近期，向前金服官网大数据智能风控平台“听风者”3.0版本，就主要在核心的审批模型深入应用了机器学习算法，以使风控模型达到更高精度及稳定性。向前金服官网风控模型本次迭代的大致阶段主要分为三大部分。首先，在数据分析基础上进行变量提取；然后设计并构建模型，输出稳定模型；最后，将模型与相应的风控策略部署至操作系统进行实际应用。

其中，操作系统作为风控平台的底层支撑，以自动化、智能化为目标进行打磨升级，也同步经历了一个优化过程。

从1.0到3.0，向前金服的风控操作系统经历了从借助外力到自主研发的过程。1.0时期第一要求是快速落地，采用已经成熟的体系是务实又高效的选择。而随着团队对于风控模型及其全流程操作的深入理解，自研系统被提上日程。事实上，无论是从企业的运营效率角度考虑，还是为了适应更深层次的智能化策略，自研系统的落地对整个体系来说都是质的提升。

同时，在这次迭代中，“从智能化目标和用户体验的角度出发，我们对操作系统进行了服务升级。”向前金服技术团队风控产品经理韩涛介绍到。

为提高模型精度及使用效率，“听风者”3.0在算法上采用了XGBoost、随机森林等更高级、更主流的机器学习算法。这类算法精度更高，但是作为黑箱算法，可解释性相对弱一些，得到的是一个过程不透明的综合运算结果。同时，3.0模型要对不同的用户群、不一样的数据变量交叉融合，将多个子模型结合为一个融合模型。首先，根据客群和数据源两个维度打造多个单独模型，再通过目前国际上先进的模型融合技术形成融合模型。这样，不同的客群、不一样的数据变量交叉融合，实现千人千面的授信结果。

面对复杂度四倍于过往模型的新架构，又不能降低技术体系对响应效率及服务性能的高要求。技术团队对审批模型的部署采用了服务改造的方式，对模型代码进行重构，将之形成高内聚、低耦合、可复用的抽象服务层，最终实现了服务的毫秒级响应，同时也便于对服务进行修改和扩展。