品牌名称
京东金融
企业规模
501-1000人

费马科技助力京东金融强化风控等级 失联修复率大幅提升

223次阅读

京东金融作为京东数字科技旗下子品牌,涵盖消费金融、支付、财富管理、众筹、保 险、证券等领域。以京东白条为例,根据用户在京东商城的消费习惯、使用时长、购买频 次等行为,为用户提供一定的白条额度。京东金融的在提供白条业务时,为减少用户违 约、失联等风险,需要根据用户行为,每天计算一遍用户的风险值。在原有的系统上,近 百台机器每天更新一遍需要 6 个小时,且随着数据量增加,耗费时间不断增长。2016 年, 为提升风控效率,京东金融与费马科技合作,基于图数据库和图计算产品实现多账号间的 关联关系分析,全量数据处理仅需占用 1 台服务器资源在 10 分钟内完成,性能提升数千 倍,强化风控等级。同时,基于费马图计算平台,京东金融分析违约失联用户的关联关 系,快捷高效的找到失联用户,失联修复率大幅提升,降低金融成本。

 

undefined

 

面临挑战 

京东金融致力于为个人和企业提供了可信赖的、高效、普惠的数字金融服务,依托京东 集团超过 2.4 亿的活跃用户数据,具备较为完善的数据风控模型。其中京东白条等小贷业务 需要每天凌晨利用设备闲置资源更新一遍用户的风险值,并计算用户授信额度,基于 GraphX 的图数据系统 100+台服务器每天更新一遍需要耗时 6 个小时,而随着用户量和计算维度增 多,数据处理时间即将超出设备的闲暇时间,如果降低更新频次或减少数据处理量,无疑会 增加金融风险,因此,京东金融在寻求新的技术解决方案。

 

方案详述 

图计算系统是基于图(Graph)的形式,将信息中的实体,以及实体之间的关系,分别 抽象表达成为“顶点”以及“顶点间的边”这样的结构数据。图计算的方式尤为适合处理大 数据关联关系的分析计算。举例来说,如果某个用户,其关联的用户存在较多逾期、违约、 失联的情况,那么这个用户本身的风险值也会增加。 

 

图数据库+图计算优化系统性能,获得数千倍的效率提升

合作之初,费马科技帮助京东金融构建用户之间的图,每个用户相当于一个顶点,将多 种属性(如账号、交易、资金、地址、手机号)之间的关系通过图联系在一起,通过相同的 收件地址、同一手机号、为其他人购买的关联手机号等属性信息,很容易的分析出用户的社 会关系,甚至计算出认识五度以内的所有联系人有多少是在黑名单里的,从而更精准的算出 该用户的风险值。基于费马科技图数据库和图计算产品,京东金融不仅提升了计算的精度和 准确度,降低风险,同时大幅提升计算效率,实际应用中只需要 1 台机器通过 10 分钟的运 算即可得到全量数据的计算结果,对比合作前百余台设备连续处理 6 小时的表现,相当于数千倍的效率提升。 

 

自动化失联数据修复,提升失联修复率 

在解决性能瓶颈之后,基于费马图数据平台,京东金融可以更好的探寻用户的关联关系, 自动化的修复失联数据。用户欠下白条或小额贷后,到期未按时还款,并且停止使用账号、 更换手机号或拒接来电等失联情况,在原有系统下,只能通过人工的方式检索数据尽可能的 联系违约用户。与费马科技合作后,基于对数亿节点(用户)数百亿边(关系)的大图进行 操作,可以很容易的识别并找出失联用户的相关最高的联系人,比如经常寄送到同一家庭地 址的不同用户有可能为亲属关系;寄送到同一收件人的不同账号可能是朋友关系;收件公司 地址的其他下单用户可以认定为同事等等。通过算法,在图数据库中可以很容易的找到与该 失联用户联系最紧密的联系人排序,逐一电话沟通。相比人工查询的方式,不仅简化人为操 作提升效率,同时增加了找到失联用户并完成还款的概率,为京东挽回大量损失。

 

undefined

 

费马科技 CEO 洪春涛博士表示,图的形式对于金融风控场景可以称之为刚需,以京东金 融为例,费马科技率先解决的是性能瓶颈的问题,一旦计算量超出了计算时间,那么未处理 的数据很可能就成为风控黑洞。费马图数据库在常规测试中,性能相比同类产品快 10~100 倍,资源占用低 10 倍以上,由此大幅提升系统的处理效率。效率的提升使得京东可以在相 同数据条件下使用更复杂的算法,从而提高风控精度,降低损失。同时,计算效率的提升也 使得京东能够在有限的时间里进行更多的算法深度,从而加速模型迭代,提高模型精度。 

 

京东金融数据部负责人刘方琦表示,在与费马科技的合作中,我们看到了可喜的效果, 费马科技的产品提高了图计算的效率,提升了风控模型的能力,降低了响应时间。依托京东 金融强大的用户数据能力和费马图计算、图数据库的系统能力,京东金融正在尝试将自己的 风控模型提供给合作伙伴,降低合作伙伴的金融风险,共同建立更合规更安全的金融体系。