前言
2020年初的新冠疫情在金融領域“催生”的“零接觸式服務”進一步推動了金融科技的應用與落地。在後疫情時代，隨着5G、大數據、雲計算、人工智能、區塊鏈等新興技術與金融業務的結合，金融行業的數字化大“變身”也在不斷蓄力。近年來，AI在金融服務賦能和業務模式變革方面全面發力，從“千人千面”的智能營銷到虛擬員工的智能客服，從“火眼金睛”的智能風控到無處不在的智能運營，AI都在爲金融行業的科技之路保駕護航。
人工智能平臺中的AI——實現規模應用的“哆啦A夢”
在人工智能平臺前，金融行業特別是銀行中的建模大都還是SAS、SPSS等統計建模軟件的天下，雖然它們在評分卡等領域曾經輝煌過，但在大數據時代的長河裏，它們漸漸失去了往日的光芒。這時，具有大數據基因，且整合了大數據機器學習框架以及多種計算機語言的人工智能平臺應運而生。其不僅利用分佈式計算部署能力和容器技術讓計算能力和速度進一步提升，而且還降低了建模計算的使用門檻，讓前線的業務人員也能體驗小白上手大數據建模的快感，同時也能讓建模與業務場景結合地更緊密，讓建模結果更好地賦能業務。
▶ 更加精細化的客戶管理：
將集中於客戶關係管理系統中的人口屬性數據、集中於交易系統，產品系統以及客戶關係管理系統中的信用屬性數據、集中於渠道和產品系統中的消費特徵數據、來自運營商，電商等外部廠商的興趣愛好和社交信息數據，都導入至數據市場中
（eg：將客戶精分爲獲取期、提升期、成熟期、衰退期和退化期，從而可以挖掘找到高價值客戶）
▶ 更加個性化的產品營銷：
將產品系統中的各大理財產品基本信息、投資組合、公告信息和財務報表相關數據導入至平臺中
（eg：通過對潛力客戶的用戶畫像特徵變量進行分析，預測其進一步升級成爲優質客戶的可能性，對可能性高的客戶進行產品精準營銷，從而能夠提升營銷的針對性和成功率）默默陪伴不騷擾的個性化數字金融產品，當客戶需要時又能在第一時刻出現，AI將產品營銷做到極致。
▶ 更加全面化的風險管控：
風險管控貫穿於金融業務貸前、貸中和貸後的整個生命週期中。
貸前客戶准入風險審覈：
1）根據央行徵信數據以及用戶提交的相關材料進行身份覈實，確保用戶不存在欺詐歷史；
2）結合用戶的社交數據、行爲數據、收入數據等個人屬性信息，利用隨機森林等分類算法對用戶的信用風險等級進行判定，預測用戶未來的履約能力；
3）利用用戶的收入及負債相關數據瞭解用戶的負債能力和收入穩定性，並結合信用等級評分數據，應用廣義線性模型和主流貸款定價方法確定放款額度、月供金額和償還期限
貸中客戶行爲實時監管：
1）粗粒度的用戶層欺詐識別：根據金融平臺上對用戶交易行爲的限制，及用戶實際發生的交易行爲進行對比，應用邏輯迴歸等算法判定用戶是否屬於欺詐用戶；
2）細粒度的交易層欺詐識別：利用交易上下文、交易行爲發生IP、設備、地域的相關數據，結合邏輯迴歸算法以及圖計算算法和知識圖譜判定交易行爲的欺詐性，從而挖掘出相關欺詐用戶
貸後對公客戶違約預測：
構建交易知識圖譜、供應鏈知識圖譜以及企業知識圖譜，利用複雜網絡挖掘擔保網絡中的風險信息，再對挖掘出來的相關風險特徵進行建模，從而能夠更好地對某一筆借據的違約風險和逾期傾向進行預測，並對逾期概率大的借據進行特別關注和預警。即使AI算法只能解決可控風險，但AI仍努力讓風控落到實處。
“哆啦A夢的神奇口袋”裏不僅有多種數據源對接工具，還有標準化的AI服務模塊和通用組件，其提供的快速複製及靈活研發能力讓AI在金融行業得到規模化應用，在各個業務場景遍地開花。
同時針對數據孤島困境、數據隱私保護的限制以及數據單一導致的算法模型精度問題，“口袋”中的聯邦學習模塊都能很好地解決。它能讓各金融機構之間以及金融機構和其他行業機構間在保護原始數據隱私安全的情況下進行聯合機器學習建模，既能滿足金融業務需求，又能保障合規要求。