星环科技陈康：实时智能决策引擎助力金融稳健运营

2019年5月21-23日，由上海星环大数据产业技术发展促进中心主办的第三届前沿科技论坛在上海举办。本次大会，星环科技联合众多合作伙伴、用户展开应用案例分享，让更多行业人士了解大数据在不同行业中的应用效果。

特此推出嘉宾演讲速记，与大家分享，最大限度弥补未到场的遗憾。此为速记整理，一切以现场信息为准。

【演讲内容】

1. 新形势、新挑战、新方法

2. 战胜对手的OODA循环

3. 大数据应用的趋势演变

4. 实时智能决策引擎(FIDE)

5. 助力稳健运营的应用场景

a) 保障系统稳定安全——智能运维

b) 保障交易真实可靠——实时风险监测

6. 实时智能决策引擎的未来作用

大家好，我是陈康，来自星环科技应用创新中心。刚才听了国泰君安的俞总、郑州商品交易所的康总讲了很多关于人工智能、大数据在业务拓展、风控控制和运营效率提升方面的应用，感受到大数据和人工智能的在金融行业的应用已经全面开花。下面，我就来讲一讲星环科技最近做了什么事情，让我们的客户能够更好应用人工智能和大数据技术，真正帮助大家把业务创新做好，保证业务更稳健，业务发展更迅速。

1. 新形势、新挑战、新方法

首先，我讲一下当前金融业务发展的新形势，在风险管理上所面临的新挑战，以及现在所采用方法中的新转变。

第一，移动互联网从2009年开始大规模发展，现在大家还会去银行网点吗？除了银行网点很少去以外，我估计ATM机的使用频率都在大幅降低，用PC打开网银都很少，大家都是用微信银行、手机银行等移动终端。这时候如果在系统上存在非法滥用的情况，将会使得操作风险急剧增加，过去操作风险是为了满足合规要求或者是内部管理要求，现在不一样了，操作风险将会增加我们的业务损失。

第二，刚刚几位嘉宾也讲到大数据技术发展，使得数据驱动业务创新，这个事情大家都在提都在做，也做得不错。但是数据泄露这件事大家要不要考虑？欧洲去年正式发布GPDR，我们国家的《网络安全法》也在2017年正式开始实施。数据泄露不是小事情，数据保护与防范数据泄露上升到了合规监管、甚至是领导层在金融方向决策中的重要考量部分。

第三，生物识别技术，包括语音、人脸识别、虹膜识别和动作识别等，这些技术的发展使得金融业务远程开展起来更加便利了，但犯罪团伙也方便了，他不跟你见面，你睡一觉卡上钱就不见了，这样的事情越来越多，犯罪越也来越团伙化，包括洗钱、欺诈等都是这样。

第四，云计算技术使得交易规模迅速扩大，也非常容易弹性扩展，交易规模大、效率高，对于犯罪分子来说这也是一个“商机”，只要找到一个系统漏洞，“得手一次可以休息三年”。这个时候系统的安全稳健运行，来保障业务连续性的影响就会越来越大。可能某个系统漏洞产生的损失，超过你的利润。

最后，信息技术的一直处于快速发展中，很多新场景、新业务层出不穷，甚至会突然出现一个新业务，我们还没有反应过来就上线了，这时候就会带来各种未知风险，面对未知风险时，就需要我们快速地学习、判断，并准确的做出预测。

面对以上提到的各类风险，我们也发现在防范风险的方法上，出现了新的变化，变化主要表现在三个方面：

第一，驱动力的变化。过去防范风险的驱动力，主要是管理流程及合规办法为主，现在则是以数据驱动为主，是以降低业务损失为目的的；

第二，手段的变化。过去是经验主义，经验丰富的风险专家会告诉我们在某个业务上，比如信贷，他知道是假财务报表，告诉我们企业有什么问题，未来仅仅这样可能不行了，需要以专家规则和被动防御为主，到现在以机器学习和主动出击为主，我们不能等被骗了再来总结，而是要在被骗之前就知道发生什么问题了；

