疫情受到有效控制的这段时间，人们多是在家使用在线医疗、在线生鲜、在线教育等服务，这推动了数字化和线上化业务的发展，而多元的场景与消费模式给金融机构带来的风险远远区别于从前：从大数据风控流程上看，与往常最大的不同就是线上实时审批，也称之为“秒批”；对于信用风险而言，主要分析用户的借款态度与还款意愿，而大部分用户在申请阶段并非恶意，这就考验借款人对信用风险的判断。

这次疫情给了金融行业难得的机会，恰好能看清楚用户中，哪些是具有稳定风险表现的客群。传统金融机构的风控管理依赖央行征信体系，但目前国内征信报告读取形式单一，无特征变量体系，使得机构在业务过程当中需要耗费的研发和尽调时间成本增加。

针对这些问题，华策数科二代人行征信报告解析产品在人行报告基础变量基础上，通过多维度算法设计出约8000+衍生变量，将多种强弱变量构建风险评估数据模型，分析海量的用户行为，挖掘出可以多次复用的规律，进行风控应用，满足银行及金融机构风险管理和控制能力的需求，实现业务快速对接，快速落地。



风险管理其实是一个全流程的过程，从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、贷后管理和退出，打造一个完整的风控闭环。在这一点上，华策数科也为金融机构提供了信贷风控解决方案，近期上线的决策引擎3.0增加了AI模型功能，便捷了风控模型的整体部署，提升决策效率。

整个行业的发展越来越规范，行业洗牌加快，对风险识别的要求更加精准，智能风控会成为2020年整个消费金融发展的关键。华策数科持续以专业的核心能力，打造多场景，多业态全流程大数据分析与应用解决方案，帮助企业提升风险防范，为合作伙伴带来更多价值。

近日，中国人民银行、银保监会、工业和信息化部、司法部等八部委联合发布了《关于规范发展供应链金融 支持供应链产业链稳定循环和优化升级的意见》（以下简称《意见》）。

《意见》要求从以下四个方面防范供应链金融风险

一、加强核心企业信用风险防控。

金融机构应根据核心企业及供应链整体状况，建立基于核心企业贷款、债券、应付账款等一揽子风险识别和防控机制，充分利用现有平台，加强对核心企业应付账款的风险识别和风险防控。对于由核心企业承担最终偿付责任的供应链融资业务，遵守大额风险暴露的相关监管要求。

二、防范供应链金融业务操作风险。

金融机构应加强金融科技运用，通过“金融科技+供应链场景”实现核心企业“主体信用”、交易标的“物的信用”、交易信息产生的“数据信用”一体化的信息系统和风控系统，建立全流程线上资金监控模式，增强操作制度的严密性，强化操作制度的执行力。

三、严格防控虚假交易和重复融资风险。

银行等金融机构对供应链融资要严格交易真实性审核，警惕虚增、虚构应收账款、存货及重复抵押质押行为。对以应收账款为底层资产的资产证券化、资产管理产品，承销商及资产管理人应切实履行尽职调查及必要的风控程序，强化对信息披露和投资者适当性的要求。

四、防范金融科技应用风险。

供应链金融各参与方应合理运用区块链、大数据、人工智能等新一代信息技术，持续加强供应链金融服务平台、信息系统等的安全保障、运行监控与应急处置能力，切实防范信息安全、网络安全等风险

微金时代为供应链金融行业提供解决方案如下：

一、模块化、高度参数化设计架构

让系统建设像搭积木一样简单，高度参数化带来的灵活性和扩展性，可对企业业务拓展创新提供高效快捷的支持。



二、灵活、可视化风控规则引擎
基于自主研发的风控规则引擎，引入互联网行业大数据服务、征信服务等，深入掌握产业场景、业务场景、交易场景，以金融视角进行数据治理与运用，用于场景式的授信决策、用信决策、额度管控、贷后管理对业务进行可视化风控管理。



三、应用产品工厂是设计理念
通过产品定义工具提供标准化产品模板，既能保证系统设计高度统一，又能满足不断的业务创新需要。



四、应用产品工厂是设计理念
通过产品定义工具提供标准化产品模板，既能保证系统设计高度统一，又能满足不断的业务创新需要。



微金时代提供的供应链金融行业解决方案，全面管理供应链金融业务中核心企业、上下游链属企业、仓储机构、物流企业、担保机构、资金机构等合作机构信息，有效利用第三方大数据、征信及区块链技术，对客户进行全面风险管控，全面解决信息孤岛、资源孤岛、应用孤岛，实现与ERP、CRM、监管系统及系统自身的信息互通互联。

