破冰金融风险 大数据核心技术护航

张贝贝

互联网金融依靠技术手段和渠道革命，突破了传统金融的垄断壁垒，金融从“高大上”走向普通民众，迎来了大众的普惠的金融时代。然而另一方面，这也给金融安全带来了极大挑战。

随着互联网业务的快速发展，电子银行交易、网络购物支付等互联网金融服务不断普及，金融科技创新为我们的生活带来了诸多便利，但同时，一些金融风险和安全问题日益暴露，网络诈骗、金融欺诈等问题呈日渐高发态势。

在严峻的外部欺诈形势下，金融机构通过大数据智能化风控模型，打造“防、控、补”一体的金融业务全流程反欺诈体系，从事前、事中和事后主动加强网络金融风险管理，而在这其中大数据技术起到了保驾护航的作用。

作为一家致力于提供金融风险监控解决方案的公司，杭州邦盛金融信息技术有限公司（简称邦盛金融技术）不断进行技术创新、业务与数据积累，引领着大数据实时处理的浪潮。

厚积薄发 聚焦实时大数据

在严峻的外部欺诈形势下，金融机构通过大数据智能化风控模型，打造“防、控、补”一体的金融业务全流程反欺诈体系，从事前、事中和事后主动加强网络金融风险管理，而在这其中大数据技术起到了保驾护航的作用。

在这样的市场背景下，邦盛金融技术却选择集中人力、财力埋头开发底层大数据平台，这又是基于何种市场判断呢？

对此，杭州邦盛金融信息技术有限公司CEO王新宇解释道，“当时在国内并没有毫秒级的实时处理平台，我们看准了未来一定是有大规模数据的极速分析需求，所以才花了三年多的时间做技术攻关，把底层的平台开发好。现在我们的实时处理平台可以做到每秒钟处理30万笔交易流水，对全量的历史数据进行分析挖掘，每笔分析0.1秒即分析出结果。”

这样的判断除了对市场的敏锐观察，还有经验的积累，王新宇带领的团队主要来自于美国某知名银行的实时风控与合规部。实际上在美国投资合规检查领域有类似的应用，比如在股票下单之前，需要一个极短的时间做指令的实时合规检查，这就需要实时的数据处理。作为在金融行业深钻多年的技术团队，邦盛金融技术追求的是技术的极致，是毫秒级的数据分析应用。

而相比较而言，王新宇认为，当时不少国内金融领域的底层平台和技术，更多地是被国外技术厂商所占据，更多的国内厂商只是开发一些应用。直至现在，一些所谓的大数据公司仍然停留在应用层面的开发。并不甘心做这种角色的王新宇选择做自己，做拥有自主知识产权技术的底层平台。

时间到了2014年，邦盛金融技术基于这个平台，开始做金融风险的实时分析，产品主要应用在银行、电商、保险、证券以及涉及互联网金融创新的各个领域。由此，邦盛金融技术不断在行业中发声。

深挖行业 保驾金融安全

事实上，想要敲开金融行业的大门并非易事，系统的安全性、可靠性、可用性、可扩张性、恢复性，各种各样安全类的特性，都对IT服务商提出了很高的要求，包括团队对业务的理解能力，服务金融行业的经验积累，还有资源整合能力等等。那么，对于邦盛金融技术这家年轻的公司来说，又是如何赢得金融客户的认可呢？

回忆起邦盛金融技术的第一个客户，王新宇介绍，2013年连连支付这家公司开始涉足支付业务创新，但在交易过程中经常受到黑客产业链的攻击，渠道风险非常多，经常要通过关机才能应对这种风险，严重影响了业务的开展。

面对交易过程中的支付风险，需要进行事中的判断和风险把控。一旦到了事后，损失就产生了，而且赔偿额度非常大。那么能不能用0.1秒就把风险挖掘出来，还不影响客户的支付体验？邦盛金融技术抓住了这个机遇。

