近期，《互联网周刊》和eNet研究院共同发布了“2019中国人工智能金融服务企业排行榜”TOP20榜单，凭借人工智能技术的深度探索与应用，天云数据再度入围，这是继去年入围该榜单之后的再度入选。
今年9月，中国人民银行正式发布了《金融科技(FinTech)发展规划(2019-2021年)》。 明确提出的是，2021年建立健全我国金融科技发展的“四梁八柱”，进一步增强金融业科技应用能力，实现金融与科技深度融合、协调发展。
天云数据在大数据、人工智能领域拥有行业领先技术，自成立之初即深耕于金融科技，为金融客户提供行业领先的AI PaaS化平台与支持海量数据高并发实时查询的数据库，辅助金融客户加速AI规模化、工程化落地部署。
天云已经成功将智能化风控技术应用于大型股份制银行、保险到互联网金融公司等泛金融行业客户，从银行信用卡审批、贷款审批、保险保单定价，到金融监管机构金融资产风控，天云为泛金融客户提供全生命周期智能化风控技术。大幅提升审核效率，降低订单成本。
一、为满足泛金融行业客户智能化风控的需求，天云大数据提供了智能风控全栈产品：
大数据平台：为客户存储、管理数据提供基础设施；
数据中台解决方案：利用由大数据平台、混合交易分析处理数据库和复杂网络引擎构成的数据中台，为客户提供数据融合服务，帮助客户将分布于多个子系统中的、格式不一、质量不一、有冗余的数据融合为统一的、唯一的、可无障碍访问的数据，对外提供数据服务；
特征工程平台：提供丰富的特征工程算子，帮助客户将各种脏数据清洗、处理为可用于建模的特征；
人工智能模型训练平台：利用特征工程平台输出的特征，训练能够利用一组输入特征预测一个业务目标的模型；
决策引擎：支持业务规则配置和AI模型运行，帮助客户将数据和模型变成业务语言、业务知识。
二、贷前、贷中、贷后全流程风控解决方案：
天云拥有在银行贷前环节的申请反欺诈模型、申请评分模型、风险预筛模型；贷中环节行为的评分模型、利率差异化定价模型、循环授信客户收益模型、循环授信客户响应模型；现金分期响应模型；交易反欺诈模型；贷后环节的早晚催收模型、催收评分模型、催收决策树、失联补全等模型。
贷前阶段，天云智能风控方案利用规则引擎进行申请人预筛选，将黑名单申请人、失信申请人提前过滤，提升审批效率；同时，天云智能风控方案利用复杂网络引擎对申请人进行智能分析，产生具有高辨析力的特征，结合申请人基本数据进行申请反欺诈建模，过滤高概率欺诈的申请人；通过预筛选和反欺诈模型的作用，大量欺诈分子被过滤掉，显著降低了这类申请人的通过率。
贷中阶段，可对申请人或申请人的风险进行评分，即利用申请人的基本数据和衍生特征进行评分卡建模，评估申请人的信用分或风险分，进而指导是否应审批通过、审批通过应发普卡或者银卡、金卡等。
贷后管理催收，信用卡审批完成后，基于存量用户的用卡数据，天云风控方案提供了丰富的行为评分模型，用于对客户流失、利率定价等各业务提供指导。
天云智能风控方案综合利用了大数据技术与人工智能技术，灵活利用了规则和模型对各种业务风险进行识别和预警，可满足银行业对智能化风控的需求。
三、针对实际金融业务场景的金融科技微服务：
天云将已经实施的模型算法整理容器化运行，提供模型产品微服务，配合MaximAI大数据挖掘平台，为企业提供数据建模孵化运行服务，实现人工智能+行业应用。理财私售飞单、对公企业风险识别产品、结汇风险识别产品、针对个人短期信贷需求的随借金产品、现金分期产品、私家车主ETC营销产品、小微速贷产品、出国金融客户营销产品。
四、智能金融监管
天云大数据监管方案广泛应用于海关、证券、保险、人行征信、互联网金融等多个行业领域，通用人工智能平台MaximAI与复杂网络引擎Hilbert相结合，解决了无数单独利用机器学习方法难以解决的监管问题，大大缩小了监管部门需关注和排查的范围，实现了智能监管。
证券智查异常交易：天云通过对已经确认的特定类型异常交易账户交易行为记录进行自动化学习，基于人工智能算法识别相关账户区别于普通账户的隐藏行为模式和特点，并在此基础上建立异常账户自动识别模型。
在技术实现上，利用开发商提供的机器学习平台功能，在众多机器学习算法中自动调优，结合特定账户开展有监督训练，提升异常交易账户发现能力；在指标设计上，综合运用传统经验指标与数理统计指标，构建出30个左右数据校验字段，通过对客户账户交易行为、股票价位偏好、交易规模以及交易记录之间的差异度、偏移度和极端度等多维度数据开展数据挖掘；在检验效果上，随机抽取特定类型异常交易账户20%作为待验证数据，“智查系统”可检测出其中80%（即模型召回率）；经核实，系统检测出的疑似账户有90%涉嫌违规行为（即模型准确率）。
2019 年以来，根据监管协作获取的新增信息优化筛查模型，模型召回率和准确率进一步提升。