| RK | 企業 | 深度學習 | 品牌影響 | 技術創新 | 綜合 |
|---|---|---|---|---|---|
| 1 | 同盾科技 | 97.07 | 92.16 | 95.94 | 95.06 |
| 2 | 螞蟻集團 | 96.21 | 92.47 | 95.00 | 94.56 |
| 3 | 中信網科 | 96.47 | 91.79 | 94.68 | 94.31 |
| 4 | 360數科 | 96.39 | 90.98 | 95.23 | 94.20 |
| 5 | 金融壹賬通 | 96.67 | 91.77 | 94.11 | 94.18 |
| 6 | 京東科技 | 95.52 | 92.13 | 94.84 | 94.16 |
| 7 | 天星數科 | 95.21 | 90.79 | 94.28 | 93.43 |
| 8 | 百融云創 | 95.02 | 90.85 | 93.60 | 93.16 |
| 9 | 中誠信征信 | 95.06 | 90.89 | 92.65 | 92.87 |
| 10 | 第四范式 | 93.84 | 89.02 | 89.99 | 90.95 |
| 11 | 云從科技 | 95.03 | 89.24 | 87.87 | 90.71 |
| 12 | 星環科技 | 94.57 | 89.88 | 87.18 | 90.54 |
| 13 | 中數智匯 | 94.21 | 88.25 | 86.72 | 89.73 |
| 14 | 數庫科技 | 94.29 | 87.69 | 86.73 | 89.57 |
| 15 | 薩摩耶數科 | 90.35 | 87.86 | 86.29 | 88.17 |
| 16 | 量化派 | 88.22 | 86.05 | 86.53 | 86.93 |
| 17 | 通付盾 | 87.60 | 87.21 | 85.19 | 86.67 |
| 18 | 數聯銘品 | 87.54 | 86.85 | 84.95 | 86.45 |
| 19 | 中關村科金 | 87.03 | 86.75 | 84.97 | 86.25 |
| 20 | 冰鑒科技 | 87.36 | 86.60 | 84.50 | 86.15 |
| 21 | 融慧金科 | 86.73 | 86.15 | 84.18 | 85.69 |
| 22 | 玖富數科 | 86.38 | 86.22 | 83.89 | 85.50 |
| 23 | 信用算力 | 85.27 | 86.08 | 85.07 | 85.47 |
| 24 | 頂象技術 | 85.53 | 86.05 | 84.78 | 85.45 |
| 25 | 數行科技 | 84.37 | 85.76 | 84.50 | 84.88 |
| 26 | 知因智慧 | 84.30 | 86.04 | 84.28 | 84.87 |
| 27 | 天云大數據 | 84.52 | 85.77 | 83.80 | 84.70 |
| 28 | 金電聯行 | 84.01 | 85.89 | 83.71 | 84.54 |
| 29 | 氪信科技 | 84.37 | 85.39 | 82.59 | 84.12 |
| 30 | 數美科技 | 83.72 | 85.37 | 81.69 | 83.59 |
| 31 | 神策數據 | 84.17 | 85.08 | 80.43 | 83.23 |
| 32 | TalkingData | 83.22 | 85.58 | 80.86 | 83.22 |
| 33 | 華青融天 | 83.72 | 85.05 | 79.73 | 82.83 |
| 34 | 慧安金科 | 82.91 | 85.09 | 79.76 | 82.59 |
| 35 | 電融數科 | 82.37 | 85.00 | 79.86 | 82.41 |
| 36 | 天創信用 | 80.96 | 84.96 | 78.98 | 81.63 |
| 37 | 棧略數據 | 80.71 | 84.05 | 77.17 | 80.64 |
| 38 | 富數科技 | 81.02 | 84.29 | 76.33 | 80.55 |
| 39 | 極光 | 80.59 | 84.55 | 76.09 | 80.41 |
| 40 | 法海風控 | 79.56 | 86.22 | 74.48 | 80.09 |
| 41 | 邦盛科技 | 78.82 | 84.07 | 75.50 | 79.46 |
| 42 | 釩鈦智能 | 77.85 | 84.88 | 75.52 | 79.42 |
| 43 | 天冕大數據實驗室 | 75.41 | 83.94 | 76.40 | 78.58 |
