论文部分内容阅读
摘 要：近年来，随着信息技术、网络技术等新兴技术的不断发展，大数据、云计算、人工智能等技术被广泛运用在人们的工作和生活中。作为与信息技术融合最深的行业之一，金融行业积极推动人工智能应用落地，在提升业务效率、优化成本控制、完善风控体系、推动产品创新等方面取得了明显突破，本文将对人工智能技术在银行的应用展开研究。
关键词：人工智能;银行;应用;
在国务院印发的《新一代人工智能发展规划的通知》中着重指出，应该“推动人工智能与各行业融合创新”。银行业作为人工智能应用的重点行业，正成为人们关注的焦点。银行在业务开展的过程中，积累了包括客户身份、资金收付交易、资产负债情况等海量的高价值数据，加上移动互联网正狂飙突进，视频、音频、文本、日志等非结构化数据也正以加速度的形式积累。如何从这些丰富的、高价值密度的数据资源中提取重要价值，成为人工智能技术在银行应用中重点解决的问题。
一、人工智能落地银行业的三大核心技术
自然语言处理、知识图谱、机器学习让人工智能拥有了理解能力与思考能力，也是海致这样的公司所推出的智能金融解决方案在银行业成功推进的三大核心技术。
自然语言处理（Natural Language Processing，简称NLP）是用计算机来处理、理解以及运用人类语言（如中文、英文等），包括两个方面：一是让机器识别人类的语言，不论是语音，还是文字，机器需要理解人类所表达的意思;二是机器以人类能够理解的方式将信息生动的传达给人类，例如智能客服、佛教贤二机器僧等应用场景。海致将NLP技术应用到核心的金融业务场景，例如信贷报告解析、客户经理任务集、竞价报告等。
知识圖谱可以在客户社交关系网、信贷与风险等方面的得到广泛应用。世界是一个复杂关系的总和，一切事物都在动态地变化，在关系中不断的发生交互，不论是企业还是个人，还包括银行，需要从这样的动态变化关系当中去控制风险、寻找商机。
机器学习是一种能够赋予机器学习的能力，以此让它完成直接编程无法完成的功能的方法。从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。例如，A为违约客户，B、C、D与A有着关联关系，结合银行担保关系数据、资金流向数据等内部特征，以及企业基本属性、涉诉信息、舆情等外部特征，通过机器学习方法计算可得到A违约后B、C、D违约的概率，从而及时切断传播路径。
二、人工智能技术的应用场景
（1）智能客服
智能客服机器人。使用自然语言理解技术，在大语料库的基础上，基于场景和业务模型开发上下文关联模型，从而实现自然叙述、智能理解这一目的。并将这一技术和模型与客服系统在整体上实现了融合。
智能语音导航。主要利用语音识别技术和自然语言理解技术理解客户语音，并根据客户的需求导航到相应节点或者引导客户完成业务办理，主要应用在自助语音服务、手机银行APP和智能设备上。在自助语音上应用主要通过与IVR的集成实现自助语音菜单的“扁平化”，提升用户满意度;通过与客户的交互帮助客户办理相关业务，实现问题的咨询。
智能营销催收机器人。外呼机器人是语音识别技术和自然语音理解技术的另外一个应用场景。通过业务场景的设计，实现自动外呼客户进行客户身份核实、催收、业务通知、满意度调查、产品营销等。
（2）智能风控
银行体系是以信用体系为基础的。目前，人民银行的征信数据仅覆盖3.8亿人，还有大量的人口没有征信数据，同时，还有大量的小微企业没有征信数据。因此如何利用人工智能技术对这部分个人和小微企业的进行征信此类智能风控智能风控开辟独特的数据获取渠道，合规而全面地获取目标对象的数据，并利用深度学习、机器学习等人工智能技术，对相关的数据进行分析，发现对确认目标对象有价值的数据信息，并按照一定的规则进行计算，确定该目标对象的综合信用评分。
