杭州2018年9月(yue)13日電 /美通社(she)/ -- 人(ren)工智能(neng)等信(xin)息技術的(de)(de)應用，對銀(yin)行的(de)(de)業務創(chuang)新具有(you)很大(da)意義。依托積累的(de)(de)龐(pang)大(da)數據資源，銀(yin)行業借(jie)助人(ren)工智能(neng)技術，能(neng)夠大(da)力(li)推動商業模式(shi)與安全技術創(chuang)新，不斷提升風控、分(fen)析和決策能(neng)力(li)，并(bing)提高運營效率和服務水(shui)平。
信貸(dai)業務是銀行業的(de)主營業務，也是目前(qian)跟 AI 融合最深入的(de)場景，研究 AI 在(zai)信貸(dai)領(ling)域的(de)應用對整個 AI+ 金融有很大的(de)啟(qi)示作用。
信(xin)(xin)貸(dai)(dai)業務流程主要可分(fen)為(wei)三個階段：第(di)(di)一(yi)、營(ying)銷獲(huo)客(ke)；第(di)(di)二、貸(dai)(dai)前(qian)反欺詐(zha)、貸(dai)(dai)前(qian)信(xin)(xin)用審核以及貸(dai)(dai)中監控；第(di)(di)三，貸(dai)(dai)后管(guan)理。
每個環節都存在固有的痛點和挑戰，很多都是長期存在的頑疾，AI 技術的進場不同程度上改變了整個局面。同盾科技作為國內第三方智能風控服務提供商，在利用 AI 賦能銀行的道路上始終走在行業前列，同盾科技全流程智能風控具有非常典型的代表性。近期，針(zhen)對信貸業務的三個階段(duan)，同盾針(zhen)對性地(di)提出了智(zhi)能(neng)化解決方案(an)：用(yong)戶增長服務、貸前反(fan)欺詐及(ji)信用(yong)風控服務、逾期管理智(zhi)能(neng)催收服務。
用戶增長服務|系統化經營客戶整個生命周期
信貸客戶(hu)生命周期(qi)解構成獲(huo)取(qu)、提升和成熟、衰退流失三個階段。
客戶(hu)獲(huo)取(qu)階段的使(shi)命是(shi)發現(xian)并獲(huo)取(qu)潛在客戶(hu)，增加流(liu)量轉化率，相應的解決方法是(shi)建立潛客響應模型。
用戶(hu)從(cong)各(ge)個渠道進入平臺時，標簽信息基本為零，通過同(tong)盾(dun)潛客響(xiang)應模型的(de)(de)篩選，可(ke)以對客戶(hu)進行360度精準(zhun)畫(hua)像(xiang)，以分值的(de)(de)形式將客戶(hu)劃分成(cheng)高響(xiang)應、中響(xiang)應和低響(xiang)應三種狀態，針對三種不同(tong)圈層的(de)(de)客戶(hu)推出針對性(xing)的(de)(de)方案。
通過高、中、低層次劃分，在(zai)流量(liang)驅動的獲客階(jie)段，銀行(xing)能調配出最(zui)優資源配比，把較(jiao)好(hao)的營銷資源投入到(dao)較(jiao)高層次客戶身上。
客(ke)戶提升(sheng)和成熟階段的關注點是挖掘存量客(ke)戶較大價(jia)值，增加(jia)粘性和品牌忠誠度(du)。
此(ci)階段相對(dui)(dui)應的(de)(de)解決方案是(shi)產品(pin)推薦模型或交(jiao)叉營(ying)銷(xiao)(xiao)模型，通(tong)過產品(pin)推薦模型可以幫助銀行有效識別用戶(hu)對(dui)(dui)不同產品(pin)的(de)(de)潛(qian)在需求，對(dui)(dui)特(te)定客群積極(ji)開展交(jiao)叉營(ying)銷(xiao)(xiao)活動，提(ti)高(gao)個性化(hua)匹配(pei)的(de)(de)幾(ji)率，從(cong)而提(ti)高(gao)利(li)潤。
客(ke)戶衰退階段的(de)目標是延長客(ke)戶的(de)生命周期，挽回流(liu)失客(ke)戶，讓其對信貸產(chan)品重(zhong)新產(chan)生興趣。同盾(dun)流(liu)失召(zhao)回方案可以(yi)有效分(fen)辨出哪些是流(liu)失用(yong)戶，并評估其召(zhao)回響應概率，同時可提(ti)供(gong)額度調整建議。
在(zai)用戶(hu)引(yin)入、成(cheng)長(chang)、成(cheng)熟、休眠和流失等不同生命(ming)時期，企業(ye)對客戶(hu)進行適當(dang)的目標管理，在(zai)每個(ge)節(jie)點(dian)都能創(chuang)造出巨大的價值。
