蚂蚁金服蚂蚁集团-平台产品专家（业务风险）-平台风险管理

1、运维可观测链路建设 • 负责全链路稳定性解决方案的制定与执行，包括交付、变更、应急及稳定性专项建设； • 事前：建立并持续优化产品运维的监控机制,研发并维护相应的运维监控平台/工具； • 事中：建立并持续优化产品运维的预警机制，确保故障能够被快速发现、通报、定位及处理； • 事后：快速分析、诊断、定位问题，并能够协同开发人员解决问题；建立健全快速恢复服务机制，降低业务受损程度，确保产品、业务稳定运行；牵头问题复盘工作，通过架构优化等根治引起不可用的问题。 2、运维平台产品化与智能化建设 • 设计、研发并维护智能化的运维平台、工具、系统，帮助解决生产系统遇到的容量、性能、稳定性等问题，提升性能与效率； • 负责运营质量数据化分析工作，通过对日常运维指标、问题、风险、稳定性结果进行分析和研究，建立模型、计算ROI/TCO来解决、优化和落地给出运营优化建议； • 负责高可用体系建设，如巡检、故障自动定位、自动恢复、自适应容灾、云原生技术实施及落地等，保障业务持续可用。 • 负责运维能力的抽象与设计，通过平台实现运维能力产品化，建立配套的标准运维手册，提升运维的易用性/完整性和降低误操作风险（专有云）； • 将运维服务产品化能力传达给客户，建设客户心智，提升运维服务效率（反馈增加） 3、运维服务体系建设 • 建设本领域相关的运维体系(如变更标准，重保体系，客情预警等),确保本领域产品运维&稳定性能力提升； • 牵头制定本领域内的相关新产品\新功能的的SLA协议承诺； • 基于SLA要求，评审新产品\新功能的架构是否可用、安全； • 通过日常运维活动优化产品稳定性，达成SLA目标； 4、容量规划与调优 • 基于年度的产品线规划，进行预算编制、容量规划与置备，协调各方持续滚动进行存储、计算等资源消耗的预测与估算； • 通过技术手段提升线上资源利用效率，降低物理资源成本（如结合对于业务波峰/波谷等的预测，进行混合部署）。 • 通过云平台与云产品的容量模型设计与调优以及配套的工具建设，降低云平台因为资源问题带来的稳定性风险并提升资源利用率（专有云） 5、安全保障建设 • 日常on call值班，及时响应告警及技术支持升级的疑难问题，并解决； • 负责集团级重大活动（如双11等）的运维保障工作； • 配合安全团队，梳理安全漏洞，优化相关技术架构，提升产品与系统的安全性。 • 负责云平台风险管理能力建设，通过风险策略库建设提前识别风险，建立风险预警和治理机制，推动云平台风险治理提升客户稳定性（专有云） 6、平台架构升级 • 负责系统架构升级，如内核升级、网络架构升级、存算分离、服务跨机房迁移、服务上云 • 负责容灾架构设计并实施，如同城容灾、异地多活等 • 负责云平台软硬件生命周期设计，制定升级方案，通过商务法务产品与服务策略制定，推动客户云平台持续演进（专有云） • 负责云平台的分层设计，并通过依赖与兼容性治理与优化，实现云平台分层解耦，提升交付、升级的灵活性与稳定性（专有云）

1. 行业理解：深入理解小游戏业务生态战略，正确引导安全防控发展方向，能从产品发展趋势中把握业务的新增长点，提升流量价值，推动业务健康长效发展； 2. 风险防控：为小游戏行业的业务风险负责，提供完善的风险解决方案。针对行业特性，建设行业化风险策略能力，系统化推动解决业务发展中的核心风险，如流量作弊、内容安全、营销安全、广告作弊等； 3. 沟通协同：基于风险认知与业务理解，与业务、产研、算法等不同角色形成有效沟通，推动风险全链路防控及行业标准建立。

广告作为支付宝数字化发展中的核心业务，在逐步放开不同场域商业化变现的过程中，吸引了大量广告主、私域媒体主以及代理服务商，但同时其潜在商业价值也引起了大量黑产关注。其中涉及流量作弊、劫持、诱导点击等业务风险，广告风险管理团队需要结合原有支付及主体风控中的能力沉淀，与业务及中台团队紧密合作，针对广告行业特有的业务政策及风险手法设计感知、识别、管控方案，保障广告业务规模健康快速增长。 1.风险感知：充分利用内外部数据源，结合异常感知以及业务逻辑，持续定位灰黑产攻防手法演变，同时形成高效机制完成风险定性； 2.算法建设：负责支付宝广告业务流量作弊的识别与管控相关的算法建设，减少恶意/无效/作弊流量给数据真实性、社区生态、平台流量价值带来的影响，有效地将业务问题转化为算法模型，提供合理的风险解决方案，提升流量价值，减少资金损耗； 3.风控链路搭建：基于历史数据和专家经验，结合数据分析、挖掘，设计针对广告行业风险的事前、事中识别管控链路，对安全能力形成全面评估标准并持续迭代对抗； 4.沟通协同：基于风险认知与业务理解，与业务、产品、中台、研发等不同角色形成有效沟通，推动风险全链路防控及行业标准建立。

1. 负责治理业务的重点项目建设，基于大模型及相关平台能力，结合精品数据资产和产品的链路，基于端治理体验风险问题，将大模型技术嵌入到业务环节，建设AI风险解决方案的设计并推动实施； 2. 与业务方紧密协作，主导并协同内外部相关风险团队、运营、客权推进业务风险问题的解决； 3. 深入了解业务动态，理解业务发展趋势，并在算法模型的持续升级迭代中，考虑对业务正向发展助力。