[发明专利]一种基于大数据风控的金融系统

说明书

本发明提供一种基于大数据风控的金融系统，其包括一大数据平台、一大数据仓库、一风控计算平台、业务平台；所述大数据平台用于按照预定模型针对风控对象主动从大数据仓库调用风控计算数据，并将风控计算数据组装成数据包传送给所述风控计算平台；所述大数据仓库用于存储风控计算数据；所述风控计算平台从大数据平台接收由风控计算数据组装的数据包，对所述数据包进行大数据机器学习运算，得到与风控对象对应的欺诈和信用风险评分，且根据该欺诈和信用风险评分进行风控决策，输出风控审批结果，通过所述大数据平台将所述风控审批结果传送给业务平台；所述业务平台针对风控对象对应接收所述风控审批结果，依据金融产品的种类自动生成还款计划。

技术领域

本发明涉及一种金融系统，尤其涉及一种基于大数据风控的金融系统。

背景技术

现有目前我们绝大多数的银行，尤其是中小城商行、农商行等，缺乏做普惠金融的能力与经验。银行的传统业务偏向对公业务或者大额的零售业务，比如集中在房贷、车贷、大额抵押贷等，而新型的普惠金融，包括个人信贷和小商户小微企业贷有明显的区别和要求。普惠金融有四个特点，即小额、分散、短期、高频，这几个特点是大多数银行目前业务能力所不具备的；小额，即普惠金融额度都基本低于20万，甚至对于个人消费金融额度大多低于5万；分散，即普惠金融服务的客群是分布广泛的，基本覆盖全国任何区域、阶层、职业、年龄等，同时带来的申请量也是非常巨大的，每天可以达到上万甚至几十万申请单；短期，即普惠金融信贷额度期限相对较短，一般几个月到一年，最多两年；高频，即普惠金融产品使用的频率很高，会出现今天借钱，明天还款，过几日再借，然后再还等频繁交易的情况。因此银行不可能按照以往的模式运营和风控，如果还是按传统模式需要申请者本人提交大量繁杂的材料，或者还是需要人工操作审批，运营成本剧增使银行无法承担，而且需要大量的专业信审人员增加人力负担，造成风险不可控，一个模式无法满足多个不同渠道客群的申请审批，还有无法满足业务发展的需求，造成业务上的滞后、积压、浪费和损失。因此需要重新搭建金融系统以满足普惠金融的要求。

发明内容

本发明基于普惠金融的特点和要求，认为金融机构需要依赖科技和数据的力量，提出由大数据加人工智能驱动的自动化风控审批的金融系统。

本发明提供一种基于大数据风控的金融系统，其包括一大数据平台、一大数据仓库、一风控计算平台、业务平台；所述大数据平台用于按照预定模型针对风控对象主动从大数据仓库调用风控计算数据，并将风控计算数据组装成数据包传送给所述风控计算平台；所述大数据仓库用于存储风控计算数据；所述风控计算平台从大数据平台接收由风控计算数据组装的数据包，对所述数据包进行大数据机器学习运算，得到与风控对象对应的欺诈和信用风险评分，且根据该欺诈和信用风险评分进行风控决策，输出风控审批结果，通过所述大数据平台将所述风控审批结果传送给业务平台；所述业务平台针对风控对象对应接收所述风控审批结果，依据金融产品的种类自动生成还款计划。

优选的，所述风控计算平台还用于对所述风控对象进行身份验证、实名验证、LBS验证、短信验证、人脸识别以及活体识别，根据验证以及识别结果输出欺诈风险评分。

优选的，所述风控计算数据来源于自有积累数据、战略合作数据、客户授权数据、征信系统数据、公共安全数据、采购数据、共享数据、交换数据、互联网数据。

优选的，所述风控计算数据包括风控对象的经营数据、使用行为数据、地理位置数据、央行征信数据、法院失信数据、运营商使用数据、电商数据、支付流水数据、移动手机使用行为数据、互联网行为数据、社交网络数据、个人征信数据、信用卡认证与账单数据。

优选的，所述风控计算平台根据风控对象的使用行为数据、地理位置数据、移动手机使用行为数据、互联网行为数据、社交网络数据进行大数据机器学习运算输出欺诈风险评分。

优选的，所述风控计算平台根据风控对象的央行征信报告、银行收支数据、网络借贷数据、互联网消费数据进行大数据机器学习运算输出信用风险评分。