第三方支付公司风控系统都有哪些？

风控系统与所在行业、区域（国家）、业务模式、业务数据量积累、生产运营经验等都有密切关系，指望直接采购一套现成的软件系统或使用在线风控（云风控）来解决所有风险控制问题基本不靠谱。

个人认为评价一套成熟风控系统的一些标准：

只有经历过较为长期生产运营过程，才能够真正洞察一个行业的业务风险关键点，才能积累特定行业或领域的历史数据供系统挖掘和持续优化，也才可能总结出针对特定行业行之有效的风控规则及风控模式。

2、在特定行业/领域相对成熟的风控规则、风控模式最佳实践经验

3、与之配套的风控体系、运营模式（方法论）

4、系统架构具有扩展性

1、交易主体

核心问题：

交易主体信用：例如P2P中借款人的信用评分、征信系统的信用评级等。

2、交易本身的风险

回到题主的问题：

关于云风控：

目前云风控大致有如下几类：

1、依托特定行业/领域长期历史数据积累提供的服务：

像外卡收单的Retail Decisions(ReD)针对盗卡之类的服务、Maxmind提供的针对GeoIP的IP黑名单库、IP代理服务器检测等服务。

当然也包括诸如国政通、公安部身份证认证系统之类依靠垄断提供的服务。

2、针对特定领域提供风控服务：

目前云风控都刚起步，指望大而全的服务基本上都不靠谱。

参考以上成熟风控的评价标准可以看出：目前市面上诸多云风控厂商在特定行业的历史数据积累和运营经验没有、业务风控规则的积累也没有，单纯有一套忽悠人用的方法论及所谓的NB系统。

只不过市面上一些公司的服务在特定领域还是有价值（当然这些公司都希望转型为提供大而全风控服务的厂商），像一些公司提供信用评级算法服务、基于设备指纹识别的反欺诈服务等。

3、征信服务

整体而言，个人倾向于：

1、在特定领域使用专业厂商的风控服务，例如盗卡、IP库、设备指纹识别等

3、在风控系统建设上，采用开源解决方案+自主研发的方式

个人推荐方案：规则引擎（Drools）+ CEP（Drools Fusion、Esper或Spark）+机器学习算法（scikit-learn）

商务广告咨询请添加微信:1292496908