业务背景介绍
2006年到2016年十年时间， 中国的普惠金融已经发展成为了中国金融体系的重要组成部分，随着行业监管细则不断落地，行业发展愈加有章可循。但与此同时，借款人的信用风险严重影响行业的健康发展，这里包括借款人多头负债和欺诈风险。这些风险如果得不到很好的防控，将很可能会演化成一个行业的系统性风险。在此背景下，如何做好风险管理与防范成为行业发展的重中之重。北京宜信致诚信用管理有限公司（以下简称”致诚信用”）作为专业从事信用信息征集与咨询、信用数据整合与分析、信用风险评估等企业信用风险管理及其它科技服务的第三方独立机构，基于成熟的信用风险管理经验及数据研发处理和建模能力，向行业持续提供专业、先进的信用产品及服务，为用户提供完善的风险管理解决方案。同时，致诚信用非常重视金融科技在风控前沿领域的探索与应用，致力于通过Fintech驱动金融本身的发展，为行业提供创新型、可持续性的风控保障服务。
互金行业在新金融环境下的挑战
随着互联网金融行业规模的不断扩大，借贷需求持续增加，行业整体的风控水平亟待提升，主要面临的挑战包涵以下三点。
首先，行业数据孤岛现象严重。互金机构每天都会接到大量借款申请，但由于缺乏数据共享机制，机构能够获知有关借款人的信用数据，特别是强金融属性数据的难度非常大。这一方面导致机构无法有效判断客户的风险等级，另一方面也导致多头负债现象频生。这就需要通过技术手段实现信用信息的互联互通，并从海量数据中挖掘有效信息用以识别信用风险。其次，行业恶意欺诈现象越来越严重，欺诈手段不断翻新，且趋于科技化、专业化、规模化，也更具有隐蔽性。这已经严重影响了互金行业的健康发展。第三，金融科技在风控领域渗透度低，行业机构的风控水平参差不齐，很多机构仍采用线下人工的传统信审方式，缺乏金融科技的应用与助力，在风控成本、风控质量、风控时效性上均无法满足实际的业务需求。
致诚阿福解决方案
为防范行业系统性风险的集中爆发，推动行业健康发展，致诚信用推出了致诚阿福风控平台，这是专为网贷机构、消费信贷、小额信贷、银行信用卡中心等提供身份识别、反欺诈、信用评估等服务的一站式智能风控云平台。阿福平台以共享为核心，基于宜信强金融属性数据及先进风控经验、自身大数据分析应用及评分建模能力，结合金融科技创新性应用，采用分布式服务化的系统架构，利用大数据技术，通过Restful API接口方式提供海量数据对接查询服务，帮助信贷机构防范在贷前调查、贷中授信和贷后管理中因信息不对称所带来的潜在风险。
除此之外，阿福平台还提供应用于信审风控的金融科技产品。阿福平台通过数据和技术革新，将知识图谱、大数据等金融科技应用于信审风控领域，以提升机构风险管理的效率和效果，让金融科技成为金融行业发展的动力。
阿福平台架构及架构解析
阿福平台采用分布式架构设计，系统主要包括展示层，服务层，消息层，缓存层，数据层，监控层这六部分。涵盖了从用户请求接收和分发，异构数据的接入和归一化处理，数据模型的构建，对外服务能力的输出，以及系统整体健康度的检测和预警等内容。系统整体架构如下图所示：
展示层:
通过使用Shrio和分布式session管理技术，支持不同机构用户动态展示不同菜单功能项，优化了展示效果。同时也通过使用SSO技术，提供各子系统用户统一信息查询入口，包括通过UI界面直接查询和通过RESTful API批量查询，在确保用户体验的基础上，满足了用户多种查询模式的需求。
服务层:
阿福平台使用Dubbo作为分布式服务框架，使用Zookeeper提供的服务的自动注册与发现，使用Hystrix提供服务熔断机制，使用UAVStack提供服务限流和降级，自动化应用／服务画像，无侵入调用链跟踪，一站式线程分析，秒级大规模服务图谱绘制，浏览器访问跟踪，多维可视化看板等功能。
消息层:
使用Kafka和RocketMq提供消息服务， 其中kafka应用于日志信息同步，RocketMq应用于订单等要求高可用的使用场景。构建统一的MessageCenter，支持多种消息中间件，同时抽象出消息的发送和接收，消息限流，消息去重等功能。
缓存层:
使用Memcache,Redis,MongoDB，建立CacheManager，提供统一cache服务接口，分布式锁服务，同时针对对象存储提供透明的序列化反序列化服务，支持无缝扩展NoSQL数据源。
数据层：
采用Mysql+Hbase集群的方式，其中Mysql采用ShardingJdbc进行分库分表，同时为提高读取性能，采用了读写分离技术，一主多从。使用Dbus进行流式同步，解决不同业务系统的数据源的同步效率问题，使数据同步效率从原来的T+1提高到准实时。
监控层:
阿福平台建立多级监控体系，引入ELK+UAVMonitor ，能够对虚拟机，docker，物理机进行基础性能指标（cpu i/o network），jvm，线程状态，服务整体生命周期，服务调用栈，统一日志，数据库连接池等进行全面监控和预警。
以知识图谱为代表的Fintech技术在阿福平台的应用
作为智能风控云平台，致诚阿福除了支持海量数据查询外，也将金融科技融合到平台的整体架构中。以知识图谱为代表，阿福平台将金融科技应用在反欺诈领域，为传统风控带来极具竞争力的革新。目前阿福平台通过对接宜信11年来的海量数据，构建了一个包含企业1亿+实体，4000万+个人实体，50亿+关系量的知识图谱。
知识图谱天然地对于数据的存储和组合有着巨大优势，但是不利于进行进一步的分析，在拥有知识图谱的基础之上，阿福平台又对知识图谱进行了优化，形成了一个更适用于金融场景的社交网络图谱。不同于微信、微博等一般社交网络，金融场景下的社交网络更为稀疏，且节点含有丰富的金融属性，状态变化频繁。社交网络的属性描述如下：

