案例名稱(chēng)

風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)

(資料圖)

案例簡(jiǎn)介

寧波銀行風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)在原有風(fēng)語(yǔ)大數(shù)據(jù)智能分析平臺(tái)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(yǔ)數(shù)據(jù)洞悉平臺(tái)通過(guò)多維度分析，實(shí)現(xiàn)海量數(shù)據(jù)的自動(dòng)監(jiān)測(cè)，智能解釋原因，并自反饋優(yōu)化邏輯，助力風(fēng)險(xiǎn)挖掘、客戶(hù)營(yíng)銷(xiāo)。

在傳統(tǒng)報(bào)表分析中，銀行時(shí)常關(guān)注到某個(gè)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(lài)人工觀(guān)察發(fā)現(xiàn)異常點(diǎn)并探索異動(dòng)原因，但存在三方面痛點(diǎn)：一是步驟繁瑣耗時(shí)長(zhǎng)且依賴(lài)人工經(jīng)驗(yàn)判斷，二是解釋時(shí)效不及業(yè)務(wù)變化，三是缺少對(duì)異常數(shù)據(jù)行為的解決措施。

針對(duì)上述痛點(diǎn)，風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)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(dòng)監(jiān)測(cè)，支持算法自動(dòng)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?zhuān)瑧?yīng)用反饋學(xué)習(xí)，讓解釋條目自動(dòng)學(xué)習(xí)迭代；三是智能化措施建議，建立反饋專(zhuān)家決策知識(shí)庫(kù)，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(dòng)背后的原因，例如在流程提效分析中，對(duì)比2022年，是什么原因?qū)е沦J款平均流程用時(shí)提升？在面對(duì)多維度數(shù)據(jù)表時(shí)，即使專(zhuān)業(yè)的數(shù)據(jù)分析師也要耗費(fèi)大量時(shí)間去排查。

風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)可以一鍵對(duì)異常數(shù)據(jù)自動(dòng)歸因分析，讓數(shù)據(jù)自己“開(kāi)口說(shuō)話(huà)”，方便業(yè)務(wù)人員更快速、更精準(zhǔn)地找到業(yè)務(wù)問(wèn)題點(diǎn)，節(jié)省報(bào)告撰寫(xiě)、反復(fù)問(wèn)詢(xún)討論的時(shí)間，主要實(shí)現(xiàn)了三方面創(chuàng)新點(diǎn):

一、智能化異動(dòng)監(jiān)測(cè)，從“人工設(shè)閾”到“自動(dòng)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(guò)引入AI技術(shù)，對(duì)圖表中波動(dòng)數(shù)據(jù)做智能分析，通過(guò)對(duì)比時(shí)間維度、產(chǎn)品維度及客戶(hù)經(jīng)理維度等，實(shí)現(xiàn)異常點(diǎn)的自動(dòng)提示。此外，通過(guò)已有的儀表盤(pán)，指定特定的圖標(biāo)開(kāi)啟數(shù)據(jù)洞悉功能。用戶(hù)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(huì)將不良拆解到分支機(jī)構(gòu)，再進(jìn)一步排查，此類(lèi)挖掘方式耗時(shí)長(zhǎng)，撰寫(xiě)分析報(bào)告需要花費(fèi)兩位資深分析師一周的時(shí)間。此外，面對(duì)大量客戶(hù)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(gè)角度，最后往往從客常規(guī)風(fēng)險(xiǎn)視角整合信息得到不良客戶(hù)畫(huà)像。

在應(yīng)用風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)后，對(duì)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?zhuān)瑤椭鷺I(yè)務(wù)人員快速定位問(wèn)題。發(fā)現(xiàn)問(wèn)題人員、產(chǎn)品、機(jī)構(gòu)，找到解決問(wèn)題的抓手。

二、智能化原因挖掘，從“手動(dòng)挖掘”到“智能展現(xiàn)”

利用AI對(duì)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(duì)數(shù)據(jù)異動(dòng)進(jìn)行可視化的原因分析。首先，通過(guò)統(tǒng)計(jì)學(xué)意義分析數(shù)據(jù)異常波動(dòng)的數(shù)學(xué)解釋?zhuān)俳Y(jié)合自建專(zhuān)家經(jīng)驗(yàn)庫(kù)，自動(dòng)生成對(duì)數(shù)據(jù)點(diǎn)的業(yè)務(wù)解釋。此外，使用者可以對(duì)每一條解釋結(jié)果給與反饋評(píng)價(jià)，選項(xiàng)為“有幫助”、“沒(méi)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(shí)間點(diǎn)、圖表、數(shù)據(jù)源等，并記錄在數(shù)據(jù)庫(kù)中。通過(guò)這些數(shù)據(jù)反饋，平臺(tái)逐步豐富專(zhuān)家經(jīng)驗(yàn)庫(kù)，讓解釋條目自動(dòng)學(xué)習(xí)迭代。

三、智能化措施建議，從“經(jīng)驗(yàn)判斷”到“主動(dòng)提示”

通過(guò)建立措施反饋的專(zhuān)家決策知識(shí)庫(kù)，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(guò)增強(qiáng)學(xué)習(xí)，不斷完善措施建議內(nèi)容，讓內(nèi)容越來(lái)越符合實(shí)際操作，形成風(fēng)險(xiǎn)異常從警示到解釋到解決的完整閉環(huán)。

項(xiàng)目效果評(píng)估

風(fēng)語(yǔ)數(shù)據(jù)洞悉平臺(tái)（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(jià)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(wèn)題，提升決策準(zhǔn)確性。從而實(shí)現(xiàn)數(shù)據(jù)監(jiān)測(cè)自動(dòng)化，異動(dòng)解釋更智能能，建議決策專(zhuān)業(yè)化。

平臺(tái)存在三大優(yōu)勢(shì)：一是數(shù)據(jù)挖掘智能化，通過(guò)算法快速挖掘業(yè)務(wù)異常，精簡(jiǎn)分析鏈路，自動(dòng)生成分析報(bào)告，滿(mǎn)足多類(lèi)分析場(chǎng)景；二是數(shù)據(jù)分析可復(fù)用化，通過(guò)算法輔助，分析場(chǎng)景，分析維度，計(jì)算數(shù)據(jù)量上升的情況下，自動(dòng)實(shí)現(xiàn)對(duì)億級(jí)數(shù)據(jù)量、復(fù)雜指標(biāo)的分析計(jì)算；三是措施建議自調(diào)優(yōu)，通過(guò)自動(dòng)收集反饋，積累專(zhuān)家決策知識(shí)庫(kù)，通過(guò)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(yǔ)數(shù)據(jù)洞悉平臺(tái)對(duì)接全行前中后臺(tái)等10余個(gè)系統(tǒng)，支持全行各條線(xiàn)超千人使用，應(yīng)用于重點(diǎn)產(chǎn)品營(yíng)銷(xiāo)推廣、流程時(shí)效堵點(diǎn)監(jiān)測(cè)、員工展業(yè)情況回溯等20余個(gè)場(chǎng)景，實(shí)現(xiàn)了重大效率的提升，平均每個(gè)場(chǎng)景分析從2周縮短到2人天，同時(shí)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(xiǎn)管理部首席風(fēng)險(xiǎn)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(qián)威、林鑫

關(guān)鍵詞：