大數(shù)據(jù)+人工智能在銀行轉(zhuǎn)型發(fā)展中的應(yīng)用

1、“大數(shù)據(jù)+人工智能”在銀行轉(zhuǎn)型發(fā)展中的應(yīng)用 隨著移動互聯(lián)網(wǎng)技術(shù)不斷向縱深發(fā)展，金融科技正在逐步從根本上改變現(xiàn)代金融的運營模式， 在此背景下， 銀行如何積極參與金融科技創(chuàng)新，打造“智慧銀行”，抓住金融科技新機遇，是銀行業(yè)轉(zhuǎn)型發(fā)展關(guān)鍵。本文從加快數(shù)據(jù)基礎(chǔ)設(shè)施投入，提升技術(shù)開發(fā)和數(shù)據(jù)處理能力，提升組織和運營能力等方面，探討“大數(shù)據(jù)+人匚智能”在銀行轉(zhuǎn)型發(fā)展中的應(yīng)用。 一、“大數(shù)據(jù)+人工智能”發(fā)展背景 隨著移動互聯(lián)網(wǎng)技術(shù)不斷向縱深發(fā)展，信息科技從產(chǎn)業(yè)基礎(chǔ)走向產(chǎn)業(yè)核心，以“大數(shù)據(jù)、人工智能為代表的現(xiàn)代信息 科技正在逐步從根本上改變現(xiàn)代金融的運營模式， 金融科技正在逐步成為催化金融行業(yè)改革創(chuàng)新的重要驅(qū)動力

2、和牽引力。2017年7月，國務(wù)院發(fā)布新一代人工智能發(fā)展規(guī)劃，提 生了面向203。年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標、重點任務(wù)和保障措施，標志著人工智能的發(fā)展進入全新階段并上升為國家戰(zhàn)略。在此背景下，北京銀行持續(xù)加快轉(zhuǎn)型步伐，在科技引領(lǐng)的戰(zhàn)略指導(dǎo)下，提由以“智慧數(shù)據(jù)”“智 慧渠道”“智慧服務(wù)”為支撐，著力打造“智慧銀行”的建 設(shè)目標。依托大數(shù)據(jù)、人工智能技術(shù)，深入數(shù)據(jù)價值鏈核心， 從數(shù)據(jù)中獲得洞察力，從數(shù)據(jù)中攫取價值，引領(lǐng)傳統(tǒng)業(yè)務(wù)模式變革，用創(chuàng)新的理念與行動，主動擁抱“大數(shù)據(jù)”時代，驅(qū)動轉(zhuǎn)型發(fā)展的引擎全面升級。 、加快“大數(shù)據(jù)+人工智能”能力建設(shè) 在戰(zhàn)略層面，順勢而為，做到“三個注重”

3、：注重數(shù)據(jù)分析、 注重數(shù)據(jù)挖掘、注重數(shù)據(jù)營銷；實現(xiàn)“三個提升”：一是提升 在戰(zhàn)術(shù)層面，從數(shù)據(jù)來源、分析手段、交付模式等方面入手，“以數(shù)為尺、聚數(shù)為擎、變數(shù)為寶”，不斷提升銀行在當(dāng) 前市場環(huán)境下的核心競爭力。 一是開渠引水， 加強內(nèi)外部數(shù)據(jù)的結(jié)合運用，實現(xiàn)銀行數(shù)據(jù)資產(chǎn)增值。大數(shù)據(jù)時代下的企業(yè)核 心資產(chǎn)就是數(shù)據(jù)，銀行大數(shù)據(jù)平臺在今年構(gòu)建了外部數(shù)據(jù)平臺。通過對接第三方數(shù)據(jù)，可以找準實體經(jīng)濟需求的重點領(lǐng)域和關(guān)鍵環(huán)節(jié)，促進客戶需求與金融供給高效對接，解決提供金融服務(wù)時信息不對稱的痛點。二是開拓創(chuàng)新， 探索機器學(xué)習(xí)算法的落地實現(xiàn)， 提升銀行風(fēng)險防控能力。 將分類、聚類、時間 行事前預(yù)警。三是順應(yīng)時代，結(jié)合

