据统计，中国从事进出口业务的企业已达数百万家。中小企业占出口贸易的60%以上，而且还在逐年增加。同时，因为这些年的疫情，B2B外贸业务从线下到线上进一步加速。
与B2C相比，B2B跨境支付涉及机构和环节多，支付手续更复杂。因此，中国的外贸企业对更高效的B2B跨境支付系统和资金管理系统有更大的需求。
其中，中小微外贸企业迫切需要更高效的跨境支付平台。在跨境支付和金融服务方面，对于B2B中小外贸企业来说，首先，传统银行开户门槛高，资质要求严格，成本高；其次，由于反洗钱的要求，一些传统金融机构对跨境贸易的风险控制更多依赖人工审核(流程复杂、效率低)，收款流程较差。中小型微型外贸企业经常面临资金被冻结或关闭的情况。
所以总体来说，B2B跨境支付行业还处于发展初期。InfoQ进一步从XTransfer(一个为中小外贸企业提供B2B跨境支付及风险控制服务的平台)了解到，B2B交易环节涉及大量线下环节，导致交易数据分散、非结构化，也给B2B跨境金融的反洗钱风险控制带来了极高的难度系数。
近日，XTransfer发布了六大核心技术，希望抽象出一些技术与业界探讨，其中“数字化智能风控基础设施”是风控能力的主要体现。为此，我们对相关专家进行了采访，进一步了解XTransfer是如何管理和建设其风控能力的，希望其实践经验能够对行业有所帮助。
面试官:XTransfer联合创始人兼CTO刘艳芳
XTransfer高级技术总监田甜
康为，超转移技术专家
数字智能风力控制系统在业务起步阶段(2017年7月-2018年10月)，XTransfer首先推出了基础风控平台，保证配套业务的发展。有了“1”，其风控基础设施将向更加智能化、数字化的方向发展。
据了解，XTransfer数字化智能风控基础设施的核心是在DataPlus大数据平台的基础上，通过智能监控和专家决策，构建数字化智能风控体系。从应用系统来看，主要由两个核心部分组成，分别是X- cruise和X- Holmes。
其中，X- Cruise是XTransfer自建的信息洞察系统。通过自建风控数据仓库，整合全球顶级风控数据库，整合多维度场景数据，识别潜在风险，防范欺诈。
X- Holmes是XTransfer搭建的风控决策分析系统。通过引入交易信息的AI智能分析，构建包括决策引擎、规则引擎、模型引擎、数据集市在内的高效风险识别系统，快速分析识别高风险客户和高风险交易，保障交易安全。
根据中小微外贸企业的贸易行为和供应链特点，XTransfer需要不断迭代风控模型。其风控模型是通过风险策略团队和审计专家的规则模型训练形成的，双方相互反馈。
关于风控模型的构建和迭代，XTransfer主要从策略模式、机器学习、深度学习等维度进行设计。
1.战略模式，基于商业模式总结的风险防控策略。主要是基于一些商业模式的沉淀和总结，形成相应的风险防控策略，这些策略最终会形成一个整体的策略模型。
2.机器学习，通过监督学习开发风险模型，处理灵活的场景，进行一些学习算法的针对性练习。比较有特色的是，这些场景通常有固定的模式和规律，有迹可循。
3.深度学习，用图算法深度挖掘一些特征。这些特征和上面的机器学习不一样，会有一些固定的模式，但是复杂度更高，需要一定的机器学习算法。例如，一个典型的案例场景是一个团伙在欺诈防范中实施犯罪。它有一些特点，但是有很多特点。需要通过深度学习找到这些特征点和特征量，然后识别出来进行风险预警。
据悉，XTransfer的大数据算法团队还与风险策略团队联合开发并推出了一系列AI项目，包括基于知识图谱的欺诈案例深度挖掘、基于OCR的客户订单和物流信息识别与资金流交叉验证、基于自然语言处理技术的工业匹配计算等。
智能风险控制X- cruise体现了智能风控能力。在智能风控方面，数据风控模型开发算法覆盖主流标准化AI算法模块，可实现算法定制优化。专业的风险策略开发人员可以进行数据整合、模型开发等一系列操作，大大提高了模型开发的效率。logistic回归模型、决策树等各种主流AI算法都是通过应用程序接口实现的。模型数据的准备主要来自DataPlus大数据平台，风控运营人员也可以使用规则引擎设计风险衍生指标。
智能监控定期对风控模型的性能进行监测和更新，并根据需求使用标准化模板或结合用户自定义指标生成自动报告。比如跨境金融反欺诈场景的风险控制，往往基于跨境贸易的全生命周期，数据风控模型的识别能力需要在业务的各个环节持续监控。报告的主要监测指标包括波动幅度百分比和业绩迁移百分比。
