导读: 金融业拥有高密度的数据和相对完备的信息链,数字思维多年来一直影响着金融市场,所以金融行业天然拥有培育人工智能技术应用的基因。自2015年创立之初便扎根在金融行业的氪信,是金融风控领域的首批“入局者”,随着行业人工智能场景运用的发展共同成长。
通过构建更全面的用户画像,氪信助力银行精准识别人群的信贷风险和还款能力,再通过用户画像实现“千人千面”的产品推荐,提供给用户定制化的个性服务来提升营销命中率。
目前传统的线下网点直推、电话销售等营销模式存在获客成本高,推广渠道狭窄等问题,而在金融行业占据核心地位的风控领域,也面临着人力审核的误差率高、人力成本居高不下的困境。在过去的一年中,以银行为代表的金融业面临着行业转型升级带来严峻局势,在压力和竞争中创造了许多新的数字化打法和理念,其中最关键的是加强人工智能技术在风控、营销等方面的运用。
释放人力成本,深钻信息“矿井”
智能金融时代,中国是拥有世界最大用户数和数据量的金融市场,尚有巨大潜力可以挖掘。想要数据挖掘维度切入更深的层次,既要运用先进的科技作为工具,也需要释放相应的人力。
从营销获客的需求来看,能否通过深入挖掘客户信息抽象出作用于业务的特征,是银行为客户提供精准个性化服务、实现精准营销的基础。只有从客户的角度出发,沿客户的整个体验流程来优化经营,才能打通“线上+线下”全渠道,真正做到优化客户体验。
疫情时期,大量人群居家隔离,对手机、电脑等智能终端依赖极强,传统的线下网点服务方式不再行得通,对此,多家银行推出“非接触式服务”,如何搭建优质的线上服务成为了关键。
“非接触式服务”成关键需求
人工智能引擎可通过机器解决95%的重复性问题,从繁琐的流程中解放出的人力可以用来进行更具有统筹性、挑战性的新探索。
突如其来的疫情在相当一段时间内切断了各行业线下办理业务的渠道,幸而多数头部金融企业及时通过“数智化”管理进行远程业务办理,成功支撑了整体运营系统的基本流转和健康发展。
根据权威咨询机构麦肯锡的调查,银行虽然拥有海量数据,但却无法深度挖掘和分析客户特征,仍然存在客户画像不完善、营销规则模板化导致的营销行为响应率低的状况。针对底层数据挖掘层面,上海氪信信息技术有限公司(下称“氪信”)在与头部银行的合作中沉淀场景经验,形成全域知识图谱的技术,同时构建了精准预测模型,利用先进的数据技术和机器学习、深度学习算法,构建基于多领域数据的高维个体学习模型,引入个体周围的群体识别,增加预测模型的信息角度,短时间内用较低成本整合异质异构数据,突破业务数据边界。
疫情阻击战中,针对中小企业员工贷款难问题,氪信推出非或然引擎2.0+智能风控/智能营销解决方案,帮助金融机构高效防范风险,让更多有需要且风险低的个体获得信贷。在智能风控方面,氪信采用领先的数据处理技术构建全维客户风险画像,利用机器学习技术深度挖掘金融场景中客户行为数据、时序数据、文本数据的潜在价值,生成高表现力的风险特征,构建全流程、闭环、自迭代的基于高维机器学习和集成学习、结合图与网络挖掘技术的“智能+”反欺诈模型决策流程和框架体系,填补人工审核带来的管理上的漏洞,在大幅降低信贷审批成本、提高通过率的同时,降低逾期率,为银行全面开展智能化业务赋能。
“非接触式服务”是针对银行线上服务布局和能力的一场考验,一套既能开源节流,又能大幅提升运营效益的科技解决方案将成为金融机构的“利器”。对于提早适应电子渠道发展和客户习惯变化的银行,疫情中对其业务的影响相对较小;对于线上服务能力不足的金融机构而言,新兴智能化服务方式有助于审视自身的业务和科技短板,倒逼金融行业数字化转型加速。疫情之后,金融机构势必更深地体会到主动拥抱科技与变革的必要性,“金融+AI”的火种终呈燎原之势。
