字化风控
第1章 银行风控演进之路002
1.1 从3个角度认识银行数字化风控002
1.1.1 角度1：银行数字化风控的本质003
1.1.2 角度2：银行数字化风控的范畴003
1.1.3 角度3：传统风控、智能风控与数字化风控003
1.2 银行数字化风控演进的4个阶段011
1.2.1 第一个阶段：KYC与专家经验式风控011
1.2.2 第二个阶段：5C与要素分析式风控013
1.2.3 第三个阶段：数据库与信贷生命周期分析015
1.2.4 第四个阶段：大数据与银行数字化风控017
1.3 银行风控数字化必要性的5个方面019
1.3.1 领先银行风控数字化成效显著020
1.3.2 外部因素：监管约束021
1.3.3 内部因素：内生动力022
1.3.4 打造未来银行数字资产的关键一环023
1.3.5 培养银行数字化人才的有效途径025
1.4 本章小结026
第2章 银行转型 风控先行027
2.1 数字化风控：银行数字化转型的重中之重027
2.1.1 提升数字化风控优先级的4个原因028
2.1.2 银行数字化精准定位的4个层级029
2.1.3 数字化风控要避免的4个误区032
2.1.4 传统风控的4块短板033
2.2 数据驱动银行数字化风控加速转型035
2.2.1 数据治理：银行数字化风控的根基036
2.2.2 金融科技：助力银行数字化风控040
2.2.3 破除迷信：银行数字化风控的风控043
2.3 金融科技是把“双刃剑”045
2.4 本章小结051
第二部分 零售业务数字化风控
第3章 贷前、贷中数字化风控054
3.1 互联网贷款新规对传统风控的冲击054
3.1.1 银行核心风控为何不能外包055
3.1.2 提升数字化风控能力的4个因素062
3.1.3 数据、算法与模型赋能银行零售业务数字化风控064
3.2 银行必须具备数字化风控理念067
3.2.1 传统风控与数字化风控067
3.2.2 模型、规则与策略068
3.2.3 零售业务数字化风控的5个要点070
3.2.4 案例：大数据风控漏洞引发10亿元骗贷大案070
3.3 数据驱动银行数字化风控072
3.3.1 获取数据的3种方式073
3.3.2 行内数据应用的3个要点074
3.3.3 行外数据管理的6个要点075
3.3.4 选取优质数据源的5个公式077
3.4 数字化评分模型的建立与应用079
3.4.1 评分卡建模方法论079
3.4.2 模型验证的4个指标079
3.4.3 数据建模的步骤081
3.4.4 自动化智能建模082
3.5 本章小结088
第4章 数字化风控模型089
4.1 二代征信解析模型089
4.1.1 什么是征信089
4.1.2 二代征信报告解析面临的五大挑战090
4.1.3 报告解析：衍生变量ABC092
4.2 授信额度模型096
4.2.1 建模目标：利润大化097
4.2.2 矩阵额度模型：从一维到多维099
4.2.3 模型训练与机器学习100
4.2.4 3W1H：贷中额度管理101
4.2.5 授信额度生命周期102
4.3 风险定价模型102
4.3.1 风险定价一二三103
4.3.2 利率市场化赋予银行自主定价权105
4.3.3 从产品定价到客户定价105
4.3.4 风险定价的3个核心思路107
4.3.5 风险定价的4个方法108
4.4 风险预警模型109
4.4.1 风险预警模型的构建过程109
4.4.2 基于六大行为要素的风险预警112
4.4.3 风险监控预警流程、模块与阈值113
4.4.4 风险预警指标体系116
4.5 本章小结118
第5章 数字化风控策略119
5.1 贷款的生命线：风控策略119
5.1.1 制定策略的4项基本原则120
5.1.2 风控策略生命周期的3个阶段121
5.1.3 准入策略的5个要点127
5.2 白名单策略130
5.2.1 制定白名单策略的3种方法130
5.2.2 白名单策略的两类应用场景131
5.2.3 三步筛选白名单133
5.3 黑名单策略134
5.3.1 内部黑名单134
5.3.2 外部黑名单135
5.3.3 常用的5类黑名单136
5.4 多头借贷策略138
