概念背景
1、電子化、信息化與數字化
自“電子化”伊始，數據認知及其實踐逐步成為銀行運營和發展的關鍵能力；進入大數據時代，銀行“數字化”變革迎來機遇與挑戰。
2、人工智能的背景
- 概念：人工智能沒有統一的定義
- 里程碑：三個時間點：（1956-2006-2016）
- 應用：吳恩達：“還沒有人能完全理解人工智能，包括谷歌和百度”
3、人工智能現狀
1）2017《新一代人工智能發展規劃》
“人工智能加速發展，呈現出深度學習、跨界融合、人機協同、群智開放、自主操 控等新特徵。大數據驅動知識學習、跨媒體協同處理、人機協同增強智能、群體集 成智能、自主智能系統成為人工智能的發展重點。”
- 相關理論：大數據理論 跨媒體感知計算理論 混合增強智能理論 群體智能理論 自主系統控制與優化決策理論 高級機器學習理論 類腦智能計算理論 量子智能理論
- 應用領域：客戶畫像精準推薦 AlphaGo 人臉識別、語音識別 無人機、自動駕駛 群體智能、量子智能
2）基礎與行業AI
- 行業應用：創新平臺(百度、阿里、騰訊、科大訊飛…
- 專項技術：Speech、NLP、Vision、SNA
- 算法框架：TensorFlow、Caffe、CNTK、 Sklearn、Keras、Mllib
- 基礎設施：芯片、雲
AI能力
1、駕馭AI能力
2、數據治理
數據治理是實現數據獲取最重要的舉措，銀行的數據治理能力可以通過戰略、 規劃、諮詢項目實施等方法進行推進實現。
- 數據治理的企業級組織架構支撐：董事會層面、銀行高管委員會層面、數據治理 落實部門層面，科技支撐層面等。
- 數據治理機制：確保數據安全和必要的數據質量、數據價值轉 化的管理機制以及數據文化培養。
- 數據治理基礎IT建設：企業級數據倉庫、大數據技術平臺、外部數據 管理平臺、數據挖掘平臺等。
- 人才培養：企業數據架構師、數據開發工程師、數據科學 家等。
3、大數據應用階梯能力
以客戶為中心的經營理 念是數據驅動銀行業務 開展的根本緣由，數據產品是鏈接客戶與業務人員的紐帶，數據採集、數據整合、數據模型 是產品化的基礎。
4、AI核心能力-算力
1）算法支持
平臺包括深度學習算法、圖複雜網絡算法、自然語言處理算 法等各類工具，滿足多場景下、多種數據類型的建模需求。Spark、Python、MaximAI…
2）模型孵化
5、AI核心能力-模型
模型是AI運用能力的核心：一家企業（銀行）的智能化水平可以用“模型產出 量/年”來進行對比衡量。
模型產出量/年∝(數據治理水平+模型開發與算法應用水平+數據挖掘人才數量+ 模型的IT部署水平)。
6、Data Science
數據科學家
AI場景
本文以AI在銀行業的應用為例來淺析AI的應用場景。
1、銀行運用AI的三個目標
- 提高服務流程效率，降低運營成本；
- 增強風險控制能力， 提高風險收益促進產品創新，驅動客戶價值增值；
- 促進產品創新，驅動客戶價值增值；
2、銀行AI應用邏輯框架
銀行距離成熟應用人工智能技術的能力還很遠，無論是大中型商業銀行還是地方性商業銀行，大多處於AI的研發起步階段。
3、智能客服
- 智能客服是典型的兩層AI技術疊加應用場景。
- AI技術分類：基礎類AI技術+應用場景類AI技術。
4、智能反欺詐
欺詐識別方法的核心是判定欺詐的規則，從專家規則到機器學習規則，最後通過深度學習建立無監督AI預測模型，實現潛在未知欺詐風險的精準識別。
5、智能營銷
銀行營銷正經歷從傳統大眾營銷向智能營銷的轉換過程，數據驅動是智能營銷的核心。通常智能營銷由客戶畫像、客戶行為預測和營銷自動化組成，通過構建閉環實現營銷的數字化和智能化轉變。
6、智能運營
核心是運用大數據分析方法對服務進行精準量化，以此為基礎實現在效率、成 本、合規等方面取得進一步改善，從而實現網點的資源配置優化、運營成本壓縮、服務體驗提升。
服務的精準量化即需要通過大數據的手段對櫃面（網點）的服務效率、服務態度等進行量化，這是進行網點櫃面效 能優化的基礎！
7、智能產品
智能投顧的模式是通過技術實現財富管理的流程自動化，替代人類完成財富管理或者投資建議工作。
8、智能風控
案例淺析
1、欺詐預測模型(SNA+ML）
將客戶原有的基礎維度和通過複雜網絡構建的社交維度相結合，使用分佈式平臺機器學習算法建立風險預測模型。模型孵化方法在信用卡業務領域進行初步嘗試和驗證， 流程和建模方法可以在其他業務領域進行應用和推廣。
2、主動式反欺詐集成模型
孵化應用於反欺詐領域的集成模型，從宏觀和個體兩方面區分客戶的異常交易行為。將 孤立森林模型與聚類模型相結合，基於從原始數據中提煉出的200多個變量，涵蓋交易 數量、時間、類型、渠道、地址、週期性、波動性和欺詐規則等8大方面。
3、網點現金吞吐量預測（DL,SL)
LSTM預測‘3708自助’
SVM預測‘3708自助’
閱讀更多 加米穀大數據 的文章
