omniture

蘭州銀行何力:從大數(shù)據(jù)到知識圖譜 智能金融的升級之路

海致
2017-11-29 14:00 12330
11月8日,海致網(wǎng)絡與《金融電子化》聯(lián)合主辦了主題為“AI 賦能商業(yè)銀行 -- 知識圖譜與智能金融”的2017首屆智能金融知識圖譜論壇。蘭州銀行行長助理何力先生在會上分享了蘭州銀行在大數(shù)據(jù)應用方面,部署知識圖譜構(gòu)筑全行級知識平臺的經(jīng)驗。

北京2017年11月29日電 /美通社/ -- 2017年11月8日,海致網(wǎng)絡與《金融電子化》聯(lián)合主辦了主題為“AI 賦能商業(yè)銀行 -- 知識圖譜與智能金融”的2017首屆智能金融知識圖譜論壇。蘭州銀行行長助理何力先生在會上分享了蘭州銀行在大數(shù)據(jù)應用方面,部署知識圖譜構(gòu)筑全行級知識平臺的經(jīng)驗。全文如下:

 

蘭州銀行行長助理 何力
蘭州銀行行長助理 何力

 

在經(jīng)過金融科技實踐的三個階段:技術創(chuàng)新、平臺戰(zhàn)略,以及向互聯(lián)網(wǎng)生態(tài)轉(zhuǎn)型之后,蘭州銀行已經(jīng)建設了相對完善的金融形態(tài)。如何將傳統(tǒng)的金融數(shù)據(jù)以及外部數(shù)據(jù)運用起來,解決客戶營銷、風險防控、反欺詐等問題,成為擺在蘭州銀行面前的問題。

2017年年初開始,蘭州銀行與海致網(wǎng)絡技術(北京)有限公司合作,構(gòu)建了全行知識圖譜平臺,在上層實現(xiàn)了對傳統(tǒng)互聯(lián)網(wǎng)生態(tài)各個平臺體系的支撐,在下層實現(xiàn)了對互聯(lián)網(wǎng)數(shù)據(jù)同步、行內(nèi)外數(shù)據(jù)融合以及知識圖譜建設的支持。

銀行業(yè)面臨的挑戰(zhàn)

在云計算、大數(shù)據(jù)、互聯(lián)網(wǎng)金融快速發(fā)展的環(huán)境下,商業(yè)銀行傳統(tǒng)營銷與風險管控能力不足日益凸顯。

在營銷方面,信息不對稱,廣撒網(wǎng)的營銷成本太高;營銷方式與產(chǎn)品也不是以客戶為中心;營銷決策依賴于經(jīng)驗,而不是數(shù)據(jù);對市場商機反應不敏銳。

在風險防范方面,隨著客戶范圍的不斷擴大,傳統(tǒng)以人工干預、現(xiàn)場檢查為核心的風險防范和應對模式,無論是成本還是反應速度無法適應現(xiàn)在新的變化和需求。

知識圖譜構(gòu)建和更新

知識圖譜就是把所有不同種類的信息連接在一起而得到的關系網(wǎng)絡,它提供了從“關系”的角度去分析問題的能力。

應用在搜索引擎中,知識圖譜可以將搜索結(jié)果進行知識系統(tǒng)化,為我們提供認知,任何一個關鍵詞都能夠獲得完整的知識體系。

無論是客戶基本信息、客戶產(chǎn)品信息、客戶交易流水等結(jié)構(gòu)化數(shù)據(jù)、社交網(wǎng)站網(wǎng)頁、工商局網(wǎng)頁等半結(jié)構(gòu)化數(shù)據(jù),還是客戶財報、人行征信報告等非結(jié)構(gòu)化的數(shù)據(jù),通過數(shù)據(jù)采集的方式被整合進了數(shù)據(jù)庫中,通過屬性抽取、關系抽取、實體抽取等信息獲取流程形成知識。