就如何找到用户体验与信息安全的平衡点，王新宇指出，通过实时风控一定程度上可以解决这个问题。从人类感知学来讲，实时风控如果判断的时间达到200毫秒，这件事情是不可接受的，同时，实时风控每秒又要面对上万笔的吞吐量，所以实时风控平台的技术门槛特别高。但有了实时风控系统，金融机构可以更自如地做产品创新与服务创新。

在市场竞争过程中，邦盛金融技术不仅要受到国内的老牌集成商公司的干扰，还要面对国外厂商的产品挑战，但面对金融行业的风险监控，王新宇信心满满，这源自于邦盛金融技术的三个竞争力：

一是大数据底层处理平台一直保持技术的领先，特别是实时处理速度上，目前处于行业的绝对领先地位，在行业应用的测试中表现极为突出；二是在国内已经做了几十家大型的金融机构，积累了2400多个面向中国金融领域的风险监控模型，相比于国外的模型来说，在中国市场的适用效果更好；三是邦盛金融技术建立了金融风险数据共享联盟，打造行业里的风险信息共享数据库，将大型金融机构所遭遇的欺诈风险、信息等纳入进来。因此，邦盛金融技术服务的客户，不仅能享受其提供的平台、模型和产品，还能共享行业的风险信息。

瞄准新技术 助力金融创新

在互联网的普及和大数据技术应用的浪潮下，越来越多的企业进入大数据市场掘金，对于邦盛金融技术来说，下一步的技术创新或聚焦点又在哪呢？

据介绍，邦盛金融技术主要是围绕着流式大数据实时分析的场景，这块需要在技术上不断提升，包括处理速度、智能化、机器学习、深度学习等方向上的完善。近年来，机器学习技术得到飞速发展，在信息识别、推荐引擎等领域都取得了出色的应用效果。如何结合传统风险评估模型体系和机器学习技术，在保证业务逻辑不受干扰的前提下，更加精准地评估风险，已成为了新一代信用风险模型体系建设的核心课题。

王新宇认为，过去更多的大数据技术，集中于分析存储的海量数据，形象点讲就是很多条的数据河流持续汇聚到大海中，只要分析大海中存储的这些数据即可。邦盛金融的技术聚焦在流式大数据的研究上，相应的数据分析就是在数据流注入大海的一瞬间实现分析。目前来看，流式大数据的实时分析应用场景非常广阔，可以占到大数据市场的一半以上。

但王新宇也强调，这个场景的技术难度非常大，邦盛金融技术会一直朝这个方向走下去，持续不断地进行研发投入。目前的毫秒级实时处理平台，在金融行业能达到每秒30万的处理速度就能满足需求，但在军工、公安等这种更大规模数据应用的时候，就需要更加极致的实时处理。未来邦盛金融技术的实时处理平台还会走向更广阔的行业，会通过与合作伙伴合作，或者成立子公司的方式进行，但金融仍然是主打行业。

面对当前的大数据市场，王新宇冷静地判断，“我认为，现在中国的大数据发展阶段还是较初期的。这个初期体现在几方面：一是，关于数据价值的深度分析、深度挖掘，当前更多是原始数据的一些简单交换和共享，并没有体现到数据的智能分析；二是，从技术角度讲，过去较注重Hadoop技术体系，实现传统的海量数据批处理，对于实时的流式大数据处理关注不够。

关于未来的大数据应用，王新宇认为金融、医疗、公安、军工、海关、物流、电信等这些领域的大数据，会发挥非常大的作用，因为这些行业都有几个明显特点：第一个特点是它们积累数据能力非常强，仅日常的运营就能产生大量数据，这是一个典型的特点；第二个特点是这些行业通过大数据分析，会直接对他们的业务和运营起到立竿见影的效果；第三个特点是这些行业涉及到国计民生，都是市场需求旺盛的行业，对于IT技术需求也会更旺盛。