大数据+人工智能在银行转型发展中的应用

1、“大数据+人工智能”在银行转型发展中的应用 随着移动互联网技术不断向纵深发展，金融科技正在逐步从根本上改变现代金融的运营模式， 在此背景下， 银行如何积极参与金融科技创新，打造“智慧银行”，抓住金融科技新机遇，是银行业转型发展关键。本文从加快数据基础设施投入，提升技术开发和数据处理能力，提升组织和运营能力等方面，探讨“大数据+人匚智能”在银行转型发展中的应用。 一、“大数据+人工智能”发展背景 随着移动互联网技术不断向纵深发展，信息科技从产业基础走向产业核心，以“大数据、人工智能为代表的现代信息 科技正在逐步从根本上改变现代金融的运营模式， 金融科技正在逐步成为催化金融行业改革创新的重要驱动力

2、和牵引力。2017年7月，国务院发布新一代人工智能发展规划，提 生了面向203。年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，标志着人工智能的发展进入全新阶段并上升为国家战略。在此背景下，北京银行持续加快转型步伐，在科技引领的战略指导下，提由以“智慧数据”“智 慧渠道”“智慧服务”为支撑，着力打造“智慧银行”的建 设目标。依托大数据、人工智能技术，深入数据价值链核心， 从数据中获得洞察力，从数据中攫取价值，引领传统业务模式变革，用创新的理念与行动，主动拥抱“大数据”时代，驱动转型发展的引擎全面升级。 、加快“大数据+人工智能”能力建设 在战略层面，顺势而为，做到“三个注重”

3、：注重数据分析、 注重数据挖掘、注重数据营销；实现“三个提升”：一是提升 在战术层面，从数据来源、分析手段、交付模式等方面入手，“以数为尺、聚数为擎、变数为宝”，不断提升银行在当 前市场环境下的核心竞争力。 一是开渠引水， 加强内外部数据的结合运用，实现银行数据资产增值。大数据时代下的企业核 心资产就是数据，银行大数据平台在今年构建了外部数据平台。通过对接第三方数据，可以找准实体经济需求的重点领域和关键环节，促进客户需求与金融供给高效对接，解决提供金融服务时信息不对称的痛点。二是开拓创新， 探索机器学习算法的落地实现， 提升银行风险防控能力。 将分类、聚类、时间 行事前预警。三是顺应时代，结合

4、大数据客户全景视图，探索 序列等业内经典机器学习算法应用于行内 各业务场景。区别 于传统的基于语义规则与业务经验的事后 判断，算法模型能 够基于历史数据的分布及特征，针对可能 发生的风险事件进 精准营销新模式。在利率市场化的环境下, 银行需要思考如何 深耕现有客户群体，增加客户粘性、唤醒睡眠客户，发挥长尾 效应，实现资产稳步增长。四是，知变则胜，建设“大数据+”产品体系，引领业务转型创新。通过引入大数据和人工智能的 技术，数据分析已经不再只是银行业务部门的工作，工作在后台的科技人员能够赋予数据更加多维的视角。 三、挖掘营销价值模型 银行大数据平台从零售客户角度由发，通过对客户历史 数据进行分析

5、挖掘建立营销价值挖掘模型， 实现购买零售产品行为概率的预测。封装模型输由接口实现基于企业服务总 线的实时遇用，随着营销PAD等移动终端设备的接入，全方位打造产品化、场景化的应用模式，极大提升一线网点精准营销能力。 该产品首先对客户银行卡的消费行为历史进行分析，深度 挖掘客户的消费金额、消费领域、消费地点从而生成客户消费 习惯偏好的重要标签。其次，从业务主题入手，生成基础指标并按贡献度排序、筛选后，确认用来建模的指标范围。同时， 综合考虑历史数据分布及应用场景选取逻辑回归作为算法， 在保证误报率最小的前提下，提高中标率。以此在保证营销效 率最大化的同时，尽量避免对其他客户造成干扰。最后，根据 模

6、型预测结果为零售客户进行分层打分，形成营销价值指数， 进而判断客户的购买倾向及概率，准确率平均达到85额上。 在完成模型验证和业务模式论证后，该产品将嵌入客户经理手持的零售PAD,在网点进行试点推广：以网点为单位，提 供名单客户的产品购买概率预测；以客户为单位，推荐其最感兴趣的零售产品，提供精准营销服务模式。 四、建立对公客户神经元信息网络拓补图 大数据与人工智能技术的结合有效化解银行与客户间因信 息不对称而产生的各类实际业务问题，为银行对优质客户开 展关联营销活动提供了有效技术手段和理论依据。 从大数据的视角看客户，不再是一个个孤立的个体，而是由企业法人、高管、股权投资等关系、事件所组成的神

7、经元信 息网络图谱，使企业间各种关联关系层层展开，重点营销优质企业客户，通过企业间的上下游依赖关系有效识别担保圈、风 险共同体等潜在风险。 五、研发交易反欺诈模型 近年来，面对互联网金融等新业态的冲击，商业银行纷纷研究大数据风控的应用模式。银行从交易反欺诈模型、大数据 征信体系两个领域入手，探索大数据、人工智能与银行风险防控工作的结合点与创新业务应用模式，为全行客户的资金安全保驾护行。 传统欺诈防控模式在识别手段、风险研判、处置能力和体 系建设上存在一定的局限性。在此背景下，银行以大数据高效、海量计算能力为支撑，引入多维结构蜡理论，探索建立覆盖欺 诈风险“事前、事中、事后”集“查、控、打”一体

8、化的实时 欺诈风险的防控体系。 引入结构炳理论，构建非法集资行为识别模型对于非法 集资行为，无论如何进行伪装，依然离不开账户资金归集和返 还的账户行为特征，从全局角度，银行所有账户的资金交易行 为可等价为一个庞大资金流动网络。在此背景下，我们引用信 息网络和尴的概念，利用大数据提供的海量计算能力，构建了全行账户资金流动网络。并在此基础上，引入多维结构燔理论，建立非法集资行为识别模型，识别账户与社团、社团与社团的 集资行为。并采用语法分析和语义分析相结合的手段，对疑似 存在的非法集资行为进行研判，通过机器学习与大数据的结 合应用，有效提升了集资风险的识别能力。 多维数据核验提升研判能力在引入外部

9、第三方工商、银联、风险、行业黑名单与宏观指数等信息的基础上，与行内数 据进行整合，形成更为全面的多维客户视图，对欺诈行为进行辅助研判，有效提高欺诈行为识别的准确性。 全面对接行内系统，实现对交易反欺诈行为的全流程管控基于结构嫡理论与大数据平台，银行积极探索构建贯穿事前 一事中一事后三位一体的“查控打”实时防控体系， 实现了对各类金融欺诈行为的前瞻预防、实时定位与及时处理。“查”可疑行为名单，“控可疑交易账户，打”金融犯罪行为。 六、建设“大数据+征信”数据服务产品体系 伴随人民银行关于做好个人征信业务准备工作的通知 的下发，银行在安全合规的前提下，迅速开展与第三方机构的 数据服务合作，积极探索引入运营商、银