针对目标客群的欺诈风险特征、产品各流程的欺诈风险点、产品自身欺诈特性等多方面，开发多套针对特定人群、特定场景、特定地区的个性化欺诈评分卡、欺诈规则策略、关联关系评分等欺诈风险侦。

根据业务场景开发审批策略，包括是否自动审批、额度策略、风险定价等，支持同时并行多套模型进行冠军挑战。

跟踪和监测客户内外部行为表现数据，识别客户风险变化趋势，根据风险预警级别不同采取差异化管理措施，并动态调整用户的额度和定价，高敏感度把控客户风险。

实现自动化的风险排序，支持制定预催收管理策略、不同风险级别客户的差异化催收策略，并结合运营结果制定催收运营策略提高。

部署国际先进的Instinct反欺诈系统，并进行个性化开发。支持部署欺诈评分卡、欺诈规则进行欺诈检查，支持同一产品内或不同产品之间同时运营多套独立的解决方案，支持冠军挑战，以便持续改进。

引进FICO的Blaze系统作为规则引擎框架，自主开发和部署其中的规则模块和参数指标。决策系统内目前已内置数百条规则，并可根据新的贷款产品、新的业务流程、新的数据源、新的冠军挑战结果等来增减规则或调整规则参数。

通过数据挖掘技术对客户数据进行提取和加工，把客户实例化为上千个标签形成360°视图，深度理解用户。

建立客户细分模型，研究不同细分客群的客户特征，为不同客群的个性化经营提供参考。

通过大规模的变量衍生和机器算法，建立智能获客模型，并结合风险预估模型，高效提升客户响应率和转化率。

针对营销渠道建立渠道评分卡，量化各渠道特征及质量，评估渠道效果，动态调整营销渠道组合，提升整体营销效能。

构建客户利润模型

分析不同业务、不同类型客户的成本和收入，归纳不同客群的成本和收入特性，为提高整体营收提供支持。

构建客户生命周期管理模型

以客户价值挖掘为目的，精确评估不同类型客户的价值贡献并实现差异化运营策略，提高客户平均贡献度以及高价值客户比例。

分布式数据存储

支持同时管理块、对象、文件等多种存储业务需求，实现端到端的数据保护，支持冷、热数据的智能存储分离，支持服务器、机架、数据中心等级别的故障隔离。

分布式文件系统

高容错性，提供高吞吐量访问应用程序的数据，支持以流的形式访问文件系统数据。

基于Hadoop的权限机制

字段级的权限控制、完备的ACL体系等，确保数据安全、访问安全以及访问行为受控。

支持实时流数据处理，支持离线批处理计算

通过数据挖掘算法和图计算算法等，分布式内存计算框架，实施周期或非周期的任务执行策略。