中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

隨著商業保理公司被納為新型授信機構，聯想金服旗下聯想保理接入企業征信系統，可以利用征信、工商等信息為行業供應鏈金融提供智能化風控決策分析服務。這篇文章，我們就來看下具體怎么實現的。

一、企業介紹

北京聯想科技服務有限公司（以下簡稱“聯想”）是聯想集團全資子公司，也是聯想集團旗下的金融服務平臺，于2016年12月成立。其業務范圍涵蓋支付、融資、理財、供應鏈等眾多領域，主營業務為供應鏈金融服務、中小企業融資、金融科技輸出等。擁有大數據分析能力，資產管理能力和風險控制能力，還提供中小企業融資、消費金融、移動及跨境支付業務等服務。

依靠自身強大的核心競爭力和穩定的供應鏈金融業務，經營狀況保持良好，連續三年無逾期、保險覆蓋率持續增長。

聯想金服主要以核心企業聯想集團為依托，為供應鏈上下游提供多層次供應商及分銷商、經銷商提供較低成本、較長期限及更加靈活的融資渠道，致力于為廣大中小企業解決融資難、融資貴的困境，用科技改變金融；通過服務、股債結合等方式，深度進入生產業務過程中；通過代采、墊資、品牌代理等多種業務模式大力推動供應鏈服務業務。同時，聯想金服縱向深耕供應商業務：擴大供應商的授信政策，拓展到二級、三級供應商。本著源自聯想、服務伙伴的理念，公司持續聚焦深入產業鏈，在物流、跨境、消費電子等領域不斷深耕，為客戶提供優質高效的產業鏈綜合服務，與更多中小企業協同成長。

二、案例內容

1. 背景介紹

風險防控是商業保理業務環節的重中之重，而人行征信系統可提供最具有價值的參考信息，因而備受商業保理公司青瞇。隨著征信法律法規的不斷完善，商業保理公司被納為新型授信機構，聯想金服旗下聯想保理積極響應征信中心號召接入企業征信系統。

隨著征信查詢的成功接入，公司合理利用征信數據、稅務數據、發票數據、四發信息、工商信息等多維度數據進行采集分析、攝入挖掘和加工，衍生構建風控指標變量實體，為行業供應鏈金融機構提供智能化風控決策分析服務。

2. 產品介紹

“樂企信”聚合服務系統利用大數據、人工智能技術和科學決策方法，通過自動化預測、評級和決策等方式，為客戶評價、風險評估、差異化等價等模型提供統一、標準化征信數據衍生變量計算規則，構建出一套聚合風控模型體系，實現系統自動化評估企業的經營情況，幫助企業提高效果和效率、降低多方位成本支出，增加風控能力的全面性、準確性和靈活性，為企業的業務發展保駕護航。

智能聚合風控系統包含四層架構，分別為數據層、特征層、模型層和決策層，橫向劃分包括關鍵內容、流程步驟、算法方法、工具平臺等。

1. 數據層是智能聚合風控體系的基礎，通過大量的數據優化風控模型、構建特征，并將數據作為新決策等判斷輸入。
2. 特征層是智能聚合風控體系的磚瓦，通過從數據中抽取有效的、針對特定目標的關鍵信息，形成適用于模型和決策的特征。
3. 模型層是智能聚合風控系統的主體，通過歷史樣本數據和目標數據，基于豐富的案例特征，利用各類機器學習算法訓練出滿足各類業務場景的風控模型。
4. 策略層是智能聚合風控系統的門面，特征和模型最終將服務于業務的特定場景。在不同的業務場景參與決策，層略層通過模型和規則的各種組合完成決策過程，自動化輸出企業風控評估報告。

