图一：钱大妈实时风控流程示意图 二、业务架构 钱大妈风控业务架构如图二所示总共分为四个部分：事件接入、风险感知、风险应对、风险回溯。 图二：钱大妈实时风控业务架构图 三、规则模型 风控业务专员通过产品界面简单配置即可实时动态发布风控规则，同时对在线 Flink 作业的规则进行新增、更新以及删除，其中风控规则模型主要分为统计型规则和序列型规则 阿里云实时计算产品输出的支持多规则和动态规则变更、支持 Pattern 定义事件之间的超时以及支持基于 IterativeCondition 的累加器功能拓宽 Flink 在实时风控的能力，并且上述功能已经在钱大妈生产环境落地实践 图六：社区Flink动态CEP规则表 五、回顾展望 基于 Flink 的实时风控解决方案已接应用于钱大妈集团内部生产环境，在此解决方案里未引入新的技术组件和编程语言，最大化复用 Flink 资源实现实时风控场景需求 后续钱大妈将和阿里云实时计算产品团队，继续共建完善基于 Flink 的实时风控风控解决方案，其中在 Flink CEP 的未来规划将围绕以下三个主要方向展开： Flink CEP 能力的进一步增强；
目前携程利用自主研发的风控系统有效识别、防范这些风险。携程风控系统从零起步，经过五年的不断探索与创新，已经可以有效覆盖事前、事中、事后各个环节。 主要分三大模块：风控引擎、数据服务、数据运算、辅助系统。 风控引擎：主要处理风控请求，有预处理、规则引擎和模型执行服务，风控引擎所需要的数据是由数据服务模块提供的。 由于携程的业务种类非常多，而且每种业务都有其特性，在进入风控系统（Aegis）后，为了便于整个风控系统对数据进行处理，风控前端有一个适配器模块，把各个业务的数据都按照风控内部标准化配置进行转换，以适合风控系统使用 风控系统要进行数据的合并。举个例子，当有一笔支付风控校验，支付BU只抛过来支付信息（支付金额、支付方式、订单号等）。 由于每个风控Event请求，都需要执行数百个规则，以及模型，这时，风控引擎引入了规则执行路径优化方法。
个人网站、项目部署、开发环境、游戏服务器、图床、渲染训练等免费搭建教程，多款云服务器20元起。
性能和复杂度可以兼得 携程的风控系统，和大部分第三方支付平台一样，也是以实时风控系统为主： 支付环节一般留给风控校验的时间不会超过1s，业务风控点上更是希望风控能在100ms内就能通过；对性能的追求，也是对极致用户体验的追求 规则数量两年翻了五倍，同时规则使用更多的数据不再仅限于产品信息、支付信息、账号信息，行为数据等弱关联数据开始大量的应用于规则分析。 在实时风控场景里大量部署复杂模型，使模型也能和规则一样能直接拒绝交易；平均来看、执行一个模型以及相关的变量计算所需的资源可能与200条普通规则相当，对系统的架构和性能都是很高的挑战。 携程风控架构变迁简史 ? 携程自建风控系统开始于2011年左右，直到2015年正好赶上公司技术栈从.Net往Java平台转变，风控系统也迎来了一次完全的重写。 支撑风控系统的高可用、高性能，离不开强大的基础设施，下面我向大家展示一下携程风控的几个核心服务和组件： ? 风控引擎： ? 我们给他起了一个名字叫 Matrix，意思是像魔方一样灵活多变。
对一个互联网产品来说，典型的风控场景包括：注册风控、登陆风控、交易风控、活动风控等，而风控的最佳效果是防患于未然，所以事前事中和事后三种实现方案中，又以事前预警和事中控制最好。 这要求风控系统一定要有实时性。本文就介绍一种实时风控解决方案。 1.总体架构 风控是业务场景的产物，风控系统直接服务于业务系统，与之相关的还有惩罚系统和分析系统，各系统关系与角色如下： ? 该系统有三条数据流向： 实时风控数据流，由红线标识，同步调用，为风控调用的核心链路； 准实时指标数据流，由蓝线标识，异步写入，为实时风控部分准备指标数据； 准实时/离线分析数据流，由绿线标识，异步写入， 2.1 实时风控 实时风控是整个系统的核心，被业务系统同步调用，完成对应的风控判断。 前面提到规则往往由人编写并且需要动态调整，所以我们会把风控判断部分与规则管理部分拆开。 Flink 把汇总的指标结果写入 Redis 或 Hbase，供实时风控系统查询。两者问题都不大，根据场景选择即可。
