摘 要：为解决油品销售领域风险监控系统存在的风险核查耗时长、监控规则调整周期长、核查结果记录难、事后分析手段少等问题，对适用于油品销售企业的数字化风险监控系统进行了研究。中石化广东石油分公司基于分布式系统框架建立数字化风险监控系统，实现了灵活的组合规则、查询条件调整，提供闭环处理流程及事后分析的手段，为快速开展规则迭代、聚焦重点风险交易及推动加油站管理规范化提供有力手段。
关键词：油品销售；风险监控；数字化；规则管理
中图分类号：TP311 文献标识码：A 文章编号：2096-4706（2024）15-0083-05
Research on the Application of Digital Risk Monitoring in Oil Product Sales Enterprises
YE Zengqi
（Guangdong Petroleum Branch of Sinopec Sale Co.， Ltd.， Guangzhou 510620， China）
Abstract： In order to solve the problems of long risk verification time， long adjustment cycle of monitoring rules， difficult recording of verification results， and limited post analysis methods in the risk monitoring system of oil product sales field， a digital risk monitoring system suitable for oil product sales enterprises has been studied. Based on a distributed system framework， Guangdong Petroleum Branch of Sinopec establishes a digital risk monitoring system， realizes flexible combination rules and query condition adjustments， and provides closed-loop processing flow and post analysis methods， so as to provide powerful means for rapid development of rule iteration， concentration of key risk transactions and promotion of standardized gas station management.
Keywords： oil product sales; risk monitoring; digitization; rule management
0 引 言
油品销售行业交易量大，始终存在较大资金隐患，但受限于油站设备物联网程度不足及各业务系统数据分散程度高的问题，风险发现难度较高。而面对无法直接从源头上遏制的套现、套票等资金风险[1-2]，如何快速、准确地在事后发现问题并能够及时阻止风险地再扩大，无疑是油品销售企业长期以来致力于解决的问题。
以中国石化广东石油分公司为例，因中石化在全国各省份均有油品销售业务，故客户在各省份开立的资金账户可在全国各地使用，由此会引申出本地开户异地消费、异地开户本地消费的现象。由于前期各省市数据不流通的问题，此类现象的风险发现难度更高。同理，由于前期销售、油机、开户信息等数据分散在不同的系统中，打通难度高，在风险监控期间，如何将多系统数据拉通，综合分析账户风险，对油品零售的风险控制来说具有重要的现实意义。同时，因市场变动快、交易量大，前期的风险监控系统总是存在监控算法迭代速度不足、需核查数据量大的问题。而在诸多其他领域，风控系统的搭建较为成熟，具有较大的借鉴意义，如银行[3]、企业财务[4]、国家税务[5]等，本文就在中国石化广东石油分公司的数据特点、业务场景下，如何借助已搭建的大数据平台，解决因前期信息孤岛导致的风险核查需在多系统中花费大量时间匹配数据的问题，以及如何通过建设规则管理、风险分级等功能模块提升规则迭代速度，聚焦高风险账户展开论述。
1 风控系统规划
中国石化广东分公司风控系统依托于前期搭建的大数据平台，借助大数据平台的能力，解决了信息系统间的孤岛问题，在数据基础层、数据明细层及数据汇总层的基础上，基于SpringCloud [6]等框架完成风险监控数据的定时采集，在应用模块上实现了规则管理、风险分级、事件处理、驾驶舱展示及RPA图片管理。
