案例名稱

風(fēng)語數(shù)據(jù)洞悉平臺

(資料圖)

案例簡介

寧波銀行風(fēng)語數(shù)據(jù)洞悉平臺在原有風(fēng)語大數(shù)據(jù)智能分析平臺的基礎(chǔ)上，加入了增強(qiáng)分析，實(shí)現(xiàn)了“AI+BI”的深度融合。風(fēng)語數(shù)據(jù)洞悉平臺通過多維度分析，實(shí)現(xiàn)海量數(shù)據(jù)的自動監(jiān)測，智能解釋原因，并自反饋優(yōu)化邏輯，助力風(fēng)險挖掘、客戶營銷。

在傳統(tǒng)報表分析中，銀行時常關(guān)注到某個數(shù)字低于或高于預(yù)期的情況，希望探究數(shù)據(jù)背后的產(chǎn)生原因。傳統(tǒng)方式主要依賴人工觀察發(fā)現(xiàn)異常點(diǎn)并探索異動原因，但存在三方面痛點(diǎn)：一是步驟繁瑣耗時長且依賴人工經(jīng)驗(yàn)判斷，二是解釋時效不及業(yè)務(wù)變化，三是缺少對異常數(shù)據(jù)行為的解決措施。

針對上述痛點(diǎn)，風(fēng)語數(shù)據(jù)洞悉平臺將AI技術(shù)融入傳統(tǒng)數(shù)據(jù)挖掘，實(shí)現(xiàn)了三方面突破：一是智能化異動監(jiān)測，支持算法自動分析，減少人力成本投入；二是智能化原因挖掘，利用算法生成業(yè)務(wù)解釋，應(yīng)用反饋學(xué)習(xí)，讓解釋條目自動學(xué)習(xí)迭代；三是智能化措施建議，建立反饋專家決策知識庫，實(shí)現(xiàn)機(jī)器學(xué)習(xí)措施智能反饋，形成業(yè)務(wù)管理閉環(huán)。

創(chuàng)新技術(shù)/模式應(yīng)用

在日常工作中，經(jīng)常要探究數(shù)據(jù)波動背后的原因，例如在流程提效分析中，對比2022年，是什么原因?qū)е沦J款平均流程用時提升？在面對多維度數(shù)據(jù)表時，即使專業(yè)的數(shù)據(jù)分析師也要耗費(fèi)大量時間去排查。

風(fēng)語數(shù)據(jù)洞悉平臺可以一鍵對異常數(shù)據(jù)自動歸因分析，讓數(shù)據(jù)自己“開口說話”，方便業(yè)務(wù)人員更快速、更精準(zhǔn)地找到業(yè)務(wù)問題點(diǎn)，節(jié)省報告撰寫、反復(fù)問詢討論的時間，主要實(shí)現(xiàn)了三方面創(chuàng)新點(diǎn):

一、智能化異動監(jiān)測，從“人工設(shè)閾”到“自動判定”

傳統(tǒng)的人工數(shù)據(jù)異常點(diǎn)為人工經(jīng)驗(yàn)判斷，通過引入AI技術(shù)，對圖表中波動數(shù)據(jù)做智能分析，通過對比時間維度、產(chǎn)品維度及客戶經(jīng)理維度等，實(shí)現(xiàn)異常點(diǎn)的自動提示。此外，通過已有的儀表盤，指定特定的圖標(biāo)開啟數(shù)據(jù)洞悉功能。用戶可以在圖表上點(diǎn)選相關(guān)數(shù)據(jù)點(diǎn)，智能機(jī)器人給出相應(yīng)的數(shù)據(jù)因素解釋。

例如某分行的不良率超出閾值，采用傳統(tǒng)分析思路會將不良拆解到分支機(jī)構(gòu)，再進(jìn)一步排查，此類挖掘方式耗時長，撰寫分析報告需要花費(fèi)兩位資深分析師一周的時間。此外，面對大量客戶數(shù)據(jù)、征信數(shù)據(jù)和內(nèi)部管理數(shù)據(jù)，人工分析也很難窮盡各個角度，最后往往從客常規(guī)風(fēng)險視角整合信息得到不良客戶畫像。

在應(yīng)用風(fēng)語數(shù)據(jù)洞悉平臺后，對期望分析的數(shù)據(jù)僅需點(diǎn)擊解釋按鈕，即可迅速獲得多視角遍歷后解釋，幫助業(yè)務(wù)人員快速定位問題。發(fā)現(xiàn)問題人員、產(chǎn)品、機(jī)構(gòu)，找到解決問題的抓手。

