通过运用大数据、人工智能算法替代人工审核和机器学习等技术，对申请人或企业的全维度特征挖掘及分析，定制符合金融机构业务要求的规则策略和反欺诈模型，实现系统化和自动化，降低风险损失，增强金融企业风控能力的技术平台。
个贷款申请包含的信息量大，而且一般包含结构化数据和非结构化数据。
为大数据自动建模。用模型判断将会更加客观，高效，准确。
个人信贷业务的客户量较大，风控信审的工作量也随之增加。
对大量客户信息进行分析和挖掘，能够找到风险发生的规律。其他相同条件的客户也会表现出同样的规律。在这个基础上建立的风控模型将可以重复的使用或批量的使用。
个人信贷金融服务强调快捷和低门槛，如何在简化的贷款申请流程中还能够快速，准确的评估风险是一个关键性问题。
充分运用了大数据的潜在价值，把看似不相关的大量的客户信息汇总到风控模型中，使得对客户的风险评估更准确，更全面。
个贷款申请包含的信息量大，而且一般包含结构化数据和非结构化数据。
为大数据自动建模。用模型判断将会更加客观，高效，准确。
金融机构需要严格把控不同风险等级的客户在整体资产中所占的比重，从而确保业务风险控制在合理范围内。
为每个客户提供了量化风险评分。金融企业可根据客户的量化评分把客户群体划分为不同的风险级别，从而实现对客户群体风险的管理。
有欺诈行为的客户一般无还款意愿，或对还款能力进行造假，使得金融机构对客户的风险水平进行误判。
使用有监督学习和无监督学习结合的方法来应对客户的欺诈行为。采用了分析数据分布的方法，从而有效地检测出交易数据分布中出现的离群值，并把它们标注为欺诈交易。
除了贷前的客户获取外，贷中的存量客户管理决定了金融机构面临的风险水平和收益能力。
智能风控系统为客户的整个生命周期提供数据的更新与积累，并定时的为存量客户进行批量分析。发现客户的行为变化，风险的变化，和价值的变化，从而为金融机构决策提供帮助。同时为优化客户群体风险结构，优化业务发展方向提供数据依据。
智能风控系统与业务系统深度整合，可灵活嵌入业务系统
基于企业业务数据库建模，打造企业个性化的智能风控模型
企业可以定制“轻简版-智能风控模型”，可根据重点特征、行业属性，快速、精准的自动建模
贷前信审经验模型
贷前逾期风险预测模型
贷中逾期风险预测模型
反欺诈模型