摘要：本文整理自阿里云开发工程师耿飙&阿里云开发工程师胡俊涛，在 FFA 实时风控专场的分享。 我们这里展示三个典型场景： 第一个场景，实时风控。 2.2 动态规则支持：设计 基于以上提到的背景和问题，阿里的同学在社区内提出了 FLIP-200，并在阿里云实时计算 Flink 云产品中按照 FLIP-200 实现了一版 CEP 中动态多规则的支持 接下来我们在 RDS 数据库中插入插入规则 1：“连续 3 条 action 为 0 的事件发生后，下一条事件的 action 仍非 1”，其业务含义为连续 3 次访问该产品但最后没有购买。
目前携程利用自主研发的风控系统有效识别、防范这些风险。携程风控系统从零起步，经过五年的不断探索与创新，已经可以有效覆盖事前、事中、事后各个环节。 图1 主要分三大模块：风控引擎、数据服务、数据运算、辅助系统。 风控引擎：主要处理风控请求，有预处理、规则引擎和模型执行服务，风控引擎所需要的数据是由数据服务模块提供的。 由于携程的业务种类非常多，而且每种业务都有其特性，在进入风控系统（Aegis）后，为了便于整个风控系统对数据进行处理，风控前端有一个适配器模块，把各个业务的数据都按照风控内部标准化配置进行转换，以适合风控系统使用 风控系统要进行数据的合并。 举个例子，当有一笔支付风控校验，支付BU只抛过来支付信息（支付金额、支付方式、订单号等）。 由于每个风控Event请求，都需要执行数百个规则，以及模型，这时，风控引擎引入了规则执行路径优化方法。
导语 随着部门在业务安全领域的不断拓展，围绕着验证码、金融广告等服务场景，腾讯水滴作为支撑业务安全对抗的实时风控系统，上线的任务实时性要求越来越高，需要支撑的业务请求量也随之增加。 对于业务快速上线和资源快速扩缩容的需求，且公司自研上云项目往全面容器化上云方向推进，水滴风控平台开始进行自研上云的改造。 水滴后台架构 水滴平台主要是用于业务安全对抗的高可用、高性能、低延时的实时风控策略平台，提供一系列的基础组件给策略人员进行构建策略模型，能够帮忙策略人员快速地完成策略模型的构建和测试验证。 水滴系统架构如下图所示： 水滴实时风控平台系统主要由配置处理模块和数据处理模块两部分组成。 配置处理模块主要由前端 web 页面、cgi 、mc_srv 和 Zookeeper 等组成。
产品与运营不分家，好的产品是靠运营做出来的。没有好的运营，产品再好也是没有人用的。但是产品经理的产品运营一定是那些招过来的专门运营的同学的是不一样的。 本质上说，产品经理的产品运营是对整体把握更为准确 而产品运营上根据产品设计到产品上线到产品迭代再设计，这中间每个阶段都要考虑到产品运营体制，和产品迭代任务，产品预期等。 电商类产品用户运营一定要知道用户习惯购买的产品是什么，喜欢买什么东西。社交类产品一定关注用户的兴趣点是什么。 漫漫运营之路很长，所以产品经理的产品运营要比普通运营更懂产品，比普通运营更懂产品在上市场走势，比普通运营更懂产品运营上用户体验。 把握产品每个阶段可能在运营上做的工作，对产品本身很有帮助，视野将不再局限于产品本身，对产品设计有了更好把握。
之前，我们讲了产品分析基础： 「原理」如何优化产品路径，提高用户留存？ 「原理」产品新功能分析-实操篇 「原理」如何分析产品新功能的效果？ 那么我们也就能够通过商品的组合，关联性分析，找到哪些产品/功能之间是强相关的。 通过功能之间的联系，我们能够将行为及对应的产品进行组合，从而得到用户更喜欢，留存率更高的功能组合。 那针对这个数据，我们可以做两件事情： 1、引导用户去使用 A+D 组合 2、从产品上增加 D 功能的曝光 当然，如果你说，我只保留留 A+D 组合行不行。 路径分析的小结 总的来说，路径分析是为了度量用户在产品中一层又一层的操作转化，而发现产品需要优化的方向的一种分析方法。 而这种分析方法呢，最需要保证的就是产品上的埋点需要全面细致。 因为只有拿到完整的用户产品操作信息，我们才能更好地复现出产品操作路径，从而可以进行后续的路径分析。 没有数据，一切都是空谈。