  
节点：基于贷前贷后数据进行用户画像，如进件次数、被拒次数、最近申请时间等； 

  边：把实体关系细分为own, contact,call等，并通过组合得到人之间的不同关系。
通过构建社交网络图谱，我们可以进行图特征提取，计算人脉信用得分，计算反欺诈得分，进行触黑关联查询等。
整个社交网络分析服务模块中，分为三大步骤实现：数据采集，机器学习，数据输出。
数据采集来源于两大块数据，其一是SDK传递的用户设备数据，比如设备基本信息，IP信息，GPS信息等，其二是来源于历史用户授权信息。
针对不同的数据源，我们会采用不同的处理方式。对于实时数据，我们基于Spark Streaming开发了数据导入工具，对其进行数据清洗、格式转换、自然语言处理等相关操作，可以在秒级延迟内将数据导入系统。对于一些历史数据，我们使用Spark和MapReduce进行处理。另外，对于已经存储的社交网络数据，可以通过Restful API结果方式进行查询，也可以将数据导入到Hive中，供数据分析人员进行数据分析。
问题难点
在开发与搭建阿福平台的过程中，也存在一些技术上的难点，主要有如下几个问题：
问题一：并发访问性能问题
阿福平台需要应对10亿级的被查记录数据量，千万级访问请求量，亿级的请求分发量，秒级的访问响应时间。上述指标对并发访问性能会有很高的要求，阿福平台主要是从优化缓存命中率和并发访问调度机制来解决如上问题。
解决方案1：提高缓存命中率的优化
建立多级缓存机制，包含内存级缓存和SSD级缓存，内存级缓存过期时间为24小时，SSD级缓存过期时间为7天（可配置），两级缓存的作用下，缓存命中率达到80%以上，缓存集群采用Redis cluster方式部署。缓存失效分为主动失效和被动失效，被动失效采用LRU算法，主动失效为确保查询的信息准确性，在系统容量充足且三方机构健康度指标达标的情况下，主动发起的信息更新行为。
解决方案2：优化并发访问调度机制
考虑到阿福请求分发模块作为一个IO密集型操作服务，采用NIO+连接池的方式提高并发访问性能，减少分布式锁的使用，同时通过多级压测获得单个服务节点的服务能力上限，做到线程数到最佳设置值，最大程度利用系统性能。
问题二： 三方机构的系统稳定性问题
解决方案：
由于第三方机构系统规范程度不同，提供服务的能力参差不齐，如果阿福平台千万级的访问量直接压到三方机构的系统上，绝大部分机构系统都难以承载。即使有缓存层作为防护，但还是会存在缓存穿透的可能性，导致大量请求涌入到三方机构，引发机构的服务雪崩。针对如上问题，我们一方面做好监控预警，另一方面也要充分挖掘三方机构的系统承载潜力。因此，阿福平台引入了一个三方机构系统”健康度”的概念。
健康度是根据三方机构历史吞吐量、响应时间、服务返回数据质量综合计算得出。阿福平台在分发请求时，会根据健康度智能决定查询数据的方式。如果健康度高，能够满足秒级响应，则实时反馈查询结果；如果健康度一般，则从缓存获取，随后异步请求机构，更新缓存内容，从而保证秒级响应；如果健康度差，则直接从缓存获取数据。同时，监控系统也会检测到机构的健康度问题，及时和三方机构进行沟通处理。
