機器學習AI在銀行的應用場景分析

1、 機器學習AI在銀行的應用場景分析 目 錄 TOC o 1-3 h z u HYPERLINK l _Toc66520999 機器學習AI在銀行的應用場景分析 PAGEREF _Toc66520999 h 1 HYPERLINK l _Toc66521000 一、機器學習平臺與大數(shù)據(jù)平臺的關系澄清 PAGEREF _Toc66521000 h 3 HYPERLINK l _Toc66521001 二、機器學習平臺是銀行的建設趨勢嗎？ PAGEREF _Toc66521001 h 5 HYPERLINK l _Toc66521002 三 . 機器學習在銀行的主要應用場景 PAGEREF _Toc

2、66521002 h 5【摘要】本文澄清了機器學習平臺和大數(shù)據(jù)平臺的關系，分析了機器學習平臺在銀行應用的未來趨勢，并重點梳理了機器學習在銀行的主要應用場景。一、機器學習平臺與大數(shù)據(jù)平臺的關系澄清機器學習平臺和大數(shù)據(jù)平臺沒有硬性的關系，比如很多同業(yè)在沒有大數(shù)據(jù)平臺之前就借助 SAS 、 SPSS 等建模工作進行建模，且在相關領域也取得了不錯的成績，比如評分卡等。在我們看來大數(shù)據(jù)平臺和 SAS 等傳統(tǒng)的建模平臺有以下差別：但是由于近期銀行在大數(shù)據(jù)方面發(fā)力迅猛，對在銀行業(yè)的建模（機器學習）的影響較大，主要方面有三：一是大數(shù)據(jù)平臺為機器學習平臺提供了大數(shù)據(jù)支撐。好的模型是通過數(shù)據(jù)不斷的分析、迭代、優(yōu)化

3、出來的，大數(shù)據(jù)平臺的海量數(shù)據(jù)為模型的探索提供了豐富的原材料；二是大數(shù)據(jù)平臺上的 KAFKA 等實時數(shù)據(jù)工具為機器學習平臺提供了實時數(shù)據(jù)以及實時場景，比如在線推薦、反欺詐、實施風控等場景；三是大數(shù)據(jù)平臺為機器學習提供強大的算力以及處理能力。大數(shù)據(jù)采用 SPARK 方式等分布式的機器學習算法較 SAS 等單機版的計算性能有較大的提升，使得計算能力更加強大。且大數(shù)據(jù)平臺更易于圖數(shù)據(jù)庫結合，應用圖算法將某些場景下的機器學習能力提升。二、機器學習平臺是銀行的建設趨勢嗎？從以上情況看來機器學習平臺是大數(shù)據(jù)的一個重要的發(fā)力點，模型比傳統(tǒng)的業(yè)務系統(tǒng)有更強的場景驅(qū)動性，業(yè)務穿透性更強。建設機器學習平臺有可能是銀行整體規(guī)劃，也有可能是偶然性的項目需求中提出的。但建議銀行可以盡早的了解學習此類平臺、技術和算法等，建立人才儲備和項目管理（建模類）機制，應對未來的業(yè)務需求和項目風險。銀行如何引入機器學習平臺？情況大多是科技部驅(qū)動，較項目驅(qū)動比例略低。比如審計、分析平臺、營銷類、風控類項目都可能包含機器學習平臺的引入，主要看業(yè)務需求是否能由傳統(tǒng)方式實現(xiàn)。三 . 機器學習在銀行的主要應用場景常用的機器學習算法都可能用到，比如分類，聚類，關