AI助力银行智慧转型《智能金融时代——银行业转型白皮书》发布

2019-04-22

人工智能技术的不断落地,已经成为新一轮产业发展的核心驱动力,不仅令各行业进入变革时代,也深刻地影响着所有人的生活。人工智能的发展和落地离不开“算法+算力+数据+场景”,金融行业由于其数据积累优势及不断发展的科技属性优势,成为人工智能应用落地的最佳“试验田”。业界的共识是,在庞大的金融体系内,银行已经成为目前人工智能应用落地案例最多的“场景”。


在这一背景之下,中国银行业协会东方银行业高级管理人员研修院金融科技实验室联合百融金服行业研究中心共同推出《智能金融时代——银行业转型白皮书(2019)》(以下简称“白皮书”)。白皮书从人工智能的概念及发展历程入手,梳理人工智能产业链的全球布局,阐释热点技术发展现状,聚焦人工智能在银行业转型中的落地应用,并提出诸多建议;为金融行业迎接未来趋势、拥抱人工智能技术,提供了详实的数据分析和行业思考。

 

聚焦五大智能应用 银行业进入4.0时代

白皮书分析指出,银行业在经历了线下网点(1.0)、ATM机(2.0)、智能手机(3.0)阶段后,随着人工智能(AI)、现实增强(AR)、语音识别设备、穿戴智能设备、无人驾驶、5G通信、区块链等创新型技术手段发展和普及,已经进入4.0时代。这令银行业务的效用和体验不再依附某个具体金融产品,直接嵌入到日常生活场景中,银行将通过智能化服务嵌入成为人们数字化生活的一部分。


白皮书指出,从目前来看,人工智能在银行4.0时代的应用主要包括智能风控、智能支付、智能投顾、智能营销和智能客服。白皮书聚焦于上述五个领域,将人工智能的应用与局限性进行深度解析。


人工智能在风控方面的应用优势主要体现在两个大的方面:风控流程效率和信贷审核准确性。风控流程效率包括降低审批成本(包括人工和其他)的同时提升审批效率(例如从日审100单提升至日审10,000单),而信贷审核准确性则是指通过大数据应用带来的更准确评估客户风险的方法。


白皮书聚焦于人工智能在整体信贷风控流程中应用较为成熟的技术,以及主要化解的行业痛点。具体而言,人脸识别、关系网络图谱、智能机器人以及底层模型运用是目前信贷流程比较典型技术工具,且除了人脸识别主要运用在贷前准入以外,其他三类技术都贯穿整个信贷流程。


关系网络在银行风控中的应用,是白皮书阐释的重要内容之一。白皮书指出,除了此前对于申请人关联信息异常的追踪以外,目前信贷机构面临的较大挑战是识别团案与中介。基于关系网的团伙欺诈手法多样、成团迅速、潜伏期隐蔽性强,而黑中介则比团案更加隐蔽。白皮书建议金融机构,通过人工智能技术构建反欺诈的团案模型,利用规则视图快速筛选、聚类分析,辅助反欺诈人员更直观地调查风险。而在贷后流程中,关系网络可协助机构进行失联客户召回。


近年,智能机器人也开始进入银行业场景当中,白皮书对此进行了深入分析。在贷前、贷中的风控流程中,智能语音机器人可以起到审批和回访的作用。例如在人工电核审批对申请人进行回访的模拟中,智能语音机器人可通过特定的流程进行借款人身份和借款情况核实。


图表 42机器人回访审核流程样例

图一.png


资料来源:百融行研中心整理


白皮书显示,在类似决策树的机器人审批流程中,图片灰色部分为非正常借款核实情况,例如客户未接电话、否认自己有借款签字行为等;而橙色部分为正常借款情况,例如本人已签字或者亲属代签等。同时这些结果标签都会直接进入数据库,进行二次流转和处理。以此来节省人力成本且随性化审批策略。