最后，效率的变化。过去能做到T+2，T+3已经不错了，现在可以做到T+1，实时防范，从过去的离线分析到现在的在线实时防范，整个行业都在朝一个更快速的方向变化。

2. 战胜对手的OODA循环

我们刚才讲了很多新的形势、新的变化，这些变化要求我们快速、准确的判断风险，并防范风险，这里有什么好的办法呢？在业界我们也看了很多资料，我们把金融行业防范风险的过程跟战争做一个对比，其实还是很像的。

因此，我找了一个美国空军发明在空战中应用的OODA循环，大家知道，空战是一个反应很迅速的过程，几秒钟之内可能信息是千变万化的，这个时候要知道如何快速反应、以便可以战胜对方。他们总结了这样一个循环。

OODA用于空战中战胜对手，其实这个方法论也可以应用到风险防范过程中。这个过程是一个自身不断循环迭代的过程，这个循环迭代的过程和现在基于大数据的决策过程非常类似。

第一，观察，观察来自于敏感的感知到环境变化，尽管战斗开始前，做了很多准备和部署，但飞机一旦飞上天，环境就开始变化了，气流变化、对手变化、对手有多少架飞机，你根据大量数据的来判断，判断完之后快速定位怎么做，对手优势和劣势在什么地方，我们的优势和劣势在什么地方？找到对方的优势和劣势后，可以快速做出决策，找到一个可能战胜对方的点，立刻采取行动，这样就完成了第一次的迭代循环，每次行动之后得到结果也会成为飞机员下一次判断的决策数据来源。

该OODA循环的创始人，要求飞行员40秒钟左右做一个循环，之后就知道对手有什么反应，5分钟内自方可以做7次左右的迭代，而对手如果才能做到1次，这样基本上是“以快制慢”，降维攻击，一定能够战胜对手。

决策要够快，够准，够实时。这是我们为什么打造一个实时智能的决策系统，我们要比对手更快、更智能，更全面，全方位的战胜对手，这也是星环科技打造实时决策引擎的初衷，与风险的不断抗衡过程，不断迭代升级，最终形成独特的优势。

3. 大数据应用的趋势演变

刚才说了星环科技为什么要打造实时智能决策引擎。接下来，我们再从大数据应用的发展历程来谈谈，打造一个实时智能决策引擎的必要性。

2013年，大数据应用的主要是大规模数据的采集和存储；2015年，更多则是把这些采集的数据做一个展现，让业务人员准确的知道业务怎么样了，并且能够统一领导层、执行层对业务的一致性理解，这也是一个展示的问题。

2017年，开始了大数据的挖掘和洞察，无论是分析、建模，都是在做分析数据，看数据里面有什么规律，会有什么结果，对于我们的工作有什么指导意义；到了2019年，大家就开始往用数据为决策做支撑的方向上发力，通过数据进行决策，并把结果反馈到业务，让业务下一步发展更好、更稳健。

2021年，可能会基于大数据的人机协同，最终大数据从一个技术变成非技术的东西，变成基础设施，就像用水电一样，大家不在乎电和水从什么地方来，而是日常生活当中离不开了。星环科技也是在这样的背景下，推出了我们的实时智能决策引擎FIDE。

4. 实时智能决策引擎(FIDE)

实时智能决策引擎（Flash Intelligent Decision Engine）不是凭空想出来的，而是在客户需求和技术发展的共同作用下发展而来的，是过去六年以来，在星环科技所积累的大数据、人工智能和实时流数据处理技术基础上打造的。

在这个平台中有两个核心内容，一个是用于实时决策的指标平台，指标平台是实时计算的，用户可以根据经验和判断，定制一些规则逻辑；一个是规则引擎和决策引擎，这里面有各种各样规则模型，有评分卡模型、决策表、决策树模型等。在实时数据接入方案，可以跟底层的智能模型、大数据平台打交道，也可以接入外部的第三方实时数据做实时决策。

