银行信用卡风险监控系统

客户档案
基本信息
账户号码 名称 所在地点 年龄 行业 信用级别 收入
欺诈记录
商户档案
基本信息
账户号码 名称 所在地点 代码 行业 信用级别 规模
欺诈记录
欺诈分析模型
风险分析模型：主要采用数据挖掘的方法，进行 风险数据采集；风险数据处理（包括风险指标计 算）；风险模型建立(包括风险算法参数确定)； 风险模型评估；风险结果解释；风险挖掘结果展 示。数据规则处理保证了所有的信用卡商户及交 易能够进行分析处理；智能评分算法的科学性和 严密性保证将欺诈商户从整体商户中辨别出来； 结果展示将模型分析结果以图形表格及报告的形 式进行解释，提供给用户一个友好的界面。
交易数据
商户数据
年月考核计划
市场主管维护考核 数据并录入非量化 考核分值
市场人员年度及月 度完成情况统计
结合年月计划计算 出完成比例
完成情况及比例
根据考核指标计算 出考核分值
考核分值
绩效考核指标维护
制定考核标准，并维护的非量化考核指标 对考核指标进行查询，新增，修改，删除
绩效考核计算
市场人员通过此模块可以按月对自己的绩 效进行分析，市场主管对每个市场人员的 绩效进行汇总数据计算。系统将根据汇总 的计算绩效和年度指标进行比较，图形化 的给出每个市场人员的绩效完成情况。
框架
Baidu Nhomakorabea
原理
首先交易系统将一个分析周期的交易数据传送给 数据库，用户通过系统的分析交互平台提出分析 请求，触发风险管理系统进行分析； 风险管理系统首先对所有交易进行数据处理，其 中有一大部分交易属于非怀疑情况，不再进行下 一步的分析处理，被认为可疑的交易将进行进一 步的智能评分分析，在此阶段，系统将提供过滤 规则的参数化设置。 智能评分是结合经验算法和数据挖掘算法，建立 欺诈评分模型对商户欺诈可能性进行评级，分数 越高欺诈可能性越大； 根据评分结果，根据欺诈预警条件对帐户进行欺 诈分析内容预警展示。
绩效分值维护
系统将对考核分值进行维护。新增，修改， 删除非量化的分值 市场主管将有权限对考核结论作一定的修 正，然后确定，完成考核。
绩效考核界面
系统维护管理
系统管理功能主要是对系统非业务功能的 实现，主要包括用户管理、角色及权限管 理、参数维护、日志浏览等。 目的是实现对访问系统的人员基本资料维 护；对系统的权限控制模块及访问权限进 行灵活控制；市场部门结构可以分成不同 的小组进行管理；对系统参数进行设置,对 系统数据字典进行维护，如风险类型，发 卡行等；对关键操作，进行日志记录，便 于系统操作进行查看和审计。
信用卡交易统计分析
主要是针对某个特定业务主题，利用汇总 及查询方法对各类交易数据进行统计。按 照各查询统计输出的功能，查询统计的业 务主体有对交易基本情况、交易明细统计、 业务量统计、收益贡献统计、流失损失及 欺诈统计。
统计分析方法
结构统计 结构统计方法是各个不同组成部分在整体 中的数量及比例。 趋势统计 趋势统计方法按照比较的基期的不同可分 为同比和环比统计。
监控交互平台
负责接收信用卡交易系统对交易监控的请 求 负责收集、预处理监控需要的各种数据， 包括交易数据、客户数据、申请数据、帐 户数据、商户数据 负责将监控结果以统一形式反馈到交易系 统
规则过滤
输入交易数据
账户号码 交易点 交易额度 交易代码 密码输入次数 交易频率 交易错误类型 交易方式
周期监控预处理
模型过程
采样建立数据 集 随机抽取样本作为训 练集，其余的样本作 为测试集 定义挖掘方法 •技术 •解释变量 •模型最大的层数
结果评估
