万象智慧AI风控平台 严选
中诚信征信
共 1744字,需浏览 4分钟
·
2020-11-11 01:11
商品详情
商品亮点
- 自动决策引擎
- 关联风险挖掘
- 自动机器学习
商品说明
版本: V1.0 | 交付方式: 人工服务 |
适用于: Windows | 上架日期: 2019-12-13 |
交付SLA: 7 自然日 |
“万象智慧”(ASmart)是由中诚信征信自主研发的智能风控平台,在实现风险管理自动化的基础上,进一步实现智能化。万象智慧平台包括决策引擎、关联图谱、智能建模等人工智能工具模块。
一、自动决策引擎——决策引擎模块
决策引擎通过自动化整合源数据,形成可以由用户灵活调配的规则与策略,实现业务决策工作流的全生命周期管理,并支持实时智能数据分析,提升业务响应与决策效率。决策引擎承载着数据解读的风控规则与模型评分,通过自动化整合元数据,形成由用户灵活调配的规则与策略,实现业务决策工作流的全自动化评估,并支持实时智能数据分析,提升业务响应与决策效率。
决策引擎的主要功能点包括:
1.数据引擎。自动集成第三方数据完成数据提取与特征加工。
2.规则引擎。基于原子化的特征规则,通过可编程的运算逻辑形成规则集
3.策略引擎。针对不同业务策略,通过规则与规则集之间的灵活配置形成多路径决策流。
二、关联风险挖掘-关联图谱模块
关联图谱模块以“节点-关系-属性”的形式分析复杂数据背后的业务关联,不仅可以作为关联风险识别工具,还能为风控建模提供多样化的衍生变量,应用于反欺诈、目标客群识别等。在面临复杂关系数据的时候,传统的数据处理技术难以快速、全面、精准的获取数据价值,而知识图谱技术可有效提升数据的处理效率,深度挖掘数据关联价值。关联图谱可生成传统方法难以提供的基于关系的特征,并通过图的表示学习,生成低维特征向量。
关联图谱的主要功能点包括:
1.信息关联。对多源异构的复杂业务数据进行实时关联分析,深度挖掘个人与个人、个人与企业、个人与设备乃至所有数据之间的关联信息。
2.聚团分析。对群体关联特征进行实时统计分析,设置时间轴对群体业务特征进行回溯,挖掘源头及关键点
3.图特征计算。基于图结构提取图的凝聚性特征、关联性特征、结构性特征等特征变脸,结合多种算法及机器学习建模,进行精确及可视化的业务分析
三、自动机器学习——智能建模模块
智能建模对数据分析与建模的整体流程实现程序化,并对特征工程、算法选择与参数调优实现智能化。智能建模模块拥有变量分析、模型训练、模型预测、模型应用、模型监控、自主编程六个主要功能模块。在平台上,用户可以通过载入数据、设定业务目标进行模型训练与自学习迭代。
智能建模具有如下优势:
1.高效率。降低人工操作复杂度,准实时数据处理效率。
2.易操作。建模流程可视化,满足业务/建模/开发等不同角色需求。
3.易应用。模型自动发布、应用与监控,可形成闭环自动迭代。
4.专业性。结合专家经验与改良人工算法,形成知识封装固化。
5.灵活性。支持全平台部署和插件化部署,适应多场景。
智能建模的主要功能点包括:
1.自动特征工程。基于结构化数据自动形成建模特征。
2.自动机器学习。设定目标自动完成算法选择与参数调优。
3.模型学习迭代。支持模型自动提取与部署,根据业务反馈数据自学习迭代。
4.模型应用。一键完成本地/远程模型部署,并支持在线调试。
5.自主编程。在线可编程环境,集成Python、R、Spark以及TensorFlow等开发组件。
一、自动决策引擎——决策引擎模块