这个实时决策引擎有三点优势。第一，技术领先。我们基于自主平台开发，所有的性能指标、计算均依赖于现有技术能力，业界领先；实时性上，规则做到配置完立刻生效，可以快速看到规则的反馈结果；在节点扩展能力上，节点是可以无限扩展的；其次，决策规则不仅仅有专家经验规则，也可以与Sophon的智能模型打通，实时部署上线，针对智能模型进行了专项调优，机器模型也可以在10毫秒左右进行反馈，真正将其应用在实时决策上。

第二个优势，方便易用。一个产品要好，功能需要满足客户需求，性能要强大，也要方便客户试用。FIDE在使用的便利性方面，做到了安装部署非常简单，一键化部署就可以；第二个，所有里面的指标、规则、流程都是采用拖拉拽的方式，提供了图形化的配置方式，当然需要也提供高级版本的编程方式扩充。

第三个优势，扩展性好，我们的技术都是自主研发，到2020年，从底层的平台到计算到存储都会用自己的技术，对外依赖少，未来的延展性非常好。其次，我们定义了与业务系统的良好接口，非常方便在此之上进行二次开发，快速的与业务系统对接。

5. 助力金融稳健运营的应用场景

今天讲的主题是如何用实时智能决策引擎助力金融稳健运营，我理解稳健运营包括两个层次，第一个是系统，系统是不是安全？有没有被人攻击？稳定性和拓展性怎么样？第二是交易，交易包括各种业务交易，交易是不是真实可靠？

5. 1 保障系统稳定安全——智能运维

下面讲一下我们跟合作伙伴打造的两个典型应用场景，第一个是实时的智能运维系统。智能运维可能大家都听说过，有的客户已经开始实施。

我把它分三个阶段：第一阶段，指标状态和感知驱动，这是2015年做的事情，我们关心网络设备、安全设备、应用服务器的运行状态。第二阶段，在第一阶段，拿到了各类数据后，开始基于这些数据做分析和决策，根据经验和一些典型算法，做分析决策，知道现在在发生什么，已经出了什么问题，应该采取什么行动来解决这个问题，更多是在问题跟踪和解决上。第三阶段，是智能运维，这个智能运维是业务驱动，所有的感知、分析、决策将会站在业务角度来看，对业务链路进行分析、对业务故障进行预测、如何优化性能等。

怎么用去搭建这个平台呢？刚才讲到客户已经在使用我们的TDH和Sophon去做大数据和人工智能的业务创新了，这个智能运维平台也是在TDH和Sophon这两个底层基石上，我们把这个实时智能决策引擎加上去，去做一些业务决策。

决策过程中我们会做一些离线分析，决策之前会有很多专家规则或者离线分析从TDH和sophon过来。部署到产线上之后，会产生大量的实时交易数据，对于运维来说，可能来自于部署的服务接口，或者网络服务拿日志，取得大量的主机、网络、设备、应用日志、系统日志等数据，这个数据会实时进入我们FIDE，跟之前专家规则做实时的判断，判断结果也会形成循环。

OODA循环大家还记得吗？通过这个循环进入下一层循环判断。我们不需要第一天就做的很智能，它会一直迭代，运行三个月之后这个平台就会发生质的变化，就像小孩子刚生下来没有什么差别，长大后逐渐开始分化，到18岁成年时已经非常不同了。最后产生的结果是决策数据、预测数据、深度加工数据，这个数据会形成下一次迭代，这就是智能运维。

接下来，就可以基于已经训练好的智能运维系统所产生的判断结果，用于一些自动运维的手段，自动发一些指令到运维系统，重启某个服务，或者进行日志备份等，形成智能化的自动运维，跟我们的运维平台完美对接。