有风险 Training Validation 579 619
无风险 5,790 6,190
决策树
关联规则
如果商户建立<=60天，有78.5％的商户会出现 风险。 如果商户建立>60天, 有72.3%的商户不会出现 欺诈。
商户查单记录
对商户的查单情况进行记录，可以通过记 录和查询发现对商户的问题关注情况，保 留查单记录以备查验。在进入查单模块的 时候可以看到所有未处理完成的查单记录， 可以按照交易时间、交易金额、卡号、交 易流水、商户编号排序。处理完成的不再 自动显示，可以通过查询看到。可以根据 查询结果汇总出统计结果，可以根据导入 结果汇总出统计结果。
商户关系管理流程
商户关系管理 流程图
商户查询 新增商户 新增商户联 系人资料 新增商户连 锁地址
商户资料浏 览
商户资料维 护
商户数据 存储
新增商户跟 踪记录
新增商户备 忘录 商户联系人 资料维护 商户连锁地 址维护 商户跟踪记 录维护 商户备忘录 维护 商户特惠维 护
新增商户特 惠
商户附加 资料存储
系统维护组成
系统维护
部门组织维护
员工用户维护
角色权限维护
信息查询
参数维护
日志查看
谢 谢！
商户资料管理
查询商户信息：在商户资料查询页面，输入查询 条件，系统返回满足查询条件的商户查询列表， 单击一个商户可以查看此商户的所有信息。 维护商户基本信息：在商户列表页面，通过列表 或查询选择一个已建商户，执行“修改商户基本 信息”，进入商户基本信息修改页面（不允许修 改帐户信息），信息修改完成执行“保存”，系 统根据修改内容更新商户基本信息。执行“取 消”，系统不更新录入信息
统计分析周期
根据报表采集频度的不同，可以将报表分 为年报、半年报、季报、月报和不定期报 表五类，每类报表对用户而言，只是周期 定义的不同，操作过程完全一样。
业务量统计分析
系统对选择定义下某一类业务量统计，所 定义的类别报告商户特点和交易特点。统 计功能有单一统计时间口径的结构统计和 反映时间变动的趋势统计两种统计功能； 趋势统计又可以对业务的存量和增量的情 况进行展示。
商户营销记录
对营销日志、客户跟踪记录情况及备忘录 进行记录，可以通过记录和查询发现对商 户的访问情况，保留日志记录以备查验。 可以根据查询结果汇总出统计结果。
客户关系管理界面
绩效管理
考核指标维护 考核指标计算 考核分值调整
绩效考核流程
绩效考核处理
绩效考核指标确定 绩效考核指标 绩效年度及月度计 划制定
欺诈流失统计分析
系统对流失商户和欺诈商户进行结构统计 分析和趋势统计分析。对某一时点的流失 商户和欺诈商户情况按照选择条件进行结 构统计分析；对某一时间期间的流失商户 变化按照选择条件进行增量和存量的趋势 统计分析。
统计界面
信用卡特约商户关系管理
商户基本资料管理 商户联系人（重要人士）管理 商户连锁地址管理 商户跟踪管理 商户备忘录（事件提醒）管理 商户特惠管理 商户相关查询 商户交易资料管理 商户数据导入导出管理
收益贡献统计分析
系统对商户的收益贡献进行结构统计分析和趋势 统计分析。对某一时点的收益情况按照选择条件 进行结构统计分析；对某一时间期间的收益变化 按照选择条件进行增量和存量的趋势统计分析。 结构统计是在某一时点的对所选项目（如行业类 别）所含的各类别（各种行业）收益的占比统计。 每个类别所含的商户可以按照业务量进行升、降 序排列。 趋势统计是根据统计要素（行业、商户类别等） 的增量和存量按照某一时段进行收益的同比和环 比展示，以发现收益变动趋势的特点。
申请欺诈评分 伪造信用评分 丢失卡评分 帐号盗用评分 …….
