京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据风控助力徽常有财发展
12月13日,杭州邦盛金融信息技术有限公司与徽商银行直销银行“徽常有财”在合肥举行签约仪式。这意味着“徽常有财”将正式启用邦盛金融的授信决策产品,以减少银行互联网信贷业务面临的欺诈风险,同时利用大数据技术提高互联网信贷业务的效率。
直销银行兴起于上世纪90年代末,是传统银行在互联网时代布局的一种新型银行运作模式。它打破了时空的限制,极大地拓展了传统银行的生存空间。但与此同时,直销银行所面临的风险也不可小觑,除了传统金融的业务风险外,还有互联网金融的技术类风险。比如银行线上授信类业务即可能面临多重欺诈风险,这其中包括逾期信用风险、本人伪造欺诈风险、他人伪造欺诈风险以及团队/中介欺诈风险等等。如何快速识别欺诈风险,同时利用技术手段提高整体运营效率,这将是传统银行在互联网金融浪潮中继续保持竞争力所面临的重大挑战之一。
而这正是邦盛金融成立后用整整四年时间来研究的一件事。传统的授信业务是线下进行的,申请授信的人与银行的人要面对面,提交银行要求的各种材料,银行要对材料的真伪进行核实,包括现场核实。互联网授信业务是在线上进行的,申请授信的人与银行的人不是面对面的,因此互联网授信业务极大提升效率的同时,也带来了巨大风险。邦盛金融的互联网授信决策产品应运而生。简单来说,就是在用户申请的环节,识别欺诈的风险;在授信的环节,通过海量数据,包括人行征信数据,电商数据,运营商数据,社保缴费数据,等等十几个维度的数据优化成的模型做评分,从而决定授信额度,而这一切都是秒级完成,通过分析海量数据实现的。“我们所做的,就是不断通过大数据技术的处理能力,综合各方面的数据提高银行互联网授信业务的的整体效率与最终客户体验。”邦盛金融副总经理王昊一如此表述。
不同于目前市场上其他的金融风控产品方案,邦盛金融的授信决策产品具有全业务场景支持调用、全生命周期风险管理、全自动化审批决策、全授权数据采集以及全数据清洗加工等五大特点,所有方案都是基于客户定制开发的本地化规则模型,全方位、多角度地为其提供超一流的技术体验。
徽商银行电子银行部总经理助理王涛表示,“邦盛金融在互联网反欺诈、实时风控、大数据应用以及底层技术实现等方面具有丰富的实施经验,因此,“徽常有财”选择与邦盛金融一起,携手拓展互联网消费信贷业务。”
成立于2010年,邦盛金融是国内最早从事事中反欺诈技术研究与应用的企业,同时也是目前少数拥有自主产权底层平台的技术公司。目前公司拥有一整套以实时金融风险监控产品为主线的高性能解决方案,服务领域囊括第三方支付、互联网金融、银行、外汇、证券、基金、保险等行业,是国内金融风控行业领军者。
邦盛金融副总经理王昊一在签约仪式上表示,徽商银行作为较早布局互联网金融领域的传统金融机构,选择邦盛作为合作伙伴,是出于对未来发展的判断,更是对我们的一种信任。邦盛金融此次提供的授信决策产品包括申请欺诈风险侦测模型和授信模型两部分内容,除此之外邦盛还将为徽商银行的互联网消费金融业务提供风控咨询服务。
未来,双方将进一步在互联网反欺诈、实时风控、模型研发、数据挖掘等相关领域深化合作,将“科技+金融”的组合最大化,让技术为传统金融机构的转型插上翅膀。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22