智能聚合風控系統架構圖

3. 技術平臺

“樂企信”符合服務系統的最大亮點是采用一手征信數據進行風控分析， 同時引入稅務數據、發票數據、物流數據、司法信息、工商信息等級具參考價值的第三方數據，利用大數據、人工智能技術和科學決策方法，通過自動化預測、評級和決策等方式，結合供應鏈金融行業風控特征進行自動化評估企業的經營情況，為保理行業其他供應鏈金融機構提供智能化風控決策分析服務。智能聚合風控體系包括智能風控方法，智能風控算法，工程技術等實現以及深入業務場景的應用。

4. 業務流程與風險管理

（1）數據層：包含識別風險的關鍵信息，匯集了企業內部數據，企業基本信息，企業關聯信息，借貸交易數據，授信記錄數據、擔保記錄數據等；同時接入了第三方數據，征信數據、稅務數據、發票數據、物流數據、司法信息、工商信息等。

數據處理的步驟通常分為數據采集、數據校驗、數據清洗、數據存儲、標準輸出和數據監控。數據平時數據層的支撐工具，通過數據平臺來實現數據層的管理。通常數據平臺包含內外部數據接入整合的功能，數據管理和服務的功能，數據校驗和監控的功能，是智能聚合風控體系的底層數據倉庫。

（2）特征層

特征是從數據中抽取有效的、針對特定目標的關鍵信息，形成可以用于模型和決策的特征，從數據產生的過程就是特征挖掘。數據質量決定了特征質量的上限，好的特征挖掘過程是盡可能從數據中挖掘最有價值的信息。特征平臺是為了支撐特征從開發到應用的工具平臺。通常特征平臺包括特征挖掘模塊、特征計算模塊和特征管理模塊。

（3）模型層

模型算法層可以實現智能化的風險預測評估。風控中典型的場景是預測風險，計算發生風險的概率，再復雜的算法本質上可以理解為概率問題。金融風控場景中我們構建模型計算評分來預測用戶的欺詐概率、違約概率、貸中風險發生的概率、貸后催收回款的概率。在營銷場景中構建模型來判斷營銷成交轉化的概率、識別作弊的概率；在內容風控場景中構建模型來判定內容違規的概率。模型平臺是支持模型管理的工具。通常模型平臺包括自動建模功能模塊、模型計算功能模塊、模型管理功能模塊。

（4）策略層

策略層是整個智能風控體系的最后環節。這一層針對業務場景?；谔卣骱湍Ｐ徒Y果制定決策方案，對最終的業務決策和流程產生影響。

策略環節通常需要設計一套決策流程，在流程中的每一個環節設置決策規則；通過規則實現業務流程的通過或者拒絕、差異化的分流等動作。在金融風控貸前場景中，通常決策包括欺詐識別、信用風險識別以及其他一些準入攔截；對于通過的客戶進行差異化的審核操作、差異化的授信額度決策、差異化的定價策略等。

風控策略制定中最常見的是風控規則策略制定，流程如下：識別業務場景中常見的風險點；選擇合適的分析樣本；基于歷史數據選擇算法生成規則；對規則的有效性和穩定性進行評估；設計規則測試的方案；通常進行A/B實驗來驗證規則的效果；對規則的有效性和穩定性進行持續監控。

決策引擎是支持策略部署執行的一個工具。決策引擎通常包括規則配置、決策流的配置、審批管理等功能模塊。

三、經驗分享

合理利用征信數據對客戶信息進行深入挖掘和加工，衍生構建指標變量體系，利用大數據、人工智能技術和科學決策方法，通過自動化預測、評級和決策等方式，為客戶評價、風險評估、差異化定價等模型提供統一、標準化征信數據衍生變量計算規則，構建出一套聚合風控模型體系，幫助企業提高風控能力的全面性、準確性和靈活性，提升風控質量。

聯想金服對接人行二代征信系統后，大幅提升了風控安全防護能力，實現征信數據對接查詢等同時，能夠快速、便捷地對應收賬款轉讓及質押等信息進行征信上報登記和實時監測，有效提高風險管控效率、防范金融風險，更高效快捷地為中小企業服務，更好地服務實體經濟發展。