然后,蘭州銀行通過第三方知識庫將這些知識進行融合,通過共指消解、實體消歧等知識處理流程,最終構(gòu)建成真正需要的知識圖譜標準數(shù)據(jù)。

四場景支撐蘭州銀行業(yè)務

蘭州銀行的知識圖譜項目是從今年3月份開始啟動,到11月份,已經(jīng)上線運行,取得了預期的效果。

蘭州銀行的知識圖譜平臺建設之后,主要應用在以下四大方面的場景:第一是挖掘潛在新客戶;第二,挖掘存量客戶的潛在需求;第三,反欺詐;第四,風險事件預警。

  • 挖掘潛在新客戶,即通過上下游關系、交易往來信息構(gòu)建企業(yè)關系圖譜,通過關系篩選工具找到目標客戶進行營銷。比如說,國家出臺某項新政策之后,蘭州銀行通過該知識圖譜平臺尋找符合條件的新客戶,進行營銷。
  • 挖掘存量客戶潛在需求,即結(jié)合行內(nèi)、行外多種數(shù)據(jù),針對關系圖譜提供的資金關系、法人關系、上下游投資關系、相似企業(yè)業(yè)務關系等進行深入分析,不斷挖掘企業(yè)間潛在需求,從而為他們推薦適合的產(chǎn)品、服務。比如說,通過知識圖譜的技術設定一些條件,我們能夠通過該平臺找出來一些目標客戶,挖掘需求,進行精準定義營銷。
  • 反欺詐。通過知識圖譜,我們能夠在業(yè)務申請階段整合已有數(shù)據(jù)中借款人的消費記錄、行為記錄、關系信息以及地域等,然后在業(yè)務交易階段根據(jù)以上要素建立關系圖譜,依托已有的欺詐模式特征進行匹配,發(fā)現(xiàn)潛在風險并進行有效防范。這已經(jīng)在蘭州銀行得到了實際運用。比如說一個實際應用就是,欺詐者通過一個IP地址,使用多張信息用卡,偽造多個身份,這樣的行為通過知識圖譜很容易被識別出來。
  • 風險事件預警。當現(xiàn)有貸后檢查點發(fā)生信息變更時,客戶經(jīng)理可查看風險預警事件提醒。舉例來說,客戶經(jīng)理可以在貸后檢查、客戶基本信息檢查、客戶工商信息檢查、資金流動情況檢查、擔保信息檢查、失信信息、黑名單信息等各個環(huán)節(jié),得到相關的風險預警信息。

知識圖譜平臺的七大價值

知識圖譜平臺構(gòu)建完成之后,應用在蘭州銀行業(yè)務場景中,對業(yè)務有著很好的支撐價值,我們把它總結(jié)為五個方面。

價值1:對公企業(yè)數(shù)據(jù)監(jiān)控、同步、整合。

通過互聯(lián)網(wǎng)爬蟲技術,能夠一站式獲取對公企業(yè)數(shù)據(jù),形成對公客戶視圖,客戶經(jīng)理能夠直接看到所要的所有信息。

價值2:深入挖掘行內(nèi)對公企業(yè)潛在關系。

以前行內(nèi)企業(yè)與企業(yè)之間的關系我們不了解,或者不是很清楚?,F(xiàn)在把所有數(shù)據(jù)導到大數(shù)據(jù)平臺里,基于知識圖譜通過人工智能方式分析之后,他們之間什么關系,通過點和線的聯(lián)系就能一目了然。

價值3:可針對企業(yè)進行一站式多維搜索。

我們可以設定地域、行業(yè)等維度,知識圖譜平臺就能夠自動匹配出來我們需要的正常信息。

價值4:自動生成企業(yè)風險及營銷系數(shù)。

這主要是為了實時了解目標企業(yè)在評分模型下的風險及營銷分值,能夠?qū)崿F(xiàn)對企業(yè)的快速認知,提升篩選效率。根據(jù)這個分值,客戶經(jīng)理可以了解客戶達到一個什么樣的風險系數(shù),以便引入人工來進行干預。

價值5:整合行內(nèi)企業(yè)轉(zhuǎn)帳、擔保信息。

企業(yè)與企業(yè)之間的轉(zhuǎn)帳信息,我們能夠根據(jù)知識圖譜及時發(fā)現(xiàn)關聯(lián)關系,篩選之后進行分析。

價值6:為其他系統(tǒng)提供企業(yè)關系圖譜知識輸出。

在蘭州銀行大數(shù)據(jù)平臺建好之后,整合了行內(nèi)數(shù)據(jù)和外部數(shù)據(jù),接入行內(nèi)已有對公CRM系統(tǒng)、對公信貸系統(tǒng)、百合園辦公系統(tǒng),全面提供對公業(yè)務領域大數(shù)據(jù)風險及營銷支撐。

價值7:承接生態(tài)數(shù)據(jù)從信息到知識轉(zhuǎn)化的重要工作。

通過知識圖譜向信貸審批系統(tǒng)(預調(diào)查環(huán)節(jié))提供對公企業(yè)工商信息、司法信息、關系圖譜信息,極大提高業(yè)務人員的工作效率。這本來是后臺客戶經(jīng)理或者更高一級審批做的事情,現(xiàn)在可以前置了,在調(diào)查環(huán)節(jié),甚至在客戶經(jīng)理層面就能夠獲取到這個信息。