1.1 总体架构
以大数据平台的DWD、DWS层作为数据源，该系统分别搭建风控引擎及风控测算引擎，用以实现风险监控的定时清算及测算。风控引擎定时清算后，会调用服务对事件的汇总、明细、摘要等数据进行落地，并对事件进行风险分级划分；风控测算引擎负责生成测算报告，并根据设定的时间使规则生效。而管理后台则负责任务调度、规则管理、风控对象管理等，基于此架构，该系统实现了风险事件查询与审核、风险报表生成、驾驶舱展示等上层应用，该系统的整体架构如图1所示。
1.2 技术路线
风险监控系统基于SpringCloud框架调用微服务，定时查询规则表中各风险场景的最新规则，对DWS、DWD层的数据表进行清算处理后，将结果存储于风控系统的事件表、明细表中。同时，参考规则引擎[7-9]，系统搭建了简易的规则管理功能，可灵活增减、调整规则中的指标及其参数。
中石化广东分公司风控系统基于云平台实现账号权限控制，SpringCloud根据页面请求接口返回的信息找到对应的控制机以调用指定的微服务实现逻辑的处理，如Redis验证密钥、抽取数据、调用MyBatis、查询SQL获取数据等，后台接收到回传的数据后，处理视图映射并解析到指定的视图，最终返回给浏览器渲染页面。
2 风控应用规划
得益于近年来数字化转型工作，中石化广东分公司已将经营、客户、管理数据集成至大数据平台，但前期在对加油站的风控管理上，监控的内容主要是单一的数据，缺乏对大数据平台集成的多类数据的综合应用。
因此，有必要建设联动监控、关联展示多类数据，并支持动态规则算法调整的风控系统，以提高风险发现的精准性，降低风险排查的工作量，提升对市场变化的适应性。本系统大致应用规划如图2所示。
2.1 指标库的建立
基于中石化广东石油分公司的经营经验，全面梳理了油品零售、便利店零售、开票三大业务场景在加油站层面可能存在的套利、套票等违反相关法规、影响资金安全的经营风险，进一步甄别了每个风险点对应的场景特征和行为特征。
将上述行为特征中的可量化部分（如交易频次、用券频次、支付金额等关键信息）转化为定量指标。将不可量化的数据（如是否为内部员工、是否触发营销派券、是否限定车牌账户、是否开增票等）转化为定性指标，从而形成定量指标库和定性指标库。
2.2 异常风险的展示智能识别
针对不同业务场景的风险问题，可在定量指标库及定性指标库中灵活选择，组合形成各风险问题的监控规则，结合正常的业务场景，确定了各风险场景定量指标的上限或下限，进而建立一一对应的定量指标库和指标阈值。当市场情况、管理规则发生变化时，管理人员可以调整规则的指标组合方式及指标阈值，配置界面如图3所示。
该功能可支持用户新增或删除规则中的监控指标条件，可在前期搭建的定量、定性指标库中选择指标，完成配置后可通过该界面查看新旧规则监控出的事件数量变化，以及查看新规则对于该时间段内核查确认存在异常的事件覆盖率。确认执行新规则后，系统将会按照设定的时间把新规则的指标条件写入数据库的规则表。通过规则中的定量指标及其阈值筛选存在异常风险的交易订单及账号，结合定性指标进一步圈定异常范围，完成数据在系统事件表的落地。
2.3 集中展示
根据事件表筛查出异常账号及核查异常所需的数据，通过定时任务从大数据平台的 DWS 层对应表中抽取异常明细，拉通交易明细、账户信息、员工信息、优惠信息，将明细数据写入明细表，在事件明细页中完成数据展示，以加油频率骤增的风险点明细页为例，某事件明细页如图4所示。
该界面将监控出的中石化广东公司某油站可能存在风险异常的交易数据所关联的账户信息、上月加油情况、当月加油明细等信息统一展示在一个界面，避免在核查异常交易信息时仍需进入账户管理系统查询该账户信息，或下载上月加油记录进行数据分析，缩短管理人员多系统核查匹配数据的时间。
因不同风险场景需排查的信息各不相同，系统支持不同监控规则，明细页展示不同的信息。而对于相似的风险场景，该风控系统会提前将DWS层数据表已有字段一并写入明细表中，开发人员可通过已开发的组件将明细表已有字段在明细页配置展示。
2.4 查询条件动态化增减
依托于智能识别并落库的事件表，定时任务还会自动抽取关键字段放入事件表附表中，而对于事件表附表中已存在的字段，可在系统后台动态化进行查询条件的增减，无须系统发版，减少系统频繁迭代带来的不稳定风险，同时大幅降低后期开发所需时间。
该模块可适应系统使用中较为频繁的增减查询条件的需求，每次增减时，只需确保事件附表中已完成该查询条件对应字段的清算，即可通过已开发的组件实现即时迭代，而无须再对前端页面进行重复开发。
7304eae4f18f97178386ce7f43e58a192.5 闭环处理
本系统提供闭环处理流程，根据确认异常的交易数据发生的站点自动关联绩效系统，调出该站员工的信息，对于涉及员工参与的异常明细，可直接勾选涉事员工，填写涉事金额，并根据公司管理要求上传处理结果。
