定义：银行智能风控是综合运用机器学习、知识图谱、计算机视觉、网络安全等技术，融合内外部多源异构数据，在银行相关部门反欺诈／反洗钱识别、信货审批、货后管理等场景下实现智能风控。
终端用户：银行风控部门；信用卡中心、消费金融、网络金融等琴售业务部门；信用管理、信货审批、金融市场等对公业务部门。
核心需求：银行为满足零售信贷、小微信贷等业务的风控需要，需要运用人工智能技术实现实时的反欺诈识别、智能信货审核和贷后管理等应用场景，从而提升银行风控能力，同时提高运营效率、实现收益目标。核心需求包括：
反欺诈识别方面，银行需要在信贷业务的申请、交易、支付等环节进行全方位的风险信息核查与监控，识别高风险客户和可疑行为，作出风险判断和拦截，做到实时的反欺诈识别。提高审核效率和反欺诈能力，在全面防范客户欺诈风险的前提下提高批贷率。
信贷风控方面，银行希望依靠智能决策赋能全方位风险识别和准确的收益评估，在风险可控的前提下实现收益最大化，同时实现自动化的风险与收益评估，提高批货效率。
贷后管理方面，需要对客户分层精细化管理，一方面提高风险识别的时效性和准确性，及时发现风险、处置风险；另一方面深入挖掘客户价值，例如对零售信贷客户进行使用激活、额度增长等策略，提升收益水平。
厂商能力要求：
反欺诈方面，厂商需具备生物识别、设备指纹、用户画像、 IP 画像、规则引擎、欺诈关联图谱等风控技术，提供端到端的反欺诈解决方案，帮助银行建立全流程闭环的反欺诈智能分析和预警能力，并具备模型自学习能力以适应欺诈手段变化。
信贷风控方面，厂商应具备强大的数据整合能力和建模能力，掌握大数据、人工智能、隐私保护计算等先进技术，为银行提供标准化的数据产品和解决方案服务，包括计算平台、数据中台、规则引擎、画像模型、评分模型及联合建模服务等。
贷后管理方面，厂商需针对零售或小微业务提供相应的贷后模型、规则引擎和风险数据，帮助银行进行持续性的违约风险跟踪评估。对零售业务，提供评分模型、收益模型、风险预警策略等产品实现千人千面的精细化管理；对小微业务，借助自然语言处理、数据挖掘等技术提供外部风险数据，实现多维度风险追踪。
代表厂商：入选标准： 最近一年在该市场服务客户数 10 家以上； 2 ．最近一年在该市场收入 1000 万以上
拓尔思厂商介绍：
拓尔思信息技术股份有限公司 2011 年在深交所创业板上市。（简称“拓尔思” ) ，成立于 1993 年，现有员工 2000 余人，公司于拓尔思以语义智能的企业级服务为战略，专注于自然语言处理、知识图谱和图像视频分析等领域的技术研发和产业化。
产品服务介绍：TRS 数星智能风控大数据平台，是一款利用人工智能、大数据、自然语言处理、知识图谱技术构建的综合型在线服务平台。平台围绕海量异构数据，全面监控海量金融实体多维风险。平台提供智能多维标签、预警倍号推送、风险事件跟踪、风险传导关联、综合异构图讲等贯穿多场景全流程风险管理功能，提升金融机构风控能力。
厂商评估：TRS 数星智能风控大数据平台面向银行的小微及对公业务智能风控场景，在海量多源异构数据源覆盖、对非结构化数据的分析挖掘、服务模式等方面具备优势。 TRS 数星智能风控大数据平台在数据源接入层面扭盖了境内外全渠道异构数据，日增亿级增量以上，数据类型包括新闻舆情、资本市场公司公告、宏观政策、研究报告、细分行业标签和企业工商信息及司法数截等，同时支持境外多语种数据，可以帮助银行有效补充外部数据，构建风险全早数据池。在对非结构化数据的分析挖掘方面，TRS 数星智能风控大数据平台基于拓尔思的自然语言处理与知识图谱技术，可以有效从海量低密度价值数据中提炼高价值、高精炼知识数据。其自主研发的语义智能 AI 分析引单，支持文本分类、文本聚类、实体抽取、关系挖掘、数狱比对、悄感分析等多种核心自然语言处理技术，其中核心文本分类准确性超 85 %。平台具有高可扩展性、高性能的异构数据跨场景 Al 算法能力，涵盖实体识别、实体融合、实体切片、关系识别、事件脉络、信号溯源等 6 大核心算法，内置超过 20 种实体风险场景模型。支持海量数据信号化处理，利用时间序列、相似性排序、热度预判、指标抽取等核心技术，形成风险预警信号，深度应用于风险监测业务中，信号准确性超 99%。
此外，TRS 数星智能风控大数据平台可以针对不同银行的差异化需求提供多样灵活的服务模式，包括在线服务 SaaS 模式、数据服务 OaaS 搜式、 API 服务，并提供相应的定期培训与报告、持续迭代运营、文档支持等服务。
典型客户：中国银行、中国农业银行、国家开发银行、平安银行等