5.5 反欺诈策略139
5.6 本章小结140
第6章 数字化风控指标及其分析方法141
6.1 了解3个基础概念141
6.2 掌握3个重要的指标分析143
6.2.1 账龄分析146
6.2.2 滚动率分析150
6.2.3 迁徙率分析155
6.3 F（STQ）PD指标157
6.3.1 F（STQ）PD指标的含义158
6.3.2 FPD的计算公式158
6.3.3 F（STQ）PD的应用场景158
6.4 常用数字化风控指标159
6.5 本章小结161
第7章 数字化风控的命门：智能反欺诈162
7.1 数字金融欺诈带来的严峻挑战162
7.1.1 反欺诈新动向163
7.1.2 揭秘欺诈“黑话”163
7.2 揭露黑色产业市场166
7.2.1 黑产欺诈银行的典型场景167
7.2.2 黑产攻击银行的3种表现形式169
7.3 伪造“优质客户”生产线169
7.3.1 银行优质客户的5个特征170
7.3.2 批量制造“真实”客户171
7.3.3 数据整容172
7.4 典型欺诈案例剖析175
7.5 智能反欺诈：思路、系统与技术176
7.5.1 策略反欺诈与技术反欺诈176
7.5.2 智能反欺诈的5个层级177
7.5.3 智能反欺诈之“六脉神剑”178
7.6 人手识别183
7.6.1 从人脸识别到人手识别184
7.6.2 生物识别技术面面观185
7.6.3 人手识别原理186
7.6.4 人手识别的三大特点186
7.7 本章小结187
第8章 数字化贷后管理188
8.1 银行传统贷后催收工作188
8.1.1 传统贷后催收模式189
8.1.2 传统贷后催收模式的6个痛点190
8.1.3 从传统走向数字化193
8.2 智能贷后催收新模式194
8.3 互联网法催：新型不良资产处置方式199
8.3.1 互联网法院200
8.3.2 互联网仲裁200
8.3.3 网络赋强公证203
8.4 本章小结205
第三部分 对公授信数字化风控
第9章 银行数字化转型下半场：对公授信208
9.1 对公授信局面：日趋复杂208
9.2 对公授信数字化：箭在弦上209
9.2.1 企业形态出现根本性改变209
9.2.2 与传统迥异的投入产出新规律210
9.2.3 绿色金融提出对公风控新课题211
9.2.4 金融生态圈进化增加风控难度212
9.2.5 商业新模式带来风控新挑战213
9.3 “吐槽大会”—传统对公风控的四大痛点214
9.3.1 信贷员：难以全面收集多方信息214
9.3.2 审贷官：专家审贷标准不一214
9.3.3 风险经理：预警耗时、费事且不精准215
9.3.4 管理者：无法及时掌握对公业务全貌215
9.4 对公数字化的五大成果216
9.5 案例解析：提前预警破产事件217
9.5.1 案件背景218
9.5.2 智能追溯破产原因218
9.5.3 智能识别风险事件219
9.6 本章小结220
第10章 全流程智能数字化221
10.1 什么是全流程智能数字化221
10.1.1 决策智能化222
10.1.2 分析智能化222
10.1.3 流程智能化223
10.2 贷前调查阶段223
10.2.1 常用智能技术223
10.2.2 智能技术应用的典型场景225
10.2.3 数字技术赋能贷前调查226
10.3 贷中审查阶段228
10.3.1 智能识别财务造假228
10.3.2 智能识别客户欺诈229
10.3.3 企业关联关系核查230
10.3.4 大数据企业信用评级232
10.3.5 智能授信合同管理232
10.4 贷后管理阶段233
10.4.1 智能财务风险预警233
10.4.2 智能监控预警模型234
10.4.3 智能舆情监控234
10.4.4 有效掌握财产线索234
10.4.5 黑名单管理235
10.4.6 防止关联风险传导235
10.5 本章小结235
第11章 数字化风险穿透识别236
11.1 图计算237
11.1.1 什么是图计算237
11.1.2 图计算的优点238
11.1.3 图计算技术的应用场景239
11.2 知识图谱241
11.2.1 什么是知识图谱241