4、大數(shù)據(jù)客戶全景視圖，探索 序列等業(yè)內(nèi)經(jīng)典機器學(xué)習(xí)算法應(yīng)用于行內(nèi) 各業(yè)務(wù)場景。區(qū)別 于傳統(tǒng)的基于語義規(guī)則與業(yè)務(wù)經(jīng)驗的事后 判斷，算法模型能 夠基于歷史數(shù)據(jù)的分布及特征，針對可能 發(fā)生的風(fēng)險事件進 精準營銷新模式。在利率市場化的環(huán)境下, 銀行需要思考如何 深耕現(xiàn)有客戶群體，增加客戶粘性、喚醒睡眠客戶，發(fā)揮長尾 效應(yīng)，實現(xiàn)資產(chǎn)穩(wěn)步增長。四是，知變則勝，建設(shè)“大數(shù)據(jù)+”產(chǎn)品體系，引領(lǐng)業(yè)務(wù)轉(zhuǎn)型創(chuàng)新。通過引入大數(shù)據(jù)和人工智能的 技術(shù)，數(shù)據(jù)分析已經(jīng)不再只是銀行業(yè)務(wù)部門的工作，工作在后臺的科技人員能夠賦予數(shù)據(jù)更加多維的視角。 三、挖掘營銷價值模型 銀行大數(shù)據(jù)平臺從零售客戶角度由發(fā)，通過對客戶歷史 數(shù)據(jù)進行分析

5、挖掘建立營銷價值挖掘模型， 實現(xiàn)購買零售產(chǎn)品行為概率的預(yù)測。封裝模型輸由接口實現(xiàn)基于企業(yè)服務(wù)總 線的實時遇用，隨著營銷PAD等移動終端設(shè)備的接入，全方位打造產(chǎn)品化、場景化的應(yīng)用模式，極大提升一線網(wǎng)點精準營銷能力。 該產(chǎn)品首先對客戶銀行卡的消費行為歷史進行分析，深度 挖掘客戶的消費金額、消費領(lǐng)域、消費地點從而生成客戶消費 習(xí)慣偏好的重要標簽。其次，從業(yè)務(wù)主題入手，生成基礎(chǔ)指標并按貢獻度排序、篩選后，確認用來建模的指標范圍。同時， 綜合考慮歷史數(shù)據(jù)分布及應(yīng)用場景選取邏輯回歸作為算法， 在保證誤報率最小的前提下，提高中標率。以此在保證營銷效 率最大化的同時，盡量避免對其他客戶造成干擾。最后，根據(jù) 模

6、型預(yù)測結(jié)果為零售客戶進行分層打分，形成營銷價值指數(shù)， 進而判斷客戶的購買傾向及概率，準確率平均達到85額上。 在完成模型驗證和業(yè)務(wù)模式論證后，該產(chǎn)品將嵌入客戶經(jīng)理手持的零售PAD,在網(wǎng)點進行試點推廣：以網(wǎng)點為單位，提 供名單客戶的產(chǎn)品購買概率預(yù)測；以客戶為單位，推薦其最感興趣的零售產(chǎn)品，提供精準營銷服務(wù)模式。 四、建立對公客戶神經(jīng)元信息網(wǎng)絡(luò)拓補圖 大數(shù)據(jù)與人工智能技術(shù)的結(jié)合有效化解銀行與客戶間因信 息不對稱而產(chǎn)生的各類實際業(yè)務(wù)問題，為銀行對優(yōu)質(zhì)客戶開 展關(guān)聯(lián)營銷活動提供了有效技術(shù)手段和理論依據(jù)。 從大數(shù)據(jù)的視角看客戶，不再是一個個孤立的個體，而是由企業(yè)法人、高管、股權(quán)投資等關(guān)系、事件所組成的神

