本篇文章跟大家探讨下信用卡知识图谱,以及各银行信用卡介绍对应的知识信息,希望对各位有所帮助,不要忘了收藏本站以备日后需要哇。
本文快速导读目录:
- 1、中腾信如何利用知识图谱技术,实现风险管理中的实时应用?
- 2、北京知识图谱科技有限公司怎么样?
- 3、竹间智能和达观数据对比,哪家在企业智能客服方面更好?
- 4、怎么样在手机银行上把工商银行一类卡改为二类卡?
- 5、求观察日记20篇
- 6、互金风控进化史:人工、实地到智能大数据走过哪些曲折?
中腾信如何利用知识图谱技术,实现风险管理中的实时应用?
中腾信的金融科技实力提升从应用效果来看,公司自主研发的知识图谱技术,可以有效识别传统类型的欺诈团伙,知识图谱实现了在中腾信风险管理中的实时应用,为欺诈风险防控、信用风险管理提供了新维度,特别是可以对传统类型欺诈团伙的有效识别,提升了风险管理能力;针对近百亿级多种维度的数据进行处理以及社区发现算法的优化,实现了贷前应用秒级响应;划分了数万个网络社区,并对好坏社区进行分类处理,能够支持客群组合管理、额度管理等方面的正面及负面应用;对存量客户实现了多度关联关系的识别;基于社区的关联关系生成了上百个关键社区变量用于风险规则设置及评分模型优化等等。

北京知识图谱科技有限公司怎么样?
简介:北京知识图谱科技有限公司成立于2017年信用卡知识图谱,公司主要业务是基于自己核心信用卡知识图谱的知识图谱平台技术开发面向行业信用卡知识图谱的人工智能产品服务信用卡知识图谱,目前已在(公检法、军事、科技)情报分析、智能金融、智慧司法、农业健康智能问答、智能客服领域进行产品的开发和推广。公司技术覆盖从数据采集到数据清洗、知识提取、知识表现、知识推理、动态本体建模存储、关联分析、可视化、问答系统、语义检索等知识图谱核心技术。
法定代表人:吴刚
成立时间:2017-05-31
注册资本:108.696万人民币
工商注册号:110108023525668
企业类型:有限责任公司(自然人投资或控股)
公司地址:北京市海淀区中关村大街18号B座9层909室342号
竹间智能和达观数据对比,哪家在企业智能客服方面更好?
之前信用卡知识图谱我们公司客服人员不够,所以培训时间长,于是就想找智能公司合作,对比信用卡知识图谱了几家国内AI智能方面比较优秀的公司,我们最后在竹间智能和达观数据之间考虑了一下,后来我们将两家进行了对比,比较下来达观数据在文档识别方面更有优势一些,竹间智能的在语义识别和知识库方面更突出,主要是因为竹间智能提供的整体方案和产品的功能性更加适合我们公司的实际情况,所以我们选择了竹间智能。合作过程也很愉快,智能服务解决客户各类疑问,还能精准提供客户画像,人工客服有了很多空闲时间可以去解决更难的问题,公司内部效率提升了很多,拓展了业务范围和业务量,做的智能知识库也很不错,知识检索非常快,客服很快就能找到需要的业务和答案,真的帮助我们解决了很大难题。因为整个效果很好,后续我们之间也会继续加强合作,现在也在聊整体客服中心的其信用卡知识图谱他业务。
怎么样在手机银行上把工商银行一类卡改为二类卡?