陈建平，后台开发工程师，现就职于TEG安全平台部-业务安全中心，主要负责中心实时策略风控平台开发。 导语 随着部门在业务安全领域的不断拓展，围绕着验证码、金融广告等服务场景，腾讯水滴作为支撑业务安全对抗的实时风控系统，上线的任务实时性要求越来越高，需要支撑的业务请求量也随之增加。 对于业务快速上线和资源快速扩缩容的需求，且公司自研上云项目往全面容器化上云方向推进，水滴风控平台开始进行自研上云的改造。 水滴后台架构 腾讯水滴平台主要是用于业务安全对抗的高可用、高性能、低延时的实时风控策略平台，提供一系列的基础组件给策略人员进行构建策略模型，能够帮忙策略人员快速地完成策略模型的构建和测试验证。 水滴系统架构如下图所示： 水滴实时风控平台系统主要由配置处理模块和数据处理模块两部分组成。 配置处理模块：主要由前端 web 页面、cgi 、mc_srv 和 Zookeeper 等组成。
上一篇，我们从理论的角度，讲了如何分析一个产品新功能的效果 「原理」如何分析产品新功能的效果？ 今天，我们就来举一个具体的例子。 首先来回顾一下，我们需要从三个层次来度量产品效果： 从大盘出发，度量该功能对整体产品的一个贡献 从产品本身出发，分析产品本身的效果 从技术层面出发，为了保证技术层面的服务不受影响，建立护栏指标 以抖音购物功能举例 所以我们在评估产品功能时，需要聚焦到产品的核心目标。 量化了核心目标，通过核心目标量化后的具体指标，拆分成各个子项的指标，从而能够从大到小的拆分出产品的核心指标体系。 总结一下，分析评估一个新产品功能，不仅需要有层次条理，还需要有细节，最重要的是有结论有建议。 总结 当我们要去度量一个产品功能时，千万不要一上来就扎进产品中去。 我们应该站在产品全局的角度，去考量产品的初衷，即这款产品做的目标是什么，从目标去拆分，才能更好的建立指标体系。
其实公司的产品发展到现在，大部分都比较臃肿，但是有意思的是，每个产品下面优秀的产品经理，都在这样的前提下寻求突破。 嗯，脱离开产品经理这个身份，单纯从用户角度去回顾，大概有以下一些产品让我觉得『眼前一亮』，同时去跟产品团队的同学去究其内在设计思路的时候，会发现很多很有意思的点。 『简单』，是为了降低记账门槛 在做这一款产品之前，多多记账团队内部对这个产品的形态有过很激烈的讨论，当时团队里有好几个方向，demo版本也做过好几版，后来团队灰度了一份调查问卷，这份调查问卷显示： 有六成的调查对象有记过账 这个问题被全民K歌的产品经理带进了K房，并同时观察着唱歌的人。 （选择好友/明星一起合唱） 那么在这个需求之上，如何把唱K产品都有的『合唱』做出花来呢？
作为一名销售人员，做业务的时候经常打交道的无外乎产品经理和风控人员，今天就简单聊聊销售人员眼中产品和风控的那些事。 所以公司高层或者项目负责人或者产品经理在决策去做一个产品的时候应该多和一线市场人员交流探讨，同时要和风控部门进行衔接，这样做出来的产品才能在满足公司利益的同时，又兼顾了风险点。 需要企业里各个部门的协调配合，以及测试、产品、技术、运维、运营等部门的同事付出大量的劳动。 （二）风控篇 作为一个市场销售人员，我深知销售和风控的关系是怎样的一种存在。 就像一个月前某公司的产品经理和开发的肉搏大战一样，赤裸裸血琳琳，绝对是有过之而不及。如果你是一个BD，你可能会感觉风控处处在和销售人员过不去。 审核为什么总卡自己的商户，不给通过？ 作者：海尔金控张其州。海尔金控 快捷通支付 支付接口对接扣18768433215 （原文作者奥） ----
作者：周扬 腾讯产品经理 | 导语 如何科学、有效地主导发起或配合执行市场&用户研究，并通过研究解决产品（业务）问题，是大家在工作中经常出现的问题。 本人根据课程《市场调研创造价值因需而动》，并结合部门早期论证“VR设备是否进入网吧”的用研项目，整理了此“市场&用户调研的实操手册”。 注意 执行中的精力8/2分配原则 用研经理的工作循环圈：需求发现（产品跟进重点！！）->问题分析（产品跟进重点！！） 误区 实操过程中的常见误区： 误区一：研究是万能的。但研究不是万能的，不是什么问题都能够通过研究进行解决，好的研究可以帮助决策，但是真正决策判断及落地还是要靠产品的人员。 误区三：用户研究只是用研方的事情，产品无需参与。
