【发布日期】2017-03-06 【来源】中国网

3月5日上午，国务院总理李克强发表2017政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，人工智能首次被写入了政府工作报告。其实，在阿尔法狗战胜李世石后，人工智能在技术水平的提升已经引发前所未有的关注热潮。语音识别、机器人技术、机器学习、人脸识别等人工智能技术研究成果开始走出实验室向多个行业渗透蔓延。创业教父李开复曾多次发表演讲，对人工智能推崇备至，甚至预言不少工作可能会被人工智能所取代。对应人工智能应用的三要素：数据、处理数据的能力和商业变现的场景，金融领域具备人工智能快速发展的必要条件，而事实上，一些银行已经主动求变，拥抱人工智能带来的变化影响。

在金融业务的前端，不少传统银行将人工智能用于自动业务交易、客户定制服务，开发理财产品等应用。例如，巴克莱银行、星展银行等。国内也不乏走在科技前列的探索者，早在2015年，国内银行业首款实体智能机器人“交行小e”正式亮相。同年，南京银行的人工智能客服“小鑫”在南京银行微信银行和网上银行同步上线，招商银行也开始试用全新的人工智能业务模式。

未来，人工智能不仅在金融业前端会有更多的便捷精准服务提供给客户，在金融后端的信息安全、风控反欺诈、资产管理等方面也将发挥更大作用。尤其是对于缺失央行数据支撑的客户评估，银行无法通过肉眼一一识别用户是君子还是骗子。这时传统金融风控手段就显得有些茫然无助，“互联网+金融”业务就要结合更多维度的互联网数据和人工智能手段，来处理更广泛的金融客户问题。

一、人工智能在银行业的应用领域

首先必须承认的是金融本质仍然是风险管理，风控是所有金融业务核心。面对银行业客户风险不一、客户信用信息不全、恶意欺诈或客户违约成本低、债务收回成本较高等诸多挑战，传统银行业必须利用大数据风控丰富传统风控的数据纬度，利用多维度数据、算法和模型来实现快速识别借款人风险。

而大数据风控的核心是人工智能。大数据运用人工智能的处理方式，对海量数据进行梳理和分析，从而应用到银行领域。

首先我们对金融风控的一个标准业务流程进行梳理，通常一个风控业务包括前端页面用户资料申请提交和收集，反欺诈、合规、逻辑校验，核心决策授信，以及最后的逾期催款。专家指出，根据根据传统银行业信贷的流程，大数据结合人工智能在信用分析评估、风控和反欺诈、逾期客户触达等领域能发挥极大的作用。

1、信用分析评估

对银行业的客户信用分析评估基于两个基本面的信息：消费者的还款能力和消费者的还款意愿。所不同的是，传统征信中，数据依赖于银行信贷数据，而大数据并不仅仅包括传统的信贷数据，同时也包括了与消费者还款能力、还款意愿相关的一些描述性风险特征。利用大数据技术，能搜集许多的数据维度来描述，作为风险评估的重要依据。这样就使大数据征信不单一依赖于传统信贷数据，可以对传统征信无法服务的人群进行征信，实现对整个消费者人群的覆盖。

人工智能时代的到来，首先解决的就是银行机构与普通人之间的信息不对称问题。传统银行无法获取用户的征信信息，人工智能通过技术、数据的手段可以构建出一个信用分析模型。同盾科技数据专家称，利用梯度提升决策树、随机森林、神经网络、分群调整技术、增量学习技术等在内的机器学习算法，可以为缺少传统信贷记录的人群做出客观的信用分析评价，这就是大数据给传统银行业带来的全新的革命。

2、风控和反欺诈

在泛互联网的环境里，银行业风控面临的传统个体欺诈已迅速演变为有组织、有规模的群体欺诈和关联风险。而传统反欺诈还停留在识别一度风险等这种简单规则方式，如联系人中借贷人个数等，对于二度、三度乃至更广范围的网络全局风险苦无良策。

机器学习里面基于图谱网络很好地解决了这一诉求，基于申请人、手机号、设备、IP地址等各类信息节点构建庞大网络图，并可在此之上进行基于规则和机器学习的反欺诈模型实时识别。

其中一个比较普遍的情况，人工智能可监测相关设备ID在哪些借贷网站上进行注册、同一设备是否下载多个借贷App，可以实时发现多头贷款的征兆，把风险控制到最低。

3、逾期客户触达

在信贷逾期处理领域，大数据、机器学习等智能手段主要发挥两大作用。其一是提高平台响应的效率，从而提高回款率；其二是通过大数据模型，利用信用分等工具，对逾期后回款的概率进行预测。

比如，一个逾期客户处于失联状态，该账户合同内相关的电话号码基本失效，或者紧急联系人能接通，但是不愿告知信息，又或者紧急联系人和借款人之间也失去了联系。无法有效的联系到借款人，就无法建立对话关系，那么再有效的策略也难以实施。结合大数据技术，能够挖掘并关联更多其他可联信息，支持更有效的客户触达；同时，通过对于借贷人在同盾合作的其他平台出现逾期记录、多头借贷或者经济法律纠纷的跟踪，智能判断借款人的经济状况恶化和信用风险恶化程度，并通知银行帮助银行及时进行风险预警。这对于银行的贷后管理来说，这是一个显著的作用。

