第
八
章
大
数
据
与
人
工
智
能
大数据与人工智能在
银行业的应用
第三节
政府引导科技金融发展
根据金融国际知名咨询公司麦肯锡的报告显示：
•在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业
潜力最大。
•从行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业
四类的数据量最大。
•从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二
和第三位。
金融机构技术投入不断增加
银行的大数据与人工智能应用可以分为七个方面：客户画像、精准营销、风险管控、
运营优化、身份识别、智能投顾、智能客服。
1
客户画像
客户画像
个人客户画像
企业客户画像
人
口
统
计
学
特
征
消
费
能
力
数
据
兴
趣
数
据
风
险
偏
好
企
业
的
生
产
企
业
的
流
通
企
业
的
运
营
企
业
的
财
务
企
业
的
销
售
企
业
的
客
户
数
据
企
业
相
关
产
业
链
大数据理财潜力大
客户信息收集渠道：
•客户在社交媒体上的行为数据；
•客户在电商网站的交易数据；
•企业客户的产业链上下游数据；
•其他有利于加深银行对客户兴趣爱好了解的数据。
1
客户画像
大数据理财潜力大
2
精准营销
客户生命周期
管理
新客户获取、客户防流失和客户赢回。
个性化推荐
根据客户的喜好进行服务或者进行银行产品的个性化推荐。
交叉营销
不同业务或产品的交叉推荐。
实时营销
根据客户的实时状态来进行营销。
区块链进一步完善大数据金融的多方协作
3
风险管控
中小企业贷款风险评估
银行可通过企业的生产、流通、
销售、财务等相关信息结合大数
据挖掘方法进行贷款风险分析，
量化企业的信用额度,更有效地
开展中小企业贷款。
实时欺诈交易识别和
反洗钱分析
银行可以利用持卡人基本信息、
卡基本信息、交易历史、客户历
史行为模式、正在发生行为模式
（如转账）等，结合智能规则引
擎（如从一个不经常出现的国家
为一个特有用户转账或从一个不
熟悉的位置进行在线交易）进行
实时的交易反欺诈分析。
数据孤岛问题
4
运营优化
市场和渠道分析优化
产品和服务优化
舆情分析
通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通
过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信
息，及时发现和处理问题。
银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地
理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。
通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作
渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而
进行渠道推广策略的优化。
案例：平安集团的人像识别技术
4
身份识别
通过人脸识别、虹膜识别、指纹识别等生物识别技术快
速提取客户特征进行高效身份验证的人工智能应用。
技术的进步使生物识别技术可广泛应用于银行柜台联网
核查、远程开户、支付结算、反欺诈等业务领域中。
6
智能投顾
根据投资者的风险偏好、财务状况与理财目标，运用职能算法及投资组合理论，为用
户提供智能化的投资管理服务。通过服务标准化、批量化，降低服务成本，降低财富
管理的费率和投资门槛，实现普惠金融。
•2010年，美国出现全球第一家职能投顾公司Betterment。
•2016年，中国智能投顾元年，苏宁金融、招商银行、蓝海财富等上线智能投顾平台。
银行数据安全存在挑战
7
职能客服
•以语音识别、自然语言理解、知识图谱
为技术基础，通过电话、网页、APP、短
信、微信等渠道与客户进行语音或文本
上的互动交流。
•理解客户需求，语音回复客户提出的业
务咨询，并能根据客户语音导航至指定
业务模块。
•为广大客户提供了更为便捷和个性化的
服务，在降低人工服务压力和运营成本
的同时进一步增强了用户体验。
T
H
A
N
K
 Y
O
U
谢谢观看