我们正在做几个事情，第一个是帮助客户做全链路分析，更多以监控为主，根据各类监控数据与日志数据，形成一个业务的全链路调用场景，并根据数据的变化情况，直观地反应出业务上每一个点是不是正常调用。

举个例子，一个资金流转业务从底层到上面会经过很多系统，有一个业务断了，前端客服接到报障，打电话到运营，然后到后台，最后到科技部门，还要流程核实、看数据，拿日志等等，但客户已经抱怨两天了，客户满意度非常差。

我们希望全链路分析能够根据系统告警信息，在客户抱怨前，甚至是打电话给我们的客服前，就能够事先发现问题，客户报障的时候，我们跟客户说已经解决了，你重启App或者重新打开这个APP就可以了，这种感受是很好的，给客户感觉我们的技术人员已经预知未来会发生什么。

第二个是异常行为分析，我们也尝试了一些建模的分析，异常交易行为在系统层次从它的登陆次数、访问次数、频率都已经看出来了，并不是交易上发生大规模数据才可以看出来。

第三个是故障的预测，更多是采用类似OODA的循环，一边是洞察，一边是定位，找到问题之后做预测，之后采取动作，从而帮助我们更加精准的预测故障发生的可能性。

5. 2 保障交易真实可靠——实时风险监测

接下来讲一下我们在实时交易风险监测上面做的一些应用。

上面是合规风险实时监测和实时交易反欺诈，两个更多是来源于监管要求，金融监管形式从2015年开始偏严。央行146号文对基于大数据风险交易防控提出要求：“应通过交易行为分析、机器学习等不断优化风险评估模型，提高欺诈交易拦截成功率，切实提升银行账户交易安全防护能力。”

可以看出，监管层对于大数据的风险防控，明确提出了要有行为分析、机器学习、迭代分析在里面，这张图是不是又像OODA循环？监管理念已经向智能化、实时化、反复迭代的角度迈进，并且一定要做实时的事中防范;那对于被监管主体来说，更加需要采纳实时、智能化的方案来防范风险。要做到在监管发现问题之前，或者问题还未大规模爆发前就可以自己发现问题。

最近我们帮客户做银行II、III类账户开户交易监测（央行146号文第162条为例），包括网络信息监控、位置信息监控、时间监控，还有机器学习建模、自动识别行为偏离、多用户的状态，要在事中做，在开户状态就要做。

因为以前是不偷我们/客户的钱或者是不做非法交易就给他开户，现在不一样，因为有了II、III类账户后，犯罪分子在本行开完户后，他会到另外一家银行用这个账户偷钱，所以我们的策略也要改变，在开户阶段就要防范。

我们也在做反洗钱模型场景，反洗钱《3号令》讲了各种规则，我们跟客户一直在打造这个模型，所有专家规则都可以放到里面，也基于Sophon做了模型迭代，在里面实现实时的分析计算,客户的专家模型可以在里面实时生效。

6. 实时智能决策引擎的未来作用

除了我上面提到的助力金融稳健运营的两个应用场景外，我们也一直在跟客户探讨，这个引擎可以应用于风险处理，应该也可以应用于实时数据保护。怎么让数据不泄露？数据访问、数据流转的时候，我们可以先做内容分析、处理，还可以拿模型比对，加入行为分析，实时判断泄露风险。

第二，我们也在尝试用这个引擎做一些实时营销的工作，过去精准营销是千人千面，现在我们想做千人的实时多面，用户的每一次访问都会成为下一次打开APP或者访问的数据输入，我们也希望把这个技术与营销的CPC（Customer、Product、Channel）结合起来，实时的将这三者进行关联，推荐产品。最后，内部运营监测的风险、网点操作风险监测、运营能力的智能化演进我们也在做一些尝试，希望能够提升数据驱动的运营战略能力的全面提升。

今天在座有很多星环科技的客户，未来我们也想通过跟大家一起交流，落地更多实时智能决策引擎的应用场景。最终希望通过这个引擎让我们的决策更快、更智能。

谢谢大家！