“现在大家都在说人工智能、机器学习,我们也聊了几家,发现只有你们邦盛科技的机器学习是有落地解决方案的。”听完邦盛科技机器学习事业部总经理孙斌杰的演讲后,一家银行的领导表达了自己的看法。

这是近日在“ 2017 年粤港澳银行业大数据条件下信用卡营销与风控专题交流会”上发出的声音。此次会议由广东省奥港澳合作促进会金融专业委员会、澳门《金融创新》杂志社主办。监管部门相关处室、广东银行同业公会、广东银联负责人、粤港澳三地各商业银行、广东辖内部分农村商业银行信用卡和风控部门总经理及IT企业代表共 60 多人出席。

信用卡业务是银行极为重要的业务,但同时也面临着新挑战。是否具有强大的平衡风险和营销收益能力是信用卡业务成败的关键。大数据应用和机器学习技术能够从海量的信用卡业务数据中挖掘出一些未知的、有价值的规律,为商业银行信用卡营销和风险管理提供强有力的技术支持。

机器学习助力营销实现智能升级

银行在信息化快速发展的今天,积累了大量有价值的业务数据、用户数据,借助大数据,挖掘用户需求,为用户推荐合适的产品,在减少用户打扰和营销成本的情况下,增加运营收益,是各家银行信用卡业务急需提升的关键所在。

据孙斌杰介绍,以合作的银行为例,在信用卡账单分期业务场景中,邦盛科技机器学习系统训练的精准营销模型,每月有效转化人数提升50%以上,最终利息总额提升30%以上。在某商业银行理财推荐业务场景中,邦盛科技精准营销模型与专家经验相比,购买数与购买金额均提升100%以上。在某股份制银行信用卡沉睡客户唤醒业务场景中,相较于传统的经验营销,邦盛科技机器学习推荐的营销名单,成功率从30%提升至50%。

此外,信用卡转借记卡业务场景中,邦盛科技营销推荐机器学习亦在极大节省营销成本的同时,增加了银行的运营收益。

机器学习全面提升风控效率

随着信用卡业务模式的不断创新,银行的风险管理也需要持续创新。单纯地通过经验规则及根据个别案件进行分析以制定相关简单规则局限性大,规则合理性亦无法衡量。

据孙斌杰介绍,针对操作风险及信用风险,邦盛科技机器学习系统均有场景化的解决方案。

在操作风险场景中,邦盛机器学习模型可以准确的识别出薅羊毛、盗卡、刷单、盗用账户等欺诈行为。以合作的银行为例,在某股份制银行交易风险侦测业务中,通过邦盛科技机器学习系统训练出的反欺诈机器学习模型,其风险识别效果跟原有纯规则相比,准确率提升将近 40 倍,覆盖率提升了 3 倍以上,报警率和报警数都有断崖式的下降。

在信用风险场景中,通过邦盛科技机器学习系统模型能够有效防止银行由于客户逾期、申请欺诈等违约情况导致的资本损失,降低对正常客户的打扰,并提升自动审批率。以合作的银行为例,在某股份制银行的信用卡准入业务中,邦盛科技机器学习系统模型上线后逾期(M3)率和客户打扰率都下降到了原来的60%,同时自动审批率得到了大幅度的提高。

智能反欺诈风控系统正当时

人工智能时代,邦盛科技基于在金融行业的多年经验积累,依托邦盛的流立方及行方已有的大数据平台,充分利用流立方中的极速分布式流计算及大数据平台中的数据存储、分布式批计算等核心功能,打造了一套先进、完整的智能反欺诈风控系统。

系统整体架构如下所示:

目前大部分金融企业正在或者已经建设了规则平台及核查平台部分功能。在未来的合作中,邦盛科技可以为银行补充机器学习模型平台、建模分析平台、数据服务、设备指纹、建模服务及咨询服务,进一步地建设一套最先进、最有效的智能反欺诈风控系统。