| 44 | 排列科技 | 75.62 | 83.88 | 75.80 | 78.43 |
| 45 | 有盾網絡 | 77.23 | 83.44 | 74.45 | 78.37 |
| 46 | 思圖場景 | 75.53 | 83.79 | 75.71 | 78.34 |
| 47 | 瀚思科技 | 74.80 | 83.85 | 75.50 | 78.05 |
| 48 | 真果科技 | 73.77 | 83.94 | 76.40 | 78.04 |
| 49 | 藍象智聯 | 73.94 | 83.54 | 76.40 | 77.96 |
| 50 | 瑞萊智慧 | 74.35 | 83.78 | 75.20 | 77.78 |
| 2021.06德本咨詢/eNet研究院/互聯網周刊選擇排行 | |||||
提到“風控”一詞，很多人想到的是銀行或者金融這類行業的工作內容，但其實，“風控”與我們普通人的生活息息相關。就比如常見的人和人之間的借貸行為，在A向B借錢時，B就會估算能不能借給A，在這個估算過程中所產生的問題其實就是一個簡單的風控過程，B分析A的身份、信用、社交等的過程，就是風控的過程。
個人間借款是一個簡單的金融風控過程，同理，向銀行借貸，銀行的審批過程就是金融風控的一種類型。在傳統的金融風控領域里，向銀行借貸需要提供很多資料，銀行也要投入大量的人力物力進行審批，這之間耗費的時間對借貸雙方來說是一項巨大的成本投入，而智能風控在一定程度上解決了這個問題。
風控技術今非昔比
經濟世界日益復雜，信貸市場逐漸龐大，金融風險也隨之不斷擴大，傳統金融風控已不能滿足金融市場的需求。作為傳統金融風控手段的補充甚至替代，智能風控是強化金融領域風險管控的重要技術手段之一，它在很大程度上保證了金融機構的業務效率和安全性，智能在風控領域意味著自動化程度的加深，而自動化讓風控管理流程變得更加清晰便捷。
與傳統風控相比，智能風控是以模型、策略體系自動分析決策為主，人工審核為輔，并應用大數據建模，而且這些數據之間的關聯性高，同時可交叉驗證，還有就是智能風控的IT系統是非常完善的，AI技術得到了較為充分的應用。
我國智能風控與歐美國家相比較，歐美國家金融行業發展早，在風控這一領域的產業和技術都比較成熟，普遍采用的都是美國征信巨頭FICO的評分卡。作為風控行業第一個信用評級體系的發明者，以FICO的靜態評分卡為例，它在現在的智能生活中暴露著非常明顯的缺點，信息維度太低，當個人數據量過大時，靜態評分卡的建模就會變得很困難，還有就是數據變化更新慢，個人數據量變大的同時數據分布也會變得廣泛和頻繁，那么靜態評分卡就需要重新去設計了。
智能風控的出現在很大程度上解決了這些問題，它采用的機器學習和深度學習算法，可以自動從個人數據中最新的部分學習到用戶的行為模式，從而更靈活地預測客戶風險，高度的自動化在減少了人工干預下的風險后還可以使風控得到更好的保障。
以螞蟻金服的智能風控技術為例，螞蟻金服主導的ITU-T X.1451（Risk identification to optimize authentication）國際標準是我國發布的首個智能風控國際標準，同時它的技術安全性在一定程度上提高了金融行業整體的風控效率。
賦能未來
在現今互聯網時代，傳統的風控技術已經不能滿足日益加深的需求了，智能風控是新的發展方向，特別是隨著5G、大數據、區塊鏈技術的進步，以人工智能、云計算為技術手段的智能風控，更加高效、安全和準確。
現今金融風控技術的應用場景已經滲透到眾多應用場景中，其中最為典型和廣泛的應用領域是信貸領域和保險領域，很多企業正在針對這些不同的風控需求，構建一個數據中臺或者風控數據引擎，推動業態和模式的創新。
在銀行機構的場景里，不同業務之間均會產生種類繁多、數量巨大的數據，不同數據之間又有不同類別的系統，智能風控最大程度地打通了這些數據之間的壁壘，在反欺詐和金融風險管控領域發揮了極其重要的作用。
統計數據顯示，2020年我國智能風控行業市場規模已經達到78億元，2021年智能風控市場規模預計達到109.6億元，預計到2027年智能風控市場規模將達到327億元，行業發展潛力和市場規模巨大。
相關法律法規也在支持這一領域的快速發展，智能風控技術作為金融科技重要的一環，2019年9月央行官方發布的《金融科技(FinTech)發展規劃(2019—2021年)》就明確了要增強金融風險技防能力，夯實金融科技基礎。
結語
我國的智能風控技術已經達到世界領先水平，影響力也在逐步增強，甚至開始主導國際標準的制定，但是，以金融科技研發和創新為核心，完善智能風控技術的創新體系，仍然是智能風控企業在不斷變化的市場環境中保持穩步增長的重點。
以不斷推陳出新的“不變”應對瞬息萬變的市場“變化”，是智能風控企業建立護城河的關鍵。
