“保姆級”金融場景智能化解決方案解讀。
作者 周蕾
上週，雷鋒網AI金融評論邀請到了百融雲創副總裁薛婧做客雷鋒網公開課，以“AI助力金融機構五大場景智能化轉型實戰講解”為題進行了乾貨分享。
後續將有更多課程上線，添加微信號 AIFintech_leiphone 報名聽課。
目前薛婧負責百融雲創客戶的解決方案及行研中心兩大部門，她表示，線上業務相對成熟的的一些機構，實際上整體業務量並沒有受疫情的影響，反而比去年同期（即農曆春節前後）的狀況要好很多。而金融機構也從原來更注重自研產品的思路，向以客戶為中心轉變，基於客戶需求進行相應產品的開發和迭代。
在服務3500餘家金融機構、日均輔助審批信貸申請數百萬筆的磨練下，百融雲創摸索出了一套金融重點業務場景智能化轉型的獨家招式。薛婧結合百融雲創的豐富合作經驗，解讀了金融機構從網點式思維向線上化、智能化轉型的技術方針。
以下為薛婧分享內容節選，AI金融評論做了不改變原意的編輯。
關注AI金融評論，後臺回覆“百融公開課”即可下載課件。本部分主要是結合金融業務的實際場景，來介紹人工智能可以如何幫助金融機構去真正實現一些智能化的轉型。
首先講人工智能還有整個金融行業的發展，實際上金融行業每次革新性的發展都是離不開技術的。我們以銀行為例，目前為止銀行已經進入到了4.0時期。
銀行的1.0時期，實際上是從1472年開始，以第一個物理網點出現為起始。到了1980年，銀行開始出現了ATM機，這個時候就過渡到了2.0版本。隨著互聯網的技術，包括移動智能手機的不斷普及和應用，銀行進入到3.0的階段。這個時期的主要特點，實際上就是移動錢包、移動存款啊，包括很多電子銀行，都是在這個時期在逐漸開展業務的。
從17年開始一直到未來很長一段時間，進入到銀行的4.0時期，已經從原來的網點業務開始逐漸轉向深入到各個場景方。所以未來銀行很可能是一個無感知的、開放銀行的概念，它會把自己的服務能力嵌入到各個場景下，在各個場景內客戶就可以得到相應的金融服務。
無論是銀行，還是其他原來很多的業務，它的業務模式其實是基於自己的網點或者線下門店來開展的。
之前機構更加註重的是自研產品，就是我開發了一個新的產品，實際上是客戶需要來適應我，而不是我基於客戶的需求來開發的。這是原來的傳統自營業務模式。
銀行非常穩健，它的轉型也是比較慢的。現在互聯網業務競爭激烈，銀行也已經開始意識到說，首先不能夠再固步自封，不能夠以產品為中心，而是要以客戶為中心，基於客戶的需求，來進行相應產品的開發和迭代。
同時，由原來的網點式思維，轉變成現在積極利用線上化的工具，為客戶提供更順暢的、更快捷的一些普惠業務。
從疫情開始一直到現在，我們觀察到，對於線上化業務已經相對成熟的金融機構，比如說像消費金融和其他的一些非銀機構，他們原有的信審流程就已經是線上化的。做一筆借款，秒批秒貸，很短的時間內就可以拿到相應的金融服務產品了，這都是因為他有一套完整的線上風控流程來做支持。
銀行很多業務是以線下網點為基礎，你要到網點去做面籤才能夠完成這項業務。而且整個審批流程也比較長，很多環節上都是需要人工介入，就會拉長審批時效性。
我們發現，前面說的線上業務相對成熟的的一些機構，實際上整體業務量並沒有受疫情的影響，反而比去年同期（農曆春節前後）的狀況要好很多。
反觀銀行，整體業務量就會受到大幅度的影響，節後三週我們觀察到的結果要比19年下降了至少5成，至少5成———大量的客戶實際上都已經轉到了其他線上化相對成熟的金融機構。
所以這個是機構整體業務模式的轉變。疫情對於金融機構，尤其是像銀行這樣相對保守性的機構，這是加速了它們轉型升級的步伐。原來可能還是想再看一看，現在已經是不得不去做實事了。