貸前反欺詐以及信用風控
獲(huo)客對于銀行只(zhi)是(shi)第一步，隨之(zhi)而來的風控問題也是(shi)一大考驗(yan)，貸前反欺詐、信息核(he)驗(yan)和信用評(ping)估是(shi)貸前風控三個重要環節。
貸前反欺詐
信貸業(ye)務面臨(lin)的欺(qi)詐(zha)形(xing)式主要是團(tuan)伙欺(qi)詐(zha)，近年(nian)來團(tuan)伙欺(qi)詐(zha)事件(jian)逐年(nian)攀升(sheng)，欺(qi)詐(zha)團(tuan)伙內部分工越(yue)來越(yue)精細，反偵查(cha)能力(li)越(yue)來越(yue)專業(ye)。
在大數據(ju)、人工智能(neng)、云計算(suan)等技術的推動下，反欺詐工作也進入到了全新的時代。
進入智(zhi)能(neng)風控時(shi)代，在(zai)新(xin)技(ji)術的加(jia)持下，反欺(qi)詐的武器庫(ku)更加(jia)精良。同(tong)盾結合復雜網(wang)絡、設備(bei)指紋、IP 畫像、手機號畫像等技(ji)術，構建了多層(ceng)次縱(zong)深(shen)的立體化反欺(qi)詐運營生態，為超過(guo)10000家(jia)客戶提(ti)供安全保(bao)護(hu)，保(bao)護(hu)信貸資產總額超萬(wan)億元。
反欺詐評(ping)估后需對客戶(hu)信息核驗，核查(cha)用戶(hu)信息真實性、評(ping)估用戶(hu)還(huan)款(kuan)意(yi)愿和還(huan)款(kuan)能力。
隨著信貸業(ye)務線上化(hua)(hua)轉移的(de)提速，銀行對批(pi)量化(hua)(hua)處理的(de)需求日益急迫(po)，為(wei)此，同盾推出了智能(neng)化(hua)(hua)解(jie)決方(fang)案 -- 智能(neng)信審。
智(zhi)能信審(shen)通過對申請人提供(gong)信息(xi)和數(shu)據庫(ku)信息(xi)的(de)(de)交(jiao)互(hu)(hu)驗(yan)證，根據交(jiao)互(hu)(hu)驗(yan)證結果自動化智(zhi)能生成一(yi)張問卷。根據客戶的(de)(de)回答結果，智(zhi)能生成下一(yi)個(ge)問題。系統根據算(suan)法挑選題目進行結果測算(suan)，從而做出最終的(de)(de)評分(fen)模型，模型以(yi)分(fen)值(zhi)形(xing)式輸出，給人工審(shen)核提供(gong)一(yi)個(ge)直觀的(de)(de)參考(kao)價值(zhi)。
經過貸(dai)前(qian)(qian)反(fan)欺詐和信(xin)(xin)息(xi)核驗后(hou)，銀行(xing)將對用戶進行(xing)貸(dai)前(qian)(qian)信(xin)(xin)用評估。貸(dai)前(qian)(qian)信(xin)(xin)用評估對信(xin)(xin)貸(dai)產品額度和利率(lv)的(de)設定，以及逾(yu)期和壞賬率(lv)都有一(yi)定的(de)影響(xiang)。
綜(zong)合(he)所有策(ce)略(lve)、模型和專家(jia)經驗后，銀(yin)行(xing)最終做出放款與否、放款金(jin)額以及利(li)率多少的決策(ce)，在智能化決策(ce)時代(dai)，部分銀(yin)行(xing)已經可以做到秒級程度。當然，對于銀(yin)行(xing)來說，放款并(bing)不代(dai)表高枕無(wu)憂。
智能語音技術日漸成熟
貸后催收業務智能化改造加速
隨著銀行業務的線上化提速，傳統(tong)依靠人(ren)力的催收模式變得捉襟見肘，很多(duo)銀行都(dou)開(kai)始(shi)探索智能(neng)催收。
同盾(dun)智能(neng)催收系統(tong)在銀行(xing)業被廣泛(fan)使用，其經驗非常值得分(fen)享，同盾(dun)智能(neng)催收系統(tong)有兩(liang)大基礎。
第一基礎是策略平臺。
策(ce)略(lve)平臺搭載著三組(zu)模型(xing)組(zu)合而(er)成的催收評分(fen)卡。
第(di)一組模(mo)型(xing)是(shi)賬齡滾(gun)動模(mo)型(xing)，通用于預測輕度逾期人群(qun)進入更加嚴重逾期狀態(tai)的概率，主要目標是(shi)捕捉持續(xu)逾期的高風險用戶(hu)(hu)，依據客戶(hu)(hu)還款情(qing)況(kuang)和逾期頻率進行(xing)打分。