手机银行上无法把工商银行一类卡改为二类卡,需要去银行柜台办理。在做降级之前,我们需要向工商银行查询,这一张一类卡是否可以降级。有些地区是不能做降级的,所以在办理之前需要向工商银行先查询。如果可以办理的话,我们携带身份证,以及原来的一类卡,去银行申请降级为二类卡。
拓展资料:中国工商银行手机银行
一、简介:
随着移动互联网浪潮的迭代和智能移动终端的普及,手机银行已经成为银行业务深入客户的主要渠道。2019年11月,中国工商银行再度发力,全面升级手机银行至5.0版本,打造聚合新动力、新体验、新价值、新融合、新生态的五新手机银行,以金融科技为3亿用户赋能。
二、创新技术/模式应用:
1、技术创新。本次版本升级工行采用基于知识图谱的深度学习算法,通过客户信息、功能菜单及客户行为构造知识图谱,对客户常用的、感兴趣的功能菜单进行推荐,同时结合纯语音交互技术,只需动动口就能完成转账、查余额、还信用卡、查网点等百余项业务,让所有客户都能享受到科技带来的个性化便利服务。
2、模式创新。一是推动线上线下一体化工程,顺应“无现金”社会发展趋势,打造“免证免卡”的线上线下联动服务。以手机银行扫码作为认证方式,降低网点业务对银行卡、身份证等介质的依赖,简化柜面办理流程。将资信证明、银行流水、换卡不换号等业务实现统一订单化管理,线上申请、线下邮寄,省去客户往来网点的奔波。二是打造开放生态,构建快速接入、开放输出的无界银行。面向全球开发者全新推出小程序功能,支持外部合作场景、分行本地场景快速接入、直推客户,同时对外支持API接口、SDK等形式开放输出,为基金保险、社保政务、健康出行等上千家合作方输出授权登录、账户管理等,让工行金融服务更加“无界”。
三、项目效果评估:
中国金融认证中心(CFCA)联合北京益派市场咨询(益派咨询)对幸福生活版进行了评测,主要从兼容性、性能、安全、功能体验四大部分进行。
1、兼容性,工行新版手机银行APP在203款安卓手机设备和18款苹果手机设备,覆盖24款个人手机品牌中,通过率为100%,整体兼容性行业领先。
2、性能情况,设备CPU占用率、内存占用、设备总流量消耗、应用启动时间4个指标优于行业均值。
3、安全情况52项安全评测指标,涉及通信安全、客户端运行时安全、客户端交互安全、客户端安全防护、代码安全测评、客户端业务逻辑安全性评测6大部分,新版手机银行客户端整体表现良好,有效避免信息泄露风险,保障客户交互安全。
4、功能体验方面,以新技术前瞻投入提高手机银行智能化服务水平,以客户为中心打造极致产品体验,以专属服务提升手机银行服务价值客户的能力,以开放共赢心态打造无界金融,以立体化运营打造有温度的金融服务。
求观察日记20篇
一:佩兰·死而复生
我是多么喜欢那种纤巧的淡绿叶子发出的清香,小时候大人叫它“佩兰”,丢一片叶子在开水里,整杯水都呈现出醉人的淡绿,那种特殊的香气,据说还可以消暑。
很多很多年后才知道它就是古诗“兰泽多芳草”中所指兰草的一种,亦是一昧中药,我们这里不能算产地,只是偶有人家种植而已。既然是“偶有”,当然是指见到的机会并不是很多。而成年后,更是未曾再遇见过。于是每每想起来,它只和我的故乡以及少年时代联系在一起,那曾接触过的香气已很难忆起,又为淡淡的惆怅所替代。
那次去往故乡小镇,徘徊在石板路上,突然见边上一家门前的瓦盆里种了一些三四寸高的淡绿小株,嗅一下,果然是那疏远又熟悉的香气。于是央了两株最幼小的回来,居然都存活了,虽然还是那么纤巧窈窕,但已远远茁壮于来时了。
朋友说了个笑话,说他有个同事很瘦,结果她种的植物都是瘦瘦小小的;有个同事很胖,办公室属于他的植物也都是肥肥壮壮的模样。
植物跟照顾它的人之前有这种冥冥中的呼应或是默契,也是件好玩的事情啊!