11.2.2 从4个角度了解知识图谱242
11.2.3 知识图谱的应用场景242
11.3 企业风险画像244
11.3.1 必要性分析244
11.3.2 企业风险画像的主要内容245
11.3.3 企业风险画像的应用场景249
11.4 风险信号体系250
11.4.1 风险信号250
11.4.2 风险信号的自动识别与应用251
11.4.3 风险信号的主体与分类252
11.4.4 风险信号的层级253
11.5 本章小结253
第12章 数字化金融事件分析254
12.1 事件语义学254
12.1.1 语义255
12.1.2 事件255
12.1.3 语义理解255
12.2 事件图谱256
12.2.1 事件图谱的定义256
12.2.2 知识图谱与事件图谱257
12.2.3 事件抽取的相关概念257
12.2.4 事件抽取的相关技术258
12.2.5 事件图谱的应用场景262
12.3 3个关键要素263
12.3.1 金融事件图谱263
12.3.2 银行应用场景264
12.3.3 金融风险事件集合266
12.4 本章小结268
第四部分 普惠金融数字化风控
第13章 普惠金融破局之道270
13.1 破局的三大思路270
13.1.1 政策破局—取势271
13.1.2 思维破局—明道271
13.1.3 科技破局—优术274
13.2 普惠金融的风险诱因275
13.2.1 过度授信遭遇经济下行275
13.2.2 短贷长用助长盲目扩张276
13.2.3 连环担保导致风控失效276
13.2.4 多重因素造成生存艰难277
13.3 普惠金融数字化风控的着眼点277
13.3.1 发现4个不足之处277
13.3.2 提出4个改进举措278
13.3.3 解决4个棘手问题279
13.4 数字普惠金融280
13.4.1 数字普惠金融促进银行全面升级281
13.4.2 银行推进数字普惠金融全面发展282
13.4.3 银行数字普惠金融的未来284
13.5 本章小结285
第14章 银行数据管理与个人信息保护286
14.1 银行数字化：三部重要法律287
14.2 银行数据管理287
14.2.1 银行数据管理的必要性287
14.2.2 银行数据管理面临的挑战288
14.2.3 银行数据管理的实施路径288
14.3 自然人数据管理与应用289
14.3.1 多头借贷290
14.3.2 反欺诈评分290
14.3.3 App行为风险特征292
14.3.4 还款能力评估293
14.3.5 客户综合评分293
14.4 中小企业数据管理与应用294
14.4.1 中小企业风险结构294
14.4.2 中小企业风险画像296
14.4.3 风险画像数据来源296
14.4.4 中小企业风险监控297
14.5 “三大纪律、八项注意”298
14.5.1 “三大纪律”298
14.5.2 “八项注意”301
14.6 本章小结304
第15章 农村数字普惠金融305
15.1 农村普惠金融的四大困境305
15.1.1 金融科技普及推广难306
15.1.2 金融市场供求不均衡307
15.1.3 金融服务功能单一307
15.1.4 贷款准入门槛高308
15.2 当乡村振兴遇上金融科技308
15.2.1 什么是农村数字普惠金融309
15.2.2 农村数字普惠金融的3种模式309
15.2.3 农村普惠金融的6个不足310
15.3 服务“三农”心中有“数”311
15.3.1 “三农”数字征信311
15.3.2 “三农”数字化风控313
15.3.3 “三农”数据采集315
15.3.4 “三农”数据分析316
15.4 整村授信数字化317
15.4.1 整村授信数字化破解两大难题317
15.4.2 整村授信数字化实现3项收益318
15.4.3 整村授信数字化实施5个步骤319
15.5 本章小结320
第16章 信贷资金流向监控321
16.1 传统监控无效的三大原因321
16.2 现金流核查的三大难点322
16.3 监管要求与处罚案例324
16.4 智能监控与预警326
16.5 资金流向知识图谱330
16.6 本章小结333
赞誉
序1
序2
前言