智能评分结果
异常管理
异常处理原理
异常处理规则
异常处理规则是根据交易的监控分数、交易模式、 风险收益平衡，确认的一个合适处理方案 异常处理规则制定的关键
不同处理对客户影响不同 收益和损失的平衡
速度问题
需要与数据频繁交互的处理，用存储过程 在数据库端实现，减少程序与数据库之间 的交互时间
周期监控预处理 客户/帐户监控预处理 商户监控预处理 预处理的周期 日、周、月 周期监控预处理会不断调整 根据数据集市数据的不断更新 周期监控预处理结果 账户预制档案
客户/帐户预制档案
基本信息
客户申请资料 帐户登记资料
账户活跃程度信息
消费次数，ATM使用次数，在 过去12个月中其他使用次数及 数量 消费次数，ATM使用次数，在 过去13到24个月中使用次数及 数量 ……
过滤处理
基于专家的经验对以往欺诈模式的总结过 滤规则
交易大小或金额数等于或大于***元 当前超过信用限额情况超过***元 过去12月拖欠次数超过***次 与有欺诈历史的商户交易 ……
监控界面
规则过滤结果
可疑交易 可疑原因
过去3日交易频率过大 交易数额过大 超过信用限额 与有欺诈历史的商户交易 ……
模型性能
模型评分结果
显示风险的评分和评级，评分为百分制， 评级为五级。分数越高，评级越高，风险 越大；分数越低，评级越低，风险越小。 通过结果，可以看到哪些商户的风险较高， 那些商户的风险较低，对于风险较高的商 户，可以进一步查看哪些因素导致评分和 评级较高。
欺诈挖掘关键点
风险的数据挖掘分析是重点，其中的分析模型可以根据科 学算法以及业内的已有经验模型进行设计。在整个数据挖 掘的过程中，算法的选取、参数的设置、结果的评估反馈 是主要的关键因素
规则过滤、智能评分以及异常管理每个模 块的处理采用并行处理方式 通过系统程序优化提供系统处理速度
信用卡欺诈风险挖掘
目标 框架 原理 内容
欺诈挖掘模型 模型评分结果
实现关键点
目的
目前银行对欺诈的挖掘和管理主要采用人 工方式，随着签约帐户和卡业务量的迅速 增加，手工方式已经完全无法适应业务发 展的需要，成为业务发展的重大制约因素。 为了降低风险，提高收单行欺诈风险分析 能力。
商户交易管理
交易查询记录：在交易资料查询页面，输入查询 条件，系统返回满足查询条件的交易查询列表信 息。可以根据查询结果汇总出统计结果。 导入交易信息：在交易信息导入页面，选择导入 交易，系统将以进度条展示导入进度。导入内容 包括交易流水和交易收益。可以根据导入结果汇 总出统计结果。 查单记录：当用户对交易信息有疑问的时候，可 以将该条交易信息查单标记为“是”，在标记为 “是”的时候自动将该条记录转入查单记录中。 交易流水相同的交易记录不能重复记入查单记录。
框架
原理
交易系统向监控交互平台提出交易授权请求，触 发交易实时监控系统进行监控； 首先对该笔交易进行规则过滤处理，被认为可疑 的交易将进行进一步的智能评分监控； 智能评分是利用监控评分模型对当前交易的欺诈 可能性进行评分，分数越高欺诈可能性越大； 根据评分结果，根据欺诈预警条件对交易进行欺 诈进行预警，异常处理过程结合评分结果，根据 异常处理规则以及专家经验，对欺诈交易提出处 理方案。
帐户使用信息
近期交易量 近期交易频度 近期因密码错误被拒绝的记录 与以往欺诈案例的关联 首次使用的国际卡
账户拖欠信息
当前拖欠月数/周期数，以及拖欠 数额 过去12个月中最高拖欠数目 当前超过信用限额情况 过去12个月中超过信用限额次数 ……
利用模型评分/概率描 述客户/账户行为
账户拖欠或未支付分数 账户关闭分数(客户要求的关闭) 或属性分数 期望的使用分数 收入分数 概率分数(风险调整过的) ……
模型构建/规则发现
专家经验
统计分析
挖掘分析
规则/模型优化 ——自学习系统
根据不断反馈到数据集市中的数据发现新 的欺诈模式，更新规则库，去除旧的无效 的规则 评分模型的优化，优化方法有方面：
一是利用新的交易数据重新进行数据挖掘过程， 产生新的监控评分模型 二是根据专家的经验，对一些方法的参数、特 征项进行调整重新进行数据挖掘过程，产生新 的监控评分模型
智能评分
评分需要的数据
账户识别信息 账户信息 账户使用信息 账户拖欠信息 账户活跃程度信息 帐户收益性 利用模型评分/概率描述的客户/账户行为 商户信息 交易信息 申请信息 客户更新信息
智能评分并行处理
所有模型都在起作用 最终输出的是综合各个子模型的评分得到一个综 合分数 评分结果的准确度更高，评分效率更高
信用卡风险监控系统
内容介绍
1 信用卡欺诈风险监控 2 信用卡欺诈风险挖掘 3 信用卡交易统计分析 4 特约商户关系管理 5 绩效考核管理 6 系统维护管理
系统总界面
信用卡欺诈风险监控
目标 框架 原理 内容
监控交互平台 规则过滤 智能评分 异常处理
实现关键点
目标
缩短欺诈发生和探知的时间 缩短欺诈发现和账户处理之间的时间 及早发现新型的欺诈模式 快速部署新的反欺诈策略 不断量化地优化处理的决策点