基于通信运营商大数据风险防控的调研报告
来源:用户上传
作者:廖莎莎
摘要：随着通信运营商市场规模的不断扩大，在其内部逐渐建立起针对各类业务相关业务风险稽核管控体系，这种风险体系主要是通过在业务稽核系统中配置相关稽核点，实现对已发生的业务风险进行事后的稽核和整改。为保障支撑企业高质量发展，业务风险管理工作急需数据化转型，通过风险智慧化自动挖掘能力以及构建体系化的数据指标开展预警派单，实现系统自动化的稽核运营。本次社会实践开展了对省内某通信运营商在企业内部大数据风险控制方面的工作调研，并全程参与了项目实施过程，希望能通过调研了解通信行业风险管控的现状及存在的问题，从校企合作的角度为企业在大数据风U控制方面提供相关的意见或建议，同时也为企业思考如何数字化转型提供帮助。
关键词：风险稽核;大数据;风控
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2021）36-0043-03
开放科学（资源服务）标识码（OSID）：
1概述
随着通信运营商市场规模的不断扩大，在其内部逐渐建立起针对各类业务发展相关业务风险稽核管控体系，这种风险体系主要是通过在业务稽核系统中配置相关稽核点，实现对已发生的业务风险进行事后的稽核和整改。我们可以简单理解成初级阶段的数字化，即：将原来线下数据管理迁移到IT系统进行管理。
国资委“十四五”推进数字经济，颁布了《关于加快推进国有企业数字化转型工作的通知》，此文件中要求国有企业要加快数字化转型工作，其中重点涉及基础数字技术平台打造、系统化管理体系构建和数字化转型闭环管理机制建立。“实现作业现场全要素、全过程自动感知、实时分析和自适应优化决策，提升生产质量、效率和资产运营水平，赋能企业提质增效”。“增强基于数字孪生体的设计制造水平，加快形成动态感知、预测预警、自主决策和精准执行能力，全面提升企业研发、设计和生产的智能化水平”[1]。
目前运营商基本实现业务风险管理数据导入系统阶段，或者说是数字化1.0阶段，随着运营商如云、智能组网、物联网、智慧家庭、DICT等各类新兴业务的拓展以及5G移动互联网的快速发展，越来越多的用户、代理渠道、合作商等将享受到因线上业务发展而带来的便捷体验，但是由于各种业务变得越来越错综复杂，在开放式的互联网环境中，运营商将面对来自各个方面的恶劣影响，如蔼羊毛、营销欺诈、恶意订单、系统漏洞等各类风险，从而给企业风险管理工作带来了前所未有的考验。
传统的基于“专家经验”的业务管理模式，在复杂的业务、市场环境中，某些场景下存在不适应性，已经不能完全满足复杂场景的业务风险预防、发现和应对。为保障支撑企业高质量发展，业务风险管理工作急需数据化转型，通过风险智慧化自动挖掘能力以及构建体系化的数据指标开展预警派单，实现系统自动化的稽核运营。
结合在科大国创社会实践锻炼的机会，开展了对省内某通信运营商在企业内部大数据风险控制方面的工作调研，并全程参与了项目实施过程，希望能通过调研了解通信行业风险管控的现状及存在的问题，从校企合作的角度为企业在大数据风险控制方面提供相关的意见或建议，同时也为企业思考如何数字化转型提供帮助。
2调查结果和分析
2.1 基于收入、成本、受理、资金等维度，构建业务风险稽核模块
2.1.1 收入方面
合同项目列收规范性稽核：通过对ICT项目合同的解析，实现对相应收入列账科目的规范性、及时性、真实性的稽核，确保收入真实性。
数据一致性稽核：通过对CRM（客户关系管理系统）系统受理的业务或功能与后端网元侧开通的功能数据一致性的对比，防止因CRM无资料，后端开通导致收入流失，确保前后端数据一致性。
2.1.2 成本方面
代理商佣金稽核：通过系统对CRM受理工单的采集实现代理商佣金的计算、固定稽核点的稽核、发放、清算全流程的线上闭环管控。
2.1.3 受理方面
业务受理合规性稽核：通过接口方式自动采集CRM系统工单，实现CRM业务订单的100%采集;工单采集后，根据配置好的稽核流程及稽核规则自动稽核;对于稽核出来的异常工单，系统固化派单流程，根据受理工号自动对异常工单进行派发;受理人员进行整改后，系统会触发再稽核，整改通过的会自动归档，减轻各环节稽核人员压力。
2.1.4 资金方面
营收资金稽核：通过资金稽核模块实现应缴、实缴、实收稽核，重点围绕营业尾款;退费合规性稽核，稽核范围涵盖全量资金营收资金：现金缴款单、POS票据、支票、银行托收单、电信卡、省拨资金、互抵资金等业务。
业财差异稽核：通过对用户在CRM系统与财务账户上的欠费和预存款差异分析，防止业财差异导致收入流失。
2.2 借助大数据建模针对企业风险管控相关领域数字化转型的初探
本次参与科大国创的项目，对运营商代理商佣金领域利用大数据建模进行了初步的研究，通过逐步建设实践，打造佣金领域的业务风险防护体系。
本次研究主要通过大数据聚类或分类等机器学习算法，建立针对复杂场景的社会渠道套取佣金的风险发现能力。利用Python进行机器学习算法开发，使用Scikit-learn和Tensorflow等机器学习库，通过K-Means、密度聚类（DBSCAN）等无监督机器学习算法，发现异常风险点，对风险数据打上风险标签后，通过决策树和随机森林等有监督算法，对新发展的客户业务数据进行风险预测和预警，提高风险处理时效性[2]。
2.2.1 数据准备阶段
通过大数据平台汇聚CRM系统、计费销账系统、渠道佣金系统、稽核系统等业务系统生产数据，经过数据清洗、整合，建立客户和渠道代理商的数据模型，数据模型主要包括以下数据特征：
转载注明来源:https://www.xzbu.com/8/view-15425241.htm
