银行反诈系统风险管控平台，旨在通过依托于三方人员样本信息库，实现对开卡人进行“建模”、“画像”，进一步加强银行卡相关业务的监管机制，为银行和公安机关甄别非法开卡意图和异常用卡嫌疑，全面实现涉“两卡”问题的常态化治理。

银行反诈系统风险管控平台，包括系统资源对接、银行卡管控系统、系统管理。银行卡管控系统，主要由网点管理、人员轨迹研判、公安黑库比对、高频开卡风险预警、流窜风险预警、核验异常风险预警组成。

流窜风险预警，基于异常开卡意图分析，结合本地实时开卡数据，动态感知并实现非常驻地开卡行为的风险预警。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。

大数据平台所需的各个重要环节，包括基础设施建设、数据采集、主数据管理、实时计算、批处理与数据仓库、数据存储及作业调度。完整的大数据平台都要有数据采集、数据处理（实时处理和批处理）、数据服务和数据展示环节。数据采集，技术选型上主要考虑其支持的数据源种类和协议是否丰富，能够对接非常多的数据源，同时尽可能地通过配置去集成数据源并采集数据。

流处理，现实生活中，很多数据是属于流式数据，即计算的输入并不是一个文件，而是源源不断的数据流，如实时交易所产生的数据、各种传感器数据。需要对这些数据进行实时分析，否则数据的价值会随着时间的流逝而消失。通过流计算技术，构建一个高度可扩展、分布式、快速、可靠的实时计算平台，用来处理高速流式数据。

批处理，通过构建数据仓库实现批处理是好的选择。数据仓库（Data Warehouse）是面向主题的、集成的、稳定的、反映历史变化的数据集合。数据仓库将原本分散的数据统一抽取、清洗、加工、整理、汇聚于数据仓库，进行智能化的分析，形成分析性报告，用于支持管理者的业务决策、构建商业智能。

主数据管理，主数据管理模块本质上是一个传统的Web应用，可以选择基于Spring-Boot构建，使用MySQL作为后台数据库，对外通过Restful API提供主数据供给数据服务。

数据服务，可以基于Web应用技术搭建一个数据访问服务，这个服务通过分布式数据库提供的客户端类库访问数据库，然后对外提供Restful API数据服务。

数据展示，Web页面上可以使用D3.js、Echarts等JavaScript图形库。通过直观、生动、可交互、可个性化定制的数据可视化图表，展示数据潜在的趋势和内在的特性，赋予用户极好的数据体验。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。