一场大雨后,天气迅速转凉。眼看阴云沉沉,还要下雨,我就把一众花儿都搬到阳台上去。结果雨没有下成,我却犯懒加大意,没有把花收回室内,还天真地以为反正炎夏已过,多接触室外的阳光和露水对花儿只有好处。
等我想起的时候,已经晚了,鸭跖草、紫竹梅和露草虽然奄奄一息的,但看上去还不至于有生命之虞,而那盆本已开花的佩兰,却枝叶全萎,生气无存了。
把它放在阴凉的地方浇了水,心知已不能再抱有希望,本是难过后悔至极,可是还忍得住,然而直起身的瞬间,却嗅到它最后释放的那一缕数月来已经为我重新熟悉了的幽幽清香,瞬间便掉下泪来。
所以我一直不养宠物,之前也几乎不种什么花草,嫌照料麻烦只是其次,很大程度就是因为害怕别离和失去的缘故。我虽然不读佛经,更不通晓佛理,但是“由爱故生忧,由爱故生怖。若离于爱者,无忧亦无怖”的道理却是天然懂得的。
大概情感脆弱的人总是还是有自知的罢。
可是,没有想到,当植物失去了自然的环境,完全托付给人之后,它的生命是要比那样的情感还脆弱的。
何况又是我犯下如此严重的疏忽在先。
怀着最后的一丝希望,我把它连盆浸在水里,过了二十分钟后去看,它还是没有半点起色。
心中酸痛无言,只能黯然背转身去。
几小时后回到家,第一件事就是去看它,没想到奇迹却出现了:它三分之一的叶子已然恢复了舒展和青翠。(五个小时后的傍晚,它已经全部回复原来的绿意盎然了。)
每当自己在乎的东西失而复得的时候,我都觉得自己是世界上最幸福的人,并且为自己的过失却换来这份意外的幸福而感到内疚。
虽然我知道它枯萎的那一刻是无论如何都要来的,但不管怎么样,还是发誓此后的每一天,都能倾尽心力细细照料它,相伴着它好好度过,再不犯类似的疏忽和过错。
二:却怪合欢误终生
我第一次见到合欢花,是七岁的时候。
暑假里去外婆家,炽热的中午,大人们都在午睡,我悄悄溜出来,在总是令我万分新奇的村庄里四处探险。我跑过很多座石桥,然后在其中的一座石桥中间,我突然停了下来。
那桥在树荫深处,附近没有什么人家,被隔绝了的阳光和偶尔婉转悠长的鸟鸣更令它显得深幽袭人。我扶着桥栏,怔怔地看着从河堤上斜斜伸过来的一根树枝,那树枝上开满了我从未见过的花,它像绽放在水粉画里的一样,一小团一小团晕染开来,又像是用最轻柔的细绒线做成的一朵朵绒球——做绒球的方法,我恰好才学会不久:把硬卡纸剪成大小一样的两个圆,中间再挖空,然后用绒线从里到外密而整齐地缠绕起来,直到把中间填满,再沿边缘剪开,最后撕去卡纸,打结固定。
可是做得再巧夺天工的绒球,还是不及这树上的粉色花美。我尽力地踮起脚尖,伸直手臂,还是够不到那怕最近处的一朵花。对于七岁的我来说,即使是那样低垂到桥沿的树枝,还是太高了。一阵风吹过,数朵落花轻轻飘落,却并没有一朵飘到桥上。我怅然地俯看桥下流水,却见那粉色花坠于菱叶与绿萍之间,宛如复生的梦幻一般,而我终于求之不得。
时间静静流逝,我必须在大人们醒来发现我失踪前尽快回去。离了石桥,转头再望,那一树粉色花更如同一个深深的午日梦境,从此在我心底留存下来。
渐渐长大的岁月,偶尔也会在别的地方遇到过这样的花树,不再有初邂逅时的那种震撼,却总有着不可描述的与童年记忆相联的淡淡怅然。直到很多年之后,我才终于知道,原来它的名字叫做合欢。
我的童年、少年,乃至成年,其实都没有什么真正特别的事件,而我做的最多的事就是看书,各种各样的书。在这些书里面,有的段落会提到树和花卉的名字,而合欢被提及的频率是并不算低的。于是有一天,看到有额外多一点的文字描述它朝开暮合的羽状叶子,夏天静静盛放的粉色绒球似的花,心里便猛地一惊。之后找到植物图谱,翻到合欢的那一页上,于是,在这个本以为是陌生而遥远的词条下,我与七岁那年让我如陷梦幻的粉色花再次相遇。
合欢,这样令唇齿温柔的名字,配这样梦境般的花树,是多么完美啊!
