# Enterprise Operational Anomaly Early Warning

> 当用户需要对银行对公客户开展贷后经营异常预警、风险信号识别、预警分级、触发原因解释、跟踪建议、走访核查清单、风险提示或预警报告输出时，使用本技能。 适用于银行对公金融场景下的贷后预警、客户持续监测、异常经营识别、风险苗头发现与早期处置建议。 当用户提供企业经营、财务、账户、交易、司法、舆情、纳税、工商、担保、上下游、库存、回款、订单等信息，希望识别异常并形成预警结论时，应优先触发本技能。

- Skill: `aifinlab/enterprise-operational-anomaly-early-warning` (Agent Skill, multi-file: 12 files)
- Install (CLI): `npx skillmds@latest add aifinlab/enterprise-operational-anomaly-early-warning`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/enterprise-operational-anomaly-early-warning/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/enterprise-operational-anomaly-early-warning

---


# 技能用途

本技能用于银行对公金融场景中的贷后预警工作，帮助识别企业在贷后阶段出现的经营异常、财务恶化、交易异动、司法风险、舆情风险、账户异常、上下游波动与担保变化等风险信号，并输出结构化的预警结论、分级判断、核查重点与处置建议。

本技能强调“早识别、早解释、早跟踪、早处置”，适合用于：

- 贷后客户持续监测
- 风险苗头预警
- 客户经理预警排查
- 预警报告撰写
- 走访核查提纲生成
- 风险会商材料准备

# 适用范围

- 行业：银行
- 业务条线/能力域：对公金融
- 场景/能力：贷后预警
- 技能层级：task

# 何时使用

当出现以下需求时，使用本技能：

1. 用户要求判断企业是否存在经营异常或贷后风险苗头。
2. 用户提供多维度数据，希望识别预警信号并进行分级。
3. 用户希望生成企业贷后预警报告、预警摘要、核查清单或处置建议。
4. 用户需要将零散异常现象整合为结构化风险判断。
5. 用户需要对连续监测数据进行趋势识别和异常解释。

# 不适用情形

以下情形不应直接给出强结论，或应切换/结合其他技能：

- 仅有极少量非结构化信息，且缺乏时间序列或交叉验证依据。
- 用户需要的是授信准入尽调，而非贷后预警。
- 用户要求提供最终法律认定、审计结论或监管处罚结论。
- 用户需要复杂量化违约概率建模而非规则型预警分析。

# 核心原则

1. **证据分层**：区分“已确认异常”“高度疑似异常”“待核验线索”。
2. **时间比较**：优先比较近期与历史、环比与同比、单月与滚动区间，避免静态看点值。
3. **多信号交叉验证**：单一信号不轻易下结论，尽量结合财务、交易、工商、司法、舆情等多源信息验证。
4. **保守输出**：在数据不足时明确说明不确定性，不夸大风险程度。
5. **面向处置**：结论不仅指出问题，还要给出跟踪项、补充材料和建议动作。

# 重点关注的预警维度

## 1. 经营层面异常

- 营收明显下滑
- 订单减少或新增订单不足
- 开工率下降、停工停产
- 核心客户流失
- 核心供应商变动或供货中断
- 库存异常上升
- 应收账款回款放缓
- 业务区域或产品线收缩

## 2. 财务层面异常

- 收入、利润、现金流同步恶化
- 毛利率、净利率明显下滑
- 经营性现金流持续为负
- 有息负债增长过快
- 短债占比过高
- 应收、存货、预付项目异常膨胀
- 资产负债率显著抬升
- 费用率异常波动

## 3. 账户与交易层面异常

- 账户流水明显收缩或突然放大
- 资金归集异常、频繁大额转出
- 回款与销售规模不匹配
- 交易对手集中度上升
- 关联方资金往来异常增加
- 异常时点集中交易
- 对外担保或代偿迹象

## 4. 外部风险层面异常

- 工商变更频繁
- 实控人、法定代表人、高管异常变动
- 股权冻结、股权质押比例升高
- 涉诉、被执行、失信、限高等司法风险上升
- 税务异常、行政处罚、环保处罚
- 负面舆情增加
- 行业景气度明显下行

## 5. 履约与授信层面异常

- 利息、本金、票据、租金等支付迟缓
- 保证金不足
- 抵质押物价值波动
- 贷后资料提交延迟
- 约定财务指标触碰预警线
- 资金用途偏离约定

# 标准工作流程

## 步骤一：梳理输入资料

优先整理以下资料：

- 企业基本信息
- 授信信息与存量融资结构
- 财务报表及期间数据
- 银行账户流水或交易摘要
- 发票、纳税、订单、回款信息
- 工商、司法、舆情、处罚信息
- 担保、抵押、质押信息
- 上下游结构与集中度信息
- 历史预警记录与走访记录

若资料不全，必须明确：

- 已获取资料
- 缺失资料
- 缺失资料对结论影响

## 步骤二：识别异常信号

对各维度信号进行梳理，并记录：

- 信号名称
- 出现时间
- 变化方向
- 幅度或严重程度
- 数据来源
- 是否已交叉验证

## 步骤三：进行预警分级

建议按四级输出：

- 正常：暂未发现明显异常
- 关注：发现轻度异常，需持续跟踪
- 预警：出现多项明显异常，建议尽快核查
- 高预警：风险快速积聚或已有实质性违约苗头，建议立即处置

分级应结合：

- 异常数量
- 异常持续时间
- 异常间相互印证程度
- 是否涉及现金流和偿债能力
- 是否存在司法、舆情、账户等高敏感信号

## 步骤四：解释成因与风险传导路径

不要只罗列异常点，还需说明：

- 异常可能由什么驱动
- 是否为行业共性波动
- 是否为客户自身经营恶化
- 风险如何从经营传导至现金流、再传导至还款能力

## 步骤五：输出处置建议

建议覆盖：

- 继续监测项
- 立即补充材料项
- 实地走访核查项
- 账户监控建议
- 授信调整建议
- 担保补强建议
- 风险上报建议

# 输出要求

输出应优先采用以下结构：

1. 企业基本情况摘要
2. 预警等级结论
3. 核心异常信号清单
4. 异常成因与传导分析
5. 待核验事项
6. 建议采取的跟踪与处置动作
7. 数据缺口与结论边界

# 输出风格要求

- 全部使用中文
- 语气客观、审慎、可复核
- 避免夸张和未经证实的定性表述
- 必须显式区分“事实”“判断”“建议”
- 若数据不足，必须写明“当前结论仅为阶段性判断”

# 风险边界

- 本技能输出不替代法律意见、审计意见、正式评级结果或最终授信审批结论。
- 对于重大负面事项，除文本判断外，应建议线下核查与人工复核。
- 若关键数据缺失，不应直接下达“实质违约”或“持续经营无法维持”等强结论。

# 建议读取的参考文件

- `references/early_warning_signal_catalog.md`
- `references/post_loan_monitoring_checklist.md`
- `references/disposal_actions_guide.md`
- `references/output_schema.md`
- `references/walkthrough_interview_outline.md`

# 可使用的模板

- `assets/templates/early_warning_report_template.md`
- `assets/templates/data_request_notice_template.md`
- `assets/templates/customer_visit_outline_template.md`

# 可使用的脚本

- `scripts/warning_signal_engine.py`
- `scripts/warning_level_scoring.py`
- `scripts/render_warning_report.py`

# 成功标准

当本技能使用成功时，输出结果应满足：

- 能清晰说明企业当前贷后风险状态
- 能列出主要异常信号及其证据来源
- 能给出合理的预警等级与解释
- 能指出缺失资料和待核验事项
- 能提出可执行的后续动作建议