银行大数据风控管理针对哪些应用场景？

银行是经营风险的企业，在风险识别、衡量、定价和防范等方面的能力水平，是判断银行是否具备核心竞争力的关键。随着社会信息化、数字化体系建设，银行风险管理也必将迎来“数智化”时代。

其实，银行业务的申请、交易、营销等环节都可能存在欺诈行为。然而，随着技术发展，欺诈行为团伙化、隐蔽化、专业化、实时化等情况愈发显现，反欺诈难度自然也是越来越大。

与此同时 ，业务种类每年都在递增，依靠传统的专家规则评分卡模型很难应付复杂的风控场景，亟待借助大数据、实时计算、知识图谱等高新技术打造高质量的授信能力。另外，业务运营、操作流程、员工异常行为、资产及负债流动性等风险同样面临着较大挑战。

风控管理应用场景举例

场景1：反欺诈

反欺诈是银行业务交易中非常重要的一环，通常基于黑白名单、知识图谱、司法、税务、工商等内外部数据对交易数据打宽，打宽后的数据用于专家规则和机器学习模型。银行发起交易的系统会根据实时数据平台 flashflow 的决策结果对交易放行或进行加强验证。风险结果数据可作为样本，用于图数据进行关联挖掘或特征分析。

反欺诈业务场景

技术实现方面，针对交易请求，实时数据平台 flashflow 会以编排逻辑来调用不同的计算引擎，并返回计算结果。同时，实时计算平台会使用交易系统数据库