English  |   学校主页  |   收藏本站

我院“业界讲坛”第八十四讲

 大数据决策和机器学习模型在商业银行中的应用


2021330日,高沃信息技术(上海)有限公司的数据分析高级经理宁文强博士应邀来我院为大家讲授以《大数据决策和机器学习模型在商业银行中的应用》为主题的业界论坛。宁文强博士作为Discover金融服务有限公司中风险管理部门的数据分析高级经理,有着十几年大数据分析和商业银行风险管理的从业经验,并在信用卡产品的市场和风险管理、模型应用、商业智能和流程优化等方面积累了丰富的项目经验和客户案例。

本次论坛讲座,宁文强博士为大家介绍了大数据决策和机器学习模型在商业银行各个具体业务中的应用场景和方法论。同时,介绍了用大数据分析解决业务问题的一般性流程和一些常见误区。

首先,宁文强博士为大家介绍了Discover金融服务有限公司(即Discover Financial Services)的具体情况以及公司的优势在何处。DFS是一家标普500指数公司,拥有全球领先的银行和支付服务业务,是金融服务业最知名的品牌之一。DFS是美国最大的信用卡、个人贷款和学生贷款发行商之一,其信用卡支付网络遍布185个国家和地区。其位于上海的卓越中心专注于基于数据的决策分析,采用尖端的分析技术,为公司各种产品和服务的营销、风险管理和运营提供业务解决方案,以支持公司的战略和业务决策,致力于成为中国最好的金融服务分析中心。而后宁文强博士以大数据为开题,从VolumeVarietyVelocity三个方面为我们生动的如今的大数据同以往的数据不同之处,以及当前所面临的挑战,大数据的关键是从大量数据中快速获取有用信息的能力,或者是从大数据资产中快速变现的能力,即大数据 —— 小数据 —— 有用信息。

而国内大数据金融模式广泛应用于电商平台。目前主要有两种:大数据金融平台模式,以阿里小额信贷为代表;供应链金融模式,以京东商城、苏宁为代表(未来大数据金融模式将多元化)。

现如今传统金融机构对于大数据正加快对沉淀的数据进行有效利用。但受到过往数据过于零散、源头单一、形式单调、无法表现客户的交易行为、交易偏好和交易习惯等个性特征,制约了传统金融机构数据的运用能力。

之后宁文强博士对未来大数据应用进行了一些展望,比如:央行征信系统建立,金融机构与电商平台合作,三大运营商大数据整合。大数据金融是未来互联网金融领域发展最有前景的方向。大数据征信未来可由政府牵头,多家合作,共同推动。大数据评级可通过流量积累、数据挖掘、产业链合作等方式实现,大数据评级将有利于现行评级模式的升级,对多方有利。大数据风控是未来互联网金融平台占据高地、优化流程、提高效率、稳健发展的关键。

对消费者信用进行评分作为涉及消费者切身权益的半公共产品,不仅要有足够的预测准确率,还要具有可解释性。人工智能技术虽然能提高信用评估的准确性,但其学习过程非常复杂,甚至程序员也不能完全了解机器是怎样学习的以及是如何通过学习得到结果的。这种“黑盒子”式的特点导致深度学习并不适于在个人信用评分方面的应用,而使其在征信领域的普及受到挑战。基于此,宁文强博士为大家详细的介绍了现今业界是如何运用纷杂的数据来最终进行风险控制以及精准营销。

然后宁文强博士对于大数据分析解决业务问题的一般流程和常见误区进行了详细的说明,主要包括:

如何在复杂的实际应用中去明确实际的目的;

在当今大数据流行的时代数据收集的方式和传统有什么区别,有哪些挑战,我们应该如何去收集数据以及对海量的数据进行处理。

对于海量数据如何去建立一个好的模型,并且将数据进行呈现。

以及如何通过移动互联网 或者其他的相关软件为手段采集海量的数据,将数据进行组织形成信息,之后对相关的信息进行整合和提炼,在数据的基础上经过训练和拟合形成自动化的决策模型。

最后在提问环节,同学们也进行了积极的提问,针对就业、大数据发展等问题,宁文强博士都做了十分细致的解答,通过这次讲解,同学们收获颇丰,对业界关于大数据以及机器学习的应用有了更多的认识和了解。

 

供稿人:刘宇佩 刘铮 郭韦伦

供图人:杨少军