这几年,在起落的人生经历到大约一半,而心境已经越来越趋向淡然的时候,我重新开始喜欢上了养花。或者也可以说,我是受了某个人的影响,然而这样的影响,假如不是与我天性中一直存在的喜好相呼应,或者说是唤醒了这种暂时沉睡的天性,大概也不会来得那样理所当然、诚实和有效。有一天,这个我同城的人说要给我一个风信子种球和一株栀子,没有别的机会这一段时间遇到,所以就约了在公园里见。
见了他,我觉得很尴尬,拿了东西就逃也似地离开了。平时我们在网上讨论各种植物的时候,倒是很轻松自然的,大概是因为没有了网络的庇护,我就变回了一个非常不善于与人打交道的人。就这样,我一个人在公园里漫无目的地走着,突然看到草地上有一些粉色的圆形落花,其中几朵泽调还非常新鲜,应该是刚刚落下来的。我捡起一朵这被唤为合欢的落花,端详之后,随意地嗅了一下,却意外地闻到一股特别的清香。
我以前竟不知道合欢花是有这样的香气的!
很多的事情,其实也许对于一开始就知道的人来说并不稀奇,可轮到我们自己,却总有时候要到很晚才会知道,不明白这算是好笑呢,还只是天意捉弄。
就象我在这个凌晨无端醒来,突然莫明其妙地明白,原来正是喜欢一个人,见了面才会觉得尴尬,徜若只是普通,何至于有此情由。反过来想一想,又何尝不是。这与经中说的“由爱生怖,由爱生忧”虽然不是同样的意思,但道理是相通的。
却怪合欢误终生。
犹记七岁时与合欢梦一般的邂逅,到偶然知晓它的芳名,再到如今惊讶于它如此这般的清香,这中间,度过了的难道仅仅只是恍然的岁月吗?
四:站在海角天涯,等待土壤萌芽
还是喜欢王菲《彼岸花》里的这句歌词:
我站在海角天涯
听见土壤萌芽
在网上买了二十种花种子,昨天上午就收到了。每一种分别上网查出播种须知,好多都是需要浸种二十四小时的,其中就包括我最最渴望种的含羞草。
也就是说,真正播种的日期是在今天。
网上买的十几个新花盆也收到了,然而我还是兴致勃勃地DIY了一大堆小育苗盆。
曾经我是玻璃器皿收集癖者,尤其是美丽别致的杯子。以为这个癖好是很奇怪的,后来看到一些帖子,才知道原来大多数女人都有类似的器皿收集癖。不过相较玻璃制品,我对于塑料制品的喜好程度是要略轻一些的,因为玻璃器皿的透明折射的质感,塑料制品是永远及不上的。而且比起那种昂贵轻薄的玻璃器皿,我倒更倾向于有点沉甸手感的。
可是这几天,我把家里所有搁置的塑料制品,只要是圆形的,全拿来剪成花盆状,然后把一根细不锈钢筷子在火上烧烫,嗤地一声在底部钻出均匀的排水孔。这个令我乐此不疲的DIY游戏让我对于塑料制品的好感立刻腾腾升温——那一堆美丽的玻璃器,可是无论如何不能穿孔作为花器的啊!