比如依托智能风控技术，光大银行创设了网络融资系列产品“随心贷”，通过网络化获客、数字化经营、集约化管理来为客户提供优质便捷的融资服务，目前已服务超2300万的互联网客户，同时该行还研发建设了阳光预警平台，实现了全行对公及零售两大条线的信贷客户预警监测功能。该平台是集预警客户名单、内外部数据、信号模型、预警流程处置等为一体的应用系统，通过“7*24小时”不间断引入内外部数据、生成预警信号，采用全覆盖、全景式、全流程、全天候的智能预警模式，实现了对授信客户“无人监测”的线上化自动管理，对信贷资产实现了早识别、早预警、早发现、早处置的风险管控目标，该预警平台已逐步应用于贷前、贷中和贷后的授信业务全流程，充分发挥了客户身份反欺诈、360度客户风险画像等作用，帮助经营单位解决在授信管理中信息不对称、信息滞后等问题。
（3）客户关系挖掘
建设银行通过知识图谱以及相关应用，构筑了一站式的金融客户平台服务，包括金融部、授信管理部、风险管理部、贸易金融部等所有业务线，完成了企业客户的内外部信息的整合，对企业客户信息进行深度分析，深度挖掘企业客户的关联关系，以及构建企业客户的营销评价模型。通过人工智能技术公司可以推断高管与高管之间、股东与股东之间有哪些一致行动关系？有无疑似的亲属关系，疑似的家属关系等问题。通过人工智能技术对担保业务进行分析，通过融知识图谱平台，可以发现该银行存中不同的互保关系，包括多客户之间的联保关系、多客户之间的担保链、担保群、担保群担保的核心企业等，深度挖掘这些公司之间的关系。同时，过知识图谱的数据建模过程，将原有来自多业务、多渠道、多管理系统的复杂多元异构数据，抽离成符合银行自身业务特色的各类实体、关系及属性，结合指标、规则、模型体系，围绕客户准入筛查、尽调强化、违约客户识别、不良贷款预警、行业信息分析、组合风险管理等业务场景。
三、总结
人工智能的发展已经进入国家的战略规划，通过将人工智能技术应用到银行中，可以全面提升银行的服务能力，为银行业的数字化、智能化转型提供重要的支撑。
参考文献：
[1]张丽萍， 颜配强， 刘波. 人工智能时代我国商业银行金融科技业务风险管理[J]. 银行家， 2019（8）.10-15.
关键词：人工智能;银行;应用;
在国务院印发的《新一代人工智能发展规划的通知》中着重指出，应该“推动人工智能与各行业融合创新”。银行业作为人工智能应用的重点行业，正成为人们关注的焦点。银行在业务开展的过程中，积累了包括客户身份、资金收付交易、资产负债情况等海量的高价值数据，加上移动互联网正狂飙突进，视频、音频、文本、日志等非结构化数据也正以加速度的形式积累。如何从这些丰富的、高价值密度的数据资源中提取重要价值，成为人工智能技术在银行应用中重点解决的问题。
一、人工智能落地银行业的三大核心技术
自然语言处理、知识图谱、机器学习让人工智能拥有了理解能力与思考能力，也是海致这样的公司所推出的智能金融解决方案在银行业成功推进的三大核心技术。
自然语言处理（Natural Language Processing，简称NLP）是用计算机来处理、理解以及运用人类语言（如中文、英文等），包括两个方面：一是让机器识别人类的语言，不论是语音，还是文字，机器需要理解人类所表达的意思;二是机器以人类能够理解的方式将信息生动的传达给人类，例如智能客服、佛教贤二机器僧等应用场景。海致将NLP技术应用到核心的金融业务场景，例如信贷报告解析、客户经理任务集、竞价报告等。
知识圖谱可以在客户社交关系网、信贷与风险等方面的得到广泛应用。世界是一个复杂关系的总和，一切事物都在动态地变化，在关系中不断的发生交互，不论是企业还是个人，还包括银行，需要从这样的动态变化关系当中去控制风险、寻找商机。
