专题出品人: 杨青

度小满科技(北京)有限公司 数据智能应用部负责人

专题:智能金融

本专题下的议题

数据中台在光大银行的二次蜕变
王磊 光大银行 信息科技部数据中台团队负责人
所属专题:智能金融

课程概要

话题概述:
光大银行参考互联网数据中台实践,同时结合自身多年数据仓库的运营经验,提出了新“数据中台”架构理念并落地实践。在部门企业的实践中,数据中台饱受争议,核心问题在于中台不能快速支持前台业务。根据数据中台的“变速齿轮”理论,中台变更频率应显著低于前台,那么就会要求前台按照中台预设的方式进行交互,这显然约束了前台的创新,所以业界出现“拆中台”的呼声。光大银行没有停留在“变速齿轮”阶段,而是更加强调中台对前台的主动支撑,避免为复用而牺牲前台的灵活性。这意味着,数据中台要兼顾复用和灵活性,也就提出了一系列技术挑战。光大银行的数据中台采用很多有特点的设计方式,包括引入GraphQL数据融合、现场计算等技术手段,强化微服务的作用,弱化ETL加工,使数据存储具有更好的通用性。

演讲题纲:
数据中台不应该是对历史上不同时代数据平台(数据仓库、数据湖、大数据平台)的打包,必须有新的内涵。从数据仓库开始,近20年来数据资产复用始终各企业数据体系建设的最高目标。但是,在数据仓库和数据集市构成的二元架构中,天然构成了数据资产的部门墙,难以打破,阻碍了这一目标的实现,而大数据技术的演进并没有在架构层面实现突破。所以,如果数据中台停留在对现有数据平台的整合,肯定无法形成企业级能力复用。

当下的Data Fabric(数据编织)提出了对数据资产灵活重组的理念,契合符合打破部门墙的目标,但并没有给出标准化的技术工具。光大银行通过自身实践提供了Data Fabric的一种实现方式。这套实践的核心是以微服务为数据资产的主要封装形式,利用GraphQL灵活、快速的重组数据微服务,实现低代码的敏捷交付。

话题亮点:
1. 数据中台不是对历史上不同时代数据平台(数据仓库、数据湖、大数据平台)的打包,必须有新的内涵。数据中台的使命是打破数据仓库和数据集市构成的二元架构,减低预计算比例,重塑新的数据体系。
2. 数据资产复用是当下Data Fabric概念的关键点,也是数据体系建设长期以来的诉求,基于微服务的数据复用相比传统ETL提供了更多技术红利,而GraphQL是重组数据微服务的利器。
3. 现场计算是分布式架构带来的新手段,是实时数据应用的最佳搭档,是数据中台的重要技术支撑;

听众收益

1. 通过光大银行的落地实践,了解不同的数据中台架构理念,为数据中台设计提供更多选择。
2. 基于GraphQL技术如何在数据中台下的实现低代码开发和敏捷交付。
3. 现场计算的适配场景、技术现状与发展趋势。

用户画像在互联网金融的实践
林熙东 度小满科技(北京)有限公司 数据智能应用部,高级算法专家
所属专题:智能金融

课程概要

话题概述:
TBD

演讲题纲:
TBD

话题亮点:
1.介绍金融用户画像体系 2.介绍金融画像建模的痛点与解决方案

听众收益

1.互金用户画像的特点 2.如何构建互金用户画像体系 3.用户画像的模型构建思路

隐私计算之联邦三部曲
傅致晖 同盾科技 人工智能研究院 算法专家
所属专题:智能金融

课程概要

话题概述:
知识和数据被视为驱动人工智能迈向3.0时代的重要要素。如何把分散在不同的行业或领域里的数据和知识充分利用起来?基于同盾人工智能研究院知识联邦技术体系的联邦三部曲应运而生。联邦三部曲由联邦协议、联邦算法和联邦平台组成,三者之间内部独立,且又相互关联。本次分享将汇报同盾科技在隐私计算领域的进展,并解构联邦三部曲的内涵及三部曲之间的关系。

演讲题纲:
1. 隐私计算简介
2. 隐私计算三部曲架构
3. 实际案例分享

话题亮点:
1. 在保护隐私的情况下充分利用数据孤岛知识
2. 同盾科技联邦技术体系三层隐私计算架构

听众收益

1. 了解隐私计算和联邦学习基本概念
2. 同盾科技联邦技术体系三层隐私计算架构

行为序列与图神经网络在支付电诈风险领域的实践
熊文文 蚂蚁集团 大安全-算法专家
所属专题:智能金融

课程概要

话题概述:
随着二维码技术的成熟,无线支付已成为人们在购物,出行,工作,转账的首选方式,极大提高了人们生活的便利程度。然而无线支付也是一把双刃剑,方便的同时也衍生了许多线上的黑灰产交易,比如电信诈骗,赌博,作弊等风险。尤其是电信诈骗,黑产利用各种手段误导用户通过无线支付对其控制的账户进行转账,从而牟取巨大的非法利润,无数家庭深受其害,苦不堪言,轻者导致经济损失,重者甚至会致家庭关系破裂,经济破产。
蚂蚁集团一直致力于打击各种诈骗团伙,保护用户的资金不受黑产侵害,对黑产零容忍。随着打击力度的加大,黑产诈骗的手法也是一直在变化,给线上的电诈识别模型带来了很大压力。
近几年,我们引入更多的数据和算法技术来刻画账户的行为模式,比如行为序列,图神经网络等,由于场景的特殊性,在算法方面做了许多改进去适配支付风险的场景;如今,支付宝体系内的电诈资损已经实现了数次腰斩下降,同时用户体验也得到了极大提升。

演讲题纲:
支付电诈特点和形势;
支付电诈模型体系;
行为序列与图神经网络在支付电诈风险领域的实践

话题亮点:
支付电诈模型体系包含哪些模块
行为序列与图神经网络如何适配支付电诈风险特点

听众收益

了解目前支付电诈的特点;
了解支付宝电诈模型体系
了解行为序列与图神经网络在支付电诈风险领域是如何落地的

杨青,度小满数据智能部总经理,技术委员会执行主席。毕业于清华大学计算机系,前阿里资深算法专家和百度主任架构师,在搜索、推荐、大数据架构等相关方向有较丰富的实践经验,2018 年初加入度小满金融,从 0 开始搭建了完整的智能风控体系和用户增长及经营体系,目前专注于人工智能特别是NLP等前沿技术在金融领域中的应用。

专题:智能金融

详情咨询:400-8128-020
赞助合作:sissi
联系电话:130-4321-8801
邮箱:market@msup.com.cn
CopyRight © 2008-2021 Msup

大会PPT合辑限量放送, 仅限1000份

立即参会
领取PPT
领取PPT
优惠门票
×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】

×

扫码关注公众号:回复【A2M】

参与《免费领取PPT》活动



关注后,回复【A2M】