
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29