决策引擎通过自动化整合源数据,形成可以由用户灵活调配的规则与策略,实现业务决策工作流的全生命周期管理,并支持实时智能数据分析,提升业务响应与决策效率。决策引擎承载着数据解读的风控规则与模型评分,通过自动化整合元数据,形成由用户灵活调配的规则与策略,实现业务决策工作流的全自动化评估,并支持实时智能数据分析,提升业务响应与决策效率。
决策引擎的主要功能点包括:
1.数据引擎。自动集成第三方数据完成数据提取与特征加工。
2.规则引擎。基于原子化的特征规则,通过可编程的运算逻辑形成规则集
3.策略引擎。针对不同业务策略,通过规则与规则集之间的灵活配置形成多路径决策流。
二、关联风险挖掘-关联图谱模块
关联图谱模块以“节点-关系-属性”的形式分析复杂数据背后的业务关联,不仅可以作为关联风险识别工具,还能为风控建模提供多样化的衍生变量,应用于反欺诈、目标客群识别等。在面临复杂关系数据的时候,传统的数据处理技术难以快速、全面、精准的获取数据价值,而知识图谱技术可有效提升数据的处理效率,深度挖掘数据关联价值。关联图谱可生成传统方法难以提供的基于关系的特征,并通过图的表示学习,生成低维特征向量。
关联图谱的主要功能点包括:
1.信息关联。对多源异构的复杂业务数据进行实时关联分析,深度挖掘个人与个人、个人与企业、个人与设备乃至所有数据之间的关联信息。
2.聚团分析。对群体关联特征进行实时统计分析,设置时间轴对群体业务特征进行回溯,挖掘源头及关键点
3.图特征计算。基于图结构提取图的凝聚性特征、关联性特征、结构性特征等特征变脸,结合多种算法及机器学习建模,进行精确及可视化的业务分析
三、自动机器学习——智能建模模块
智能建模对数据分析与建模的整体流程实现程序化,并对特征工程、算法选择与参数调优实现智能化。智能建模模块拥有变量分析、模型训练、模型预测、模型应用、模型监控、自主编程六个主要功能模块。在平台上,用户可以通过载入数据、设定业务目标进行模型训练与自学习迭代。
智能建模具有如下优势:
1.高效率。降低人工操作复杂度,准实时数据处理效率。
2.易操作。建模流程可视化,满足业务/建模/开发等不同角色需求。
3.易应用。模型自动发布、应用与监控,可形成闭环自动迭代。
4.专业性。结合专家经验与改良人工算法,形成知识封装固化。
5.灵活性。支持全平台部署和插件化部署,适应多场景。
智能建模的主要功能点包括:
1.自动特征工程。基于结构化数据自动形成建模特征。
2.自动机器学习。设定目标自动完成算法选择与参数调优。
3.模型学习迭代。支持模型自动提取与部署,根据业务反馈数据自学习迭代。
4.模型应用。一键完成本地/远程模型部署,并支持在线调试。
5.自主编程。在线可编程环境,集成Python、R、Spark以及TensorFlow等开发组件。
用户案例
某信托公司万象智慧平台部署项目
业务场景:通过万象智慧自动建模功能构建风控申请评分模型体系,实现资产实时准入的差异化审批策略。提高自身小微金融业务管理能力,降低资产总体违约率和满足监管要求。 效果对比:在使用万象智慧平台情况下,2名建模人员在2个月内就顺利完成了5个模型的构建。相比较人工建模,节约了近一半的人力成本,提高了建模效率。
某城商行联盟万象智慧平台部署项目
业务场景:采用万象智慧平台构建小微税贷申请评分模型,构建3个子模型和1个总模型,结合万象智策对小微企业税贷产品进行贷前风险控制和授信额度策略制定。 效果对比:采用万象智慧平台实现了灵活的特征工程和模型的自学习迭代,相对于手动建模,模型准确率提升了0.08,最终建模周期缩短一半,整体效率提升为原来的2倍。
评论