基于深度学习技术的商业银行智能化

专题库
汪昀 来源:中国电子银行网 2018-10-12 11:54:09 商业银行智能化深度学习 征文选登2018

核心提示在外部竞争压力与内部转型需求双重驱动下,银行逐步将推动产品服务向智慧、智能化发展作为提升核心竞争力的一大手段。

  2018年9月-11月,由中国电子银行网!(微信公众号:cfca-cebnet)主办的“报告行长大人”银行与金融科技行业创新实践文字竞演第二季——“竞争 · 融合 · 蝶变:与进化同行”活动正在火热进行中,以下为热心网友通过中国电子银行网投稿系统(投稿)投来的稿件。

  作者单位:中国建设银行合肥电子银行业务中心

  “金融科技”这一概念掀起金融领域新一轮变革,以科技为驱动发展金融业务迅速成为金融及互联网公司关注重点,服务的智能化与高效便捷性逐渐对客户金融行为习惯产生深远影响,商业银行传统金融业务发展遭遇巨大挑战,面临客户流失与金融脱媒、获利空间持续收窄、中介角色遭受弱化等诸多困境。

  在外部竞争压力与内部转型需求双重驱动下,银行逐步将推动产品服务向智慧、智能化发展作为提升核心竞争力的一大手段,如推出智能客服、智慧柜员机、网点智能机器人等等,但在技术层面的应用上看仍然较为落后,处于半人工半智能的尴尬境地。

  近年来,深度学习技术在社会数字化大背景下取得突破性进展,并不断在数据挖掘、自然语言理解、计算机视觉、生物识别、搜索引擎、医学领域诊断、语音识别和机器人运用等领域发挥核心价值,呈现出大数据驱动、跨媒体协同、人机融合、群体智能、自主系统等特征,考虑到商业银行金融数据的连续性、高维度、时变性等特点较为适用于深度学习模型,同时深度学习技术的先进性以及应用范畴的广泛性给商业银行在风险防控、智能服务、客户维系等方面带来诸多创新应用可能,探索深度学习在金融业的场景应用或许将成为银行提升智能化服务水平、实现弯道超车的利器。

  一、商业银行深度学习技术应用场景探究

  (一)欺诈识别与风险预测

  欺诈识别与风险预测正逐步向自动充分寻找与有效利用行为数据挖掘欺诈信息方向发展,鉴于深度学习具备的优秀学习能力与强大的数据分析整合能力,在相关领域具备极高的应用价值。目前国内商业银行大多采用基于规则的反欺诈系统配合人工判断的方式捕捉欺诈行为,系统成熟度有待进一步提高,而欺诈行为特别是交易欺诈隐蔽性强,模式复杂多变,现有系统已不能适应新的欺诈挑战。引入深度学习技术构建风控模型,结合银行海量内外部数据刻画用户画像特征并辅以欺诈进件分布、欺诈发展趋势、欺诈比重等动态场景,可有效提升卡伪造风险、信贷逾期风险、交易欺诈风险、资金盗用风险等防控水平。

  (二)智能客服

  目前多家国内商业银行纷纷推出专属智能客服,如建行“小微”微信客服机器人,交通银行网点智能机器人“娇娇”等,提供在线问题解答、业务办理、操作指引等多项高频服务,于潜移默化中改变用户金融行为习惯,缓解人工服务压力。然而部分的智能客服尚未能做到知识的自主学习,后台运维人员需人工开展新场景、新业务知识点、新话术等方面的调优工作,前端任务向后端平移化趋势突显。深度学习技术具备的强自学特征能够为智能客服植入“最强大脑”,依据其具有的快速自适应迭代优势,高效准确实现新知识的自动加工、理解与运用,在此基础上植入语音识别、计算机视觉、自然语言处理等多个模块,实现客户身份识别、交流沟通、情绪安抚、同声传译、关键信息提取等功能,为客户服务的多线程、集约化、个性化处理提供技术支持。

  (三)舆情监控

  21世纪以来,互联网迅猛发展,新媒体已成为消费者获取信息的主要渠道,BBS、微博、微信、搜索引擎、数字杂志报纸广播等新媒体相对于传统媒体,具有“载体新颖”、“平等传播”、“互动传播”等特征,用户通过评论、发言所产生的“口碑式信息传递”可能成为决定企业形象好坏的关键因素,及时发现负面评价并开展舆情疏导意义重大。深度学习在自然语言处理领域应用的逐渐成熟奠定了智能化网络舆情监控的基础,商业银行可构建网络舆情多情感识别模型抓取微博、微信、论坛、第三方平台用户留言评论等输入语料,判断情感倾向,实现快速筛选正负面情绪评论,针对负面评价第一时间处突转化危机,同时提升正面评价的曝光度,为企业形象积累良好口碑。

