前言

2020年初的新冠疫情在金融領域“催生”的“零接觸式服務”進一步推動了金融科技的應用與落地。在后疫情時代，隨著5G，大數據，云計算，人工智能，區塊鏈等新興技術與金融業務的不斷結合，金融行業的數字化大“變身”也在不斷蓄力。

近年來，AI在金融服務賦能和業務模式變革方面全面發力，從“千人千面”的智能營銷到虛擬員工的智能客服，從“火眼金睛”的智能風控到無處不在的智能運營，AI都在為金融行業的科技之路保駕護航。

人工智能平臺中的AI

實現規模應用的“哆啦A夢”

在人工智能平臺前，金融行業特別是銀行中的建模大都還是SAS、SPSS等統計建模軟件的天下，雖然它們在評分卡等領域曾經輝煌過，但在大數據時代的長河里，它們漸漸失去了往日的光芒。

這時，具有大數據基因，且整合了大數據機器學習框架以及多種計算機語言的人工智能平臺應運而生。其不僅利用分布式計算部署能力和容器技術讓計算能力和速度進一步提升，而且還降低了建模計算的使用門檻，讓前線的業務人員也能體驗小白上手大數據建模的快感，同時也能讓建模與業務場景結合地更緊密，讓建模結果更好地賦能業務。

AI讓數字金融向智慧金融“進化”

更加精細化的客戶管理：

將集中于客戶關系管理系統中的人口屬性數據、集中于交易系統，產品系統以及客戶關系管理系統中的信用屬性數據、集中于渠道和產品系統中的消費特征數據、來自運營商，電商等外部廠商的興趣愛好和社交信息數據，都導入至數據市場中

立足于實際業務場景需求找到強相關數據

利用邏輯回歸、支持向量機、決策樹、K-Means等分類、聚類算法對客戶進行等級/種類劃分，并基于數據統計/規則定義/算法挖掘建立完整的用戶標簽體系

將客戶群體切割成更細的粒度

（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值客戶）

經典的客戶生命周期理論

更加個性化的產品營銷：

將產品系統中的各大理財產品基本信息、投資組合、公告信息和財務報表相關數據導入至平臺中

進行精細化產品畫像構建

產品推薦系統架構圖

（eg：通過對潛力客戶的用戶畫像特征變量進行分析，預測其進一步升級成為優質客戶的可能性，對可能性高的客戶進行產品精準營銷，從而能夠提升營銷的針對性和成功率）

默默陪伴不騷擾的個性化數字金融產品，當客戶需要時又能在第一時刻出現，AI將產品營銷做到極致！

更加全面化的風險管控：

風險管控貫穿于金融業務貸前、貸中和貸后的整個生命周期中。

貸前-貸中-貸后風控流程模型，來源：艾瑞咨詢研究院

貸前客戶準入風險審核：

1）根據央行征信數據以及用戶提交的相關材料進行身份核實，確保用戶不存在欺詐歷史；

2）結合用戶的社交數據、行為數據、收入數據等個人屬性信息，利用隨機森林等分類算法對用戶的信用風險等級進行判定，預測用戶未來的履約能力；

3）利用用戶的收入及負債相關數據了解用戶的負債能力和收入穩定性，并結合信用等級評分數據，應用廣義線性模型和主流貸款定價方法確定放款額度、月供金額和償還期限

貸中客戶行為實時監管：

1）粗粒度的用戶層欺詐識別：根據金融平臺上對用戶交易行為的限制，及用戶實際發生的交易行為進行對比，應用邏輯回歸等算法判定用戶是否屬于欺詐用戶；

2）細粒度的交易層欺詐識別：利用交易上下文、交易行為發生IP、設備、地域的相關數據，結合邏輯回歸算法以及圖計算算法和知識圖譜判定交易行為的欺詐性，從而挖掘出相關欺詐用戶

貸后對公客戶違約預測：

構建交易知識圖譜、供應鏈知識圖譜以及企業知識圖譜，利用復雜網絡挖掘擔保網絡中的風險信息，再對挖掘出來的相關風險特征進行建模，從而能夠更好地對某一筆借據的違約風險和逾期傾向進行預測，并對逾期概率大的借據進行特別關注和預警。

即使AI算法只能解決可控風險，但AI仍努力讓風控落到實處。

“哆啦A夢的神奇口袋”里不僅有多種數據源對接工具，還有標準化的AI服務模塊和通用組件，其提供的快速復制及靈活研發能力讓AI在金融行業得到規模化應用，在各個業務場景遍地開花。

同時針對數據孤島困境、數據隱私保護的限制以及數據單一導致的算法模型精度問題，“口袋”中的聯邦學習模塊都能完美解決。它能讓各金融機構之間以及金融機構和其他行業機構間在保護原始數據隱私安全的情況下進行聯合機器學習建模，既能滿足金融業務需求，又能保障合規要求。

金融科技的賽道中，AI在全力奔跑。想知道知識圖譜是如何成為AI屆的“孫悟空”，利用其“火眼金睛”全面把控金融風險的嗎？
責任編輯：YYX