信用风险管理师数字员工

信用风险分析中的结构化难题

信贷风控流程里，企业信贷报告或风险评价文本常含多个嵌套风险点。人工提取时，容易把嵌套风险合并成一个，造成遗漏；或在转写时不自觉地缩改原文，削弱了可追溯性。行业分类也常止于门类、大类，缺乏穿透到小类的精细定位。而风险分析中一旦出现“高/中/低风险”这类主观分级，便容易掩盖事实本身。结果就是风险档案格式混乱、标签缺失，难以被后续系统复用。

核心能力与工作流程

该技能以模块化方式组织，包含风险信息提取、行业风险规则生成、信贷政策分析、大额风险暴露管理、贷后风险监控等 8 个能力。其中风险信息提取模块的流程尤其强调“先读后写”：

• 数据确认：核对输入是否含“授信业务关键风险评价”“风险提示”等章节，缺失即终止。
• 风险点锁定：对每个独立风险点编号 R1、R2…，嵌套描述须拆解，计数 N 后不得变更。
• 行业分类：按 GB/T 4754-2017 穿透至四位小类代码，禁止停留在大类。
• 标签画像：逐项填充基础属性、经营特征等 14 类标签，资本属性与集团属性为必填项，原文未提及时标注“（需核实）”。
• 结构化转化：每个风险点拆成风险定义、原文描述、分析方向、数据来源、适用场景、建议关注事项 6 个维度。原文描述须完整复制，不得改写。
• 完整性自查：核对风险点数量一致、无分级词、无模糊词。

输出为 Markdown 报告，可被 credit-industry-analysis、visit-memo 等下游模块解析。

适用边界与注意点

• 输出仅供人工复核参考，不构成信贷审批意见、金融或法律建议。
• 技能不执行任何代码或脚本，不自动访问网络、存储数据或收集凭证。
• 禁止在输出中做“高/中/低风险”评级，也不提供具体指标阈值，如“资产负债率 > 70%”。
• 行业规则生成模块依赖用户提供的目标行业名称，以及政策、统计等公开数据，数据缺失时会降级处理并在输出中标注来源。