某股份制商業銀行實時監控人工審查的優化

 

項目背景

銀行大數據平臺建設之初，主要側重為離線計算任務提供算力，隨著銀行業務的迭代發展，各業務線均在推動精細化分級管理的過程中對系統聯動管控的快速響應提出了更高要求。
同時近年來業務量的不斷增長，部分傳統應用系統架構（如PRM實時監控業務）在面對大數據量的場景下無法持續滿足業務流程迭代。
隨著銀行卡中心戰略層面不斷擴大的發卡要求和快速發卡模式的推廣，需不斷的提升客戶體驗及同業競爭力。

 

項目需求

該銀行信用卡風險管理重心將逐漸由貸前向貸中后移。未來“大貸中”系統 將承擔著全量客戶“發卡后催收前”的風險管控工作，包括但不限于實時觸發預警及攔截等內容。因此，需要建立一套數據實時分析服務系統，在信審大貸的四個業務（信審貸中、信維、授權及實時監控）中，對風險進行快速反應、聯動管控；并要求作業人員往多技能、全技能方向發展，以客戶為維度開展工作，及時發現、防控及規避風險。

 

解決方案

• 在線將SMC和PRM的數據實時抽取到“在線Kafka”；
• 前置將“在線Kafka”的數據消費至“前置Kafka”；
• 通過消費前置Kafka數據，將實時數據記錄在Hubble中；
• 貸中向前置發起查詢請求，前置解析請求報文后向Hubble進行數據查詢；
• Hubble返回數據查詢結果后，前置封裝返回報文，將請求結果返回給貸中。
  

 

項目成果

• 實現了每天千萬級交易數據，數據實時并發入庫；
• 接近100個復雜欺詐規則分析，毫秒級返回分析結果。
• 復雜類查詢平均響應時間為100ms內；
• 數據實時接入平均耗時3.12ms。