无论如何，如果有风险，可以使用FMEA进行分析，这对于我们的产品和处理生活问题都是一样的。 从产品的角度来说，如果会发生一个可能的风险，就要评估如果真的发生了会有多严重，用严重性R来评分，比如产品功能失效，一般评分7-8，但如果失效造成严重后果，比如造成伤害或死亡，就视为安全风险，评分9-10 初衷是防止缺陷产品持续流通造成的影响扩大。因为同一缺陷发现得越早，加工成本越低，发现得越晚，加工成本越高。图片处理风险有三种方法:1.降低严重性。比如我们的显示屏坏了，就没有功能了，严重程度评为8分。
万达网络科技集团的技术团队，建设和维护着一套实时风控平台。这套实时风控平台，承担着各种关键交易的在线风控数据的写入和查询服务。 实时风控平台后端的数据库系统在高性能，可靠性，可扩展性上有很高的要求，并且需要满足如下核心功能和业务要求： 风控相关业务数据实时入库 实时风控规则计算 通过 BI 工具分析风控历史数据 ETL 入库到 [TiDB 的整体框架图]TiDB 产品和技术方案对业务需求的支持和助力效果，集中表现在： MySQL Galera Cluster 自身的强同步机制以大幅度降低集群整体性能为代价，集群整体性能比单节点 在实时风控平台的高并发高性能的对外服务过程中，在线灵活扩容的相关工作在 MySQL Proxy 中间件架构中无法高效和可靠的实施。 TiDB 针对分布式事务和强一致性的完善设计以及对各种 JOIN 模式的支持，使得实时风控类和 BI 分析类的业务应用能够高效运行。
本文将针对这些问题简单介绍互金行业中授信产品的风控建模过程，内容主要如下： 信用风险定义 信用风险评分卡类型 信用评分模型建立的基本流程 1信用风险定义 风险管理的概念 风险管理最早起源于美国。 当然，这些技术的应用并不能百分百的保证零风险，因为有很多人为因素是不可控的，但是信用风控技术在很大程度上帮助金融企业进行了很好的风险管控，通过降低风险减少损失来间接增加利润。 因此，信用评级可根据用户的整个使用周期分为以下四种类型： 申请者评级（Application）：个人客户申请相应金融产品，对用户进行筛选分类，判断时好时坏，是否通过申请（A卡） 行为评级（Behavier 下面是一个真实的在线授信产品的风控建模的流程图，可参考进行理解： ? 以上是对信用评分分类以及风控建模基本流程的介绍，欢迎大家指正。
本白皮书将专注于分析该领域的芯片安全可控情况，为用户在选择U位资产数字化管控产品与方案时提供参考。 资产模块.png 四、主要芯片类别与应用 U位资产管控产品的芯片使用中，主要包括了： RFID标签芯片 NFC基站芯片（非接触式） EIC芯片（接触式） 微处理器 传感器 网卡芯片 智能LED 在这些芯片类别中 串口总线芯片由于故障率比EIC单总线故障率更高，据统计，每千套产品的故障高达20%左右，因此串口总线芯片虽然能够实现国产化，但采用此芯片的U位资产管控产品无法实现大规模应用，已经被市场所淘汰。 七、结论 机柜和资产数字化管控作为数据中心的细分领域，采用国产芯片的U位产品，在产品、技术以及供应链上可以实现安全、自主、可控。 目前，国内RFID半导体的生态齐全，在芯片的性能、安全、生产、供应链、标准、场景应用、本地化等方面，也具备较强的竞争力，用户可以优先考虑使用基于国产RFID芯片的U位资产数字化管控产品。
腾讯云星云风控平台（Risk Control Platform）提供实时、集中的一站式智能风险管控服务。打通数据采集、数据清洗、特征加工、规则模型、顶层场景的各个模块，从而形成符合实际风控场景的端到端服务平台。
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
