导语：随着互联网金融和金融科技的快速发展，人工智能在金融领域的应用正在不断深化。金融科技如何进一步在中国金融业的发展中发挥重要作用？这里包括云计算、大数据、移动金融、人工智能、物联网及区块链等的应用。其中，最重要的应用领域之一是人工智能应用，它是未来金融创新重要的应用趋势，是金融创新与发展的重大推动力。
智能风控
华夏银行智能风控平台通过外部引智和借鉴业内先进经验，克服了架构、技术、数据、应用等多方面的困难，共历时一年多，分两批投产上线，具备了客户风险画像、风控建模、智能风险分析等功能。第一批2019年3月投产，完成了行内多个数据源重要风险数据的整合，并引入工商数据与行内客户数据融合，第二批2019年10月投产，形成了“天机星”企业客户风险画像系统和“天算星”风控建模系统两大核心功能。
建设“天机星”企业客户风险画像系统，建立客户风险全景视图。针对企业客户关联关系存在真实情景复杂、客户刻意隐瞒从而难以充分准确识别等问题，“天机星”系统优先着力解决集团客户风险捕捉不全面、过度授信等业务痛点，力图识别每条客户关联关系的“天机”。一是构建客户谱系。进行关系挖掘分析聚合，从投资、担保、控制人关系等多维度构建关系图谱，网状呈现客户在关系图谱中所处的位置及角色，区分强经济圈、最终受益人圈、最终控制人圈、集团圈，识别企业的实际控制人，有效识别关联风险，预防外源性风险传导。二是生成客户风险画像。以客户为中心整合内外部风险信息，深度刻画剖析企业的内外部风险，形成多维立体的客户风险画像，实现从“人找信息”到“信息找人”的转变。三是提供智能分析报告。基于客户风险画像，引入智能评价策略，构建客户、集团、行业、地域等不同统计维度上的风险分析报告体系。
建设“天算星”风控建模系统，赋能智能风控模型敏捷开发。“天算星”集成了风险数据整合、数据可视化管理和机器学习建模等功能，为开发建设智能化风控模型提供建模平台，可极大地提高算力。一是对内外部风险数据进行整合。涉及内外部多个信息系统数据源，涵盖了客户、业务、担保、财务、征信、工商及银保监会客户风险信息等多种数据。二是实现风险数据分类管理和权限管理。既支持数据资源的可视化访问，提供多种格式的数据导入，大大提高数据提取和数据利用的便利性，也支持数据分类管理，实现精细化的数据分类和不同数据库之间的数据相互调用。同时支持灵活的数据权限管理，对不同用户设置差异化的数据读、写权限控制，采用树状结构配置数据库和表、用户组和用户之间的权限，实现了数据权限的灵活管理以保障数据安全。三是提供了丰富的数据处理功能。既支持数据统计、数据拆分、数据清洗等预处理功能以及特征抽取、特征组合等自动化的特征工程，也支持数据定制化加工，并同时提供菜单式和编码式的数据处理功能，从而大大降低数据处理的难度。四是支持机器学习建模。引入多种高精度的机器学习算法，支持自动、智能、精准、快速的模型开发，同时具有模型直接发布部署和模型翻译功能，大大提高模型开发、优化和部署的效率与灵活性。
采用先进架构和技术，提高智能风控处理能力与效率。一是采用高内聚低耦合的三层系统架构，便于平台管理和扩展。高内聚低耦合系统架构下，每个模块只聚焦特定的独立子功能，模块与模块之间的联系尽量少且接口简单，相比低内聚高耦合的系统架构，显著提高了系统稳定性和独立性，更便于平台管理和扩展。平台的数据整合层专注于构建大容量Hadoop数据集群，整合和存储内外部数据，供“天机星”和“天算星”共享。模型构建层专注于大数据的清洗、加工以及模型构建。模型应用层专注于通过模型运算输出模型结果。各层级功能相对独立，降低了系统各层级间的相互影响，同时又实现了数据共享。二是采用大数据处理技术提升运算性能。采用当今业界前沿的大数据处理技术，在分布式框架下将Hive和MapReduce相结合，用于支撑TB、乃至PB级的大规模数据集并行运算，实现传统技术难以支撑的海量数据批处理运算。前台数据查询采用Redis内存数据库，搜索引擎采用ElasticSearch，大大提升大数据搜索查询和计算速度。三是利用知识图谱技术，提升客户风险全景视图的挖掘探查能力。采用业界领先的Neo4j图数据库和Spark GraphX分布式图处理技术，以图的结构形式存储关联数据，无需全局搜索，仅遍历查询有限的局部数据就可以得到查询结果，并且基于简洁易用、丰富的图计算和图挖掘接口，更加方便地实现对千万级企业客户的关联谱系构建和疑似实际控制人识别，较传统技术大规模关联数据的查询和运算速度可提高数倍乃至数十倍，并提高开发效率。
其他智能化应用
智能化监控及故障诊断。采用基于业务、IT层级和全路径三个维度的监控覆盖手段，结合数据处理引擎和智能的关联分析算法，对海量监控数据进行实时处理，实现较为准确快速的故障定位。目前，已基本实现近70%左右日常事件的自动识别能力。
运维数据分析及预测。运维管理工作逐步向业务运营和用户服务等领域延伸，利用运维大数据实时数据处理能力，结合业务场景，对业务运营数据深入挖掘分析，协助业务部门优化服务效率，提升运维服务价值。
閱讀更多 金融科技創新網 的文章