二、智能化原因挖掘，從“手動挖掘”到“智能展現(xiàn)”

利用AI對數(shù)據(jù)實(shí)現(xiàn)智能化分析，底層運(yùn)用了基尼系數(shù)、樸素貝葉斯等算法，針對數(shù)據(jù)異動進(jìn)行可視化的原因分析。首先，通過統(tǒng)計學(xué)意義分析數(shù)據(jù)異常波動的數(shù)學(xué)解釋，再結(jié)合自建專家經(jīng)驗(yàn)庫，自動生成對數(shù)據(jù)點(diǎn)的業(yè)務(wù)解釋。此外，使用者可以對每一條解釋結(jié)果給與反饋評價，選項(xiàng)為“有幫助”、“沒有幫助”，并可以額外自由輸入備注字段。反饋將被關(guān)聯(lián)到具體的時間點(diǎn)、圖表、數(shù)據(jù)源等，并記錄在數(shù)據(jù)庫中。通過這些數(shù)據(jù)反饋，平臺逐步豐富專家經(jīng)驗(yàn)庫，讓解釋條目自動學(xué)習(xí)迭代。

三、智能化措施建議，從“經(jīng)驗(yàn)判斷”到“主動提示”

通過建立措施反饋的專家決策知識庫，實(shí)現(xiàn)機(jī)器學(xué)習(xí)后的智能措施反饋，并在此基礎(chǔ)上，隨著系統(tǒng)不斷收集使用者結(jié)果反饋，通過增強(qiáng)學(xué)習(xí)，不斷完善措施建議內(nèi)容，讓內(nèi)容越來越符合實(shí)際操作，形成風(fēng)險異常從警示到解釋到解決的完整閉環(huán)。

項(xiàng)目效果評估

風(fēng)語數(shù)據(jù)洞悉平臺（2022.5-2023.4），經(jīng)不斷應(yīng)用與優(yōu)化迭代，將AI技術(shù)融入傳統(tǒng)數(shù)據(jù)挖掘中，充分發(fā)揮數(shù)據(jù)的價值，幫助寧波銀行業(yè)務(wù)人員從海量數(shù)據(jù)中迅速找出數(shù)據(jù)指標(biāo)變化的原因，深入挖掘數(shù)據(jù)內(nèi)在規(guī)律，快速定位業(yè)務(wù)問題，提升決策準(zhǔn)確性。從而實(shí)現(xiàn)數(shù)據(jù)監(jiān)測自動化，異動解釋更智能能，建議決策專業(yè)化。

平臺存在三大優(yōu)勢：一是數(shù)據(jù)挖掘智能化，通過算法快速挖掘業(yè)務(wù)異常，精簡分析鏈路，自動生成分析報告，滿足多類分析場景；二是數(shù)據(jù)分析可復(fù)用化，通過算法輔助，分析場景，分析維度，計算數(shù)據(jù)量上升的情況下，自動實(shí)現(xiàn)對億級數(shù)據(jù)量、復(fù)雜指標(biāo)的分析計算；三是措施建議自調(diào)優(yōu)，通過自動收集反饋，積累專家決策知識庫，通過增強(qiáng)學(xué)習(xí)完善措施，實(shí)現(xiàn)使用及反饋的完整閉環(huán)。

當(dāng)前風(fēng)語數(shù)據(jù)洞悉平臺對接全行前中后臺等10余個系統(tǒng)，支持全行各條線超千人使用，應(yīng)用于重點(diǎn)產(chǎn)品營銷推廣、流程時效堵點(diǎn)監(jiān)測、員工展業(yè)情況回溯等20余個場景，實(shí)現(xiàn)了重大效率的提升，平均每個場景分析從2周縮短到2人天，同時實(shí)現(xiàn)了更精準(zhǔn)的歸因及決策。

項(xiàng)目牽頭人

施道明 寧波銀行總行風(fēng)險管理部首席風(fēng)險經(jīng)理

項(xiàng)目團(tuán)隊(duì)成員

朱劍俊、周堅(jiān)、韋達(dá)、王鈞、顏偉斌、陳丹瑤、張禹勛、劉帥、陳亮、許張芮、張志平、陳瀛洲、周慶田、邱曉勇、林方鵬、錢威、林鑫

關(guān)鍵詞：