11-张鲲-多重赋能体系下的风险管理

,多重赋能体系下的风险管理,超识云数科张鲲,当企业线上展业、个人线上消费的时候，银行金融服务缺位,个人客户,企业客户,收银支付,经营贷款,消费贷款,资金管理,在线支付,在线财富管理,在线消费分期,在线智能投顾,线上消费,线上展业,中小银行,线上金融服务,FINTECH时代数字化银行建设模式方法论,FINTECH时代数字化银行建设模式,1+1+N,1+1+N架构布局,存款,贷款,支付,结算,代收付,贸易融资,保函,理财,银行卡,债券,托管,代客资金,原子产品,组合产品,现金管理,电子商务对接,供应链组合产品,在线智能审批,综合支付服务,投融资,非标资产,ESB,数据支撑,事件侦测,精准营销,交叉销售,实时推荐,风险模型,历史查询,挖掘引擎,营销管理,产品管理,应用服务中心,金融产品,产业链,产品定制在线自服务智能推介,产业链上下游电子信息平台（类bolero）,定制融资方案在线自动审批,移动支付移动门户移动应用,网上商城外部平台合作投资商旅,微金融,移动金融,电子商务,银行合作代理清算非标资产转让,代理合作,服务交互,在线专有门户,移动接入,体验管理,个人客户,服务时间投资规划综合服务,C2CB2CC2B,生活服务财富管理,B2BB2C,ERPCRM,HR服务共享财务,通过提供应用服务提高银行平台的线上流量、热度和数据累积提升客户体验和黏性,发现商机,小微企业,交易撮合,个人,小微企业,平台型企业,传统行业互联网企业,中小银行,小微企业,商户,开放平台,金融服务,互联网服务,1,1,以客户为中心,融入互联网生态,微众、平安、甜橙、拉卡拉,金融同业,微信、QQ、微博、职场社交,移动社交,唯品会、诺心天天果园,电子商务,青客、近通、爱上租,生活服务,驴妈妈，途牛，吉祥,在线旅游,九城游戏,在线游戏,远传、花桥共智云,企业服务,易美建、万达信息、上药,医疗医药,优顾、笨鸟分期,教育咨询,互联网的新模式,N,融合互联网模式创新服务和产品,公司客户,多重赋能体系,自我赋能运用金融科技强化自身数字化能力,合作赋能输出金融科技至合作伙伴达成双赢,生态赋能启迪行业共建生态激活发展新动力,自我赋能反欺诈赋能风险管理,代理IP服务器IP高危IP收码手机号失信人名单,收入验证公司验证手机使用验证,页面点击时差键盘敲击速度鼠标移动位置复制粘贴捕获,改密改卡搜索黄赌毒低版本登录同WIFI申请过多GPS出没不良场所,基于统计分析基于密度基于聚类,欺诈网络识别机器行为识别,基于征信报告的挑战问答,黑名单,数据比对,行为数据检视,反欺诈规则匹配,离群点检测,模式识别,挑战问答,自我赋能用户标签与画像体系,自有数据,静态数据,动态数据,访问/登录,浏览/搜索,购买/支付,评论/推荐,产品信息,客户信息,持有其他产品信息,交易明细,第三方数据,第三方征信,网络爬虫,集团合作,用户提交,源数据层,用户全局ID,身份证号,账号,Cookie,IMEI,用户基本属性,数据整合层,手机号,邮箱,卡号,性别,年龄,学历,职业,用户行为数据,线上消费,线下消费,PC端,移动端,产品数据,产品类型,投资期限,预期收益,风险评级,事实标签静态属性,人口统计学,注册信息,位置信息,事实标签关系信息,画像标签层,账户信息,生活关系,金融关系,社交网络关系,模型标签兴趣爱好,金融产品,非金融产品,渠道,预测标签营销信息,近期需求,营销活动,预测标签风险信息,风险评级,黑名单,个性化推荐,内容推送服务,应用层,营销活动支持/效果后评价,数据统计分析,数据服务,自我赋能用户画像赋能风险管理,自我赋能数据架构规划及落地能力,合作赋能场景数据采集,租金贷,租金,房屋面积,设备IP,设备定位,手机型号,车险金额,车贷,车载GPS,车辆品牌、型号,裸车价格,通话时长,每月流量,3C分期,每月话费,房屋估值,设备定位,装修贷,房龄,房贷金额,GPS轨迹,油耗,物流贷,往返时间,货车品牌、型号,SDK,合作赋能全流程风控赋能,证件照比对,身份识别KYC,反欺诈,运营,授信审批,催收,逐户比对,识别伪造证件,活体检测比对,识别非实时照片、视频,OCR信息核对,生僻字识别,人脸识别图片比对,反欺诈模型图计算模型团伙识别,在线双录,外呼确认身份高风险操作确认防止短信劫持,识别客户身份及真实意愿,甄别伪冒录像及受胁迫等,日常进线咨询活动咨询产品咨询客户回访客户关怀,申请模型：A卡,询问真实意愿,根据客户征信学历、地址等个人信息提问,行为模型B卡,还款提醒,电话催收,投诉处理,异议处理客户安抚,签名识别,线上客服进件审核,视频见证开户,贷后监控,贷后报表监控预警,人行征信查询网页版解析,催收模型C卡,案件调查规则更新,线下网点客户识别,生态赋能联邦学习（联邦学习分类）,纵向联邦学习,A方数据XA,B方数据XB,标签YB,特征重叠多，用户重叠少,特征重叠少，用户重叠多,来源：Q.Yang,Y.Liu,T.Chen&Y.Tong,Federatedmachinelearning:Conceptsandapplications,ACMT