阿尔法狗(AlphaGo)的成功,让我们发现AI已非昔年靠穷举法赢棋的“深蓝”,而是有了自主推理学习能力。

随着客户需求不断变化,银行传统的业务方式已无法满足人们的需求,以机器学习为代表的人工智能技术,与知识图谱配合,与规则互补,大大提高了银行的风险防范能力,提升了整体经济效益,增强了银行在资本市场的竞争力。

人工智能赋能银行新未来

随着银行业务由原来以单一业务为主的经营结构快速向多元化经营的方向发展,运营、管理、决策成本及潜在风险暴露水平急剧上升,邦盛科技认为,银行需要通过人工智能技术从风险控制到业务产品推荐决策,建立一套高标准、高效率的流程化智能管理体系。

国外已有很多银行开始用人工智能技术取代传统统计建模方法。通过机器学习技术,将有助于防范欺诈,防止资金和个人信息被盗,同时降低银行运营成本,增强业务的创新型和产品的竞争力。

作为国内最早进行反欺诈研究的邦盛科技,早在3年前就已布局AI技术,并将其应用于金融风控及营销实践中。在风控反欺诈上,通过采用邦盛科技机器学习系统,一些合作企业拦截欺诈的能力提升了2个数量级,每月止损几百万;在业务精准营销上,部分合作企业用户转化率提升了50%,在降低运营成本的同时大大提升了业务效益。

智能风控:银行正在实现的未来

传统的专家规则把历史上各种各样的欺诈交易规律找出来,总结成专家规则,放在决策引擎系统中,每一笔交易来后,看专家规则是不是命中,如果命中可能就是高风险交易。

在银行业务场景中,分析所涉及的数据之庞大、场景之复杂,单纯地通过经验规则及根据个别案件进行分析以制定相关简单规则局限性大,规则合理性无法衡量。

基于传统金融与大数据技术完美结合的智能风控,为银行提供了一种崭新的思路。以邦盛科技合作的企业为例,通过邦盛科技机器学习系统训练出的反欺诈机器学习模型,其风险识别效果跟原有纯规则相比,准确率提升了5.5倍,覆盖率提升了2.3倍,报警率和报警数下降到了原来的一半。

机器学习模型的效果很大程度上取决于特征变量的制定,邦盛科技的机器学习模型集成各类算法,判定最优概率阈值及选取最符合当前场景的特征关系,从而训练出优于规则系统的高准确率、高覆盖率模型结果,提升实际场景原有规则系统的预测效果。

针对申请欺诈、交易欺诈、营销欺诈等操作风险,邦盛科技利用机器学习模型、智能评分卡及智能规则,辅助原有业务经验从内部控制和欺诈风险管理两个维度进行数据梳理及效果应对提升,有效提升原有规则模型拦截及预测效果,帮助提高操作风险防范能力。

针对信用风险,邦盛科技通过机器学习模型、智能评分卡及智能规则结合,辅助业务规则,以兼具精准性与解释性的方式对企业内部信用风险监控、预警做全方位深入分析,大幅度提高原有违约识别能力,有效甄别高风险客户,防范多头授信、过度授信、给“僵尸”企业授信、给“空壳企业”授信、财务欺诈等风险。

智能精准营销:提升银行综合竞争力

面对日益激烈的银行内部竞争及互联网金融带来的冲击,传统的营销方式已跟不上时代的节奏。基于大数据的精准营销利用大数据平台上的机器学习模型,深入洞察客户行为、客户需求、客户偏好,挖掘潜在客户,进行个性化推荐,精准定位目标客户,可有效降低银行运营成本,提升转化率。

比如在一些精准营销和分期产品的推荐中,邦盛科技的机器学习系统训练出的精准营销分类机器学习模型对目标客户的识别效果跟纯规则相比,用户转化人数提升了80%,收益提升了50%,在降低运营成本的同时大大增加了业务效益。

邦盛科技通过长期金融行业的积累,提取金融产品营销共性,充分利用银行业海量用户行为及属性信息,利用机器学习模型、智能评分卡及智能规则辅助业务规则,帮助银行寻找目标客户及为客户推荐合适的产品,大幅度提升原有规则模型效果,有效减少用户打扰和营销成本,细化客户需求,提升营销转化率,为银行的高速发展在盈利方面做出直观的提升。

现在已经有越来越多的金融机构看到了人工智能建设带来的业务价值提升。总的来说,邦盛科技基于在金融行业积累的丰富行业经验,研发的机器学习系统及模型已经在风险管理和精准营销、个性化推荐领域带来了直观的价值体现。

对银行等金融机构来说,以邦盛科技为代表的人工智能技术已经快速融入了这个领域,并在实际中发挥着越来越大的作用。