哪个的风控系统好？_百度知道
哪个的风控系统好？
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
你的回答被采纳后将获得：
系统奖励15（财富值+成长值）+难题奖励20（财富值+成长值）
UNVSGnxvqm
UNVSGnxvqm
擅长：暂未定制
了解了很多平台，我还是觉得速盈所配资这个平台的风控系统挺好的，是人工智能的风投呢。
1条折叠回答
为你推荐：
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。真正好的风控，是营销、产品和风控“三位一体”的系统_凤凰科技
真正好的风控，是营销、产品和风控“三位一体”的系统
用微信扫描二维码分享至好友和朋友圈
整理 | 洛桑
Capital One 的风控系统是怎么搭建的？
所谓大数据驱动的“测试与学习”，是如何做到的？
如何建立大数据风控体系？
小赢科技总裁成少勇在一本财经学院主办的“Capital One基因密钥”闭门训练营中，为大家剖析Capital One模式背后的密钥。
以下是他分享的部分干货。
01 风控体系
Capital One不到20多年时间从一个小银行信用卡部门做到美国前几名的银行的关键原因是他的文化和管理体制。
我们在实际利用的时候，不会照搬Capital One原来数据和模型方法，因为时代不一样了，技术进步了，而且中国的数据和国外不一样。
所以我讲的是Capital One成功的原理和本质，然后需要结合实际去理解，落实。
首先讲风控系统，大数据风控的核心是风控基础设施。这里包括了系统，数据，数据分析和模型，但最终能成为核心竞争力的还是人才和管理体制。
具体我讲一下政策管理流程，我们在上线之前要做多方面的工作，首先我要评估一下，调整政策会进来多少客户，对收入和风险（逾期）的影响有多大；上线时要实时监控，业务变化是否符合我们的假设和预期；一段时间很快就要评估政策对业务量的影响；等风险表现出现后在评估对收入和损失的影响是否符合预期。这样的政策调整是频繁的，要大量的跟踪和数据分析。
衡量风险最好的曲线是vintage analysis, 一段时间放款的贷款整体上在生命周期的风险表现，这个风险曲线也是风险管理很重要、很根本的东西。短期现金贷虽然时间短，一般在一个月以内，但是也可以从客户的生命周期来看其长期风险。
经过大量实际数据的建模分析，实际发生的风险是时间，客群内在风险水平和外部环境三个因素共同决定的，可以用数学的方法计算出来。
T代表时间，图中是12期的分析曲线。
R是风险，存在各种衡量方法。
E是外部因素。比如经济状况、催收情况，市场情况，自然灾害等。
通过这个曲线图，你就明白目前资产处于什么风险水平，如果外部环境变化会处于什么风险水平。
从方法论上说，传统金融机构根据经验，利用学历、性别等进行风险识别。
移动互联网时代，新的数据分析方向，申请过程中，将对用户设备及行为数据进行采集，包括：IP、设备指纹、移动网上行为、社交数据，电商行为等。比如对于存在问题的设备、IP等，将关联相关申请进行集中防范。
数据复杂，数据量很大以后，就需要做模型了。成熟的模型，加上丰富的数据，对以数据为导向的政策至关重要。
目前在中国零售风险管理采用的模型主要有两种形式：逻辑回归和机器学习模型。
逻辑回归模型技术成熟，在中美的零售风险管理中长期使用。但在互联网大数据时代有一定的局限性。机器学习模型在互联网大数据时代能弥补逻辑回归模型的不足，在目前中国的科技金融企业中得到了广泛的应用。
03 测试学习
说完风控系统，然后咱们再谈谈具体的应用。
在测试流程这套体系下，一切就水到渠成了。
比如一个比较好的客群，我们可以通过提额增加公司的净利润，但不知道提额多少合适。把客群分成4等分，分别给以10%，20%，30%，40%的提额，再跟踪业务量，收入的变化和风险损失的变化，盈利最高的选择在测试中可以发现答案。
测试对公司是有成本的你要有很好的数据能力。没有数据分析师你这一块就做不好，没有好的系统能力做得太少也不行。
测试是有很大成本的，比如损失，人力成本、时间成本等。需要优秀的分析师来设计解决关键问题的测试方案, 并且进行跟踪数据分析。 测试还要有灵活强大的系统, 能快速实施大量的测试。在Capital One早期，每年的测试都数以万计。
再次强调一下，大数据风控的核心是风控基础设施，这里包括了系统，数据，数据分析和模型，但最终能成为核心竞争力的还是人才和管理体制。
用微信扫描二维码分享至好友和朋友圈
凤凰科技官方微信
播放数：11344
播放数：18585
播放数：31720