在贷后阶段,智能语音机器人也可以做类似人工催收方面的工作,重点优势在于节省人力、全年无休、策略标准化且不受人的情绪影响,多方位的提升催收效率。


图表 43机器人催收优势

图二.jpg


资料来源:百融行研中心整理


白皮书指出,大数据风控是自动化审批的核心,针对不同的风险类别、模型的使用节点、客群特性等要素,算法也是不尽相同。但从风控流程来看,大数据风控主要分为贷前、贷中以及贷后模型。


图表 45模型评分

图三.jpg


资料来源:百融行研中心整理


值得一提的是,随着Auto Machine Learning技术的日益兴起与完善,模型自训练平台亦被提升至相当重要的位置,可助力金融机构在没有任何模型训练经验的条件下,快速、高效地完成风控模型训练与风控体系搭建。白皮书亦在这一领域进行了深入的盘点与分析。


图表 48模型自训练平台流程

1555898508329561.png


资料来源:百融行研中心整理


白皮书称,在模型自训练平台中,相关风控或者管理人员可直接从可视化界面进行操作,其中涉及的配置界面以及产品列表都只是简要的管理和操作窗口,且所有数据产品都配有数据字典以供查验。操作人员很容易就可选择到想要的样本库、数据源、特征处理方式等内容(即图48中的1-3步),接着选择开始自动训练即可(图48第4步)。整个过程中,模型自训练平台都可提供流程化、可视化、可配置化的数据挖掘平台,无需编程经验即可完成模型创建。模型训练门槛低,可快速输出并上线。


白皮书指出,整体而言,模型自训练平台不仅节省了人力还简化了传统的模型管理体系,实现模型的快速训练及敏捷部署。

 

三大方向发力  转型智慧银行

白皮书指出,除智能风控之外,智能支付、智能投顾、智能营销和智能客服也将令银行更加“智慧”,这将是未来银行业的发展趋势之一,亦是致胜的关键所在。


白皮书显示,人工智能对支付的影响主要体现在支付方式多样化、便捷化,以及保障账户安全和智能管理上。


而智能投顾是在现代投资理论的基础上,应用大数据、知识图谱、机器学习等技术,实现结构化智能投资决策的过程。白皮书分析指出,在投资决策上,目前国内的智能投顾平台,还没有达到真正意义上的智能投顾。这是因为在其进行投资策略匹配的过程中还无法完全脱离人工操作,达到纯智能化的程度。


谈及智能营销,白皮书的观点是,银行对客户群体的分层分组正在不断探寻新路径。对客户的分层可以是单维度的,由少数几个属性决定,但这过于粗糙;多维度、精细化的分层,才是精准营销的可靠基础。


在银行的应用场景中,智能客服可大体分为主动呼出与用户呼入两大类。目前的发展瓶颈主要为两点,一是缺少相应场景的模型训练; 二是构建完善的知识库是当下的难题。


白皮书显示,随着云计算、大数据等技术的成熟,人工智能的发展迎来第三次浪潮。人工智能能够大面积替换中低端的分析工作,并在时间维度上进行预测,从而优化决策效果,同时减少情绪化干扰,实现最优化博弈的目标。


因此,白皮书预测,人工智能将大幅改变银行业现有格局,使得银行服务更个性化和智能化。白皮书建议,银行应紧跟人工智能应用趋势,进一步整合内外部数据资源,研究人工智能相关核心技术,探索拓展新的人工智能应用场景,才能在新时代完成向智慧银行的转型。

具体而言,白皮书建议,银行向三个方向发力。首先,银行在相应的信息技术以及互联网技术的基础上,嵌入人工智能新应用,协调银行与客户在销售、营销和服务上的交互,从而提升其管理方式,向客户提供创新式的个性化的服务。通过数据深挖、价值发掘、智能触达等方式,最终实现吸引新客户、保留老客户以及将已有客户转为忠实客户。其次,通过人工智能提升风控流程效率,降低审批成本,并对底层数据综合处理后,全面评估客户风险。第三,在支付场景、智能客服等方面,人工智能均有广阔的应用场景。



Copyright © 2018百融云创科技股份有限公司 All Rights Reserved. 京ICP备14032774号-4 京公网安备 11010802025954号