问题三：知识图谱的构建过程中异构数据处理问题
解决方案：
构建知识图谱的过程中，需要处理大量的不同数据源的异构数据，如果对每一个新增的数据源都编写对应的adapter，这会极大地影响开发效率，增加维护难度。因此，我们引入了MoonBox和Wormhole来解决异构数据的处理问题。
通过引入上述技术，可以实现支持自动适配不同数据源，包括Mysql，Oracle，HDFS，MongoDB等，透明化异构数据系统异构交互方式，实现跨异构数据系统混算。Wormhole还提供了可视化的操作界面，极简的配置流程，基于SQL的业务开发方式，并屏蔽了大数据处理底层技术细节，使得知识图谱项目开发和管理变得更加可控可靠。
成果总结
提供智能风控决策，大幅提升信审时效
阿福平台通过强大的信用数据分析与挖掘能力，推动数据在风控决策中的运用，帮助机构防范信用风险。作为金融科技与风控结合的创新型成果，阿福平台首先解决了行业数据割裂的瓶颈，在得到客户授权的前提下，以共享为基础，通过分布式架构设计及API接口调用技术，形成了一个行业机构间的共享生态系统，实现了互金行业数据的互联与互通，有效防范了行业多头负债的发生。截至今年10月，阿福平台已经为行业累计预警多头借贷总次数已达1733万次。其中，在2家及以上机构申请借款的总人数达443万人，在5家及以上机构申请借款的总人数达137.8万人，同一借款人最多向38家机构申请了借款。
其次，阿福帮助行业机构将传统线下审批模式升级为线上智能决策的模式，并成功解决了千万级并发访问性能问题，实现了查询结果秒级反馈，大大降低了风控成本、提升了信审效率。
知识图谱提升行业反欺诈能力
阿福平台最大化地将金融科技与业务融合，以知识图谱为底层架构建立反欺诈的风控体系，创新性地研发了福网。福网是一款强金融属性的反欺诈综合评估产品，以经过校验核实的千万级宜信多条业务线的风险数据、超过亿级的社交数据以及其他数据为基础进行整合，在提升数据纯度的基础上有效释放数据价值，通过自然语言处理、机器学习、聚类算法等方法构建模型，创建多维度数据画像。通过量化评分、风险分级，对风险实现最优排序性和区分度，准确识别用户欺诈可能性并为机构反馈精准且区隔度高的风险信息。福网对于欺诈客户的造假手段识别，以及通过构建客户知识图谱、社交关系网络，从更多维度识别隐蔽性欺诈、团体欺诈预警等方面，都取得了非常好的防范效果。截至2017年10月，阿福平台有效识别欺诈借款人31784人，拦截欺诈申请达109367次。

       《信用卡葵花宝典》是一部介绍如何使用信用卡的资料，包括如何办卡、养卡、提额、贷款等，类似的资料还有很多比如信用卡提额宝典、玩转信用卡等。这本资料的目的不是教人如何撸口子，而是如何利用好信用卡这一工具。看这篇资料的目的也是从另外一个角度学习信用卡风控中的一些模式和特点，了解信用卡的一些知识，做得知己知彼，百战不殆。

