费马科技助力京东金融强化风控等级 失联修复率大幅提升

京东金融作为京东数字科技旗下子品牌，涵盖消费金融、支付、财富管理、众筹、保 险、证券等领域。以京东白条为例，根据用户在京东商城的消费习惯、使用时长、购买频 次等行为，为用户提供一定的白条额度。京东金融的在提供白条业务时，为减少用户违 约、失联等风险，需要根据用户行为，每天计算一遍用户的风险值。在原有的系统上，近 百台机器每天更新一遍需要 6 个小时，且随着数据量增加，耗费时间不断增长。2016 年， 为提升风控效率，京东金融与费马科技合作，基于图数据库和图计算产品实现多账号间的 关联关系分析，全量数据处理仅需占用 1 台服务器资源在 10 分钟内完成，性能提升数千 倍，强化风控等级。同时，基于费马图计算平台，京东金融分析违约失联用户的关联关 系，快捷高效的找到失联用户，失联修复率大幅提升，降低金融成本。

面临挑战 

京东金融致力于为个人和企业提供了可信赖的、高效、普惠的数字金融服务，依托京东 集团超过 2.4 亿的活跃用户数据，具备较为完善的数据风控模型。其中京东白条等小贷业务 需要每天凌晨利用设备闲置资源更新一遍用户的风险值，并计算用户授信额度，基于 GraphX 的图数据系统 100+台服务器每天更新一遍需要耗时 6 个小时，而随着用户量和计算维度增 多，数据处理时间即将超出设备的闲暇时间，如果降低更新频次或减少数据处理量，无疑会 增加金融风险，因此，京东金融在寻求新的技术解决方案。

方案详述 

图计算系统是基于图（Graph）的形式，将信息中的实体，以及实体之间的关系，分别 抽象表达成为“顶点”以及“顶点间的边”这样的结构数据。图计算的方式尤为适合处理大 数据关联关系的分析计算。举例来说，如果某个用户，其关联的用户存在较多逾期、违约、 失联的情况，那么这个用户本身的风险值也会增加。 

图数据库+图计算优化系统性能，获得数千倍的效率提升

合作之初，费马科技帮助京东金融构建用户之间的图，每个用户相当于一个顶点，将多 种属性（如账号、交易、资金、地址、手机号）之间的关系通过图联系在一起，通过相同的 收件地址、同一手机号、为其他人购买的关联手机号等属性信息，很容易的分析出用户的社 会关系，甚至计算出认识五度以内的所有联系人有多少是在黑名单里的，从而更精准的算出 该用户的风险值。基于费马科技图数据库和图计算产品，京东金融不仅提升了计算的精度和 准确度，降低风险，同时大幅提升计算效率，实际应用中只需要 1 台机器通过 10 分钟的运 算即可得到全量数据的计算结果，对比合作前百余台设备连续处理 6 小时的表现，相当于数千倍的效率提升。 

自动化失联数据修复，提升失联修复率 

在解决性能瓶颈之后，基于费马图数据平台，京东金融可以更好的探寻用户的关联关系， 自动化的修复失联数据。用户欠下白条或小额贷后，到期未按时还款，并且停止使用账号、 更换手机号或拒接来电等失联情况，在原有系统下，只能通过人工的方式检索数据尽可能的 联系违约用户。与费马科技合作后，基于对数亿节点（用户）数百亿边（关系）的大图进行 操作，可以很容易的识别并找出失联用户的相关最高的联系人，比如经常寄送到同一家庭地 址的不同用户有可能为亲属关系；寄送到同一收件人的不同账号可能是朋友关系；收件公司 地址的其他下单用户可以认定为同事等等。通过算法，在图数据库中可以很容易的找到与该 失联用户联系最紧密的联系人排序，逐一电话沟通。相比人工查询的方式，不仅简化人为操 作提升效率，同时增加了找到失联用户并完成还款的概率，为京东挽回大量损失。

费马科技 CEO 洪春涛博士表示，图的形式对于金融风控场景可以称之为刚需，以京东金 融为例，费马科技率先解决的是性能瓶颈的问题，一旦计算量超出了计算时间，那么未处理 的数据很可能就成为风控黑洞。费马图数据库在常规测试中，性能相比同类产品快 10~100 倍，资源占用低 10 倍以上，由此大幅提升系统的处理效率。效率的提升使得京东可以在相 同数据条件下使用更复杂的算法，从而提高风控精度，降低损失。同时，计算效率的提升也 使得京东能够在有限的时间里进行更多的算法深度，从而加速模型迭代，提高模型精度。 

京东金融数据部负责人刘方琦表示，在与费马科技的合作中，我们看到了可喜的效果， 费马科技的产品提高了图计算的效率，提升了风控模型的能力，降低了响应时间。依托京东 金融强大的用户数据能力和费马图计算、图数据库的系统能力，京东金融正在尝试将自己的 风控模型提供给合作伙伴，降低合作伙伴的金融风险，共同建立更合规更安全的金融体系。