专栏
案例
活动
科技资讯
跨界金融
证券
保险
银行
首页
搜索
经典案例
  • 黑龙江农村信用社——增值税管理系统
  • 黑龙江省农村信用社联合社于2005年8月2日成立,由省内13家市地联社、办事处和81家县级联社自愿出资入股设立,具有独立法人资格的地方性金融机构。经省政府授权,黑龙江省农村信用社联合社在省政府的领导下,负责行使对辖内市、县(市、区)农村信用合作联社、农村信用合作社联合社、农村合作银行、农村商业银行等农村合作金融机构的行业管理、业务指导、协调服务职能。

  • 鑫元基金——新一代互联网金融产品-鑫钱宝
  • 经中国证监会批准,鑫元基金管理有限公司于2013年9月12日在上海正式成立。公司由南京银行股份有限公司发起,与南京高科股份有限公司联合组建,注册资本金2亿元人民币,总部设在上海。公司经营范围包括基金募集、基金销售、特定客户资产管理、资产管理和中国证监会许可的其他业务。截止2016年12月31日,公司管理的总资产规模近4000亿,母公司固定收益业务特色突出,货币、固收基金行业排名靠前,子公司规模排名行业前十。

    视频
    更多
    北京农商行李秀生谈IT技术对银行的风险管
    • AI在金融业的应用及其对金融业务创新的影响
    • BY:新金融世界
      2019-08-13

    随着技术的发展,许多行业都出现了人工智能的影子。在云计算与日俱增的强大威力、运行于深度神经网络的强力算法,以及丰富多样且来源广泛的数据积累这三股强大动力的驱动下,人工智能近几年的发展突飞猛进。


    金融业因为其更多的数据化的业务,相对于制造业、运输业等实体行业更早也更多地应用了人工智能的技术,而人工智能技术也在渐渐地影响着金融行业业务的发展趋势,引领着整个金融行业产生变革。


    AI扩大了金融行业业务范围


    近几年,随着人工智能越来越多地被应用于金融行业,使得银行、证券等金融行业的业务范围越来越广。我们感受最深的就是移动支付在中国的普及。


    人工智能对于金融行业的改变首先体现在通过自动化取代繁琐重复的人工工作,通过客服机器人提升了15%到30%的客户交互沟通的数量,从而提升了员工的工作效率。而金融行业用户对于人工智能的追逐并不止于此。通过人工智能,金融业的用户可以服务更多的“无银行账户”的客户,从而达到政府号召的“普惠金融”。


    图片1.png

    Gartner高级研究总监吕俊宽(CK Lu)


    Gartner高级研究总监吕俊宽介绍称,中国大概有10%~20%的人口是银行现有数据无法覆盖到的。“这些人跟银行之间的业务往来较少,通过传统的统计方法无法实现数据覆盖。”当银行在做“分众”的时候,通过把人按照男、女、老、少、年龄等情况细分,可以分成100种人,而通过人工智能来制定规则,即使有较少的数据信息,也可以为每一个人量身制定规则,从而进一步实现“普惠金融”的目的。通过AI制定规则,就等于为每一个人提供定制化服务。这时候“分众”的概念也就消失了,银行不用把人分类,就已经知道这个人适用于什么样的服务,这个是使用AI跟传统数据分析不一样的地方。也进一步扩大了银行业务的服务人群。


    AI提升了金融行业业务精准度


    AI在银行业务中的应用不仅局限于简单的对人群的分类,随着AI在银行业务中的应用越来越多,现在有许多银行开始将AI技术应用于精准营销之中。


    以前,银行不清楚哪些人群对于房贷、车贷等贷款有需求,而哪些人群又是银行理财的潜在客户。现在通过AI对不同人群的消费习惯、消费内容,以及存款信息等数据的分析,银行可以更准确地找到哪些客户更需要贷款,哪些客户倾向于保守型理财,哪些客户倾向于收益高的理财产品。例如,在母婴店消费比较多的客户可能会更容易去申请车贷,银行也可以根据不同客户的不同消费习惯,通过AI为客户推送不同的银行业务,而不是像以前一样把每条业务信息发送给所有人群,从而达到了精准营销的目的。在提高了工作效率的同时,也提高了客户的服务体验。

