2018年，广州数融互联网小额贷款有限公司(以下简称数融小贷）依托股东强大的风险管理及金融科技能力，上线服务于信贷业务贷前、贷中、贷后全流程的系统，在拓展多项业务的同时进行良好的风险控制，显著提升公司整体业绩。
在获客准入方面，数融小贷使用智能客户管理及进件工具，简化客户申请流程，并结合经营数据，完善客户画像，实现客户精准营销，提升客户的转化率。
在贷前决策方面，公司接入数据查询系统和决策系统，实现金融授信、用信环节数据的线上化获取、整合，以及决策方案（例如授信环节的授信额度、授信利率、授信期限，用信环节的支用额度、支用利率、支用期限）的自动化输出，降低风险管理成本，提升风险管理能力。以塑化场景下的惠云塑贷为例，该产品进行了线上化的工商、司法等基础数据项的采集，还研发了针对产业供应链场景的智能进件工具，支持场景标准化流程应用，并集成交叉校验功能，对风险进行有效穿透。还使用了纯线上化的审批模式，审批主要分为三个层次（规则模型、评分卡模型与额度模型），三个子模型都通过的客户即为公司的准入客户并获得一定的授信额度。准入规则模型内包含近200条准入规则，整合线上线下的企业工商、企业司法、企业场景、企业交易等多方多维数据，进行重大风险识别，命中任意准入规则及不准入，通过强规则拒绝高风险客户。评分模型内包含四大模块，100余个指标，指标通过分档映射为指标的得分，再通过指标的权重加权出模块的得分，再通过模块的权重加权得到客户的模型得分。模型得分映射得到模型评级，客户评级过低，则不准入。信用评分卡（A卡）使用在准入规则模型后，将从基本面、反欺诈、经营状况、关联方四大维度进行信用评估，衡量借款主体的整体信用风险，并在客户信用评估的基础上，进行基于行业、地区等因素的整体风险水平调整。额度模型使用在信用评分卡（A卡）之后，将基于客户的风险评级、企业规模、用款需求等多项指标进行综合考核，得到客户的授信期限、授信额度以及授信利率等决策结果。在上述模型的构建过程中，该产品充分运用场景下的存量数据及业务开展中的增量数据作为建模样本，充分探索传统建模方法（例如逻辑回归等）以及先进的机器学习算法（例如决策树、随机森林、神经网络等），并将建模过程与结果与产业风险专家进行沟通，在业务开展中持续进行风控模型的开发、监控与迭代优化，保证了模型良好的区分能力与稳定性。
在贷中管理方面，公司通过建立账务系统、信贷系统，实现客户用信环节的线上化，既降低运营成本，又提升客户体验。通过建立业务运营系统，实现公司业务运营情况的自动化统计等功能，在降低运营成本的情况下保证公司业务的正常运营。通过建立预警系统，实现了实时监控客户风险，在降低风险管理成本的情况下加强贷中风险管理能力。以塑化场景下的惠云塑贷为例，公司充分利用客户的贷后表现数据，例如信贷行为维度的逾期行为表现、经营状况维度的交易频次变化，交易规模变化等，对授信中客户进行行为风险评估（B卡），同时结合贷前授信的A卡，周期性的对客户进行综合信用评估（A卡+B卡），持续跟踪反映客户的综合信用风险。同时，公司对授信中客户进行实时预警监控，结合线上线下数据，识别客户的整体信用风险是否依然满足准入条件、监控客户整体信用风险的波动、产生可能反应客户风险变化的预警信号，以上信息都会对应一种或多种客户管理手段，以自动化的数据处理支持多样化的贷后管理方式，颠覆重贷轻管的传统模式，实现客户风险的及时洞察与标准化、针对性的风险化解。
在货后管理方面，公司接入催收系统，采用可配置性催收规则，自动生成催收任务，通过人工智能催收技术，实现逾期客户的自动化催收，有效帮助催收工作顺利进展，提高了催收效率，并且完全避免催收中的操作风险问题。
在信贷业务全流程中，公司使用前端可视化系统及后台管理系统，实现重要业务数据的可视化、业务参数的配置化，使业务人员更方便快捷的查询、下载业务数据，调整业务参数，面向快速发展的业务，支持风控方案的高频迭代。
除上述系统外，公司还建立了以加强风险自动化管理为目的的特色系统模块：文本解析模块和产业图谱模块。文本解析模块能对各类数据中的文本进行解析，识别关键风险（例如从低结构化的裁判文书中解析出案由、涉案金额等与风险高度相关的重要字段），为线上自动化的风险识别提供结构化、金融化的原始数据。产业图谱模块能通过整合多元异构原始数据，大范围高精度的识别用款企业关联方，并进行关联方风险蔓延，显著提升公司风险管理能力。
在社会责任方面，公司依托产业普惠金融之路，与垂直产业互联网平台充分合作。以产业真实交易背景为依托，为优质产业供应链生产企业发放纯信用线上小额贷款，缓解了小微企业购买原材料、生产经营、销售回款慢等环节的资金周转压力。
在风险管理方面，数融小贷结合科技手段，运用先进的风控理念和技术，实现线上场景风控，2018年在显著提升经营效率的情况下，风险控制良好，逾期率不到 1%。