智慧金融AI平台的构建与应用 

【企业简介】

南京苏宁易付宝网络科技有限公司经营范围包括互联网支付、第二类增值电信业务呼叫中心业务、计算机网络技术研发、技术咨询、技术服务、技术转让等。截至2018年底，公司资产总额已达335886.47万元，其中包括流动资产331020.44万元，占总资产的比例为98.55%。2017年营业收入50259.19万元，同比增长39.85%，2018年营业收入58259.08万元，同比增长15.92%。2017年净利润927.21万元，同比降低47.25%，2018年净利润2471.61万元，同比增长166.56%。

【案例内容】

南京苏宁易付宝网络科技有限公司秉持“金融科技+场景金融”的普惠金融发展思路，依托苏宁金融科技领先优势、深度渗透智慧零售场景和垂直场景，围绕O2O生活消费领域打造“苏宁智慧金融AI平台”。该平台提供生物特征识别刷脸、指纹支付及无人店的无感支付产品等，在无需担心资金风险、安全、稳定的前提下，实现“即拿即走、即刷即放”的消费体验。与此同时，该平台还能够自动匹配商家营销和银行营销活动，主动将各类优惠券、立减、积分抵扣一网打尽，为用户节省每一分钱。苏宁智慧金融AI平台利用多维度数据获取和基于机器学习的人工智能算法，打造了智能支付决策、智能风控平台、云支付平台、风险防控平台，对提升用户体验及发展普惠金融提供强有力的支撑。

一、建立智能支付决策

基于整个用户的心智模型，依托苏宁生态圈积累的海量交易数据，再结合营销策略和用户的消费习惯，选择最优的付款方式命中消费者的心智。也就是说，可以根据具体用户具体订单，个性化最优展现和系统逻辑处理，达到千人千面，满足每一个用户的支付体验效果。包括异常分支的智能服务系统，客户服务智能调度引擎，实时感知服务场景SLA,用户心智和促销活动智能匹配，机器培训及仿真演练等。会判断这次支付该如何执行，选择哪个支付方式，有没有优惠如何让用户省钱等，并以百万次/秒进行深度模型计算。

图1智能支付决策示意

1、插件式规则引擎

支持插件的并行研发提高业务响应速度，为业务提供多层次、多功能、多渠道决策服务，针对不同产品使用不同决策策略与决策链路，实现决策多元化。

图2插件式规则引擎

2、意图分流引擎

根据用户具体订单达到一人千面，为多元化的支付场景提供稳定、可靠、高效的支付方案，保障用户各种支付体验效果。实现对银行卡额度的计算管理，提前判断单笔、单日限额是否超出，成功率高达90%以上。

图3意图分流引擎

二、搭建智能风控平台

覆盖了用户的交易全流程，从设备，身份，银行卡信息，交易操作等多维度识别异常账户，从“极目”账户异常预警系统、“两仪”风控算法模型、“棱镜”反欺诈侦测引擎，到3000+条风控规则、5000+个专家模型，构成智能风控矩阵，做到360度全方位保障交易安全，确保进行支付的人就是你。

图4智能风险决策引擎系统

1、账户异常预警系统搭建：基于数据挖掘和随机森林，机器学习算法，结合3000多个风险评估指标，覆盖了用户的交易全流程，从设备，身份，银行卡信息，交易操作等多维度识别异常账户。由欺诈风险到账户风险、信用风险等业务领域，建立全流程的客户服务和风险管理能力，实现实时、准确、高效的风险监控，减少因账户被盗、欺诈等因素引起的损失，降低公司运营风险，增强用户信任度。

图5异常账户识别系统

2、风控人工智能算法平台：对全业务金融交易进行事前、事中、事后的全流程风险监控。作为苏宁金融风控算法部署平台和计算引擎，目前已实现部署50余个模型，算法涵盖了决策树、随机森林、XGboost、TensorFlow以及GBDT等类型。通过部署业内领先的人工智能算法模型,提升了支付、信贷等数十个细分风控业务场景的价值数据。

