美高梅注册,作为金融实时风控领域标杆企业,邦盛科技资深技术专家连楹出席本次会议,并围绕“基于大数据实时分析的银行智能风控体系建设”话题展开演讲。

演讲实录

责任编辑:

6、数据。任何企业都没有存量数据,如何获取更多的数据使数据尽可能完整?

5、业务。刚才说银行重视新技术,怎么应用?能不能和现有的业务结合起来?

大数据时代的机遇与挑战

原标题:邦盛科技银行风控系统建设分享:基于大数据实时分析的智能管控是趋势

美高梅注册 1

最后讲一下技术,金融科技涉及到三个方面,对数据怎么分析,需要哪些工具,它的要求是什么?这就有了实时的数据分析。需要对数据清洗,尤其是信贷产品要对数据进行清洗。最后是建模的分析、关联图谱的关联关系分析,这是第一个层面,会涉及到邦盛的技术和产品。

美高梅注册 2

反欺诈的数据和技术,比如说设备指纹,另外数据的统一接入和外部数据的服务,最后智能风控的平台设计,这就会涉及到具体应用的规则引擎和决策流。这是我们涉及到的关键解决方案。

这个项目,系统上线前和上线后的效果非常明显,尤其是营销反欺诈,行内的数据原来是有80%到90%的营销资金被羊毛党拿走,上了风控系统效果非常明显。

4、技术。人工智能、大数据、机器学习、关联图谱、设备指纹,银行越来越重视新技术的应用。

下面我会分享三个非常有代表性的案例。一是某股份制银行做的申请风控,当时在第一期项目中提出五个产品,包括信用卡网申、信用卡线下申请和行内外现金贷和消费场景。我们差不多做了四件事情,主要的核心是我们帮行方建立了信用卡申请反欺诈系统,并且输出了我们的风控经验,尤其要强调的是,他也希望利用机器学习建模帮他实现这个目标,还有接入更多的三方数据源和数据的接口改造。

近日,由《零售银行》杂志等主办的中国零售金融大数据论坛在深圳举行。来自业界领先的零售金融机构、专家学者、互联网公司等数百人,共同探讨金融科技浪潮下零售银行的数字化转型之路,探索数据如何更好地服务于客户、服务于业务。

美高梅注册 3

前面讲了科技金融,最后要讲金融科技,怎么通过技术的手段实现我们的业务目标。要求是什么?我把它归成这三个方面。

关于机器学习和AI的应用,反欺诈就是抓黑名单,如果反过来做精准营销,就是把我们的好东西找出来。到目前为止我们在很多银行已经建了实际的应用模型,比如网银转帐和线下收单POS,还有申请准入等,目前已经有17个左右的主要模型大类应用在不同的场景。

一些申请和授信需要像漏斗一样,把最终的用户塞进来,通过决策流,降低数据应用的成本,这是申请的整体思路。针对申请我们的规则设计策略,准入到审批、额度的策略,然后再进一步考虑需要哪些数据,从数据的角度分析。左边这部分更多是应用的交易场景,需要对行内的数据,要用到地址模糊匹配给现有的数据进行补充,呈现出完整的数据仓库、数据集市。

谢谢大家。返回搜狐,查看更多

3、灵活性。去年上海某银行申请风控遇到很大的困难,他们用风控系统跑了1万多条规则,后续的维护更新跟不上,他需要我们通过机器学习建模的方式实现,这是灵活性达不到要求。

我们对数据能力有什么要求?可能会涉及到要哪些数据,有了这些数据后怎样处理?也是大数据的分析根本。数据是够或是不够,不够的话需要补充什么,互联网领域设备信息、IP信息是非常有效需要补充的信息,往往这部分可能比较缺乏。最后需要对数据有进一步挖掘的能力,需要用新的技术手段,用关联图谱做一些深入的分析,最终的目标是实现从经验到数据启动的变化。

连楹:大家好!这两天我们讨论了很多关于大数据的话题,今天我分享下基于大数据实时分析的智能风控系统的建设。大数据给我们带来很多机遇,银行、金融企业更多在意金融风险,我们要考虑给我们带来哪些挑战?

美高梅注册 4

二是有专门的黑产团队研究这些问题,是成体系的团队。有人负责偷窥账户获取数据,有人销售数据,还有人专门负责诈骗,这是非常严峻的挑战。现在是最好的时代,大数据给我们带来很多机遇,同时也是最坏的时代。

我们会用到不同的技术,比如生物识别、设备指纹、关联分析,最后落到行里是黑名单、白名单,这是数据应用的例子。怎么分析?这涉及到三个层面,数据的接入服务,尤其是接入那么多的外部数据,我们怎么进行统一管理?数据接入后需要对数据进行处理,质量不好怎么做数据的治理?第三个层面要根据自己的需求制定指标。24小时登录几次,交易几次,需要把业务上的表达,转成一个个技术指标,就有了数据的处理逻辑。数据的接入到数据的清洗到最后指标的计算、实现,最终交付给业务的应用要求,数据的采集、清洗和加工。