机器学习是一种能够赋予机器学习的能力，以此让它完成直接编程无法完成的功能的方法。从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。例如，A为违约客户，B、C、D与A有着关联关系，结合银行担保关系数据、资金流向数据等内部特征，以及企业基本属性、涉诉信息、舆情等外部特征，通过机器学习方法计算可得到A违约后B、C、D违约的概率，从而及时切断传播路径。
二、人工智能技术的应用场景
（1）智能客服
智能客服机器人。使用自然语言理解技术，在大语料库的基础上，基于场景和业务模型开发上下文关联模型，从而实现自然叙述、智能理解这一目的。并将这一技术和模型与客服系统在整体上实现了融合。
智能语音导航。主要利用语音识别技术和自然语言理解技术理解客户语音，并根据客户的需求导航到相应节点或者引导客户完成业务办理，主要应用在自助语音服务、手机银行APP和智能设备上。在自助语音上应用主要通过与IVR的集成实现自助语音菜单的“扁平化”，提升用户满意度;通过与客户的交互帮助客户办理相关业务，实现问题的咨询。
智能营销催收机器人。外呼机器人是语音识别技术和自然语音理解技术的另外一个应用场景。通过业务场景的设计，实现自动外呼客户进行客户身份核实、催收、业务通知、满意度调查、产品营销等。
（2）智能风控
银行体系是以信用体系为基础的。目前，人民银行的征信数据仅覆盖3.8亿人，还有大量的人口没有征信数据，同时，还有大量的小微企业没有征信数据。因此如何利用人工智能技术对这部分个人和小微企业的进行征信此类智能风控智能风控开辟独特的数据获取渠道，合规而全面地获取目标对象的数据，并利用深度学习、机器学习等人工智能技术，对相关的数据进行分析，发现对确认目标对象有价值的数据信息，并按照一定的规则进行计算，确定该目标对象的综合信用评分。
比如依托智能风控技术，光大银行创设了网络融资系列产品“随心贷”，通过网络化获客、数字化经营、集约化管理来为客户提供优质便捷的融资服务，目前已服务超2300万的互联网客户，同时该行还研发建设了阳光预警平台，实现了全行对公及零售两大条线的信贷客户预警监测功能。该平台是集预警客户名单、内外部数据、信号模型、预警流程处置等为一体的应用系统，通过“7*24小时”不间断引入内外部数据、生成预警信号，采用全覆盖、全景式、全流程、全天候的智能预警模式，实现了对授信客户“无人监测”的线上化自动管理，对信贷资产实现了早识别、早预警、早发现、早处置的风险管控目标，该预警平台已逐步应用于贷前、贷中和贷后的授信业务全流程，充分发挥了客户身份反欺诈、360度客户风险画像等作用，帮助经营单位解决在授信管理中信息不对称、信息滞后等问题。
（3）客户关系挖掘
建设银行通过知识图谱以及相关应用，构筑了一站式的金融客户平台服务，包括金融部、授信管理部、风险管理部、贸易金融部等所有业务线，完成了企业客户的内外部信息的整合，对企业客户信息进行深度分析，深度挖掘企业客户的关联关系，以及构建企业客户的营销评价模型。通过人工智能技术公司可以推断高管与高管之间、股东与股东之间有哪些一致行动关系？有无疑似的亲属关系，疑似的家属关系等问题。通过人工智能技术对担保业务进行分析，通过融知识图谱平台，可以发现该银行存中不同的互保关系，包括多客户之间的联保关系、多客户之间的担保链、担保群、担保群担保的核心企业等，深度挖掘这些公司之间的关系。同时，过知识图谱的数据建模过程，将原有来自多业务、多渠道、多管理系统的复杂多元异构数据，抽离成符合银行自身业务特色的各类实体、关系及属性，结合指标、规则、模型体系，围绕客户准入筛查、尽调强化、违约客户识别、不良贷款预警、行业信息分析、组合风险管理等业务场景。
三、总结
人工智能的发展已经进入国家的战略规划，通过将人工智能技术应用到银行中，可以全面提升银行的服务能力，为银行业的数字化、智能化转型提供重要的支撑。
参考文献：
[1]张丽萍， 颜配强， 刘波. 人工智能时代我国商业银行金融科技业务风险管理[J]. 银行家， 2019（8）.10-15.