第二組模型(xing)是(shi)(shi)還款率模型(xing)。通常應用(yong)于60天以(yi)上的(de)逾期用(yong)戶(hu)，預測回收(shou)客(ke)戶(hu)欠(qian)款的(de)比例，主要目標是(shi)(shi)準確捕捉(zhuo)潛在(zai)回收(shou)水(shui)平(ping)比較高的(de)客(ke)戶(hu)。
第三(san)組模型是失(shi)聯預測模型。用于(yu)預測逾(yu)期(qi)客群未來(lai)無法觸達的(de)(de)概(gai)率，通常對剛(gang)進入逾(yu)期(qi)狀態的(de)(de)客群就要判斷失(shi)聯的(de)(de)可能性。
第二基礎是智能執行。
模型相對應的(de)(de)(de)(de)是智(zhi)能(neng)執(zhi)行(xing)的(de)(de)(de)(de)策略。智(zhi)能(neng)催收(shou)系統在實際操作中(zhong)通過(guo)大數據精(jing)準匹(pi)配(pei)參(can)數，如通過(guo)客(ke)戶基本信息、申請信息、逾期(qi)(qi)情況(kuang)(kuang)、還(huan)款能(neng)力、還(huan)款意愿、消(xiao)費習慣等智(zhi)能(neng)判斷逾期(qi)(qi)客(ke)戶的(de)(de)(de)(de)綜合情況(kuang)(kuang)，通過(guo)模型算(suan)法匹(pi)配(pei)相應的(de)(de)(de)(de)催收(shou)策略。
當模(mo)型(xing)預(yu)測(ce)結(jie)果相(xiang)對較(jiao)好時，語音催收(shou)則(ze)采(cai)用比(bi)較(jiao)溫柔(rou)的(de)策略(lve)。當預(yu)測(ce)結(jie)果指(zhi)向高(gao)危(wei)客(ke)戶，則(ze)采(cai)用比(bi)較(jiao)強硬(ying)的(de)方式(shi)進(jin)行催收(shou)。
除開(kai)催(cui)收話術(shu)的強(qiang)弱，評(ping)分卡還能得出更(geng)多因(yin)(yin)子(zi)。例(li)如(ru)：周幾催(cui)、什么時間(jian)點催(cui)、每天(tian)催(cui)的頻率等(deng)，這(zhe)些因(yin)(yin)子(zi)都可以(yi)在策略平臺進行配置。
同盾(dun)智(zhi)(zhi)能(neng)催收(shou)工具(ju)逾期管(guan)家和逾期精靈，兩(liang)款產品都是(shi)基于智(zhi)(zhi)能(neng)決策(ce)和智(zhi)(zhi)能(neng)語音(yin)的(de)機器催收(shou)平臺，背后有(you)同盾(dun)強(qiang)大(da)的(de)技術團(tuan)隊和數據生(sheng)態系統作為支(zhi)撐，將貸后催收(shou)的(de)各個標準化業務進行全(quan)面(mian)的(de)智(zhi)(zhi)能(neng)化改(gai)造，交(jiao)互(hu)過程完(wan)全(quan)透(tou)明、可(ke)監督(du)、可(ke)追溯，適用于銀行、電商、新金融和保(bao)險等各類場景。
未來隨著智能語(yu)(yu)音(yin)識別、語(yu)(yu)音(yin)交互(hu)等技(ji)術的進一步成熟，智能催收系(xi)統將會徹底改變催收領域的商(shang)業生態。
同(tong)盾科技未(wei)(wei)來將(jiang)會更加專注科技創新，為更多(duo)銀(yin)行(xing)(xing)賦能(neng)和服務。同(tong)盾科技正(zheng)與(yu)多(duo)家銀(yin)行(xing)(xing)客戶關(guan)于智(zhi)(zhi)能(neng)銀(yin)行(xing)(xing)的(de)建設與(yu)探索，在很多(duo)方面已經卓(zhuo)有(you)成效，銀(yin)行(xing)(xing)正(zheng)處(chu)于一個(ge)新的(de)變革期，未(wei)(wei)來同(tong)盾會繼(ji)續深度參(can)與(yu)越來越多(duo)的(de)銀(yin)行(xing)(xing)或者金融機構的(de)智(zhi)(zhi)能(neng)升級(ji)之路(lu)中，加速(su)整個(ge)中國(guo)金融業的(de)數字化發展。