第一部分 银行数字化风控
第1章 银行风控演进之路002
1.1 从3个角度认识银行数字化风控002
1.1.1 角度1：银行数字化风控的本质003
1.1.2 角度2：银行数字化风控的范畴003
1.1.3 角度3：传统风控、智能风控与数字化风控003
1.2 银行数字化风控演进的4个阶段011
1.2.1 第一个阶段：KYC与专家经验式风控011
1.2.2 第二个阶段：5C与要素分析式风控013
1.2.3 第三个阶段：数据库与信贷生命周期分析015
1.2.4 第四个阶段：大数据与银行数字化风控017
1.3 银行风控数字化必要性的5个方面019
1.3.1 领先银行风控数字化成效显著020
1.3.2 外部因素：监管约束021
1.3.3 内部因素：内生动力022
1.3.4 打造未来银行数字资产的关键一环023
1.3.5 培养银行数字化人才的有效途径025
1.4 本章小结026
第2章 银行转型 风控先行027
2.1 数字化风控：银行数字化转型的重中之重027
2.1.1 提升数字化风控优先级的4个原因028
2.1.2 银行数字化精准定位的4个层级029
2.1.3 数字化风控要避免的4个误区032
2.1.4 传统风控的4块短板033
2.2 数据驱动银行数字化风控加速转型035
2.2.1 数据治理：银行数字化风控的根基036
2.2.2 金融科技：助力银行数字化风控040
2.2.3 破除迷信：银行数字化风控的风控043
2.3 金融科技是把“双刃剑”045
2.4 本章小结051
第二部分 零售业务数字化风控
第3章 贷前、贷中数字化风控054
3.1 互联网贷款新规对传统风控的冲击054
3.1.1 银行核心风控为何不能外包055
3.1.2 提升数字化风控能力的4个因素062
3.1.3 数据、算法与模型赋能银行零售业务数字化风控064
3.2 银行必须具备数字化风控理念067
3.2.1 传统风控与数字化风控067
3.2.2 模型、规则与策略068
3.2.3 零售业务数字化风控的5个要点070
3.2.4 案例：大数据风控漏洞引发10亿元骗贷大案070
3.3 数据驱动银行数字化风控072
3.3.1 获取数据的3种方式073
3.3.2 行内数据应用的3个要点074
3.3.3 行外数据管理的6个要点075
3.3.4 选取优质数据源的5个公式077
3.4 数字化评分模型的建立与应用079
3.4.1 评分卡建模方法论079
3.4.2 模型验证的4个指标079
3.4.3 数据建模的步骤081
3.4.4 自动化智能建模082
3.5 本章小结088
第4章 数字化风控模型089
4.1 二代征信解析模型089
4.1.1 什么是征信089
4.1.2 二代征信报告解析面临的五大挑战090
4.1.3 报告解析：衍生变量ABC092
4.2 授信额度模型096
4.2.1 建模目标：利润大化097
4.2.2 矩阵额度模型：从一维到多维099
4.2.3 模型训练与机器学习100
4.2.4 3W1H：贷中额度管理101
4.2.5 授信额度生命周期102
4.3 风险定价模型102
4.3.1 风险定价一二三103
4.3.2 利率市场化赋予银行自主定价权105
4.3.3 从产品定价到客户定价105
4.3.4 风险定价的3个核心思路107
4.3.5 风险定价的4个方法108
4.4 风险预警模型109
4.4.1 风险预警模型的构建过程109
4.4.2 基于六大行为要素的风险预警112
4.4.3 风险监控预警流程、模块与阈值113
4.4.4 风险预警指标体系116
4.5 本章小结118
第5章 数字化风控策略119
5.1 贷款的生命线：风控策略119
5.1.1 制定策略的4项基本原则120
5.1.2 风控策略生命周期的3个阶段121
5.1.3 准入策略的5个要点127
5.2 白名单策略130
5.2.1 制定白名单策略的3种方法130
5.2.2 白名单策略的两类应用场景131
5.2.3 三步筛选白名单133
5.3 黑名单策略134
5.3.1 内部黑名单134
5.3.2 外部黑名单135
5.3.3 常用的5类黑名单136
