方案简介
基于芯片保护技术、内存安全技术、密码学技术，确保在建模环境之内各方数据可用不可见，建模环境之外加密数据不可被穿透破译。数据交互过程可审计、可监控、可追溯，有效保护数据资产的安全。
灵活的建模方式
针对不同建模需求的客户提供灵活的建模方式，支持自动化可视化建模；支持逻辑回归、决策树、梯度提升等丰富多样的算法储备；支持特征分析、特征筛选等，提供丰富的模型效果评估指标报告。
交互简单易用
建模流程简单明了、菜单切换方便快捷，用户可自主建模、快速迭代，轻松完成分析建模，更好的开展联合建模工作、应对业务变化的需要。
敏捷化部署
对于训练好的模型，支持一键快速部署和发布服务；提供性能监控，保障服务的稳定性；支持动态扩缩容。
典型场景
信贷相关场景
营销场景中的存量客户挖掘、交叉营销等
贷前环节的欺诈风险识别、信用风险评估、授信及定价等
贷中环节的风险预警、信用恶化评估等
贷后环节的还款能力及意愿分析、不良资产定价等
保险相关场景
投保环节的差异化定价等
核保环节的逆选择风险识别、出险后投保风险识别等
理赔环节的欺诈风险识别、核赔调查等
实践案例
存量客户营销，显著提升营销转化率
客户介绍：国内已上市的头部城商行，资产规模破万亿
解决方案：建立涵盖北京、江苏、上海、江西等多省市、丰富的营销模型，持续提升模型表现
方案成果：上线仅用时4个月，实现客群精准定位的同时，有效识别存量高意向客户、优化行内资源分配，帮助营销转化率提升5%
某财险公司
融合训练，提升互联网数据后精算模型区分度
客户介绍：费改以来，某财险公司谋求扩大其车险线上化率，同时维持一个合理的保费规模，因此寻求提高互联网渠道的车险精算模型区分度
解决方案：由保险公司提供相关的赔付率、赔付金额，与互联网渠道的数据进行融合训练，并将模型结果应用于车险精算模型
方案成果：加入互联网数据后精算模型区分度提升1.25倍
某银行
联合建模，降低贷后不良风险
客户介绍：某银行需要在互联网渠道开展线上信贷业务，但无线上风险管理经验，担心不良率居高不下
解决方案：由银行提供样本数据与风控规则，与互联网渠道的数据进行融合训练，产出信贷风控黑名单，帮助银行控制风险
方案成果：日均调用量50W+，贷后表现良好，不良率低于业界平均水平10%，降低了风险，节省了成本
