前言

2020年初的新冠疫情在金融領(lǐng)域“催生”的“零接觸式服務(wù)”進(jìn)一步推動(dòng)了金融科技的應(yīng)用與落地。在后疫情時(shí)代，隨著5G，大數(shù)據(jù)，云計(jì)算，人工智能，區(qū)塊鏈等新興技術(shù)與金融業(yè)務(wù)的不斷結(jié)合，金融行業(yè)的數(shù)字化大“變身”也在不斷蓄力。

近年來(lái)，AI在金融服務(wù)賦能和業(yè)務(wù)模式變革方面全面發(fā)力，從“千人千面”的智能營(yíng)銷到虛擬員工的智能客服，從“火眼金睛”的智能風(fēng)控到無(wú)處不在的智能運(yùn)營(yíng)，AI都在為金融行業(yè)的科技之路保駕護(hù)航。

人工智能平臺(tái)中的AI

實(shí)現(xiàn)規(guī)模應(yīng)用的“哆啦A夢(mèng)”

在人工智能平臺(tái)前，金融行業(yè)特別是銀行中的建模大都還是SAS、SPSS等統(tǒng)計(jì)建模軟件的天下，雖然它們?cè)谠u(píng)分卡等領(lǐng)域曾經(jīng)輝煌過(guò)，但在大數(shù)據(jù)時(shí)代的長(zhǎng)河里，它們漸漸失去了往日的光芒。

這時(shí)，具有大數(shù)據(jù)基因，且整合了大數(shù)據(jù)機(jī)器學(xué)習(xí)框架以及多種計(jì)算機(jī)語(yǔ)言的人工智能平臺(tái)應(yīng)運(yùn)而生。其不僅利用分布式計(jì)算部署能力和容器技術(shù)讓計(jì)算能力和速度進(jìn)一步提升，而且還降低了建模計(jì)算的使用門檻，讓前線的業(yè)務(wù)人員也能體驗(yàn)小白上手大數(shù)據(jù)建模的快感，同時(shí)也能讓建模與業(yè)務(wù)場(chǎng)景結(jié)合地更緊密，讓建模結(jié)果更好地賦能業(yè)務(wù)。

AI讓數(shù)字金融向智慧金融“進(jìn)化”

更加精細(xì)化的客戶管理：

將集中于客戶關(guān)系管理系統(tǒng)中的人口屬性數(shù)據(jù)、集中于交易系統(tǒng)，產(chǎn)品系統(tǒng)以及客戶關(guān)系管理系統(tǒng)中的信用屬性數(shù)據(jù)、集中于渠道和產(chǎn)品系統(tǒng)中的消費(fèi)特征數(shù)據(jù)、來(lái)自運(yùn)營(yíng)商，電商等外部廠商的興趣愛好和社交信息數(shù)據(jù)，都導(dǎo)入至數(shù)據(jù)市場(chǎng)中

立足于實(shí)際業(yè)務(wù)場(chǎng)景需求找到強(qiáng)相關(guān)數(shù)據(jù)

利用邏輯回歸、支持向量機(jī)、決策樹、K-Means等分類、聚類算法對(duì)客戶進(jìn)行等級(jí)/種類劃分，并基于數(shù)據(jù)統(tǒng)計(jì)/規(guī)則定義/算法挖掘建立完整的用戶標(biāo)簽體系

將客戶群體切割成更細(xì)的粒度

（eg：將客戶精分為獲取期、提升期、成熟期、衰退期和退化期，從而可以挖掘找到高價(jià)值客戶）

經(jīng)典的客戶生命周期理論

更加個(gè)性化的產(chǎn)品營(yíng)銷：

將產(chǎn)品系統(tǒng)中的各大理財(cái)產(chǎn)品基本信息、投資組合、公告信息和財(cái)務(wù)報(bào)表相關(guān)數(shù)據(jù)導(dǎo)入至平臺(tái)中

進(jìn)行精細(xì)化產(chǎn)品畫像構(gòu)建

產(chǎn)品推薦系統(tǒng)架構(gòu)圖

（eg：通過(guò)對(duì)潛力客戶的用戶畫像特征變量進(jìn)行分析，預(yù)測(cè)其進(jìn)一步升級(jí)成為優(yōu)質(zhì)客戶的可能性，對(duì)可能性高的客戶進(jìn)行產(chǎn)品精準(zhǔn)營(yíng)銷，從而能夠提升營(yíng)銷的針對(duì)性和成功率）