播种,对于我来说最大的好处,就是培养耐心。我一直是个没有什么耐心的人。然而等待种子萌芽,没有耐心是体会不到其中的意趣的。
二十种花种已经一一播下了,最快的也要一周发芽,最慢的要二十天以上。
在此之前,所有黑暗中的秘密是我所不知道的。
而这个秘密的揭晓,是一个连续不断的悬念,多好。
我站在海角天涯,等待土壤萌芽。
小说还是没有进展。每天我都害怕看到H。
有一天他问我,是不是B型血。我说不知道,B型怎么了,他说:缺乏自律。
汗,真像。
我对于自己喜欢的事物总是狂热,充满热情,比如现在的种花。对于必需完成的工作却总是一再放任。我心里明白这篇选题计划内的小说,亦是作为我与那家H竭力引荐我的出版社之间的第一次合作,是我不能放弃的,但我所过的每一秒都在暗自放弃。这令我在最快乐的时候都感到恐慌和不安。
也许最好的办法还是放弃,然后去写我自己真正想写的东西——那是只需要激情和灵感,而不需要任何动力就能完成的。
可是我仍然犹豫不决。
希望在等待土壤萌芽的这段时间里,我会找到那个最好的选择吧。这个选择结果就像种子一样,也在黑暗中萌芽,亦是一个现在的我自己所不知道的悬念
五:只有种子不会辜负
种下48小时后,五粒紫罗兰率先发了芽,比我想象的速度快多了。
突然觉得花盆还是不够用,正好在超市看到有那种很可爱的陶制迷你小花盆,就先挑了两个,然后顺路到一家花木铺里买了三个青瓷的,是类似于蓝印花布的那种图案,之前家里已经有一个,原以为再也买不到同样的了。
回家又到网上订购了小号和中号的简易花盆各二十个,补充了些前次没买足的花肥和消毒剂之类。网上的价格只有市面上的刚刚一半。总之即使不是一半,这样的爱好也仍然属于不那么奢侈的,虽然它早已经超出了我的预计。
下午收到网友用平邮寄来的紫罗兰和鼠尾草种子,第一次参加网上的种子分享,感谢让我惴惴不安的中国邮政的低信用率没令我出师不利。
收到平信的感觉真的很好。凑巧的是同时还有一封,是市作协寄来的会员证。这类单位在我心中一直是拖沓效率的代名词,以至于我根本就把这事抛到了脑后,未料这次也是快得令人刮目。
这个世上,我们总是活在辜负和被辜负中间,拼尽全力付出,拼尽全力爱或者喜欢,拼尽全力拒绝,拼尽全力失望......却永远不可能预知下一步来是什么。
《后天》里的女孩在灾难和死亡的笼罩下说道:“我拼命读书,是为了将来,怎知道并没有什么将来。”这句话不知为何,令我印象深刻,并且时时想起。
再看《2001太空漫游》,所谓人类文明的将来,不过是复归于起点的一个循环。
无论如何,只有种子不会辜负我的付出、照料与愿望。它从黑暗中生长起来,如此美丽纯净的生命,只要一点点水和土壤。
刚发芽的紫罗兰甚是微小,无法拍摄。它以后的路还很长很长,可是总有一株会开出花来吧。紫罗兰买的是混色的,不知道自己种下的花朵的颜色,我总觉得是件很奇妙的充满遐想趣味的事。
不过牵牛和矢车菊,我坚持只要蓝色的。
在文字上,我要走的路也很长,一切都是未知数。可是我只要我种的花儿能一一开放,哪管文字的将来、世界的将来又怎么样。
六 心似朝颜最后一曲阳关
朝颜,就是牵牛花。没有亲身体验过在清晨看见它沾着朝露开放,而在大约九、十点钟就悄然谢去的人,对于这个带有文艺色彩的别名,是很难有深切的认同感的。
在我的故乡,位于长江之尾的一个平淡小城镇,那种大朵的蓝色或紫色牵牛花并不能算常见,而且,是越来越难见到。因为野生牵牛花的生长环境越来越狭窄,而极大多数的人们又不会把它作为家常花卉来种。
小时候,在上学的路上偶然遇到某处的藤蔓上开出了蓝牵牛,总是欣喜若狂地摘下来,藏在课桌里,上课时走神无数回用目光去爱抚它那幽静而又明丽的蓝色。那时候不知道在英文里blue等同于忧伤,只知道它宛如海水和晴空,是我所最心爱的色调。
