• 快捷搜索
  • 全站搜索

广发银行智慧金融的技术探索与实践

2018-06-01 15:16:35作者:广发银行信息科技部副总经理 黄文宇编辑:金融咨询网
大数据和人工智能技术的日益成熟,为智慧金融服务创造了技术条件。广发银行积极跟进业界逐步成熟技术,应用已可商用的人工智能技术和产品,打造广发的人工智能平台,并结合业务场景,快速解决业务痛点,并且在发展过程中逐步完成数据和技术积累,同时推进应用创新。

大数据和人工智能技术的日益成熟,为智慧金融服务创造了技术条件。实际上,早在2011年,广发银行即运用智能技术上线了国内首家智能营业网点,引领业务发展潮流。

黄文宇.jpg

人工智能建设思路
 
        广发银行“十三五”科技规划确定了“数字广发”战略目标,2016年发布广发数字银行计划,提出科技立“心”、服务开“智”、共赢享“惠”。通过打造“云计算、大数据、人工智能”三个基础,以“能力开放、敏捷弹性、移动互联”为三个抓手,建设“数字广发、智慧广发”,让科技与业务更深的融合,实现科技对业务更快的支持、更强的推动、更好的引领。2017年广发银行制定人工智能专项规划,以建设广发智慧大脑为最终目标,支持业务向智慧金融转型。
 
        目前银行业主要围绕感知智能(诸如生物识别、图像识别、自然语言处理等)和认知智能(如各类计算和预测模型等)两个方面开展相关建设。这两类智能构建了企业智慧大脑的基础框架。广发银行在建设路线方面,确定了规划与实用并重,大脑建设与场景应用双线发展的策略,即以建设广发智慧大脑为最终目标,形成感知智能公用组件库和带有广发特色、广发风险偏好的认知智能模型体系。现阶段,广发银行积极跟进业界逐步成熟技术,应用已可商用的人工智能技术和产品,打造广发的人工智能平台,并结合业务场景,快速解决业务痛点,并且在发展过程中逐步完成数据和技术积累,同时推进应用创新。
 
人工智能应用实践
 
        目前人工智能较成熟的技术在广发银行都有落地和使用。在生物识别技术领域,广发银行在柜面、VTM、手机银行、直销银行等渠道,通过应用人脸识别技术,辅助进行客户识别,识别准确率达95%,具有较高的认证可靠性。在语音语义识别技术领域,广发银行研发了智能应答机器人,通过语义分析、知识搜索等技术,能够智能化响应客户疑问,24小时不间断地为客户提供服务,减轻客服运营压力。目前已实现微信银行、网上银行、发现精彩APP等渠道的接入,应答响应率98.5%。智能语音导航即将投产,智能客服正在规划建设中。在机器学习方面,我将在后文重点阐述广发银行基于大数据开展了一系列产品和应用的探索。
 
        总体来看,人工智能在广发银行的应用未来将贯穿前台、中台及后台全流程。前台应用着力于客户服务及业务营销,力求实现客户服务的个性化、自动化,以及业务营销的精准性、预测性;中台应用围绕风险管控、投资决策及产品决策等银行核心领域开展辅助性的智能支持;后台应用可以在银行人力成本较高的经营管理、安全设计及IT管理等方面实现优化提升。
 
        任何智能的发展都需要一个学习迭代的过程。近年来人工智能领域各方面的技术取得了很多突破性的进展,实际上是大数据发展的自然结果。人工智能和大数据密不可分,可以说“无数据不智能”。人工智能技术的算法对训练数据和基础运算平台提出了比传统数据分析技术更高的要求。广发银行立足长远,早在2013年开始就启动了大数据平台的建设。我们认为,大数据服务体系建设是一项基础性工程,是搭建人工智能体系的先决条件,为人工智能的研究和业务应用提供了良好的技术支撑。
 
大数据服务体系建设实践
 
        广发银行在构建大数据服务体系的过程中,提出了以客户为中心的个性化金融服务导向,明确了“大数据+人工智能”的核心建设原则,制定了数据、产品及应用相互配合的建设策略。
 