播放数：164413在线支付事故频发，风控系统真的靠谱？
风控系统说：这个锅我不背。风控系统的目的是在不影响正常业务的同时把交易风险降低到合理的水平，风控系统并不能消灭风险。
风控系统是什么？
伴随着互联网的发展，游戏、商贸、慈善、博彩、餐饮等各行各业都开始触网。“天下熙熙，皆为利来；天下攘攘，皆为利往”，种类繁多的网络活动直接或间接的都与钱相关，传统的支付不能满足人们快节奏的互联网生活，电子支付应运而生，但电子支付给人们带来方便快捷的同时也给参与支付的各方带来了风险，账号盗用、虚假交易、金融欺诈等事件层出不穷。支付风险自古就存在，在互联网繁荣的今天只是多了些新花样，风控系统就是通过监控交易、渠道、产品、用户，对相关数据进行实时、准实时、定时的分析、挖掘，从而识别交易风险，尽早发现欺诈，采取各种措施降低交易损失。
风控系统功能性需求
实时监控——针对各类支付业务交易风险的事中监测与控制。
同步反馈——接受并处理各支付业务平台的支付交易信息请求，并由风控系统将处理结果实时返回业务系统。
联动控制——对风控系统识别出的风险信息，进行系统自动化（通过人工预置策略实现）交易风险处理。
持续迭代——交易风险特征识别方式可以通过系统自动整理、人工设定参数、外部资源共享等方式进行持续动态更新。
统计分析——对于风控系统中存在的各类信息和数据，有关人员可以通过组合查询和查阅报告等方式，对系统运行情况、交易风险情况、岗位绩效情况等进行监督。
风控系统非功能性需求
灵活性——风控规则需要经常新增以及调整，如何降低风控规则新增、修改的成本是风控系统需要解决的一个问题。此外，风控系统需要能够与不同业务系统进行集成，需要和业务系统保持相对的独立，以利于集成。
性能——风控系统响应时间需要小于100ms同时能够有很大的吞吐量，风控系统降低风险的同时不能影响用户体验，否则就本末倒置了。
准确性——风控系统根据风控规则会自动冻交易相关资源等，如果准确率过低会引起大面积投诉，损害公司信誉、公众形象使用失去信心，给公司带来巨大的损失，所以风控系统识别风险的准确率必需要有一个下限，同时要注意风险识别的准确率和覆盖率是相互影响的两者要达到一个可以接受的平衡。
风控系统的误区
风控系统的目的是在不影响正常业务的同时把交易风险降低到合理的水平，风控系统并不能消灭风险，所以在建设风控系统时不可盲目追求数据的准确性以及一致性。
风控系统架构
风控系统主要由以下几个部分构成：风控实时引擎、风控准实时引擎、风控定时引擎、惩罚中心、规则中心等，下面分别进行介绍。
风控实时引擎
支付系统会把当前交易部分信息同步传递给风控实时引擎以获取当前交易的风险评分和处理建议。风险评分总分为100，分数越高风险越大，-1代表风控系统不能对当前交易进行评估风险，一般是指风控系统没能获取到当前交易正面或负面的信息。风控实时引擎最大的挑战是性能，实时引擎对支付交易进行风险评估必须在100ms内完成，否则会影响用户体验。
风控实时引擎依据公司积累的风控数据以及第三方风控数据对进行风险评估。公司风控数据主要来自风控准实时引擎和风控定时引擎。
风控实时引擎建立在规则引擎Drools基础上，目的是为了提高系统的灵活性和可配置性。
下图是风控报告的域模型：
规则引擎优点
风控系统中风控规则变动比较频繁，其它部分相对稳定，通过引入规则引擎可以解耦系统与规则、提高复杂逻辑的可维护性、提高规则的可读性以及可理解性。
风控准实时引擎
交易欺诈行为具备一定的隐蔽性，不是所有风险都能实时的作出正确的评估，某些情况下需要通过对最近一段时间的数据进行分析才能确定欺诈行为，例如：对最近一个月的用户行为进行分析。风控准实时引擎从消息服务器获取交易数据，对交易数据流作异步分析，分析的结果通过风控服务存入风控数据库，供实时风控引擎评估交易风险。风控准实时引擎从发现异常到风控数据生效的时间在100ms以内，可以有效防止交易风险扩大。
风控系统初始建设时中风控准实时引擎往往是通过消息监听器消费交易消息，把中间数据存储在Redis缓存上，对数据进行多维度分析。由于需要针对每项指标开发相应程序，风控规则开发成本较高、上线周期长，为了解决这个问题以及提高系统的灵活性、可配置性，在风控系统2.0版本引入了CEP引擎Esper以及规则引擎Drools。
风控准实时引擎需要使用到Drools、Esper、Esper IO AMQP、Esper Extension、Spring等组件，其中Esper Extension是我们对Esper的扩展，主要用来提高Esper可配置性以及丰富Esper IO功能以及弥补Esper缺陷。
下图是风控准实时引擎架构：