5.4 多头借贷策略138
5.5 反欺诈策略139
5.6 本章小结140
第6章 数字化风控指标及其分析方法141
6.1 了解3个基础概念141
6.2 掌握3个重要的指标分析143
6.2.1 账龄分析146
6.2.2 滚动率分析150
6.2.3 迁徙率分析155
6.3 F（STQ）PD指标157
6.3.1 F（STQ）PD指标的含义158
6.3.2 FPD的计算公式158
6.3.3 F（STQ）PD的应用场景158
6.4 常用数字化风控指标159
6.5 本章小结161
第7章 数字化风控的命门：智能反欺诈162
7.1 数字金融欺诈带来的严峻挑战162
7.1.1 反欺诈新动向163
7.1.2 揭秘欺诈“黑话”163
7.2 揭露黑色产业市场166
7.2.1 黑产欺诈银行的典型场景167
7.2.2 黑产攻击银行的3种表现形式169
7.3 伪造“优质客户”生产线169
7.3.1 银行优质客户的5个特征170
7.3.2 批量制造“真实”客户171
7.3.3 数据整容172
7.4 典型欺诈案例剖析175
7.5 智能反欺诈：思路、系统与技术176
7.5.1 策略反欺诈与技术反欺诈176
7.5.2 智能反欺诈的5个层级177
7.5.3 智能反欺诈之“六脉神剑”178
7.6 人手识别183
7.6.1 从人脸识别到人手识别184
7.6.2 生物识别技术面面观185
7.6.3 人手识别原理186
7.6.4 人手识别的三大特点186
7.7 本章小结187
第8章 数字化贷后管理188
8.1 银行传统贷后催收工作188
8.1.1 传统贷后催收模式189
8.1.2 传统贷后催收模式的6个痛点190
8.1.3 从传统走向数字化193
8.2 智能贷后催收新模式194
8.3 互联网法催：新型不良资产处置方式199
8.3.1 互联网法院200
8.3.2 互联网仲裁200
8.3.3 网络赋强公证203
8.4 本章小结205
第三部分 对公授信数字化风控
第9章 银行数字化转型下半场：对公授信208
9.1 对公授信局面：日趋复杂208
9.2 对公授信数字化：箭在弦上209
9.2.1 企业形态出现根本性改变209
9.2.2 与传统迥异的投入产出新规律210
9.2.3 绿色金融提出对公风控新课题211
9.2.4 金融生态圈进化增加风控难度212
9.2.5 商业新模式带来风控新挑战213
9.3 “吐槽大会”—传统对公风控的四大痛点214
9.3.1 信贷员：难以全面收集多方信息214
9.3.2 审贷官：专家审贷标准不一214
9.3.3 风险经理：预警耗时、费事且不精准215
9.3.4 管理者：无法及时掌握对公业务全貌215
9.4 对公数字化的五大成果216
9.5 案例解析：提前预警破产事件217
9.5.1 案件背景218
9.5.2 智能追溯破产原因218
9.5.3 智能识别风险事件219
9.6 本章小结220
第10章 全流程智能数字化221
10.1 什么是全流程智能数字化221
10.1.1 决策智能化222
10.1.2 分析智能化222
10.1.3 流程智能化223
10.2 贷前调查阶段223
10.2.1 常用智能技术223
10.2.2 智能技术应用的典型场景225
10.2.3 数字技术赋能贷前调查226
10.3 贷中审查阶段228
10.3.1 智能识别财务造假228
10.3.2 智能识别客户欺诈229
10.3.3 企业关联关系核查230
10.3.4 大数据企业信用评级232
10.3.5 智能授信合同管理232
10.4 贷后管理阶段233
10.4.1 智能财务风险预警233
10.4.2 智能监控预警模型234
10.4.3 智能舆情监控234
10.4.4 有效掌握财产线索234
10.4.5 黑名单管理235
10.4.6 防止关联风险传导235
10.5 本章小结235
第11章 数字化风险穿透识别236
11.1 图计算237
11.1.1 什么是图计算237
11.1.2 图计算的优点238
11.1.3 图计算技术的应用场景239
11.2 知识图谱241
11.2.1 什么是知识图谱241