知識圖譜未來應用探索

未來知識圖譜將被應用在更多領域,比如說我們將會深化NLP(自然語言處理),也會深化反欺詐場景。

在已經(jīng)有了一個基礎的圖譜信息之后,我們將在日志解析、授信解析、貸后落實核查等非結(jié)構(gòu)化文本信息方面進行NLP的深化應用;而在關系過濾、重要關系統(tǒng)計、關系詳情、失聯(lián)客戶查找等方面,深化反欺詐場景的工作。

通過深化NLP應用,我們將會對行內(nèi)非結(jié)構(gòu)文本數(shù)據(jù)進行進一步解析挖掘,發(fā)揮其業(yè)務價值。具體包括客戶挖掘、貸前貸中、貸后管理等。舉例來說,對于營銷拜訪日志的智能解析,能夠提高信息匯總效率,實現(xiàn)多維度可量化統(tǒng)計。在貸前貸中,通過授信材料解析,能夠助力流程加速。通過將NLP技術嵌入授信工作流程,能夠減少重復勞動,優(yōu)化與提升效率。傳統(tǒng)的需要客戶經(jīng)理、風險經(jīng)理、授信審批崗的處理。引入了人工智能NLP自動數(shù)據(jù)處理之后,很多環(huán)節(jié)的信息處理都是機器能夠自動完成的。

深化NLP應用
深化NLP應用

在深化反欺詐場景中,在企業(yè)知識圖譜發(fā)揮效用價值的同時,我們將會深入擴展其他業(yè)務的圖譜數(shù)據(jù)。例如:在社交關系圖譜、轉(zhuǎn)賬和賬目網(wǎng)絡、黑名單網(wǎng)絡、關系詳情多對多記錄、ETL清洗數(shù)據(jù)等方面深化應用,實現(xiàn)反欺詐更加精準。

深化反欺詐場景
深化反欺詐場景

對于知識圖譜的思考

在知識圖譜的構(gòu)建與應用過程中,我們也產(chǎn)生了幾點思考。

首先,單純的外部數(shù)據(jù)販賣并不能產(chǎn)生重大的客戶價值。將外部數(shù)據(jù)和行內(nèi)數(shù)據(jù)、強關聯(lián)數(shù)據(jù)和弱關聯(lián)數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)逐漸融合成為開放的、可自由迭代與演化的企業(yè)標簽和企業(yè)圖譜,并在此基礎上建立各種風險模型和營銷模型,進而逐漸通過機器學習形成更智能的業(yè)務模塊,是銀行人工智能的方向。

其次,一個具有前瞻性,自由關聯(lián)和可挖掘的圖平臺的搭建,是銀行通往智能的基礎性工程。將產(chǎn)品后臺用程序?qū)懰?,在前端用圖的方式來呈現(xiàn),并不是真正的大數(shù)據(jù)和知識圖譜技術,這意味著現(xiàn)有關系、模型之外的任何修改都要通過技術人員的程序開發(fā)來實現(xiàn),更意味著機器無法代替人類進行推理。

第三,巨大的數(shù)據(jù)潛力等待我們?nèi)グl(fā)掘。行內(nèi)風險報告、信貸報告、審計報告等非結(jié)構(gòu)化數(shù)據(jù)(文本為主)和行外非結(jié)構(gòu)化數(shù)據(jù)中蘊含著巨大的數(shù)據(jù)潛力,通過自然語言處理(NLP)和機器學習進行挖掘和結(jié)構(gòu)化,將會得到非常大的價值。

蘭州銀行在發(fā)展過程中認識到了科技在金融發(fā)展過程中的作用。我們深深認識到在信息化建設過程中,外包包不出創(chuàng)新力,跟隨也跟不出差異化,拿來拿不出核心競爭力,因此蘭州銀行采取自主研發(fā)、聯(lián)合開發(fā)、系統(tǒng)集成的信息科技發(fā)展道路,積極開展科技創(chuàng)新。科技創(chuàng)新就要圍繞極致的客戶體驗,提高服務效能。目前,科技創(chuàng)新帶來的差異化服務能力,差距化的競爭優(yōu)勢正在逐步顯現(xiàn)。

科技創(chuàng)新就是蘭州銀行業(yè)務發(fā)展的必由之路。

消息來源:海致
China-PRNewsire-300-300.png
全球TMT
微信公眾號“全球TMT”發(fā)布全球互聯(lián)網(wǎng)、科技、媒體、通訊企業(yè)的經(jīng)營動態(tài)、財報信息、企業(yè)并購消息。掃描二維碼,立即訂閱!
collection