信數(shù)金服CEO徐進：如何讓“AI＋大數(shù)據(jù)”真正在企業(yè)落地

2018-12-07 14:09

近年來，AI、大數(shù)據(jù)等新興技術如何與業(yè)務結合，推動企業(yè)數(shù)字化轉型，成為業(yè)內(nèi)關注的焦點。信數(shù)金服CEO徐進在接受記者采訪時認為，一些高頻、重復且低附加值的工作，非常適合由人工智能來替代完成。但要讓AI技術落地，首先企業(yè)自身必須做好準備，夯實信息化和數(shù)字化基礎，把數(shù)據(jù)收集好、整理好、管理好。

目前，信數(shù)金服在金融、制造、通信、教育等多個行業(yè)均開展了實踐。徐進指出，“不少企業(yè)其實已經(jīng)積累了很多數(shù)據(jù)，但是都沉睡在那里，并沒有被用起來。我們要做的是幫助企業(yè)把數(shù)據(jù)真正用起來，降低成本、提高運營效率。”

自動化風控審核，降低80％人力成本

在金融行業(yè)，AI技術的應用讓金融機構更高效、準確地評估用戶信用，提高風控審核效率。

“傳統(tǒng)的風控是由各機構的風控團隊以人工的方式進行經(jīng)驗控制。像銀行在給企業(yè)批貸款的時候，需要員工查看網(wǎng)上公開發(fā)布的企業(yè)歷史法院訴訟的文件。”徐進說，“這些文件經(jīng)常能達到幾千甚至上萬字，用人工的方式一頁一頁看，不僅效率較低，也不一定準確。而現(xiàn)在通過AI對文本進行智能解析，可以精準地獲取文件關鍵信息，實現(xiàn)小微企業(yè)的信貸自動化審批。”

以工商銀行為例，信數(shù)金服協(xié)助其搭建的大數(shù)據(jù)智能風控平臺收錄了來自行內(nèi)、金融同業(yè)以及司法行政部門提供的各類風險客戶和賬戶信息，經(jīng)過分類評級后的信息按照不同業(yè)務需求分別在銀行核心系統(tǒng)以及個人金融、信貸、授信、銀行卡等業(yè)務領域投入應用，為相關業(yè)務審核和辦理提供預警和控制支持。

而某互聯(lián)網(wǎng)金融企業(yè)引入了智能風控自方案后，在風控審核上的人力節(jié)省了80％。

“這企業(yè)原來在信用申請審核需要上百人力，對貸款申請人打電話，通過人工判斷風險的大小，到底給不給他放貸款。整個信審流程是高頻、重復的，且附加值不高。現(xiàn)在，通過AI技術實現(xiàn)對小額度貸款的自動信用審核，大額度由人工進行部分干預，把人從重復的勞動中解放出來，員工的工作轉變?yōu)榫S護風控規(guī)則和重點客戶，脫離低價值勞動，去做更有價值的事情。”徐進表示。

在保險行業(yè)，利用大數(shù)據(jù)和AI技術可以實現(xiàn)千人千面的個性化保單推薦和定價。比如，綜合個人的駕車行為習慣、駕齡、違章、交通大數(shù)據(jù)等多方面因素為客戶提供有針對性的車險定價，并實現(xiàn)投保、理賠、理算的全流程智能化處理，解決理賠慢的問題，提高客戶滿意度。

自動化反欺詐，識別96％的信用卡盜刷

AI技術還可以協(xié)助金融機構實現(xiàn)自動化反欺詐，避免信用卡盜刷。徐進以某全球大型在線支付公司為例。該公司的業(yè)務遍布全球，7＊24小時運轉，每天都處理上千萬筆交易請求，為了防止盜刷，需要收到交易請求后在十毫秒內(nèi)快速做出判斷，截斷支付。

信數(shù)金服協(xié)助其構建了基于機器學習技術的實時反欺詐系統(tǒng)，通過自動化建模預測，可以在極短時間之內(nèi)分析幾百萬甚至上千萬的交易歷史數(shù)據(jù)，甄別交易的真實性，并且針對不斷變化的欺詐模式，每日自動訓練、自動更新反欺詐模型，模型的迭代頻率從以周為單位提高到以日為單位。目前，欺詐交易識別準確率高達96％，達成了僅0．27％業(yè)界最低風險損失率指標。

在上海儀電集團孵化器云賽空間的牽線搭橋下，信數(shù)金服的實時反欺詐技術還被引入土耳其。不久后，信數(shù)金服將與土耳其第一大商業(yè)銀行——土耳其實業(yè)銀行合作，為其提供金融反欺詐服務。

“土耳其實業(yè)銀行是土耳其最大的商業(yè)銀行，他們看中我們的方案和經(jīng)驗，希望把這個反欺詐技術引進到土耳其，后續(xù)還會擴展到運營自動化、保險等其他領域。” 徐進說。

設備預測性維護，單倉庫節(jié)省200萬美金管理費用

除了金融領域，信數(shù)金服也把他們的方案推廣到工業(yè)制造等行業(yè)，利用AI、物聯(lián)網(wǎng)、大數(shù)據(jù)技術進行設備的預測性診斷和維護。

“比如我們每天坐的電梯，通過采集電梯的運營數(shù)據(jù)，結合大數(shù)據(jù)分析和機器學習提供預測性診斷和維護的建議，在電梯出故障之前就能預測，進行針對性地維修，避免中斷事故。”徐進說。

此外， ABT采用了信數(shù)金服的智能決策引擎打造無人倉庫，通過在無人叉車內(nèi)的電池內(nèi)置傳感器數(shù)據(jù)實時采集與分析，對電池狀態(tài)進行智能預測、提前預警。

“工業(yè)用的大型蓄電池需要在一個比較合適的時間提前充電，如果在電量已經(jīng)快耗盡的時候再去充，可能就會對電池造成永久性傷害。過去。ABT需要通過工程師來查看傳感器數(shù)據(jù)來監(jiān)控設備，現(xiàn)在由系統(tǒng)智能判斷，作出快速響應，單個倉庫年節(jié)約成本達200萬美金。”

在談到人工智能尚存在的挑戰(zhàn)時，徐進強調行業(yè)要提升對數(shù)據(jù)本身的重視程度，如果數(shù)據(jù)質量不夠好的話，AI也巧婦難為無米之炊。

為此，由信數(shù)金服提供的企業(yè)智能運營體系化方案中，第一步就是數(shù)據(jù)治理，幫助企業(yè)做好數(shù)據(jù)質量管理，在此基礎之上再應用機器學習、數(shù)據(jù)挖掘這些模型，用數(shù)據(jù)打通業(yè)務的各個環(huán)節(jié)，獲得以數(shù)據(jù)驅動的分析決策和預測能力，實現(xiàn)真正的數(shù)據(jù)洞察。