
风险预警准确率超95.59% 工行大数据拦截电信诈骗_数据分析师考试
7月16日,从中国工商银行四川省分行了解到,自2013年9月以来,中国工商银行运用先进的集中式大数据监控技术——“融安e信”外部风险信息服务平台,已成功预警堵截电信诈骗3.1万起,为客户避免资金损失3.8亿元。其中,工行四川省分行通过此技术成功堵截电信诈骗267起,为客户避免资金损失494.79万元。
日前,一位老年人来到中国工商银行成都草市小南街支行办理定期支取及转账业务,由于金额较大,出于对客户账户安全考虑,柜员耐心向老者询问相关信息,老者称对方是他的亲戚,之前借了款现需要还给对方。由于老者回答得十分自然,柜员便将其定期存款16万余元支取出来。当柜员按照老者要求在系统录入收款方账号时,触发了工行外部风险信息系统,系统提示收款账号涉嫌诈骗,引起柜员高度警觉。
安抚好老者情绪后,工作人员联系到老者的家属,经与其沟通核实,确认这是一起典型的电信诈骗案件,柜员立即停止汇款操作。原来此前诈骗分子谎称老者涉及一起重大案件,并进行了近两个小时的电话“忽悠”,要求其将存款全部转至指定账户,并以涉及机密为由,要求老者不能告诉家人和银行工作人员。
之所以能实现对电信诈骗等外部欺诈犯罪精准打击,中国工商银行依托的是自主研发投产的“融安e信”外部风险信息服务平台。这一平台可对诈骗涉案账户全渠道布控,对所有通过网点、网上银行、电话银行、手机银行和自助终端等渠道进行的转账汇款交易采取即时筛查,对电信诈骗犯罪实时自动预警和风险提示。客户到工行网点汇款,收款人账号会通过前台系统自动与“融安e信”后台数据库连接筛查碰撞,如果该账号为“融安e信”已收录的电信诈骗涉案账户信息,工行的前台业务处理系统就会自动弹出风险提示,提醒柜员及时处置,从而保障客户的资金安全。
统计显示,“融安e信”对风险预警的平均准确率超过95.59%,在防范转账汇款欺诈、信用卡申请欺诈方面的风险预警准确率高达98%以上。
期待建立更多防欺诈平台
手机诈骗、短信诈骗、网络诈骗……诈骗花样不断翻新,不少人的财产蒙受损失。中国工商银行先行一步,通过自主研发投产的“融安e信”外部风险信息服务平台,实现对电信诈骗等外部欺诈犯罪精准打击,有效降低电信诈骗得逞概率。
当前,银行业金融机构之间的竞争空前激烈,拉存款、拼贷款、做投行等各种手段无所不用其极。其实,有效防范歁诈,是各银行机构维护公共秩序的社会责任所在,更可成为争取客户的强大软实力。
我们希望有更多的银行、电信运营商付出更多努力,建立防欺诈电子平台,竖起“盾牌”将各种欺诈犯罪阻击在外,从源头上降低电信诈骗等得逞的概率,让以客户为中心的承诺落到实处。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09