品见智能——一键开启企业智能化转型

更准确、更快捷、更高效的大数据智能风控

品见机器学习信贷风控模型效果更佳，有效提升申请通过率，降低不良率
品见智能风控系统严格把控外部数据源质量、促使风控流程快速响应，智能化规则准入与审批、优化配置大数据风控模型

了解更多

定制化信贷评分模型

根据客户业务实际场景和客群情况，定制化建立大数据机器学习模型。
依靠品见出色的建模能力和技术，建立大数据机器学习定制化模型模型，能够针对性解决客户信贷风险评估及审核难题。

真实业务场景
定制化大数据机器学习模型
针对性解决风控难题

信贷风控效果显著

模型有效预测申请人违约概率，准确率、区分度、稳定性均到达行业领先水平。
提高通过率，使业务获得更多客户；有效提高信贷资产质量，降低违约率，有效减少坏账损失，提高业务收益率。

模型区分度高
有效区分“好”“坏”申请人，模型KS值较高
准确率高
准确预测申请人违约可能性
提高通过率
基于对申请人资质的准确判断，通过更多优质客户
降低违约率
将潜在违约申请人有效排除，降低业务违约率

快速迭代

适应业务变化而自动导入新数据进行模型迭代，始终保证模型不断适应业务及数据变化保持高性能

定制化模型迭代工具
数据自动导入
模型自主训练
模型评价体系

风控引擎平台

自主研发的风控引擎平台实现全流程风险控制，不仅可以搭载定制化大数据风控模型，还可以部署和管理各类风控规则库，
实现对风控流程的动态化、智能化管理，有效增加风控管理的安全性，提高风控效率，可实现审批时间从“天”为单位缩短为以“分”计算。

大数据机器学习算法

作为北京大数据研究院孵化企业，品见技术团队对大数据机器学习算法有深入的理解和研究。
品见定制化信贷风控模型采用大数据机器学习算法构建，较传统模型构建方式模型构建效率更高，对于各类数据适应性更强，模型性能更好。

效率高
适应性强
性能好

定制化迭代工具

品见自主研发了模型自动化迭代工具，以适应业务发展保证模型效果。配合模型效果评估指标体系，自动化迭代工具根据用户实际业务场景进行定制化开发。

定制化迭代工具
•    支持业务多场景子模型
•    自动导入数据，自动数据处理
•    模型自主训练迭代
•    完整模型评价体系
•    输出性能指标及分数分布

央行征信报告解读

与国家级权威征信机构合作，积累丰富的央行征信报告解读经验，
品见基于央行征信报告解析生成上千维衍生特征，在多次实践中筛选形成有效特征库，准确刻画申请人金融履约表现。

丰富征信报告解读经验
与国家级权威征信机构合作，
积累丰富的央行征信报告解读经验
解析上千维衍生特征
与国家级权威征信机构合作，
积累丰富的央行征信报告解读经验
形成有效特征库
与国家级权威征信机构合作，
积累丰富的央行征信报告解读经验
精准刻画金融履约
与国家级权威征信机构合作，
积累丰富的央行征信报告解读经验

丰富的行业经验

品见是北京大数据研究院孵化企业，有行业内数十家机构及企业服务经验，
公司技术专家团队对大数据新算法及风控引擎系统有效应用于信贷风控业务有深刻理解和丰富实践经验。

大数据研究院
北京大数据研究院由北京市委、市政府、北京大学、北京工业大学、中关村科技园区管委会、海淀区人民政府共同支持建立，由鄂维南院士领衔，包括3名院士、近50名博导在内的研究团队，是国内首个整合了政府、大学和市场三方面资源的大数据研究机构。品见智能作为北京大数据研究院产学研一体化发展的孵化企业，依托大数据研究院的技术及专家优势，具有出色的技术实力和产业经验。http://www.bibdr.org

信用评分与报告

大数据风控模型形成综合风险评分，输出用户信用综合评分和违约概率，
在客户群体中的排名，从身份特征、信用历史、还款能力、行为偏好、社会关系五个维度，综合展示申请人画像，提示影响用户违约的风险项。

规则准入与反欺诈

风控引擎系统通过规则准入和反欺诈功能配置的规则及风控流程实现对申请人的风险初筛和反欺诈判断，有效排除无效及欺诈用户。

规则准入与反欺诈
•    风控人员为中心"的设计，让决策支支撑更高效
•    风控视角出发的交互设计，操作简单易上手
•    由风控人员直接操作，规则变更上线快
•    版本管理灵活可追溯，提升信息沉淀率

规则引擎工具

规则编辑器提供了由业务人员即可自主编译流程风控规则的交互化工具，
用户通过规则引擎取规则字段、关系词、判断值等设置规则引擎库，不需要依赖IT人员即可便捷增加、修改风控规则及风控流程。

设置规则引擎
用户通过规则引擎取规则字段、关系词、判断值等设置规则引擎库

风控规则的增删改
不需要依赖IT人员即可便捷增加、修改风控规则及风控流程。

统计数据仪表盘

风控系统仪表盘中，可以查看各部门和产品风控评估情况，统计各风控环节下，及时掌握部门风控情况，进行房贷历史追溯。

用户转化统计
查看各环节申请用户转化数量
稳定性报表
跟踪申请群体及策略变化
账龄分析
了解不同申请时点在同一账龄下的账户表现
规则命中分析
统计分析各规则命中情况，为策略调整提供数据支持

服务领域

E融所
以人行征信报告为基础，结合客户基本信息、车辆信息、违约失信记录等对车贷用户的信用风险进行详细的分析和评估，构建大数据机器学习信用评分模型，加强了对存量用户的风险管理，指导对新客户的准入审批，实现信贷风险控制，有效规避风险。

洛阳银行
提供基于业务数据及央行征信报告的机器学习模型方案，辅之以决策引擎形成线上自动化风控流程、减少人工干预、提高风险预判精准度，协助客户实现从人工、个性到自动、标准的业务流程转变。

平安租赁
针对汽车融资租赁业务定制化开发大数据机器学习风控评分模型并部署风控引擎系统，业务人员根据模型的评分和报告自主设置审批标准，降低个人经验局限导致的操作失误风险，提高业务处理效率，有效提升通过率，模型KS值提升50%。

越秀金控
从几十万家银联签约商户中筛选贷款需求并评估贷款风险，通过针对业务场景开发的定制化模型，提高了转化率、通过率，为授信风险控制环节提供了强有力的决策支持。