很快,海水退潮,晴空转成暗暮,蓝牵牛的花瓣在我的课桌里渐渐闭合了,以为第二天或者几天后这处还会有新的花朵开出来,却不料再没有看到过,不知道是因为这根藤蔓只开了这么一次花,还是被别的孩子摘走了。下一次遇见,已不知是何时何地。
初一的植物课,知道蓝色的花瓣因为容易被紫外线灼伤,因此是非常稀少的。蓝牵牛在上午九、十点就谢去,也就得到了科学的解释。只是想不明白,既然如此脆弱,为何一定要选择这种颜色生存呢。那时我满怀理想,意气风发,似乎半支莲迎着阳光傲然开放、沾泥就活的习性更让我激赏,可心里却始终爱恋和向往着那抹不掺杂质的蓝色。
在我人生最低谷的时候(如果现在和那时比,不算低谷的话,至少我自己认为不算),我被调离市区,发配到乡下的办事处去上班。每天我五点就要起床,然后坐着不久后就会被勒令淘汰的小中巴,颠簸半小时去开始一天的柜台工作。那时候还没有勇气辞职,只是想着,这样的日子,什么时候才是一个尽头呢。而现在回头看,那段日子所有的苦都随风而去了,我永远记得的,却是一个深秋的绝美清晨。
坐上的一辆小中巴上只有我和司机两个人,车出了市区,深入乡间公路之后,原本轻纱般的薄雾越来越浓,变成雪白柔美的烟罗,视野所及处,一切景物若隐若现,宛如神秘的仙境。在飘来荡去的白烟罗缝隙处,突然一簇天蓝伴着熟悉的旋状花朵映入我的眼帘,在周遭的所谓苍苍蒹葭中,它蓝得那么任性、娇美,无可比拟,然后转瞬消失。只有一轮鲜红欲滴的朝阳从蒹葭丛后升起,金色的光芒穿过晨雾一直照在我的脸上。我那时候就知道,今生今生,大约是不会再在同样的地点、同样的心境下,遇上如此不可描述的美了。
我很少向人提起这样的从前,也从没有人知道,为什么牵牛在经过了我少年时代对蓝色花朵的少见多怪和新鲜感之后,现在仍然如此令我梦萦魂牵。
时时向身边那些喜欢拍摄花朵的朋友问,有没有见过蓝牵牛,有没有?回答总是令人失望的。然而等到终于想起,在淘宝上找到“蓝牵牛种子,一元”这样的链接后,才笑自己接触网络多年,竟然到今天才想起把这个梦想交付出来,而且,而且这样轻而易举地就实现了一半。大概,是在我的潜意识里,蓝牵牛的孤寂梦想,与热热闹闹的网络,实在是太难以联想到一起了吧。
在花盆里播下的牵牛种子,是所有发芽了的花种子中长得最快的。快快长吧,我的蓝牵牛,在我的切切目光里开出花朵来吧。
我不再似半支莲满怀理想,意气风发,我的心是沧桑又新鲜的蓝色朝颜,在清晨静静醒来,静静地开,静静地谢,逃避着紫外线的酷烈。不管那花瓣的蓝色多么短暂脆弱,它在这个世界上依然会存在。
附十多年前所写的关于蓝牵牛的诗:
面对你久已沉默的容颜
于转身的瞬间
突然记起
在爬满蓝色牵牛的窗口
我少年孤寂的梦想
曾经怎样忧伤地凝望远方
......
也许此后的某个午夜
将有一种熟悉的曲调穿越时空
在不知名的地方破梦惊起
是缠绵悱恻的阳关曲
还是你我心中纠结如藤的记忆
互金风控进化史:人工、实地到智能大数据走过哪些曲折?
今天大家都已经习惯了线上秒批、数字信用等基于人工智能和大数据的风控体系。但是追溯到十几年前,数字风控却付出过惨重的代价。十几年一路走来,随着大数据以及人工智能等技术的不断完善,互联网金融才真正让大数据风控走向完美。
日前,在玖富集团开放日上,玖富首席数据科学家、首席风险官谷颖讲解了人工智能的应用要素和发展阶段,揭示了智能风控的进化史。
(玖富集团开放日)
从互联网金融祖师爷的垮掉说起
NextCard是互联网金融行业绕不过的一个案例。这家公司堪称互联网金融的祖师爷。NextCard总部设在旧金山,通过互联网发放信用卡的公司。公司提供一套VISA卡网上信用审批系统,并为使用者申请者提供互动服务。
(维基百科关于NextCard的介绍)
在这家公司的征信体系之中,信用资料较少的申请人,只需在这里存有一定额度的存款,就可申请到信用卡。和今天很多互联网金融项目相似,NextCard主打短平快借贷,在当时备受美国用户的喜爱。从1996年推出到2001年的第三季度,NextCard积累了120万个信用卡账户,未偿余额达20亿美元,其成本却比传统做法低70%。
