“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+人匸智能”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》，提出了面向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，提出以“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，驱动转型发展的引撃全面升级。

二、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”:注重数据分析、注重数据挖掘、注重数据営销；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行事前预警。

三是顺应时代，结合大数据客户全景视图，探索精准营销新模式。

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出发，通过对客户历史数据进行分析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。

封装模型输出接口实现基于企业服务总线的实时週用,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%以上。

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”—体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燜的概念，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嬌理论与大数据平台，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、银联等外部数据源，通过与行内数据的有效整合，形成内联' 外通的数据基础，运用机器学习手段，建立评分模型，基于产品化思路，构建起"大数据+征信”数据服务产品体系，对原有信用评价体系进行有效补充和完善，丰富了丰富身份欺诈和信用风险防控手段，首批产品投产后，已实现了信用卡、小微等业务对接。

％。