区域性小贷公司 “智能风控 + 数据决策” 平台
2025-10-11 14:10:57
行业：企业内部管理、金融
载体：小程序、云服务/云平台
技术：Python、SQL、ActiveMQ、MongoDB
业务和功能介绍
行业场景
江苏某市级小贷公司面临 3 大痛点：
一是贷款申请全线下，单笔周期超 5 天，客户流失率达 30%；
二是风控依赖人工核验（查征信 / 资产证明），坏账率居高不下（8%）；
三是缺乏业务数据分析工具，无法精准定位高价值客户，获客成本高。
功能介绍
1. 基础功能：小程序端贷款申请（身份证 OCR 识别）、人脸识别、进度查询；管理端审批流程管理。
2. 数据平台核心功能：
① 风控数据模块：对接第三方征信（芝麻信用 / 百行征信）、企业工商数据，通过 风控算法模型（含还款能力评分 / 违约风险预测）自动生成风控报告，评分≥70 分自动进入快速审批通道；
② 业务分析模块：用 Tableau 搭建运营看板，展示贷款发放量 / 坏账率 / 客户分层（按行业 / 额度）数据，支持钻取查询（如某行业客户还款率）；
③ 数据预警模块：当客户出现征信异常 / 逾期苗头时，自动触发催收提醒，同步更新坏账率预测模型。
江苏某市级小贷公司面临 3 大痛点：
一是贷款申请全线下，单笔周期超 5 天，客户流失率达 30%；
二是风控依赖人工核验（查征信 / 资产证明），坏账率居高不下（8%）；
三是缺乏业务数据分析工具，无法精准定位高价值客户，获客成本高。
功能介绍
1. 基础功能：小程序端贷款申请（身份证 OCR 识别）、人脸识别、进度查询；管理端审批流程管理。
2. 数据平台核心功能：
① 风控数据模块：对接第三方征信（芝麻信用 / 百行征信）、企业工商数据，通过 风控算法模型（含还款能力评分 / 违约风险预测）自动生成风控报告，评分≥70 分自动进入快速审批通道；
② 业务分析模块：用 Tableau 搭建运营看板，展示贷款发放量 / 坏账率 / 客户分层（按行业 / 额度）数据，支持钻取查询（如某行业客户还款率）；
③ 数据预警模块：当客户出现征信异常 / 逾期苗头时，自动触发催收提醒，同步更新坏账率预测模型。
项目实现
1. 负责任务：搭建智能风控数据平台，开发算法模型与数据可视化模块，对接第三方数据接口，设计小程序前端交互。
2. 技术架构亮点：采用 “多端小程序 + 数据中台 + 算法引擎” 架构，MongoDB 存储非结构化风控数据，Redis 缓存高频查询征信结果；
3. 难点与攻克：风控模型准确率提升问题，通过历史 3 年业务数据（5000 + 笔贷款）训练模型，准确率从 65% 优化至 88%；同时实现数据实时同步，确保风控决策延迟≤10 秒。
2. 技术架构亮点：采用 “多端小程序 + 数据中台 + 算法引擎” 架构，MongoDB 存储非结构化风控数据，Redis 缓存高频查询征信结果；
3. 难点与攻克：风控模型准确率提升问题，通过历史 3 年业务数据（5000 + 笔贷款）训练模型，准确率从 65% 优化至 88%；同时实现数据实时同步，确保风控决策延迟≤10 秒。
示例图片视频
相似推荐
多源融合运维平台
融合多项运维数据，构建一站式运维管理平台。打通ITOP、zabbix、动环数据、私有云平台等数据交换。实现事件发现、事件处理、事件反馈等全流程可追溯。
可以根据需求进行扩展和二次开发，灵活、方便、易用。
可定制功能板块，按需接入AI应用，实现智能分析处理。
可根据用户需要规划设计各类型应用和网络，助力信息化建设。
国密级别数据溯源信息加密研究平台
本系统是研究型数据安全审核平台。由本系统负责安全审核：判断本次访问或导出是否合理、是否存在异常或越权、是否需要审批，并对每一步操作留痕，实现全程可追溯。目前主要功能均已实现并可正常运行：从数据接入、分析研判、审批放行，到全程留痕追溯，整体流程已贯通并通过测试；8个模型均为真实运行。
xxx态势平台
网络安全项目，采集片区网络数据，分析高中低危网络数据，数据研判、可视化呈现。
采集数据量每天1-3亿数据，实时入库，数据清洗、数据归并、数据分发研判、研判结果及红头文件下发、资产管理、可视化大屏实时呈现、威胁情报管理
漏洞挖掘全链路调度系统（Bounty Router）
立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再
手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4
小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报
告的统一调度器。
核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/
GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一：
Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→
gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全
专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹
配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。
业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分）
→ 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化）
→ 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi
等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。
HOS-LS
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服