今天重點介紹這五個場景：智能風控、智能營銷、智能支付、智能客服和智能投顧，看在這幾個場景下，人工智能的技術是如何助力金融機構來做整體轉型的。
智能風控
智能風控主要指的就是基於信貸場景下，綜合判斷是不是能夠給這個客戶貸錢？貸完錢之後，能不能夠及時足額還款？如果不還，貸後催收可以怎麼處理？
在智能風控的全流程裡，貸前就是我們講的准入階段，就是銀行或者金融機構決定要不要借你錢的環節。實際主要關注的是兩類風險：欺詐風險——是不是來騙錢的？再有一個就是信用風險，就是能不能未來足額還錢。
貸中環節，就是說我已經把錢給他了，但是客戶還沒有完成所有的還款週期，貸中要持續監控他的狀態，這個時候會有相應的風險預警。
貸後，也就是真正出現逾期之後，會有很多的客服和催收人員來打電話，在整個貸後管理上，也可以運用一些智能化的工具來提升整體的效率。
在具體的應用上，比如說在貸前用人臉識別技術，一定程度上解決需要線下面籤的問題。
關係圖譜的反欺詐應用
它其實是人工智能技術的一個應用分支，去分析客戶的聚類現象，通過一些算法可以找到這些頂點之間的一種關係。如果聚在一起，代表他們其實是有一些強綁定的關係的。
圖譜最核心的應用點就是找到欺詐客戶，會發現一些黑中介者是團伙欺詐。比如說這張圖，我們拿到了一個客戶的手機號，在底層數據進行關聯，發現它關聯了4張身份證號，然後又關聯了一個郵箱。那麼其中三個身份證號還有郵箱都沒有關聯出任何信息，只有一個身份證號又關聯出了一個郵箱，然後關聯出一個電話之後，這個關係網絡也斷了。在我們的這個判斷裡，就會認為他是一個疑似的黑中介。
一個正常的客戶，實際上他的手機號跟身份證號之間是有綁定關係的，現在的話可能差不多有2~3個是比較正常的。一下子有了4個甚至以上的綁定關係，一個手機號綁定了四五個以上的這樣的身份證號，可以想象到它的一個場景是，用一個手機綁定不同的實名信息，也就是其他的客戶信息來進行騙貸，在同一個平臺或者多個平臺來進行騙貸，所以才會有這樣的結果。
大家可能會問，這是怎麼找到這些實名信息的？實際上在整個的欺詐環節內，很多的黑中介或者是團伙欺詐，他們是有相應的渠道可以拿到你的姓名、身份證、手機號，而且成本非常便宜，不到一塊錢。拿到這些信息之後，就可以跟他的手機綁定，然後在平臺上進行申請。
所以之前遇到有些客戶說，看到自己的人行徵信，發現欠款了有逾期，這個客戶其實根本就不知道自己有這筆借款，很可能就是因為他的信息被盜用了。黑中介以他的身份進行借貸行為，最後產生逾期。
另一種情況是，比如說張三跟李四，兩個不同的人，公司也不同，但是你發現他們留下的前臺座機號是同一個，或者手機通訊錄完全一致，所以通過這樣的一些關係分析，我們就可以找到這種團伙。
如果是個人貸款產生不良，實際上只是一筆；但如果是團伙，一旦金融機構沒有準確識別，基本上全部都會是壞賬，這對金融機構的壓力就會非常大。
我們最近的數據也顯示，在疫情的作用下，全國整體的團伙欺詐風險都在上升。
除此以外，還有智能風控的智能機器人。大家最先接觸到的智能機器人是在一些銀行的網點，機器人可以跟你一問一答，產生交互。現在疫情，很多銀行客服也是沒有辦法上班的，所以這個時候有些銀行全部都調用的智能語音產品，由機器人提供相應的服務，也是一個趨勢。
大數據的風控模型如何搭建？
簡單來說，原來傳統的模型、搭建方式，是用邏輯迴歸，而且主要依據人行徵信報告，無非基於客戶之前有沒有不良記錄、欠款，然後判斷整體風險，再決定要不要放貸。你會發現很多都是信貸強相關的數據，我用邏輯迴歸，基本上用不超過10個變量，就可以綜合判斷了。
但是傳統風控建模，在現有的場景下，它遇到的最強大的挑戰就是很多白戶。很多年輕人群就屬於我們講的那種，沒有之前被服務好的長尾客戶。實際上他們之前沒有辦過信用卡，沒有車貸，沒有房貸，所以在人行徵信上你看不到其他的所有的信貸記錄。
