12月16日，“2018黑马社群大会暨企业服务产业独角兽峰会”在京举办。主办方创业黑马现场公布了“2018企业服务产品TOP50”和“2018企业服务案例TOP50”两个榜单，顶象Xintell智能平台、顶象助力宝宝树业务安全案例均入选。这两个榜单是在400多家企业产品中，经过网络投票和专家层层审核评选出的。
顶象Xintell智能平台是一款面向风控、营销等典型业务场景的人工智能平台，它将复杂的大数据建模流程标准化，让普通业务人员通过鼠标拖拉拽的方式进行风控建模，极大降低了模型建设门槛，推动人工智能技术的普及。
模型是金融风控的决策依据
无论传统金融还是互联网金融，风控都是一个绕不开的关键话题。
作为金融交易过程中的一个重要环节，风控主要指金融风险管理者采用各自措施和方法，减少或消灭金融交易过程中产生的各种可能发生风险的事件，或减少风险事件造成的损失。
以信贷风控为例，主要由模型规则+信用评估组成。这其中，模型是指导业务人员对目标用户进行营销、筛选、审核、评估、授信、追溯等各个工作流的标准。
什么是模型?模型是基于目标群体的大规模采样或大数据分析，挖掘出某个实际问题或客观事物的现象本质及运行规律，利用抽象的概念分析存在问题或风险，计算推演出减轻、防范问题或风险的对策过程，并形成一套体系化的策略或规则集。
基于建设好的风控模型，就可以对对象进行审核和评估，甄别信息真伪，估算信用等级，指导金融机构给出合理的授信额度，从而识别和减少在金融交易中存在的交易风险等。
模型建设是一个很复杂的事情，一般需要几个或十几个专业开发人员，耗费几个月乃至大半年才能够完成一个模型建设。如果有新的数据、样本更新，就需要重新计算分析才能完成，因此模型建设的时间和成本都比较多。基于专业人才少、模型建设成本高、建设周期长等原因，很多金融机构并不具备独立建设模型的能力，因此会委托第三方机构帮助其建立模型或者直接使用一些通用标准模型。
普通业务人员也能独立建模 不过，各家金融机构的业务场景不同，流程标准和需求目标有差异，直接使用通用标准模型往往不尽如人意。
例如，A模型在A机构比较有效，B机构拿去后却达不到预期效果。这并非A模型不够科学，而是B机构的业务与A机构存在差异，僵硬的套用导致水土不服。这就需要不同的金融机构，基于本身业务场景和需求构建专属的模型。Xintell智能平台就是为了解决金融机构建模难、升级/更新慢、专业人才匮乏等问题而推出的解决方案。
作为一款面向风控、营销等典型业务场景的人工智能平台，Xintell基于关联网络和深度学习技术，结合Hadoop生态和自研组件，将复杂的数据处理、挖掘、机器学习过程标准化，让稍加培训的普通业务人员，用一周甚至更短的时间就能够独立完成建模过程，并能够根据时间变化进行动态升级与优化，极大降低建模门槛。
它依托客户历史数据、业内权威数据、第三方数据，为客户开发个性化规则模型，并能够快速接入并深度整合50+的风险数据和信贷数据，运用关联网络和深度学习算法进行精准分析和挖掘。依托大数据、AI技术和信用关联关系，通过AI算法，做出信用及授信额度的评估;为业务人员提供与信贷业务相关的产品定义、事件定义及策略定义等，更提供全周期风险管理，支持从训练到执行的流式处理，包括数据处理、模型训练、模型评估、部署执行、模型监控、模型建设等。
