# 对公客户尽调智能化：7天到7分钟的企业风险扫描
> 开源Skill：`due-diligence` | 企业风险画像 | 舆情监控 | 担保链分析
## 痛点：对公开户的"马拉松"
银行对公客户经理最怕什么？新开户尽调。
传统流程：
- 收集企业资料（营业执照、财报、征信）→ 1天
- 工商信息查询 → 1天
- 舆情风险搜索 → 2天
- 关联企业排查 → 2天
- 撰写尽调报告 → 1天
总计：7天。客户等不及，经理忙不过来。
## 方案：一键生成企业风险画像
我开发的 `due-diligence` Skill，将7天压缩到7分钟。
### 核心流程
```python
from due_diligence import DueDiligenceScanner
# 初始化扫描器
scanner = DueDiligenceScanner()
# 输入企业名称
report = scanner.scan_company("某科技有限公司")
# 输出完整报告
print(report.to_markdown())
```
### 8维风险扫描
| 维度 | 数据来源 | 风险指标 |
|------|----------|----------|
| 工商信息 | 国家企业信用信息公示系统 | 经营异常、股权冻结 |
| 司法风险 | 中国裁判文书网 | 涉诉记录、被执行 |
| 经营风险 | 财报分析 | 资产负债率、现金流 |
| 舆情风险 | 新闻/社交媒体 | 负面新闻、舆情指数 |
| 关联风险 | 关联图谱 | 关联交易、担保链 |
| 行业风险 | 行业数据库 | 行业景气度、政策风险 |
| 地域风险 | 区域经济数据 | GDP增速、失业率 |
| 信用风险 | 征信系统 | 逾期记录、信用评级 |
### 实战：扫描一家"看起来正常"的企业
输入："XX科技有限公司"
**输出报告**：
```text
📋 企业尽职调查报告
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
企业名称: XX科技有限公司
统一社会信用代码: 91310000**********
扫描时间: 2024-01-15 09:30:00
【综合风险评级】🔴 高风险 (78/100)
【工商信息】🟢 正常
注册状态: 存续
注册资本: 5000万 (实缴500万)
成立日期: 2019-03-15
【司法风险】🔴 高风险
涉诉记录: 3起 (作为被告)
被执行金额: ¥1,200万
限制高消费: 是 ⚠️
【经营风险】🟠 中风险
资产负债率: 87% (行业平均: 55%)
流动比率: 0.6 (安全线: 1.5)
近12个月营收: ↓ 35%
【舆情风险】🔴 高风险
负面新闻: 5篇
关键词: "拖欠工资" "供应商维权" "资金链断裂"
舆情指数: -72 (极负面)
【关联风险】🟠 中风险
关联企业: 8家
担保链深度: 3层
互保金额: ¥3,500万
【建议措施】
1. 拒绝开户，建议上报反洗钱部门
2. 如已开户，立即冻结额度
3. 启动贷后监控，每周跟踪
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
```
结果：表面"正常"的企业，实际高风险。传统尽调可能遗漏，AI扫描一目了然。
### 技术架构
```text
┌─────────────────────────────────────┐
│ 数据采集层 │
│ ├─ 工商API (天眼查/企查查) │
│ ├─ 裁判文书网爬虫 │
│ ├─ 新闻舆情API │
│ └─ 征信系统接口 │
├─────────────────────────────────────┤
│ 风险分析层 │
│ ├─ 规则引擎 (硬约束) │
│ ├─ 评分卡模型 (软约束) │
│ └─ 异常检测 (统计模型) │
├─────────────────────────────────────┤
│ 报告生成层 │
│ ├─ Markdown模板引擎 │
│ ├─ 风险评级算法 │
│ └─ 建议生成规则 │
└─────────────────────────────────────┘
```
## 数据：效率提升对比
| 环节 | 传统方式 | AI扫描 | 提升 |
|------|----------|--------|------|
| 资料收集 | 1天 | 2分钟 | **99.6%** |
| 信息查询 | 2天 | 3分钟 | **99.7%** |
| 风险分析 | 3天 | 1分钟 | **99.9%** |
| 报告撰写 | 1天 | 1分钟 | **99.8%** |
| 总计 | 7天 | 7分钟 | **99.9%** |
### 自定义配置
```python
# 自定义风险权重
scanner = DueDiligenceScanner(
weights={
"judicial": 0.30, # 司法风险权重30%
"financial": 0.25, # 财务风险权重25%
"reputation": 0.20, # 舆情风险权重20%
"related": 0.15, # 关联风险权重15%
"industry": 0.10 # 行业风险权重10%
}
)
# 自定义阈值
scanner.set_thresholds(
high_risk=70, # ≥70分高风险
medium_risk=40, # ≥40分中风险
low_risk=0 # <40分低风险
)
```
### 批量扫描
```python
# 批量扫描客户名单
companies = ["A公司", "B公司", "C公司"]
reports = scanner.batch_scan(companies)
# 生成对比报告
scanner.generate_comparison_report(reports, output="comparison.md")
```
---
**开源地址**：financial-ai-skills(github.com/yuzhaopeng-up/financial-ai-skills)
#对公业务 #尽职调查 #企业风控 #银行开户 #AI
---
> 觉得有用？给个 Star 支持一下！你的 Star 是我们持续开源的最大动力。
> 更多开源 Agent Skills：financial-ai-skills · teleagent-skills · regulated-rag · fintech-h5-demos —— 全部在 github.com/yuzhaopeng-up，欢迎 Star/Fork/PR！