11.2.2 从4个角度了解知识图谱242
11.2.3 知识图谱的应用场景242
11.3 企业风险画像244
11.3.1 必要性分析244
11.3.2 企业风险画像的主要内容245
11.3.3 企业风险画像的应用场景249
11.4 风险信号体系250
11.4.1 风险信号250
11.4.2 风险信号的自动识别与应用251
11.4.3 风险信号的主体与分类252
11.4.4 风险信号的层级253
11.5 本章小结253
第12章 数字化金融事件分析254
12.1 事件语义学254
12.1.1 语义255
12.1.2 事件255
12.1.3 语义理解255
12.2 事件图谱256
12.2.1 事件图谱的定义256
12.2.2 知识图谱与事件图谱257
12.2.3 事件抽取的相关概念257
12.2.4 事件抽取的相关技术258
12.2.5 事件图谱的应用场景262
12.3 3个关键要素263
12.3.1 金融事件图谱263
12.3.2 银行应用场景264
12.3.3 金融风险事件集合266
12.4 本章小结268
第四部分 普惠金融数字化风控
第13章 普惠金融破局之道270
13.1 破局的三大思路270
13.1.1 政策破局—取势271
13.1.2 思维破局—明道271
13.1.3 科技破局—优术274
13.2 普惠金融的风险诱因275
13.2.1 过度授信遭遇经济下行275
13.2.2 短贷长用助长盲目扩张276
13.2.3 连环担保导致风控失效276
13.2.4 多重因素造成生存艰难277
13.3 普惠金融数字化风控的着眼点277
13.3.1 发现4个不足之处277
13.3.2 提出4个改进举措278
13.3.3 解决4个棘手问题279
13.4 数字普惠金融280
13.4.1 数字普惠金融促进银行全面升级281
13.4.2 银行推进数字普惠金融全面发展282
13.4.3 银行数字普惠金融的未来284
13.5 本章小结285
第14章 银行数据管理与个人信息保护286
14.1 银行数字化：三部重要法律287
14.2 银行数据管理287
14.2.1 银行数据管理的必要性287
14.2.2 银行数据管理面临的挑战288
14.2.3 银行数据管理的实施路径288
14.3 自然人数据管理与应用289
14.3.1 多头借贷290
14.3.2 反欺诈评分290
14.3.3 App行为风险特征292
14.3.4 还款能力评估293
14.3.5 客户综合评分293
14.4 中小企业数据管理与应用294
14.4.1 中小企业风险结构294
14.4.2 中小企业风险画像296
14.4.3 风险画像数据来源296
14.4.4 中小企业风险监控297
14.5 “三大纪律、八项注意”298
14.5.1 “三大纪律”298
14.5.2 “八项注意”301
14.6 本章小结304
第15章 农村数字普惠金融305
15.1 农村普惠金融的四大困境305
15.1.1 金融科技普及推广难306
15.1.2 金融市场供求不均衡307
15.1.3 金融服务功能单一307
15.1.4 贷款准入门槛高308
15.2 当乡村振兴遇上金融科技308
15.2.1 什么是农村数字普惠金融309
15.2.2 农村数字普惠金融的3种模式309
15.2.3 农村普惠金融的6个不足310
15.3 服务“三农”心中有“数”311
15.3.1 “三农”数字征信311
15.3.2 “三农”数字化风控313
15.3.3 “三农”数据采集315
15.3.4 “三农”数据分析316
15.4 整村授信数字化317
15.4.1 整村授信数字化破解两大难题317
15.4.2 整村授信数字化实现3项收益318
15.4.3 整村授信数字化实施5个步骤319
15.5 本章小结320
第16章 信贷资金流向监控321
16.1 传统监控无效的三大原因321
16.2 现金流核查的三大难点322
16.3 监管要求与处罚案例324
16.4 智能监控与预警326
16.5 资金流向知识图谱330
16.6 本章小结333
猜您喜欢