NextCard几乎拥有今天互联网金融企业的所有特点,甚至今天很多中国互联网金融项目都与之相似。不过,遗憾的是,2002年9月,NextCard遭到联邦证券监察机构的调查并宣告破产。破产的最大原因是因为该公司的客户主要都是一些被其他信贷机构拒绝的消费者,导致欺诈、坏账的激增。
然而,NextCard把许多属于客户故意拖欠不还的普通信用坏账归为“欺诈”损失(“欺诈”损失被归纳于一次性损失,财务上不需要相应的储备金),它需要大量增加储备金来预备将来的信用损失,导致其丧失流动资金,不得不宣布破产。
回到15年前来看,NextCard错误很明显,主要是这三点:
1、在征信把关层面上就已经出现了漏洞
对于美国银行来说,影响审批额度的主要因素包括客户基本特征(包括男女、年龄、教育程度等等)、客户风险暴露情况(社会收入、债务情况、还债能力综合评估)、现有的社会表现(房贷还款情况、其他银行信用卡使用情况等)。但NextCard高估了人性,明显对用户的信用水准期待过高,忽略了信用欺诈的严重性,导致公司破产。
2、在风控层面上也缺乏合理的预警机制
按道理来说,在公司出现坏账时,应该加强储备金,以此抵御风险,但是NextCard几乎没有设置坏账红线,甚至也没有为坏账准备对冲风险的储备金,仅仅只是把坏账归纳为一次性损失,这样的损失过多的情况下,最终只会导致坏账如滚雪球一般越滚越大。
3、迷信线上审批,缺乏线下人工风控把关
在那个时代,线下人工把关是风控不可缺少的一环,很多小微企业的信贷甚至需要风控人员到现场查看生产现场,结合生产工艺,了解生产组织情况,固定资产更新情况。风控不仅仅是资本和金融层面的事情,更需要真正深入到产业之中,去了解一家企业的运行状况。显然,NextCard缺乏对线下的把控,以至于全盘皆输。
“人肉”风控的必不可少与逻辑悖论
NextCard的垮掉本质上是线上风控、征信技术有限,无法战胜人工的结果。在传统金融机构、小贷公司中,不仅仅有一整套严格的审核标准,需要贷款人提供各式各样繁琐的资料,而且风控人员甚至还会自己的经验判断,在面对一些特定行为特征、生活习惯的客户会首先有一个自己的直观打分判断,这些是长期经验累积的结果。想要拿到一笔贷款,金融机构、贷款公司会付出很高的人力、物力、时间成本。
玖富作为中国最早的互联网金融服务公司之一,如今已经有11年的历史,在行内颇受好评。这家金融服务公司当年为确保资产项目的真实、安全、可控,通过非常严格的完整审核体系的层层筛选,内部建立了独立的线上风控模型,并引入了实地征信风控合作。
不过,实地风控体系依然会存在各式各样的逻辑悖论。
对于金融企业来说,风控模型和风控体系需要非常有经验的金融从业人士来进行把控,比如说,银行的风控模型的出发点主要是测量借款方的还款能力,一般来讲,模型包含了两部分的评判,即客观性的和主观性的。客观性的主要是数据类型,能量化的。如公司的年度审计财务报告,银行流水,缴税金额等,这些数据放在已设定好的模型里就能给出个分数或等级,做为参考。
但光靠客观数据还不够,比如说这公司所在的行业是淘汰落后的行业(如钢铁、水泥等),那么评级可能需要有些降级,再比如说公司的管理人在该行业的经验年限的长短,都会影响到这家公司的风险,所以这部分就得靠人为主观的去做些调整。
因此,人在传统风控体系中起到了很大的作用。比如说,需要人工标记坏样本的方式来记录坏样本订单号,人工通过相关黑信息关联找出来的标记样本。系统设计是尽可能多的和并且尽可能精准的的收集到坏样本。
但是人毕竟是计算能力有限,而且对复杂的征信环境缺乏整体把控能力。在人工审核过程中,很容易出现样品偏差的问题。比如说,你发现骗子符合某些聚集特征,你指定策略1进行打击后,骗子的这种欺诈手段被控制,以后的损失案例都不具备这样的聚集特征。如果坏样本的收集时间在策略1上线之后,这个时候模型训练的结果极有可能出现满足聚集特征的风险低,不满足聚集特征的交易反而风险高,也就是说聚集特征的权重是负数。
