人工智能大时代背景下，越来越多的金融机构不断演化发展，科技赋能在金融机构的演化变更中起到了越来越重要的作用，包括提升作业效率、降低金融风险、提高服务质量等，让更多终端客户和小微企业得到便捷的金融服务，从而实现国家普惠金融的目标。

在防范金融风险方面，面临诸多痛点及问题，如交易欺诈、网贷申请欺诈、信贷全生命周期风险管理、客户价值分析等。金融机构进入智能风控2.0时代，通过在人工智能、云技术等技术互相融合，加速向全场景进行渗透，对金融机构前中后台的工作模式进行重塑，实现由传统流程向新型以改善用户体验、挖掘客户潜在价值进行转变。智能风控2.0时代的典型特点就是动态思维、实时风控、人机交互及个性化。

在智能风控平台中，变量的统一实时管理是最重要但是同时也最容易被人忽视的一部分，如果说数据是原料，策略是产品的话，那么变量就是当中的零部件。一个完整的风控策略依赖的关键变量可能有几百上千个，底层的变量池子就远远大于这个数了。

通过规则/模型做实时决策时需要依托计算的变量，运用 AI 提前捕捉已知未知欺诈。变量计算在规则/模型训练占据非常重要的作用，在开发阶段如何快速开发，上线后如何快速计算并且提供良好的管理与监控功能，以及如何提升规则/模型岗与IT技术岗的协作效率，提升规则/模型迭代速度，这些都是金融风控面临的核心问题，为解决这些问题统一实时变量计算平台诞生了。

1、特征工程生命周期管理

从变量需求、开发、上线、监控进行全生命周期支持；支持跨源异构数据的联合计算，数据架构更简单，满足复杂的数据情况，支持更简单开发各种变量。

2、变量池

形成变量池，高效共享变量；变量使用可追踪，变量效果可分析；打通大数据分析平台，开发后的变量批量计算后可同步到分析平台，供分析和模型训练使用，实现模型训练完毕可直接上线，无需再提生产变量开发需求。

3、自助式开发

零编码，只需提供sql或者配置化即可完成绝大部分变量的开发，由于采用sql和配置化的开发方式，大大降低了变量开发的难度，实现非技术岗的规则/模型师可以自助完成变量开发，避免需求提交给IT时，走IT研发过程带来的时间消耗，大幅提升开发效率，从而实现规则与模型的快速迭代上线，快速提升风控能力，提升审批通过率，降低逾期率；

4、大规模离线计算

打通离线与实时计算，避免离线跑批计算与生产实时计算技术不同带来的研发和时间损耗。支持内存视图，大幅简化变量开发难度并提升计算性能。

支持多种可选计算引擎，目前包括：自研的实时计算引擎，jstorm流计算引擎，未来考虑支持flink等计算引擎，统一开发方式。 执行引擎采用基于开源技术扩展后的大数据流计算技术，做到高效开发与运行，计算速度与传统多线程计算相比提升巨大，比如：人行征信5000个变量只需20ms计算完成。

5、自助变量提取

通过配置化支撑模型训练时快速便捷变量选取，及变量结果输出接口。整个平台面向业务，可以业务自助上线，无需运维参与，上线后可以进行生产空跑和灰度，操作风险低。

智能风控2.0的愿景是进入一个智能交互、人机协作的新时代。在当下的AI时代，传统金融客户的数字化转型挑战巨大、情况复杂、变化较快，完善金融全流程AI风控体系，通过人工智能、大数据将传统金融向数字化金融逐步过渡，才能有效应对内外部欺诈风险。