事件驱动是一种监测、分析信息流从中得出推论的方法。CEP(Complex Event Processing)也就是复杂事件驱动，是结合多种数据源的数据对信息流进行监测、分析从推理出一些复杂的事件或模式，CEP的目的是识别出一些有意义的事件，例如：机遇、威胁，并且尽可能快的作出反应。
CEP引擎已经被一些公司开发出来，用来满足那些需要分析事件并对其作出反应的的需求，下面是一些典型的应用示例：
业务流程管理和自动化（流程监控、商业活动监控、报告异常）
金融（自动化交易、欺诈检测、风险管理）
网络以及应用监控（入侵检测、SLA监测）
传感器网络应用（读取RFID、生产线调度与控制）
CEP技术选型
下面列出一些CEP产品，大家可以根据自己的情况选用。
开源 CEP产品：
JBoss Drools Fusion
EsperTech Esper
商业CEP产品：
EsperTech Esper Enterprise Edition
EsperTech EsperHA
IBM Operational Decision Manager (IBM ODM)
Oracle Stream Explorer platform
TIBCO BusinessEvents
TIBCO StreamBase
数据窗口机制完善
Esper目前支持大约30种数据窗口，深入理解窗口是应用Esper的关键，下面表格列出常用的几种：
Time Window：
Length Window：
Time Batch Window：
EPL语句的语法与SQL相似降低学习成本
事件处理语言（EPL）是SQL标准语言并做了扩展，提供了SELECT、 FROM、 WHERE、 GROUP BY、HAVING和 ORDER BY等子句。
使用方式灵活
Esper提供了丰富的API，可以独立部署也可以集成进任何应用。
支持多种获取结果方式
Esper统计分析的中间数据全部是存储在内存中，不能跨服务器，只能单机部署，内存有限，存在单点故障，由于全内存操作，系统重启后中间数据就会丢失无法恢复。Esper的这些缺点风控系统都可以接受，对风控系统没有实质的影响。
风控定时引擎
某些非常隐蔽的交易欺诈通过实时或准实时风控引擎很难发现，这些风险需要通过分析用户跨月或跨年的数据才能识别。定时风控引擎主要用来定时对支付相关等数据进行深度挖掘，建立对应的风控模型，典型应用场景是用户的信用等级模型以及用户行为分析。
定时风控引擎构建在Hadoop集群上。
惩罚中心负责积累风控数据并提供奖励和惩罚的相关服务，风控实时引擎、风控准实时引擎、风控定时引擎会调用惩罚中心的服务查询或保存风控数据。惩罚中心针对不同维度提供多种惩罚策略以及多种奖励策略。风控实时引擎在识别交易风险时根据规则综合考虑奖励以及惩罚相关数据以提高风险识别准确率。
下图是处罚中心域模型：
风控系统的建设
风控系统的建设往往是分阶段实施的，一般分为以下三个阶段：
第一阶段：核心任务：
搭建基础架构
网上应用接入
手机应用接入
建立起有效的监控团队和工作机制
第二阶段：提升性任务：
交易监控能力
风控模型提炼
监控团队能力和工作机制
第三阶段：后续发展：
新应用接入
团队技能是逐步积累的，对风控系统以及风控模型的理解也需要时日，如果初始建设阶段求大求全会使建设工作增加不确定性，一旦出现技术或业务方向上的偏差会给公司带来巨大的损失。循序渐进逐步建设，在前一阶段的工作产生效益时再去进行下一阶段的工作阻力会小很多，任何时候保持团队对项目的控制力都是相当重要的，这是我们在建设风控系统的过程中的一点感悟。
老司机介绍
康大强，拥有14年企业与互联网开发、设计、架构经验；历任金蝶软件、芒果网、华为、OPPO架构师；目前专注于文法分析、工作流、高并发系统、大数据以及复杂业务分析处理。
延展阅读（点击标题）：
本文系InfoQ原创首发，未经授权谢绝转载。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点17856 条评论分享收藏感谢收起赞同 381 条评论分享收藏感谢收起风控管理平台哪家好？_百度知道
风控管理平台哪家好？
答题抽奖
首次认真答题后
即可获得3次抽奖机会，100%中奖。
七夕①青鸟
七夕①青鸟
采纳数：106
获赞数：863
现在除了大家都在寻找优质资产外，风控上只有银行存管、履约保证保险是比较有保障的风控了。银行存管平台如蜂投网、履约险平台如壹诺信用、ppboss都是不错的选择。
为你推荐：
其他类似问题
您可能关注的内容
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。}