7、經(jīng)元信 息網(wǎng)絡(luò)圖譜，使企業(yè)間各種關(guān)聯(lián)關(guān)系層層展開，重點營銷優(yōu)質(zhì)企業(yè)客戶，通過企業(yè)間的上下游依賴關(guān)系有效識別擔(dān)保圈、風(fēng) 險共同體等潛在風(fēng)險。 五、研發(fā)交易反欺詐模型 近年來，面對互聯(lián)網(wǎng)金融等新業(yè)態(tài)的沖擊，商業(yè)銀行紛紛研究大數(shù)據(jù)風(fēng)控的應(yīng)用模式。銀行從交易反欺詐模型、大數(shù)據(jù) 征信體系兩個領(lǐng)域入手，探索大數(shù)據(jù)、人工智能與銀行風(fēng)險防控工作的結(jié)合點與創(chuàng)新業(yè)務(wù)應(yīng)用模式，為全行客戶的資金安全保駕護行。 傳統(tǒng)欺詐防控模式在識別手段、風(fēng)險研判、處置能力和體 系建設(shè)上存在一定的局限性。在此背景下，銀行以大數(shù)據(jù)高效、海量計算能力為支撐，引入多維結(jié)構(gòu)蠟理論，探索建立覆蓋欺 詐風(fēng)險“事前、事中、事后”集“查、控、打”一體

8、化的實時 欺詐風(fēng)險的防控體系。 引入結(jié)構(gòu)炳理論，構(gòu)建非法集資行為識別模型對于非法 集資行為，無論如何進行偽裝，依然離不開賬戶資金歸集和返 還的賬戶行為特征，從全局角度，銀行所有賬戶的資金交易行 為可等價為一個龐大資金流動網(wǎng)絡(luò)。在此背景下，我們引用信 息網(wǎng)絡(luò)和尷的概念，利用大數(shù)據(jù)提供的海量計算能力，構(gòu)建了全行賬戶資金流動網(wǎng)絡(luò)。并在此基礎(chǔ)上，引入多維結(jié)構(gòu)燔理論，建立非法集資行為識別模型，識別賬戶與社團、社團與社團的 集資行為。并采用語法分析和語義分析相結(jié)合的手段，對疑似 存在的非法集資行為進行研判，通過機器學(xué)習(xí)與大數(shù)據(jù)的結(jié) 合應(yīng)用，有效提升了集資風(fēng)險的識別能力。 多維數(shù)據(jù)核驗提升研判能力在引入外部

9、第三方工商、銀聯(lián)、風(fēng)險、行業(yè)黑名單與宏觀指數(shù)等信息的基礎(chǔ)上，與行內(nèi)數(shù) 據(jù)進行整合，形成更為全面的多維客戶視圖，對欺詐行為進行輔助研判，有效提高欺詐行為識別的準確性。 全面對接行內(nèi)系統(tǒng)，實現(xiàn)對交易反欺詐行為的全流程管控基于結(jié)構(gòu)嫡理論與大數(shù)據(jù)平臺，銀行積極探索構(gòu)建貫穿事前 一事中一事后三位一體的“查控打”實時防控體系， 實現(xiàn)了對各類金融欺詐行為的前瞻預(yù)防、實時定位與及時處理。“查”可疑行為名單，“控可疑交易賬戶，打”金融犯罪行為。 六、建設(shè)“大數(shù)據(jù)+征信”數(shù)據(jù)服務(wù)產(chǎn)品體系 伴隨人民銀行關(guān)于做好個人征信業(yè)務(wù)準備工作的通知 的下發(fā)，銀行在安全合規(guī)的前提下，迅速開展與第三方機構(gòu)的 數(shù)據(jù)服務(wù)合作，積極探索引入運營商、銀