       本篇主要是记录信用卡相关的一些基础知识笔记。这是第一篇，连载系列可能会有信用卡申请提额养卡篇和收单业务风险防范篇。

 

1.个人信用报告主要记录哪些信息？

       个人信用报告分为银行版、个人查询版和征信中心内部版，分别服务于商业银行类金融机构、消费者和人民银行。个人信用报告中的信息主要有六个方面：公安部身份信息核查结果、个人基本信息、银行信贷交易信息、非银行信用信息、本人声明及异议、查询历史信息。


个人基本信息：包括个人姓名、证件类型及号码、联系方式、通讯地址、婚姻状况、职业信息等。

信贷信息：主要指贷款信息和信用卡信息。贷款信息包括贷款银行、贷款种类、贷款金额、贷款期限、过去24个月的还款记录；信息卡信息包括发卡银行、授信额度、额度使用情况、实际还款记录、过去24个月还款记录，此外还有为他人提供担保的信息。

信贷领域以外的信用信息：包括缴纳电信、水电燃气等公共事业服务费的信息。

其它信息：包括个人欠税、法院民事案件判决和强制执行信息。

信用报告查询记录：记录什么人在什么时间因什么原因查询了您的信用记录。


 

2.谁能查询你的信用报告？

       商业银行等可能与您发生信贷交易的金融机构是个人信用信息的主要查询者。商业银行在审核个人贷款申请、贷记卡/准贷记卡申请、个人担保人申请、贷后风险管理时，可以查询个人信用报告。其中，贷后风险管理可以不需要您的个人授权查询。

       此外，司法机关和其它法律规定具有查询权限的行政管理部门在办理一定手续后也可查询信用报告。

 

3.个人信用报告的解读

3.1 什么是信用额度与共享信用额度？

       共享信用额度是指两个及两个以上的信用卡及其账户共享同一信用额度，当任意卡片消费一定金额后，这几个卡片可使用的信用额度均会相应减少。

 

3.2 未使用的授信额度为什么也计入个人信用报告？

      授信额度反映银行对信用情况的肯定，是反映个人信用状况的正面信息。

 

3.3 如何理解信用卡的最大负债额？

      信用卡的最大负债额是各个账单周期内应还金额的最高值。

 

3.4 如何理解当前逾期期数、累计逾期期数与最高逾期期数？

 这三个项目很容易混淆，我们可以举个例子来说明一下：假设2010年1月某客户申请了一笔住房贷款，按合同每月需还2000元。但因暂时的资金周转不灵，3月至7月连续5个月未还款。下边我们来计算该客户7月的当前逾期期数、累计逾期次数和最高逾期期数。当前逾期期数是一个连续的概念，是指当前连续未还最低还款额或者贷款合同规定的金额的次数。由于该客户连续5个月也就是5期没有还款，所以当前逾期期数是5。累计逾期次数是一个累计数，只要逾期1次，它就累加1次，所以它也是5次；最高逾期期数是当前逾期期数的历史最大值，即在3月至7月的当前逾期期数中取最大的一个数字，不难理解它也是5。假设2010年8月该客户把前5个月应归还的贷款共10 000元还上，此时这三个数据项发生了什么变化呢？首先看当前逾期期数，虽然8月之前已经没有欠款，但该客户没有还8月的2 000元，即8月逾期1次，所以当前逾期期数等于1。再看累计逾期次数，由于前5个月累计逾期次数是5次，第6个月再逾期1次，累计逾期次数要相应增加到6次。至于最高逾期期数，取3月至8月“当前逾期期数”的历史最大值，即7月的5次。

 

3.5 当前逾期总额是目前该还没还的钱吗？

       当前逾期总额是截止信息获取时间前最后一个结算日应还未还的款项。对贷记卡而言，是指当前未归还最低还款额的总额；对贷款而言是指当前应还未还的贷款额总额。对于准贷记卡该数据项无意义。

 

3.6 为什么要单独把"准贷记卡透支180天以上未付余额"标识出来？

       透支180天以上未还余额为全部透支余额及其产生的利息之和。当持卡人超过180天未还款，说明其还款意愿不强或还款能力有问题，有利于判断持卡人的信用状况。在实际操作过程中，多数商业银行视准贷记卡客户在60天内还款为正常还款。

 

3.7 什么是信用卡的最低还款额？

      如果未全额还款，所有使用的额度都将从使用日开始计收利息。信用卡按期置换最低还款不算逾期，不算负面信息。

 