    除了提升一般客户业务的精准度以外,AI还被应用于金融行业的文字识别中。传统的文字识别只能认“字”,对于票据或者是单据的识别正确率只有60%左右,而以AI为基础的文字识别可以识别出图表及文字,识别率可以达到95%以上。因此,AI文字识别的应用也是许多金融行业用户AI应用的第一步。


    AI提高了金融业务的安全程度


    对于金融行业来说,安全始终是重中之重,而欺诈事件在金融行业中也是屡见不鲜。以前做法是出现了一个安全的漏洞,银行就去填补它,可是常常是“堵了这一扇门,然后它又开一个窗”,欺诈的洞永远补不完。通过人修补欺诈漏洞的速度,远远比不上欺诈技术变化的速度,这时候AI就又有了用武之地。


    一个有着多年反欺诈经验的专家可能制定30条到50条规则来定义欺诈行为,而AI可以提取上千条、甚至上万条规则来定义一个欺诈行为,这是人做不到的。其次,银行投入人力来做反欺诈的成本,远比不上把这些人力投入去赚更多的钱值。


    通过AI来做反欺诈不仅在效率和速度上有了质的飞跃,在成本上,也将银行所投入反欺诈的成本降到了最低。AI用于银行反欺诈业务上的实践并不等于银行风控部门的人员就要失业,吕俊宽表示:“其实我们现在看到AI,其实很少有‘无监督学习’的,大部分都是所谓的‘半监督学习’。这种‘半监督学习’只是提高了人的工作效率,通过AI制定规则或者筛选出数据,再由工作人员解释一次。我看到不是人被裁掉,应该是说人可以去做两份工。通过AI的帮助,人的工作能力提升了一倍。”


    AI在金融行业应用也面临着众多挑战


    AI在金融行业中的应用虽然越来越多,但是这些应用也面临众多的挑战及困难。比如,很多金融行业的掌舵者还是更加重视ROI(投资回报率),这种情况就会使他们找不到投资AI的理由。“CIO面临的问题是很难从ROI的角度向企业主管证明投资AI是有回报的。”吕俊宽表示。同时,他认为从ROI角度来看,AI在金融行业尚处于投资阶段。


    另一个挑战就是如何将AI的应用从SaaS层更多地转向PaaS层。现在大部分AI的应用是以SaaS为导向的,可能工作人员耗费6到12个月时间只能部署一个解决单一问题的应用。未来,如果有数百个AI应用,所需花费的时间成本是巨大的。不过,现在越来越多的银行开始讨论是否该选择PaaS,也就是自建一个AI平台,然后在这个平台上开展不同的AI服务,这将有助于显著降低时间成本。


    AI在金融行业应用过程中面临的挑战除了自身的部署及投资问题,还有一个关键的问题——人才的培养。过去IT人员更多是做运营维护和数据中心管理的相关工作,并没有足够的能力在AI时代发挥专长;另外,很多金融专家虽然很懂业务,可是并不了解AI的能力或者AI技术可以解决何种业务问题。而如何将原来的IT运维人员与AI技术人员相结合,目前更多企业采用的是原有的技术人员或金融业务专家加AI技术人员共同组成一个团队工作的方式,未来能否想办法把自己的人才转化成具有AI能力的人才,这是企业面临的又一重大挑战。


    总之,AI在引领着金融行业发生着变化,使金融行业更加安全、员工的工作效率更高、金融服务的质量更高。而同时,AI在金融行业的发展也还处在投资阶段,AI在金融行业的应用落地也还面临许多挑战。


    分享
    0人觉得很赞
    发布