关于XTransfer智能风控的基础设施建设，请看这篇文章:《跨境支付平台XTransfer实时仓数之路:深度参与开源不能被淘汰》。
如何收集、分析和管理风险数据数据和数据应用是风险控制的关键。据介绍，XTransfer从一开始就在风控和大数据方面投入了大量的专业人力。经过打磨，已经深入到数据采集、数据建模、数据分析、数据治理。目前已经建立了一套行业领先的数字化智能风控解决方案，并能根据公司业务的变化和风险趋势进行及时调整。
数据收集在数据采集上，针对B2B业务的全流程环节，全面整合多维场景数据。这里XTransfer主要考虑三个原则:一是全面性，二是技术可用性，三是避免数据孤岛。
就全面性而言，我们应该从两个方面充分考虑可收集的数据:客户的外贸业务流程和客户与XTransfer的互动。同时，要广泛连接和利用全球贸易生态中与信息流、物流、资金流相关的数据源，可应用于客户身份(KYC)和交易全景风险扫描。
在技术可用性方面，需要保证收集数据的可用性，比如通过埋点收集的客户行为数据。采用业界最先进的设备指纹技术，可以形成全球统一的ID定位特定客户，避免无法关联的数据不可用。此外，根据应用的需要，实时和批量采集也有不同的技术方案。
在避免数据孤岛方面，从内部业务系统和外部数据源收集的数据可以通过数据聚合和交换的能力进行互联，从而使数据应用更加安全。
数据建模在数据建模上，深入理解业务流程和链接数据，针对风控场景设计专门的数据模型方案。该方案具有覆盖全局数据、结构清晰、数据准确一致、数据使用方便的特点。在覆盖方面，数据集中建设，考虑各业务流程的全局数据；结构上，纵向是源数据层、数据明细层、数据汇总层和应用层，横向是各项业务的主题域，因此整个层次结构清晰易懂；在准确性方面，对指标进行统一管理、命名和校准，确保数据的准确性和一致性；在使用中，尽可能提出复杂的处理，保留必要的冗余，提供数据使用的灵活性。
数据分析在数据分析方面，基于业务领域的专家知识，同时采用先进的大数据和AI技术，提高风险识别能力。业务专家的领域知识融入数字化智能风控方案，在数据分析过程中对风险识别更加敏感。
此外，利用计算机视觉、自然语言处理、图形深度学习、知识图谱等AI技术，开发识别欺诈案件/网络，建立反洗钱模型，形成对传统风险规则的补充，构建立体化风险防范体系。最后，将分析结果通过决策引擎应用到风险管理业务中，可以实现策略模型的快速迭代，以应对外部风险趋势的多变性。
数据治理数据治理采用业内先进的治理理念，确保公司数据质量、数据安全和数据智能运营。在数据质量方面，从数据命名、统一口径、数据验证等方面制定统一的数据开发标准，并以培训体系为保障。在数据安全方面，通过统一的安全认证和权限管理、资源隔离、数据加密、数据脱敏、数据共享安全、数据容灾备份等来保障数据在存储和使用中的安全性。在数据操作上，通过元数据管理、数据资产查看能力、数据检索能力、数据共享能力实现数据的智能操作，提高数据的可用性。
长期挑战由于B2B领域最大的挑战之一是数据链路相对较长，数据相对分散，因此XTransfer持续提升反洗钱风险控制能力尤为重要。另一方面，算法的准确性，总有优化升级的空间，如何提升也是团队需要长期思考的问题。
此外，InfoQ了解到XTransfer正在规划其业务“出海”，而在这个过程中，“合规”将是XTransfer面临的主要挑战之一。
最初，XTransfer主要服务于国内中小型外贸企业，根据国内出口企业的特点和模式进行跨境交易的风险管理。其买家来自全球不同国家和地区，核心风控策略是基于国内商户的基本风险特征，结合买家和交易维度的不同风险特征，形成一套1*N的战略框架体系。
当业务全球化相当于为其他国家更多的中小企业提供服务时，XTransfer将其复杂度定义为N*N，每个国家/地区对合规的要求不同，对数据隐私保护的严格程度也不同。XTransfer对此进一步阐述:风控的底层核心是数据。没有客户的一些交易数据的支撑，很难把风险控制做扎实。所以基于当地具体的合规要求来服务海外客户会复杂很多，海外业务需要有相应的风控体系建设。
值得一提的是，虽然合规要求存在差异，但目前世界各国反洗钱风险控制的监管框架具有较高的共性。目前，XTransfer可以构建覆盖B2B跨境贸易前、中、后全流程，满足各国反洗钱要求的风险控制策略和模型体系。
除了业务层面的合规，业务全球化也给技术团队带来了巨大的挑战。据介绍，其现有的服务体系在未来商业全球化发展中存在诸多挑战。由此，在业务全球化的发展下，是否建立多点并行或网络状的风控体系，也是XTransfer正在解决的课题。
