苏州奥尔马电子科技有限公司
江苏省苏州市高新区金猫路9号B幢
丁经理
13584892482
13584892482
135848924828
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
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
行业认可 深度参与多项行业标准建设,获得多新项权威机构认证和认可,打造行业标杆