3.8 24个月还款状态是什么意思？

       这个指标记录了持卡人24个月内每个月的还款情况，商业银行会用这个指标来判断个人还款意愿和还款能力。C表示正常结清的销户；G表示结束，除结清以外的其它任何形式的终止账户，如坏账核销等；#表示账户已开立，但当月状态未知。

 

3.9 负面信息主要出现在哪些栏目？


贷款明细信息中的累计逾期次数、最高逾期期数。

贷款最近24个月每个月的还款记录状态中出现/、*、N、C以外的标记，比如数字或者D、Z。表明个人有欠款逾期未还的信息。

信用卡明细信息的贷记卡未还最低还款额次数出现0以外的情况。

信用卡明细信息的准贷记卡透支180天以上未付余额出现数额。


 

3.10 为什么要特别关注"查询记录"中记载的信息？

       查询记录记载了个人信用报告在过去两年内被查询的情况。被查询有以下几种原因：贷款审批、信用卡审批、担保资格审查、贷后管理、本人查询和异议查询。

 

4. 银行卡的分类

借记卡、准贷记卡、贷记卡。

准贷记卡需要先存款后使用，可以进行透支，但是透支金额需要支付利息。准贷记卡存款可以获得存款利息。

贷记卡可以先透支后还款，可享受免息还款期，账户存款(溢缴)不计利息。

 

5.信用卡的起源和发展

最早的信用卡诞生与二十世纪五十年代，在纽约创立，第一张信用卡"大莱卡"由大莱信用卡公司发行，也是世界上第一家信用卡公司。

国内中国银行的"长城卡"、工商银行的"牡丹卡"两大银行卡品牌的面世，推动了我国银行卡事业的发展。此后各行紧随其后，建行的"龙卡"、农业银行的"金穗卡"、交行的"太平洋卡"。

广东发展银行与1995年发行了国内第一张真正的贷记卡广发信用卡。

2002年在合并全国银行卡信息交换中心和原城市银行中心的基础上，中国银联在上海成立。

在全国联网基本完成的基础上，各家商业银行开始发力信用卡市场，2002年被称为"信用卡元年"。

 

6.信用卡组织

银联、Visa(威士)、MasterCard(万事达)、JCB(日本信用局)、America Express(美国运通)。

 

7.银行卡支付产业的业务模式



       持卡人与商户如达成某一项交易,则持卡人向商户提供银行卡进行支付,商户受理银行卡进行终端操作,索取授权.收单行向银联提交交易请求.银联通过交易路由向卡片所在的发卡行转接交易请求,发卡行再根据持卡人的资信情况进行授权操作.当授权操作完成后,结果沿原交易请求路径反向传递至商户端,如交易核准,则终端打印交易签购单,持卡人签名确认完成支付交易。

 

8. 银行卡产业链

分为消费者、产业供给者和中间供应商。

产业消费者：持卡人和特约商户，是这个产业创造价值的源泉。持卡人的主要利益来源于银行卡提供的四大便利：信贷便利、支付便利、交易安全及增值服务。持卡人为获得便利向银行支付年费、透支利息、转账手续费、账户管理费等成本。特约商户的主要利益来源于促进销售增长和资金管理便利。

产业供给者：发卡机构、收单机构、卡组织。发卡机构是银行卡的供给方，发行借记卡收入一般有交易回佣收入与资金沉淀的息差，信用卡收入一般有循环信用、年费和交易回佣。同时，发卡机构承担资金成本、风险损失、系统建设和市场推广成本。收单结构负责特约商户的开拓与管理、授权请求、账单结算等，利益主要来源于商户回佣、商户支付的其它服务费(POS终端租用费、月费等)。卡组织主要负责建设跨行信息交换网络、提供统一授权及清算服务、业务推广及品牌营销、协助会员银行进行风控，这是取得规模效益的必然选择。卡组织的利益来源于会员银行的信息交换费收入、货币转换收入、年费收入及其他服务费收入等。

中间供应商：专业化服务机构，为信用卡产业提供各种服务，包括第三方金融服务公司、支付处理支援商等。

【作者】：Labryant

【原创公众号】：风控猎人

【简介】：做一个有规划的长期主义者。

【转载说明】：转载请说明出处，谢谢合作！~