二、人工智能在银行业的实践案例

同盾科技成立于2013年，总部位于浙江杭州，是国内专业的第三方大数据风控服务提供商，是一家立志成为国内受人尊敬的智能大数据分析公司。人工智能带给银行业的颠覆是先进的算法可以用来识别用户行为模式，从而应用在金融产品的精准营销，或者用于防止各种交易欺诈和贷款申请欺诈。也可以用在提升风控模型的预测能力，使用机器学习的模型将会拥有持续学习和迭代升级的能力。结合同盾而言，几款实践产品已经足够让人领略人工智能的风采了。

1、智能评分模型

同盾科技倡导的“跨行业联防联控”风控理念，可以从网上收集银行客户的海量数据，并快速分析，从而对其进行评估推荐。例如，客户年龄、收入、职业、学历、资产、负债等强相关数据；另外还有一些弱相关数据，如用户在互联网上的搜索数据，一些服务平台上的行为数据，或是在社交网络上的发言、兴趣爱好等数据。

同盾科技通过对全面的数据(数据的广度)，强相关数据(数据的深度)，实效性数据(数据的鲜活度)进行整合交叉分析，客观地反映用户风险水平，进而判定是否能够给该客户授信。 这里不得不提一下同盾智信分产品，这是基于用户的多维度数据，利用业内广泛使用的信用评分的建模方法，由同盾独立自主研发的一款大数据产品。它综合了用户的跨平台信用记录、静态面貌、履约能力、消费偏好、互联网足迹等信息，直观地描述了用户的信用等级。同盾智信分与信用等级呈正向关联关系，分数越高表明用户的信用等级越高、信用风险越小。其中，公布的分数范围为：300(极差)～900(极好)。这一分数直接与违约概率相联系，信用越好，违约概率越低。根据评分情况，平台用户可以直接做出服务、跟进或者拒绝服务的风控指令。而且还可以根据评分预测未来违约的可能，初步判断出逾期或者成为坏账的可能。作为人工智能的一款代表产品，同盾智信分让更多的人不必跨过传统银行的征信“门槛”就能获得金融服务，让审核、调查的方式数据化、电子化，大大节省了这个过程的耗费成本，因此更多的人能够被纳入进来，获得服务。

2、复杂网络分析

在我们的现实生活中，许多复杂系统都可以建模成一种复杂网络进行分析，比如常见的电力网络、航空网络、交通网络、计算机网络以及社交网络等等。复杂网络分析不仅是一种数据的表现形式，它同样也是一种科学研究的手段。复杂网络方面的研究目前受到了广泛的关注和研究，目前复杂网络在银行业的应用主要在于风控征信，基于大数据的风控需要把不同来源的数据(结构化，非结构)整合到一起，它可以检测数据当中的不一致性。

举个例子：团伙性欺诈嫌疑识别。有一个被拒绝的用户中，关联出来了一个失信的身份证和设备，而且发现其设备有较多的申请行为，那么，这个被关联出来的用户或将需要严格的人工审核，甚至可以直接拒绝。但通过对借款事件的深入挖掘，我们可以关联出大量的借款事件。这个需要进行一些算法分团，可以把相关的联系人都分到一个地方，然后进行关联成团的团伙性分析，根据图论上的属性如团的密集程度和某些路径的关键程度等，比如介数，图直径等角度来估计风险。

同盾科技打通跨行业数据，实现对多场景大数据的自动化关联分析与可视化呈现，为企业提供风险核查的风控利器，有助于识别支付盗卡、多头申请、团伙作案、刷单、撞库登录、中介团伙申请、内部欺诈检测等多种风险。

3、逾期客户管理

同盾科技在逾期客户管理方面的优势则表现在客户逾期后的数据挖掘分析和系统智能决策客户触达上。借助同盾底层海量的数据，可以挖掘逾期客户的多种其他可联系方式，同时通过多渠道整合、多策略定义、工作流配置等进行智能决策后，可将催缴相关信息有效触达到客户，实现贷后管理阶段的有效追踪。

比如策略定义和配置环节，通过大数据分析，识别逾期人的性别、年龄结构、行为偏好、职业等进行群体细分，再结合同盾智信分等给出不同的处理策略，基于历史记录、预期的还款意愿和能力、偏好和紧迫程度，选定不同的沟通渠道，提高回款成功率。

总结来说，同盾的逾期客户管理能将决策管理技术(如风险评分)、沟通策略与客户干预和解决方案紧密结合。通过自动化、连续、实时的行动，并立即根据策略自动进行客户干预。逾期客户管理能显著提高催收团队的工作成效和效率。

基础层的云计算、大数据等因素的成熟催化了人工智能的进步，深度学习带来算法上的突破则带来了人工智能浪潮，它将大幅改变金融现有格局，让金融行业更加地个性与智能化。对于传统银行业而言，同盾科技为代表的金融科技公司将人工智能更快融入这个行业，并让科技发挥更大的实际作用。