        数据是基础。广发银行更注重数据来源的丰富性、类型的多样性、规模的海量性、采集方式的时效性。在数据源拓展方面,广发银行通过开展行业间合作不断扩宽外部数据源的采集。在数据加工方面,广发银行以业务数据分层模型为基础,构建数据工厂加工模式,通过缓冲层设计实现异构数据的快速接入,整合层实现数据整合清洗及共性数据的加工,指标层实现基础指标的加工,应用层则根据每个应用的个性化要求进行定制开发。各层功能边界清晰、分工明确,层次之间相互协同,实现了数据加工的流程化、模块化、可视化。在技术平台方面,广发银行采用分布式计算平台技术搭建大数据基础平台,通过升级、扩容和迭代优化,已经形成了相对完善、功能完整的大数据技术架构,形成了以数据存储分析区、数据应用区、实时流式计算区和离线计算区为核心的大数据技术架构。
 
        产品是关键。广发银行以业务需求为驱动,打造平台化、标准化的大数据创新业务产品。一方面向广大业务人员开放大数据能力,为业务人员的探索和创新赋能,另一方面对接各应用系统,让数据得到广泛的消费。在探索分析阶段,广发银行为利用大数据实现对未来业务的预测及指导,逐步在平台层面引入机器学习的机制,开展可试错的数据探索试验。在数据产品阶段,广发银行秉承“业务为本、应用为先”的建设思路,通过小步快跑、迭代优化的方式,构建了客户全景视图、客户资金关系圈、客户信用评级等八大基础数据产品。不仅向行内各部门提供可视化、可定制的大数据服务,还积极探索行业通用的DAAS模式,尝试以数据即服务的方式输出大数据服务能力。
 
        业务是导向。广发银行将数据产品与业务场景相结合,同时引入机器学习平台等人工智能技术,在银行业务的前中后台进行深度应用,推动银行业务智能化、管理决策智能化和风险合规管控智能化。在前台,通过基础数据产品与前台客户服务应用场景的结合,实现批量获客、客户维系和精准营销;在中台,以客户全景视图、客户信用评级为基础,实现客户信用评价和客户交易意图分析,提升风险决策实时性;在后台,运用大数据技术对获客、营销、风控等业务运营情况进行分析,及时优化业务流程,改善银行经营管理。比如,实时营销应用,协助信用卡中心开展实时事件营销及个性化推荐,实现信用卡交易返现实时通知营销;资金关系圈应用,协助信用卡中心全面了解客户资金往来及其他社交关系,有助于信用卡、零售个贷业务的失联客户寻回和催收回款。
 
信用卡反欺诈的实践案例
 
        信用卡近年来面临着欺诈案件数量攀升、首笔盗用占比突出的严峻挑战。广发银行以大数据平台为基础,引入人工智能技术,打造人工智能平台,研发实时、精准、智能的实时交易反欺诈引擎,实现信用卡实时交易反欺诈识别与拦截。
 
        首先,通过专家规则实现典型欺诈行为的识别和拦截。传统的专家规则通过吸取业务专家经验以及过去发生的欺诈案例来创建规则库,从而实现对交易中的多数典型欺诈行为进行拦截的目的,但专家规则存在规则更新不及时、误报率高、维护费用昂贵等问题,因此有必要应用先进技术构建智能反欺诈模型。
 
        其次,利用大数据和人工智能技术实现长尾客户群中的欺诈行为的识别。从专家规则到大数据分析规则,再到智能化模型规则,是反欺诈技术的升级之路。广发银行基于海量客户行为数据、千万维客户行为特征及其衍生逻辑,利用大数据技术进行规则分析和总结,并通过开发特征实时拼接及处理程序,构建具备自主学习、迭代优化的人工智能反欺诈模型,从微观角度发现欺诈交易行为模式,大幅提高识别准确率,从而实现与专家规则的互补,并实现对长尾客户群中欺诈交易的识别。
 
        最后,构建实时决策模型实现毫秒级欺诈交易实时阻断。基于大数据流计算、Redis等技术构建实时决策引擎,最终实现毫秒级的欺诈专家规则与模型运算,并通过与信用卡核心系统的直接对接,实现实时的欺诈交易拦截。
 
        该应用上线以来,在未对原有交易的客户体验造成影响的同时,欺诈识别误报率较以往成倍数减少,欺诈识别覆盖较大幅度提高。后续将继续加强深度学习、自然语言处理等人工智能技术的研究与应用,进一步提升欺诈识别的准确率及覆盖面,切实提高银行风险控制能力。
 
(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章