但是這些客戶也有非常強的信貸需求，而且這裡邊有很多優質客戶，比如說工作5年以內的年輕白領，他雖然現在可能沒車、沒房，甚至沒有信用卡，但是他未來一定會是銀行非常好的潛在客戶。所以其實用傳統的風控模型，你會發現，有大量的客戶會被銀行拒絕掉，拿不到銀行服務的。
所以新型智能化風控模型，我們用的是什麼方式？
首先用到的，可能是非信貸場景下的弱相關變量，就是並不基於信貸場景下來進行分析的。比如說你之前的一些消費行為，瀏覽行為，你經常喜歡看哪些模塊的內容？還有你的社交圈，雖然這些跟信貸不是直接相關，但是可以判斷你的整體風險。
所以在整個的模型搭建上，我也不會只用10個左右的變量，甚至可能有成千上萬個變量，所以這個時候就需要有人工智能的算法來做支持，它會用到像上面我們看到的GBDT、神經網絡等等，這樣一些更高級一點的算法，把這些成千上萬個變量來進行整合。
最後我來綜合分析這個客戶，我到底要不要給他准入？所以這是兩個非常大的區別，用專業一點的話來說，就是傳統風控模型，我用到的是信貸強相關的數據。但用到的關鍵變量解決不了白戶的問題，一旦客戶缺失某幾項信息，模型就是不穩定的，後果就是我對這個客戶沒有辦法進行準確判斷。
大數據風控模型的思路是，用非常多的弱相關變量，去綜合分析客戶。即使他之前沒有發生過任何借貸行為，我依然可以判斷客戶的風險。
為什麼現在很多客戶可以在不同平臺上借貸了？你想要的金融服務除了銀行以外，其他機構也能幫你來實現，而且整個的流程是非常順暢的。為什麼可以實現秒批秒貸？實際上都是有這些大數據和人工智能的技術在幫助金融機構去做綜合判斷。
除此以外，我們還有像智能訓練平臺，一站式建模，會把剛才提到的很多非常複雜的算法，把它包在整個的自動訓練平臺裡邊。要了解算法和場景，需要非常高的學習成本。
市場上的風控人員實際上是很稀缺的，我們把百融6年的經驗全部包在這個線上化的自動模型訓練平臺上，對於小白分析師或者剛入行的從業人員來講，很快就能搭建完一個複雜的機器學習模型，整個模型的開發週期也大幅縮減，基本上是在以天為單位就可以完成一個模型的開發、上線和部署。
智能客服
這次很多金融機構沒有辦法集中上班，所以也用到大量的智能語音工具。在這個場景下，包括文字坐席、智能IVR（Interactive Voice Response，互動式語音應答）機器人去跟客戶產生交互，還有智能質檢等。舉個例子，這是客戶已經逾期的場景。基於現在的疫情，我們在做貸後管理的時候，實際上是會有這樣的一些話術可以給到機構的。
另外一個最近常用的場景，是基於很多地方政府或者社區，需要對社區居民回訪。
更多場景應用的案例音頻，請持續關注AI金融評論，全場回放視頻即將上線。
在跟客戶產生交互的時候，主要採用的是IVR。當我們聽到客戶的語音，首先機器人要把它轉化成文字，也就是ASR技術（Automatic Speech Recognition，語音識別），微信語音長按轉文字就是ASR技術的一種體現。
第二步就是機器人的大腦，NLP技術（自然語言處理）。我要準確知道客戶到底說了什麼，要知道如何回覆客戶，如何應答。
當我理解了客戶的意思，也知道應該如何回答客戶的時候，這個時候要把這段文字再轉化成語音，這裡用到的是TTS（Text To Speech，文本到語音），可以理解成是語音轉換器。
最後這段語音推給客戶，通過IVR來進行交互———這麼多步驟，實際上機器人跟客戶之間的交互是沒有什麼延遲的。
智能營銷
還是以銀行為例，因為銀行的例子會豐富一點，也是大家平時能夠接觸到的。