2、时效性。过去更多是事后分析,现在越来越多的欺诈变化非常快,时效性能否达到要求,能否做到实时交易风控,是越来越重要的挑战。

首先从业务的角度,风险管理的过程是应用大数据分析了解我们的过往数据情况,我们可以制定策略、规则,形成最终的闭环,通过自动化和人工的处理。规则是线性的区分,我们可以把去年的目标找出来,这是风险管理的过程。

现有银行风控面临哪些挑战

二是某股份制银行交易反欺诈,交易反欺诈最典型的电子银行和直销银行面临的风险是不一样的,我们接了七个渠道线,有直销银行、扫码登录、电子银行等。整个项目做了四件事情,实时反欺诈系统建设、数据服务、设备指纹应用、风控咨询。

三是互联网金融企业发展非常快,很注重用户体验。

在银行做风控时,我们面临的问题是在哪里?我归结为六个:

我分析了一下,归结为四个方面:一是数据泄露;我们经常会收到各种销售电话、电信诈骗电话。买个机票,有时会在飞机起飞前收到退票的短信和电话。数据是怎么泄露出去的?到了谁手里?

1、规则。我举个例子,前段时间我到银行办信用卡,同时还有一个人办信用卡,行里人跟他说你办不了。为什么?因为办信用卡有强认证的规则,你在这个地区的身份证前六位是过不去的,规则简单粗暴,把很多客户拒绝掉了。

四是银行面对这种问题怎么应对?银行过去用强认证的手段,我们要做业务创新,技术支撑能否符合要求?业务创新与技术是否匹配是最大的挑战。

风险监控的过程我们需要考虑哪些点?要建立可信环境,要提高用户的体验,这涉及到可信的设备、可信的账户和可信的地址,我们需要对客户不断的监控,优化我们的规则。

做大数据风控和实时反欺诈这一块,除了有引擎以外,还需要反欺诈的技术,反欺诈的数据,反欺诈的模型,还有反欺诈应用产品管控系统。所以做大数据风控也好,反欺诈也好,绝对不是单纯的有数据就能做,这是一个系统级的解决方案。

服务于业务目标的风控系统建设思路

三是农信互联网授信项目,最主要的几点:一是构建互联网金融产品;二是契合已有业务架构,产品定位和策略;三是支持次开发,满足业务创新;四是支持规则模型的自主配置;五是针对性完整的风控经验输出。

申请风控、交易反欺诈在、互联网信贷等场景的落地

这几年,尤其是2014年我们真正投入市场应用的时候,我把对于用户的案例做了归纳总结,有交易、授信、机器学习建模、咨询、数据服务和设备指纹。对技术要求最高的是交易的风控,时效要求最高,50到100毫秒响应用户的请求。

首先我们需要考虑先要做什么事情,有了这些以后我们再考虑用哪些数据,行内有的或是行内没有的,有了这些数据我们需要有一些技术分析,把一些相关技术放在这里,比如说绿色的是邦盛现有的业务,在很多银行得到了认可。最后落到我们的规则模型,从业务逻辑来说,业务决定了数据,数据决定了架构,架构决定了最终的应用实现,这是我对金融风险控制的基本理解。

最后我简单介绍一下邦盛科技,邦盛科技主要在做大数据实时智能处理技术,以及基于该技术专注金融实时风控解决方案。我们比较有名的平台是流式大数据极速处理平台“流立方”。目前12家股份制银行里有8家用的是基于“流立方”的实时反欺诈技术,全国排名前30的第三方支付机构中,有20多家采用邦盛的产品作为中央风控平台。

这是我前一阵在一个银行里跟大家交流,他们真正想做的事情,整个路线图的设计,整个项目来说,他们最终目的是想做反欺诈、精准营销和用户画像,刚开始没有足够的业务和技术经验,需要有一定的积累,首先是基础平台的建设。二是需要对业务能力做建设,包括规则。比如说针对现有的业务,做接入业务进行风险分析,建立管理制度和团队。我们要有更多新技术储备,同时可以利用技术的储备和业务的储备实现建模和精准营销。

有了数据后我们怎么用?举个简单的薅羊毛例子,羊毛党往往养了几百、上千、上万手机号,通过用虚假手机号可以覆盖70%以上。我们用设备端,毕竟硬件成本是有限的,硬件数量是有限的,有1万个手机号,还有IP关联、数据关联,最终找出注册用户。

他认为,大数据驱动零售银行蝶变,风险与机遇共存。大数据在带来无数机遇的同时,银行更要注意挑战与风险。而银行现有风控面临规则、时效、灵活性、技术、业务和数据六大挑战,因此大数据实时分析的智能风控系统建设,对每一家金融企业都非常重要。

我们现在要做这样的系统,要考虑哪些问题,我们需要对任务目标有明确的定义,比如说关注在申请、交易、反薅羊毛?建立智能风控平台,不同的渠道线接进来,我们对业务能力有什么要求?我们经常讲科技金融,怎么响应,怎么快速的实现业务目标?在风控里我们需要对业务的需求有充分的理解,不管是授信、申请还是交易。

相关文章