近年來，大數據相關技術發展迅速，且越來越成熟，人們對數據價值的認識越來越深，金融渠道不斷拓寬，在金融服務中的價值日益顯現，帶來了更高的性價比和更易擴展的超大規模數據處理能力。
伴隨著新技術的出現，新的業務模式也不斷出現。例如互聯網消費金融。新一代年輕人已漸漸成為消費信貸主力軍，我國消費信貸市場正以27%的增長率逐年遞增，消費金融的未來市場十分巨大。在互聯網消費領域，需要建立敏捷、可靠、安全的營銷和風控智能決策體系才能不斷滿足各種業務場景需求。
同時，傳統銀行與實體經濟的業務橫向聯系與深度融合進展迅速，業務數據的內容不斷豐富，這種現象導致傳統的人工風險控制、反欺詐、營銷手段已經不能滿足當下業務快速發展的需求。大數據已經成為銀行的核心驅動力。
據此，長亮科技推出基于依托大數據、人工智能技術，深入數據價值鏈核心，從數據中獲得洞察力，從數據中挖掘價值，統一的大數據智能決策平臺（以下簡稱平臺），助力企業智能決策體系建設。
該平臺采用企業級決策引擎，設計上滿足各種智能風控、反欺詐、營銷的決策需要，且具有橫向擴展能力。
平臺核心功能
(1) 企業級決策管理覆蓋各業務領域
決策管理覆蓋全生命周期的各決策應用點，例如可支持貸前、貸中、貸后等各信貸環節決策需求。對各個業務產品條線進行覆蓋，包括經營貸、消費貸、個貸等。可根據機構、產品等條線對決策靈活組織，易于管理和維護。可實現決策資產復用，業務決策可在不同業務版塊復用。
(2) 業務決策的可視化配置
決策平臺基于B/S架構，中文界面決策配置界面能夠提供給業務人員決策領域相關的簡單易用的策略編輯界面，決策變更的能力完全移交給業務用戶。
(3) 模型策略快速落地部署
隨時隨需增加和調整風險管理模型和策略，隨市場變化快速落地部署。業務上線周期短，業務變更敏捷。規則及模型需支持熱部署，決策可即時生效。
(4) 決策規則可視化監測平臺
通過決策規則可視化平臺對已投產的模型規則進行全流程監測，比如對某個規則的參數值進行實時監測，根據監測結果，結合業務需求，適時進行調整優化。規則累計運行一段時間，能夠產出規則分布情況報表、通過率報表、拒絕率報表等等，用于模型監測人員進行規則跟蹤和配置。
(5) 高性能可擴展
決策規則執行高效，能夠滿足規則量大、并發量高的執行性能需求，規則執行時效在毫秒級。支持多種部署方式，支持集群部署。業務應用領域可擴展，不可僅能滿足業務場景，同時技術架構具有可擴展性。
(6) 核心知識資產的可視化管理
用業務語言實現業務策略、評分模型、業務需求等最核心的知識資產。各種不同的策略組件需要面向不同決策點。完善的360度的策略管理體系。風險模型及策略的可視化管理，利于審計、便于知識轉移，提高業務規范和管理能力。
平臺架構
平臺融合線上、線下的海量非金融與金融數據進行信用風險建模；結合征信、工商、稅務、法院、運營商、輿情等第三方數據，搭建更加科學，更加合理的風控模型，通過風險模型識別欺詐風險和信用風險。
使用各種策略模型（黑白名單策略，身份核驗策略，第三方評分策略，審批策略，評分策略，額度策略，風險定價策略，貸中風險預警策略，貸后催收策略等）為貸前審批（A卡），貸中監控（B卡），貸后催收（C卡）提供服務。
典型案例
平臺已在多家銀行中應用，主要用于營銷、風控、反欺詐、消費信貸等。案例客戶包括：平安銀行、東莞銀行、重慶銀行、富滇銀行、廈門國際銀行等。
欲知詳情，可訪問http://www.dls-v.com/show-241.html