對於銀行來講，傳統的營銷方式主要包括物理網點上的營銷、地推路演、沙龍會議，用電話或者短信觸達，在媒體廣告上進行傳播。
這些大家都不陌生，但你會發現實際上這裡邊有一個問題：受制於場景和場地，沒有辦法觸達全量的客戶；也不夠精準，並不瞭解這個客戶他真正的需求是什麼，他只是盲目去推廣，廣撒網。可能我把傳單給到了所有人，但實際上這個客戶可能是一個VIP客戶，另外一個客戶可能根本就不符合我的准入條件，他的資質可能都不是特別好。
傳統的整體營銷方式，會有種種侷限。那麼在整個營銷智能化的轉型中，人工智能技術可以幫助銀行去做的一件事情，就是幫助你更準確地去分析客戶的需求，同時給客戶去匹配與它需求相對應的產品。這一點實際上是非常關鍵的。
這裡面我們會用到的技術也比較多，比如說像客戶畫像，會用到一些相應的營銷的評分，來幫助銀行來進行整體的客戶分層。
主要目的就是幫助銀行來分析，哪些才是你的目標客戶？這些目標客戶適合現有的哪些產品？真正達到了一個更精準的效果。而且節省大量的人工，省去和不必要的一些勞動力。
智能投顧
花旗銀行的數據顯示，到2017年的時候，中國的個人可投資資產總額已經達到了188億以上。估計到2020年底，國內的整體可投資的資產規模將要達到200萬億以上，高淨值人群的比重也將上升到49%。
今年的疫情可能會使數據有一些波動，但實際上整體的趨勢還是看得非常清晰的。財富其實是增長的，那麼如何很好地去進行投資，讓財產能夠保值增值，這都是大家非常關注的問題。
大眾對資產配置的渴望在增加，原來的基金公司、理財公司更多關注的是高淨值的客戶，有很多長尾客戶的需求，實際上並沒有真正地被滿足到，沒有很好地被服務到。這就跟現在發展普惠金融業務，包括對於長尾客戶的零售金融業務，整體思路是一致的。
隨之上線的就是智能投顧的產品，其實就是對於這些小散戶，提供一些真正符合他們需求的智能化建議。
在智能投顧的發展過程中，實際上非常重要的一環就是KYC（Know your customer，瞭解你的客戶），就是你要知道這個客戶的風險是什麼樣的？他的需求偏好是什麼樣的？我應該如何給他配置資產？是需要給他多買一些固定收益產品，還是需要進行風險投資？現在是不是有保險的需求？他最近有沒有一些貸款的需求？在客戶的整個生命週期裡，需求的內容都是不一樣的，需要真正能夠了解客戶現在的一些資產狀況、近期計劃和中長期計劃來綜合考慮。
在美國，我不知道有沒有觀眾考過CFA，它其實主要培養的就是投資經理、理財經理。這些理財經理實際上服務的客群也是VIP的高淨值客戶。他需要收取高昂的管理費，在這個場景下，他才會為你量身定製去分析你現有的資產狀況，在近期之內你有沒有一些消費支出，比如孩子上學、出行計劃、有購房需求等等；遠期你的養老金應該如何來打理等等，他會按照你的整個生命週期進行一個全流程全方案的分配，制定專屬的投資建議書。
這項服務目前為止對於個人客戶，尤其是散戶來講，還是比較奢侈的。所以智能投顧未來如果真正能夠發展起來，它是有非常廣闊的場景。
目前為止中國的智能投顧還是存在一些很明顯的問題。首先整體行業的技術並不成熟，它並沒有達到真正根據不同資產狀況和全生命週期來制定不同投資計劃的水平，現在很多時候還是需要人工介入，沒有辦法實現我們實現智能化、自動化的財富管理目的。
另外，銀行目前對智能投顧的投入和發展還是相對落後的。同時，公眾的認知也有待提高，大家對整個智能投顧（的瞭解），可能更多是一個概念，知道有這麼個東西但實際上並不會信任他，更多的還是把錢直接去給到銀行的理財經理，讓他們來幫助你來做整體的投資。但隨著大眾認知的提高，技術的不斷提升，一定會有這樣的一些平臺，能夠開發出相適應的一些產品，來服務長尾客戶群體。
全場回放視頻即將上線，敬請期待。
閱讀更多 AI金融評論 的文章