另一个问题在于,金融行业的劳动力成本正在逐年上升。在传统金融尤其是传统信贷服务领域,我国传统信贷能服务的客户群仅占总人口的15%左右。传统信贷服务需要依托线下网点展开,资质审核、合同签订等流程都需面对面进行,服务效率低下,最终的结果是一方面风控人员不足,另一方面是单纯的线下人肉风控也缺乏对风控体系的百分百把控。
智能风控三阶段究竟解决了哪些问题
对此的应对方案是两个:一是引入在金融领域对于征信体系有能力建构一整套完整风控模型的人;第二个才是把大数据、人工智能引入到征信体系之中,进行智能风控。
今天BAT三巨头上手互联网金融的时候,几乎都在不断引入能够驾驭风控模型的人,以此根据不同行业,不同数据建构起不同的风控模型。玖富也在不断引入风控模型的把关人,比如说首席数据科学家兼首席风控官谷颖。谷颖博士在回国之前曾在华尔街投行工作达十年之久,其团队更连续六年在全美固定收益策略、量化研究领域排名第一。而且在一批成熟金融人才的研发下,玖富也构建起了“火眼”风控系统。
玖富的“火眼”风控系统形成了线上化、机器化、模块化的风控构架体系。充分利用大数据分析技术建立独特的风控体系,具有处理高效、风险可控、成本低、边际效应明显等特点,能够可以提早发现用户早期逾期表现,并能有更多的时间进行调整。
根据她的说法,人工智能应用在金融领域有三个阶段。第一个阶段是机器学习(ML)阶段,即互联网金融为代表的金融机构全面渗透到所有模型建设中;第二个阶段是自然语言处理(NLP)阶段,即国内大量互联网贷款和征信公司都在大量使用自然语言处理技术;第三个阶段是知识图谱(KG)阶段,即大量使用知识图谱进行反欺诈分析。“火眼”风控系统恰恰覆盖了这三个阶段的所有应用,也是目前比较完善的风控系统。
机器学习(ML)阶段解决的核心问题在于,让风控模型自动学习、自动匹配各项数据,在模型内发现异常,揪出信用黑户。尤其是机器学习算法能够根据数百万消费者案例,如:资产、履约、身份、偏好、社会关系及借贷情况等进行开发和训练,利用算法评估预测用户是否会违约、是否会按时归还贷款等。
自然语言处理(NLP)阶段解决的问题则是可以在个人及企业主页、社交媒体中发现蕴含着与违约风险深度关联的深层含义,通过复杂的词向量模型将文本转化为计算机能够识别和计算的词向量表征,并基于深度学习技术对其进行特征提取,最终运用成熟的分类器网络将文本数据与违约风险实现高度的风险挂钩,而通过传统方式很难充分挖掘其风险价值。
知识图谱反欺诈(KG)分析恰恰是最重要的一个环节,因为知识图谱反欺诈需要把所有技术融合在一起,构建图谱,从中发现欺诈行为。这也是很多互联网金融公司目前在主攻的方向。
因为在过去,反欺诈人员需要根据借款人提供的信息,查找多方面资料,进行不同属性的比对,从而发现不良征信人。这种工作复杂而枯燥,为了识别团伙欺诈,往往需要收集、整理、分析各种维度的数据,工作量更是成倍增加。而知识图谱反欺诈能够把把每个客户的信息、以及网络上公开的信息织成一张巨大的关系网,并通过可视化的图形将这种关系展示出来。结合反欺诈部门的经验,找存在欺诈的客户。
写在最后:
虽然如今大部分平台都在采用“大数据技术”来做风控,但审核结果严重趋同,现状不容乐观。真正大数据风控技术需要多云数据源(平台积累、征信机构、同业共享)来支持风控审核模型决策,这恰恰是中国互联网金融企业最需要发展的方向,也是必然需要走过的曲折道路。
关于信用卡知识图谱和各银行信用卡介绍的介绍本篇到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。


还没有评论,来说两句吧...