  (四)安全保卫

  随着深度学习技术的逐渐成熟,视频监控在经历模拟、数字、网络、高清等阶段的发展后,目前已形成以智能化视频分析为核心的新格局,在“平安城市”、“智能交通”、“科技强警”等重大项目工程的建设推动下,智能视频分析技术在安防领域取得了显著成效。商业银行网点一直以来都是安防重点区域,遇突发事件采用人工报警的方式为主,监控视频内容多用于事后的案件取证分析。搭建以智能视频监控、云计算、大数据、物联网相结合的分布式安防平台,通过音视频同步实时采样分析计算,能够实现银行网点内相关目标检测、目标跟踪、目标识别与行为分析,从而判断是否有抢劫、暴力殴打、火灾等异常事件发生,并及时将突发事件传达相关部门开展应急处理,有效改善目前监控系统事中无作为、数据利用率低等问题。

  (五)精准营销

  大数据时代信息量的爆炸式增长丰富用户选择的同时也带来“信息过载”的问题,精准营销因此在全球数字化进程中扮演着越来越重要的角色。然而商业银行在产品服务智能推荐技术应用方面较为落后,大多采用浅层的人工设计特征及手工标注的处理方法,存在相关业务处理机器替代率低、精细化程度不够高等缺点。引入基于深度学习的推荐方法能够将用户访问路径、点击购买行为、评论标签、社会化关系等多源异构数据作为输入,避免繁杂的人工处理、摆脱传统推荐系统数据稀疏及冷启动制约,深层次“揣摩”用户心理,生成有效推荐列表,继而实现产品服务、营销广告等精准传达,一改银行线上服务同质化、体验不佳等现状,推动商业银行以全新姿态“拥抱用户”。

  二、商业银行深度学习技术应用策略建议

  深度学习跨模态、跨领域的推广应用,给商业银行智能化建设带来诸多机遇,商业银行应适时部署相关应用战略、建立专业人才队伍攻坚克难、强化数据应用与整合能力,不断推动产品服务向科技驱动转型。

  (一)加快相关应用的顶层设计步伐

  探索追踪深度学习发展趋势,着手制定短、中、长期的发展规划,可针对本文所述应用场景,加速推动已有场景的技术革新,同时结合实际运营情况探究尚未落地应用场景实施可行性及必要性,致力于为客户提供体验极致的产品服务。

  (二)打破底层技术壁垒

  强化深度学习理论研究与核心技术攻坚,将人员需求适当向具备数据分析、开发研究等高级专业技术能力的人才倾斜,商讨与核心技术公司合作事宜,形成交流研讨、互培互训、资源共享格局,逐步建立起一支技术能力过硬、运维经验丰富的专家队伍。

  (三)做好数据优化整合工作

  建立统一的数据标准和信息模型,完善数据清洗、集成、变换、规约等一系列预处理操作,为深度学习技术的应用提供更为精准可靠的数据输入,此外也可考虑进一步拓展数据源,在风险可控的基础上,在业内形成部分数据共享机制,构建合作共赢的数据生态圈,共同为商业银行智能化建设提供数据支持。

责任编辑:Rachel

收藏

  • 最新
  • 最热

    点击加载

      点击加载

      我要评论
      普通评论
      游客

      登录后参与评论

      为你推荐

        暂无相关推荐
        财源源二维码

        热文排行

        • 今日热点
        • 每周排行
        合作媒体

        中国网络电视经济台 | 和讯银行 | 新浪理财 | 凤凰理财 | 腾讯网 | MSN理财 | 网易科技 | 中华财会网 | 第一财经网 | 北京商报网 | 和讯科技 | 财新网 | 中国网理财 | 金融界银行 | 光明网经济 | 东方财富网 | 经济观察网 | 中国经营网 | 赛迪网 | 新华信息化 | 中关村商城 | 同花顺金融服务网 | 环球网财经 | 投资时报 | 钛媒体 | 中国金融新闻网 | 新华网财经 | 人民网金融频道 | 中文互联网数据研究资讯中心 | 中金在线 | 外汇 | 品途网