实时监控人工审查的优化案例

某股份制商业银行实时监控人工审查的优化

 

项目背景

银行大数据平台建设之初,主要侧重为离线计算任务提供算力,随着银行业务的迭代发展,各业务线均在推动精细化分级管理的过程中对系统联动管控的快速响应提出了更高要求。
同时近年来业务量的不断增长,部分传统应用系统架构(如PRM实时监控业务)在面对大数据量的场景下无法持续满足业务流程迭代。
随着银行卡中心战略层面不断扩大的发卡要求和快速发卡模式的推广,需不断的提升客户体验及同业竞争力。

 

项目需求

该银行信用卡风险管理重心将逐渐由贷前向贷中后移。未来“大贷中”系统 将承担着全量客户“发卡后催收前”的风险管控工作,包括但不限于实时触发预警及拦截等内容。因此,需要建立一套数据实时分析服务系统,在信审大贷的四个业务(信审贷中、信维、授权及实时监控)中,对风险进行快速反应、联动管控;并要求作业人员往多技能、全技能方向发展,以客户为维度开展工作,及时发现、防控及规避风险。

 

解决方案

  • 在线将SMC和PRM的数据实时抽取到“在线Kafka”;
  • 前置将“在线Kafka”的数据消费至“前置Kafka”;
  • 通过消费前置Kafka数据,将实时数据记录在Hubble中;
  • 贷中向前置发起查询请求,前置解析请求报文后向Hubble进行数据查询;
  • Hubble返回数据查询结果后,前置封装返回报文,将请求结果返回给贷中。

 

项目成果

  • 实现了每天千万级交易数据,数据实时并发入库;
  • 接近100个复杂欺诈规则分析,毫秒级返回分析结果。
  • 复杂类查询平均响应时间为100ms内;
  • 数据实时接入平均耗时3.12ms。