算法平台模型部署只需要提供模型文件,通过上传文件即可实现一键部署;模型计算引擎可以对同一类型的模型实现通用性执行,保证了不同场景的模型都可以同时运行。模型场景的使用,其中套现地址库模型，用于实物支付场景，可有效识别中介套现和非真实购买意愿的交易，预计异常交易识别率提高15%-20%，保证了苏宁金融用户的安全和资金交易安全。资金饥渴度模型，预计提高资金饥渴用户的识别率至40%。极目签约总结模型，可更有效地侦测出在快捷签约环节存在明显异常、批量聚集性行为的用户，降低异常快捷签约行为造成的营销资源损失与浪费，营销活动环节中对黄牛账号的识别率，在原有规则拦截基础上提高30%;催收模型用于信贷催收中，提前筛选比较难催的客户,提前通过机器或者介入,增加催回款项,提高回款率，减少资金的损失

图6人工智能算法中心

3、风控CSI-棱镜侦测引擎，实现了全流程配置化，对于风险事件、规则、数据源，风险指标实时配置，实时生效。苏宁金服通过该系统月均扫描数千万比，毫秒级响应。风险交易识别率99% ，而交易干预率低于0.08%。真正的做到了保护用户于无形。风控系统的风险特征库系统，目前已提供各种维度的风险指标约2500个，200多个用户标签，对不同的业务场景下的用户行为进行了精细划分。

三、组建云支付平台

平台采用高可用体系设计，可伸缩性设计，全网弹性治理，每个组件做到自监控、自管理、自适应与自优化能力，可以随着业务量与访问模式的变化、以及其它内、外部因素的改变，自动地对资源进行调度、调整服务策略，保障自身的稳定与服务的质量。

 图7云支付平台技术架构示意

通过动态一键扩容，我们可实现每秒处理20万笔支付交易。

从银行渠道的覆盖来讲，400家银行通道，不仅能服务大中型城市用户，也能很好的服务于村镇用户；这个7*24小时全部是系统自动化的去保障持续的服务，主要包括几个核心的技术：

A、故障自愈能力

通过立体化监控，依据基础指标、系统指标和业务指标，结合实时告警、业务数据监控，分析异常链路、服务和场景，智能决策并执行应急预案。

图8故障自愈设计

B、N+X设计：

支付核心链路Failover设计，实现多活数据中心建设，保证单一组件实例失效不影响业务正常运行（多活/热备）。

图9异地多活设计图

C、全网自动化

系统设计了立体化的监控体系，监控每个组件的运营状况，具备自监控、自管理、自适应与自优化能力，可以随着业务量与访问模式的变化、以及其它内、外部因素的改变，自动地对资源进行调度、调整服务策略，保障自身的稳定与服务的质量。

通过立体化的监控系统，实时反馈链路运行情况，通过智能决策引擎分析，实时调度服务资源，主要体现在：

Ø 日志模型化。通过统一日志模型，标准化文本输出，通过Flume、Hadoop、ES等技术处理，提供准确的基础源数据。

Ø 数据可视化。建立系统全景视图，实时计算并展示业务运行数据。

Ø 管控全网化。通过规则报警、一键定位、洪峰控制、业务降级等方案，实现了支付业务的全权管控，确保链路稳定性。

Ø 监控工具化。自建全链路监控系统，实现了业务指标（请求数、耗时、成功率等）和系统指标（CPU、IO、内存等）实时监控。

Ø 指标简单化。通过核心链路SLA建模，分析链路瓶颈点，针对性进行优化，提升了核心业务系统的稳定性。

四、确保风险防控保障

风险防控平台是保障资金安全，快速定位风险问题并及时解决，将高可用和资金安全能力相结合的AIOps。通过风险模型、完善的系统元信息和完整的保障机制使系统实现5分钟内主动发现风险，并且在发现问题后的5分钟内，采用全方位监控、报警信息聚合、根因分析定位、预案和变更自愈，快速解决问题，形成了更智能化、精细化的技术风险防控体系。聚焦于系统健壮性提升.通过建设反脆弱的系统来降低意外事件影响，风险保障能力课件.持续演练.保持保鲜。通过灰度变更，强化变更过程中监控能力和回滚能力来降低变更风险。通过自动化测试.线上压测.线上仿真测试等技术手段来降低风险

图10风险防控示意