系统会根据异常原因、处理结果等自动清算出报表，用于事后分析。避免手工台账造成的数据遗漏及加工错误，在减少员工手工台账工作量的同时，可将节省的人力更多地放在异常数据的核查上。
2.6 迭代优化
为了减少风险排查处理的工作量，在管理成本有限的情况下，提高管理效能，参考马拉松应急救援[10]相关研究，建立黑白名单及风险分级机制，更好地聚焦风险。
对于一段时间内频繁显示异常，但多次核查处理均无异常的账号，可认为该账户用户的消费习惯可能确实异于正常用户，系统自动将其放入白名单，给予一段时间的免查期。而对于核查处理确实存在异常的账户，系统将其放入黑名单，并打上标识，提醒重点排查。同时，黑白名单功能支持手工维护，作为系统自动生成黑白名单功能的补充，黑白名单管理界面如图5所示。
此模块为用户提供黑白名单查看及管理的功能，用户可随时查看生效状态、生效时间、失效时间、创建人、创建时间等信息，此模块还支持对黑白名单的手工解除功能，一旦发现白名单用户存在异常行为可即时取消免查期，同时系统会将操作人的姓名、时间进行记录，用以事后管理。
该系统将远超规则或纳入黑名单的账户对应的异常交易标识为高风险事件，并将触发多组监控规则算法的事件纳为中风险事件，剩余事件为低风险事件，由系统辅助管理人员将核查重点放至更高风险的事件上。
2.7 RPA截图
受制于油站较大的交易量，即使经过过滤，异常排查量仍相对较大，而对于重点监控的规则组，借助RPA机器人的能力及前期维护的组织架构树，智能识别系统页面已集成的事件发生站点、时间、摄像头名称等信息，由提前部署的RPA流程机器人登录视频监控系统并定位到指定的视频节点，完成截图并在风险监控系统中上传，视频截图后展示页面如图6所示。
对于油站现场的业务办理流程，中石化广东公司有相应的操作规范，比如需要核对车牌加油、开户时需要客户在场、开户时需要校验客户资料等，而员工是否按照规定进行业务办理，一定程度上可通过视频监控截图完成初步的排查，后续可仅对通过截图仍无法判定异常情况的事件做进一步的核查，以减少员工核查的时间。
2.8 驾驶舱
建立重点风险防控“驾驶舱”，通过驾驶舱可直观的获知各管理机构下属油站产生的可能存在异常风险的交易量及其处理进度，并可查看确认异常的交易量，实现对所有经营风险事件的透明化管理。
3 结 论
综上所述，相较于前期的风控系统，基于大数据平台的风险监控系统具有数据关联强，监控规则配置灵活，查询条件更新迭代快，闭环处理流程完善，辅助核查处理效率高，处理结果分析报表全面，驾驶舱实现透明化管理的优点。规则和查询条件的快速迭代有利于实现更高效的风险感知，闭环处理和驾驶舱有利于实现高效的风险管理，辅助核查大幅减少了排查风险的工作量，进而可以通过考核的压力进一步规范加油站员工及客户的行为，减少风险的发生，大幅提升了业务规范性。
然而，该系统后期在监控规则迭代上仍有一定的优化空间，参考其他领域的风险监控系统或规则引擎，如能继续进行数据挖掘，借助机器学习、深度学习等数据科学算法进一步提升监控算法的复杂性及准确性，可在减少排查量的同时，更加快速地发现异常风险，规则引擎的应用也能进一步提升系统的运行效率。
参考文献：
[1] 杜宝伟，王子军.基于风险防控目的推进油品销售企业合规管理实践研究 [J].当代石油石化，2023，31（12）：50-53.
[2] 陈香.加油站风险管理的实践与探索 [J].当代石油石化，2020，28（7）：44-47.
[3] 栾建飞.银行营业机构运营风险监控系统设计与实现 [D].济南：山东大学，2023.
[4] 向青.企业集团财务公司信息科技系统的搭建——某财务公司的实践探索 [J].产权导刊，2020（9）：54-57.
[5] 蒋天鹰.研发风险预警系统打造防范虚开“千里眼” [J].中国税务，2019（7）：74.
[6] 王蓉，李晗，周国海，等.基于SpringCloud框架的医疗信息共享平台设计与实现 [J].中国医学装备，2022，19（5）：133-137.
[7] 胡兵，代真虎，黄明.规则引擎在智能工厂的应用 [J].冶金自动化，2022，46（S1）：271-274.
[8] 万振龙，王强，王晓帅.海关风控系统中的规则引擎优化研究 [J].中国口岸科学技术，2023，5（S1）：41-47.
[9] 周慧，王瑶，罗仁强，等.基于大数据挖掘与规则引擎的智慧辅助监盘系统研究 [J].湖南电力，2023，43（3）：77-81.
[10] 蒲柳羽，张英华，高玉坤.基于GIS的马拉松猝死风险管理和应急救援仿真系统研究 [J].工业安全与环保，2020，46（7）：50-53.
作者简介：叶曾琪（1995—），女，汉族，广东梅州人，助理经济师，硕士研究生，研究方向：大数据技术、数据科学。