默默陪伴不騷擾的個(gè)性化數(shù)字金融產(chǎn)品，當(dāng)客戶需要時(shí)又能在第一時(shí)刻出現(xiàn)，AI將產(chǎn)品營(yíng)銷做到極致！

更加全面化的風(fēng)險(xiǎn)管控：

風(fēng)險(xiǎn)管控貫穿于金融業(yè)務(wù)貸前、貸中和貸后的整個(gè)生命周期中。

貸前-貸中-貸后風(fēng)控流程模型，來(lái)源：艾瑞咨詢研究院

貸前客戶準(zhǔn)入風(fēng)險(xiǎn)審核：

1）根據(jù)央行征信數(shù)據(jù)以及用戶提交的相關(guān)材料進(jìn)行身份核實(shí)，確保用戶不存在欺詐歷史；

2）結(jié)合用戶的社交數(shù)據(jù)、行為數(shù)據(jù)、收入數(shù)據(jù)等個(gè)人屬性信息，利用隨機(jī)森林等分類算法對(duì)用戶的信用風(fēng)險(xiǎn)等級(jí)進(jìn)行判定，預(yù)測(cè)用戶未來(lái)的履約能力；

3）利用用戶的收入及負(fù)債相關(guān)數(shù)據(jù)了解用戶的負(fù)債能力和收入穩(wěn)定性，并結(jié)合信用等級(jí)評(píng)分?jǐn)?shù)據(jù)，應(yīng)用廣義線性模型和主流貸款定價(jià)方法確定放款額度、月供金額和償還期限

貸中客戶行為實(shí)時(shí)監(jiān)管：

1）粗粒度的用戶層欺詐識(shí)別：根據(jù)金融平臺(tái)上對(duì)用戶交易行為的限制，及用戶實(shí)際發(fā)生的交易行為進(jìn)行對(duì)比，應(yīng)用邏輯回歸等算法判定用戶是否屬于欺詐用戶；

2）細(xì)粒度的交易層欺詐識(shí)別：利用交易上下文、交易行為發(fā)生IP、設(shè)備、地域的相關(guān)數(shù)據(jù)，結(jié)合邏輯回歸算法以及圖計(jì)算算法和知識(shí)圖譜判定交易行為的欺詐性，從而挖掘出相關(guān)欺詐用戶

貸后對(duì)公客戶違約預(yù)測(cè)：

構(gòu)建交易知識(shí)圖譜、供應(yīng)鏈知識(shí)圖譜以及企業(yè)知識(shí)圖譜，利用復(fù)雜網(wǎng)絡(luò)挖掘擔(dān)保網(wǎng)絡(luò)中的風(fēng)險(xiǎn)信息，再對(duì)挖掘出來(lái)的相關(guān)風(fēng)險(xiǎn)特征進(jìn)行建模，從而能夠更好地對(duì)某一筆借據(jù)的違約風(fēng)險(xiǎn)和逾期傾向進(jìn)行預(yù)測(cè)，并對(duì)逾期概率大的借據(jù)進(jìn)行特別關(guān)注和預(yù)警。

即使AI算法只能解決可控風(fēng)險(xiǎn)，但AI仍努力讓風(fēng)控落到實(shí)處。

“哆啦A夢(mèng)的神奇口袋”里不僅有多種數(shù)據(jù)源對(duì)接工具，還有標(biāo)準(zhǔn)化的AI服務(wù)模塊和通用組件，其提供的快速?gòu)?fù)制及靈活研發(fā)能力讓AI在金融行業(yè)得到規(guī)模化應(yīng)用，在各個(gè)業(yè)務(wù)場(chǎng)景遍地開花。

同時(shí)針對(duì)數(shù)據(jù)孤島困境、數(shù)據(jù)隱私保護(hù)的限制以及數(shù)據(jù)單一導(dǎo)致的算法模型精度問(wèn)題，“口袋”中的聯(lián)邦學(xué)習(xí)模塊都能完美解決。它能讓各金融機(jī)構(gòu)之間以及金融機(jī)構(gòu)和其他行業(yè)機(jī)構(gòu)間在保護(hù)原始數(shù)據(jù)隱私安全的情況下進(jìn)行聯(lián)合機(jī)器學(xué)習(xí)建模，既能滿足金融業(yè)務(wù)需求，又能保障合規(guī)要求。

金融科技的賽道中，AI在全力奔跑。想知道知識(shí)圖譜是如何成為AI屆的“孫悟空”，利用其“火眼金睛”全面把控金融風(fēng)險(xiǎn)的嗎？
責(zé)任編輯：YYX