0条评论
还没有人评论过~
图片来源金科创新社
随着银行数字化转型步伐的加快，数据的多维应用和价值提升已经上升到战略高度，特别是在风控和营销领域，深度挖掘和智能分析成为必不可少的手段和工具，也是银行大数据变现的主要场景。如何将传统数据分析方法的完备性、准确性与大数据多维性、及时性相结合，真正提升大数据在银行风控和营销等领域中的实效？人工智能时代，如何更好地应用AI和发展AI，AI与大数据如何更好地结合？2019年5月24日，由金科创新社主办的主题为“AI大数据的银行业落地实践”的“2019银行科技创新实战沙龙”在北京成功召开，来自中国人民银行、工商银行、中国银行、建设银行、中信银行、民生银行、光大银行、华夏银行、北京农商行、天津农商行、天津滨海农商行等的近30家银行业金融机构的科技管理和技术人员以及IT领域的专家共聚一堂，研讨和分享了AI大数据在银行业落地实践中所遇到的问题和经验。
民生银行公司业务部数字化中心总经理 王彦博博士
当前，人类社会已经从互联网时代进入到大数据时代，正在开启人工智能时代。而对于金融行业而言，早已进入了一个“无科技不金融”的FinTech时代。民生银行公司业务部数字化中心总经理王彦博博士在主题为“FinTech时代的智能计算形态”的演讲中，对FinTech技术发展逻辑脉络进行了梳理，对FinTech发展的动力之源进行了解析，并重点分析了银行大数据金融四层级框架体系。王彦博博士表示，银行发展大数据金融应遵循“以客户为中心、服务银行战略、引领业务发展”的指导原则。对于银行来说，总是应该将客户放在第一位，要充分了解客户的需求，这样才能为客户提供及时有效的产品和服务。随后，银行需要考虑渠道，即通过什么样的途径与客户接触最为合适。当客户、产品和渠道结合在一起就形成了营销管理的概念。然而，营销对于商业银行整体业绩来说只是一个方面，金融行业还应充分考虑到风险 — 营销创造价值，但同时也要防范风险带来的不确定性和潜在的损失。将营销管理和风险管理结合在一起可以有效评价绩效，再将绩效管理分解到每一名员工来开展人力资源管理，同时人力成本也是银行财务与成本管理的一个重要组成部分，最后是财务审计管理。而在“平衡计分卡”战略绩效管理的逻辑中，财务承接战略。实际上，上述内容从更细粒度以及逻辑层面阐述了业界较为广泛认知的银行大数据应用的四个方面：一是“营销支持”，包含客户管理、产品管理、渠道管理和营销管理；二是“风险管控”，即风险管理；三是“精细化管理”，涵盖绩效管理和人力资源管理；四是“决策支持”，包括战略管理、财务与成本管理、审计管理。最后，王彦博博士围绕大数据审计管理的应用框架，描述了FinTech时代下的智能计算形态。
慧安金科副总裁 鲍忠铁
金融欺诈方式不断发生变化，减少欺诈交易和不断涌现的外部威胁带来的损失，是银行的工作重点之一。慧安金科副总裁鲍忠铁对银行交易欺诈进行了深入分析，交易欺诈主要来源于磁条卡侧录和盗刷，黑客撞库，不法电商和支付公司恶意记录交易信息等。随着犯罪分子欺诈水平的提升，银行要面临更为严峻的欺诈威胁。欺诈交易不仅会给银行带来巨额的直接经济损失，更严重的是影响客户体验和银行声誉受损。经调查显示，企业内部欺诈，49%以上是两人以上团伙作案，60%损失来源于团伙欺诈；互联网金融欺诈，70%以上贷款损失来源于欺诈，70%以上的欺诈属于团伙欺诈；交易欺诈，90%以上的交易欺诈属于团伙欺诈。鲍忠铁表示，慧安金科的POS交易反欺诈模型和POS侧录点识别模型，已经在国内大型股份制银行落地。能够针对欺诈交易特点进行深入分析，通过多维衍生特征提升机器学习效果，降低规则系统导致的误报率，实时判断每一笔交易行为的风险性，并在事中对风险交易进行预警和控制，及时拦截欺诈行为，为金融机构提供更加快速、准确的决策依据。鲍忠铁随后介绍了慧安金科半监督机器学习技术原理、应用过程，以及在银行POS欺诈交易中的实践案例。
据鲍忠铁介绍，慧安金科人工智能解决方案聚焦于反洗钱、交易反欺诈、营销反欺诈、企业风控团伙识别四大领域。其人工智能模型在“用户行为关联分析、异常团伙检测，模型可解释性分析”等领域具有领先优势。
阿博茨科技联合创始人 余宙
随着计算机和互联网技术的推进，海量数据爆发式增长，当前每天产生的数据量为2.5×2的60次方字节，到2020年每天产生的数据量将达到44x2的70次方字节。IDC指出，企业中80%以上的数据是非结构化数据，并且每年按照指数增长60%。因此，对企业来说，并不缺乏数据，而是缺少对海量数据的整理、清洗、结构化筛选直至最终可视化应用的工具和手段。为此，阿博茨科技联合创始人余宙介绍了企业智能化的“超级神器”——AI驱动的RPA机器人。RPA机器人即“机器人流程自动化”，它可以模仿各种基于规则而不需要实时创意或判断的重复流程，在电脑上不间断地执行基于规则的各种工作流程，不仅比人类快，还可以减少错误和欺诈。RPA机器人可以完成90%的脏、乱、差的“人肉数据搬运”的工作，从而让金融从业者从繁琐的、重复的、枯燥的工作中解脱出来，投入到更有价值的决策过程中。余宙还详细分析了AI对非结构化数据处理价值，AI时代的RPA与传统RPA的区别，并介绍了非结构化数据RPA在投研、监管、风控、营销领域的应用场景。最后，余宙表示：“人工智能是人与机器的不断融合，而不是机器替代人，脏活、累活交给机器人去干，人类的生产力得到解放，提升决策效率。”
光大科技大数据部总经理助理、光大银行数据挖掘专家 田江博士
自“电子化”伊始，数据认知及其实践就逐步成为银行运营和发展的关键能力。进入AI时代，银行业“数字化”变革面临哪些机遇与挑战？光大科技大数据部总经理助理、光大银行数据挖掘专家田江博士从“思考方式的改变、能力驾驭范围的改变、数据挖掘深度的改变、大数据商业模式的改变、AI文化的改变”五变，以及“金融科技的初心不变、循序渐进的思路不变、求真务实的理念不变、循序渐进的规律不变、深耕场景的工匠思维不变、安全合规稳定可靠的底线不变”五不变，全面阐释了AI大数据在银行业的核心价值、发展现状和应用前景，分享了对于AI时代商业银行风控和营销领域大数据实践的思考。此外，田江博士结合光大集团“数字化、智能化、平台化”IT战略，就光大科技对AI以及大数据在光大集团信息化建设中发挥的作用，如何更好地为集团“敏捷、科技、生态”战略转型带来助力进行了解读。
现场讨论
本次沙龙还设置了小组讨论环节，与会嘉宾就“结合静态数据和动态数据，结合宏观、中观和微观数据，结合结构化和非结构化数据，结合行内数据和行外数据，不断深化数据挖掘分析的思路和经验；银行大数据风控和营销的技术手段、效果；大数据风控核心的数据、技术、场景三要素；大数据风控和营销面临的主要问题以及未来在结合人工智能、区块链、物联网等技术方面的创新空间”等话题进行了深入探讨和交流。
文章来源: https://www.toutiao.com/group/6696277107963593230/