DT時代釋放金融資料價值，驅動金融商業裂變

摘要：客戶微細分模型上線華為雲ModelArts，看如何以AI科技挖掘金融資料價值。

當前資訊化浪潮席捲全球，新一輪的科技革命和產業革命推動金融行業發展到全新階段。人工智慧2.0時代，智慧金融方興未艾，已經成為社會經濟高質量發展的重要助推力。

面對金融科技帶來的劇烈變化，“金融+科技+AI”如今已成為大部分金融公司的戰略方向。金融公司不斷依託自身優勢從戰略層面強化金融與科技的融合，構建新業務形態，變革其組織、流程、運營、技術等，建立新業務體系。因此，過去幾年，金融科技企業和第三方服務公司一直在合作推出新的應用和服務，越來越多的金融科技產品展露視野。

近日，索信達攜手華為雲，在ModelArts平臺上線“索信達客戶微細分模型”，這個模型也成了首個上線ModelArts的金融營銷模型。在人工智慧強勢賦能金融業的當下，這樣一個模型的推出，又能給行業帶來什麼樣的影響和意義？

客戶微細分，尋找資料價值的突破口

銀行業是一個非常注重客戶群體細分的產業，受到日新月異發展的時代影響，客戶的個性、特徵以及需求也在實時變化。儘管很多銀行已經力所能及地做了客戶細分，通常也只分到幾個大類，分析做得不夠細緻，導致無法有效模擬業務的發展。

同時，很多為銀行提供資料服務的供應商，也沒有真正考量使用者資料中的業務價值，匆匆將人臉識別、語音、影片等通用深度學習模型上線，但無法為銀行提供更加深入業務洞察的資料營銷服務。

而索信達和華為雲推出的客戶微細分模型，它不僅僅是簡單的只對使用者結構化資料進行整合細分，而是透過利用龐大的交易資料，創造性的提出了“資料影像化”的新思路。

據瞭解，該模型可以透過對銀行資料的收集和分析來達到將結構化資料創新地變成影像，然後對影像進行深度學習，採用深度神經網路來發掘更多有效的深層特徵，同時擬合更復雜的關係，從而達到對客戶進行微細分的目的。

簡單來說，就是首先透過銀行的使用者資料進行離散化的處理，提高運算效率。其次透過相關分析、萬有引力定律、網路佈局、座標定位、染色等技術處理，來實現資料影像化的效果。之後，開始對資料影像進行深度學習，透過讀取影像特徵、DBSCAN密度聚類、有限狀態機等方式來分析客戶的動態演化。最後生成狀態轉移全景圖，以供銀行更加直觀的瞭解使用者特徵，以及預判使用者資料的演化規律，最終做出更加合理的使用者策略。

透過資料影像化的方式，能夠幫助銀行建立更加精準的使用者模型，從而助力尋找資料價值的突破口。據悉，透過引入客戶微細分產生的新影像特徵，可以將上線模型前10%名單的命中率提高20%至40%，直接產生的營銷效益高達數百萬至上千萬。

“金融+科技”的深層次融合

當下科技對於金融行業發展的促進不再侷限於渠道等淺層次方面，而是開啟了“金融+科技”的深層次融合。金融與科技的深層次融合，改變了金融渠道、獲客等前端環節，也在驅動產品設計、風控、合規等中後臺領域的變革。

眾所周知，2020年的疫情影響了全球的經濟生態，也給銀行業帶來了直接的影響。新零售、小微經濟的爆發，也將市場的格局推到了一個新的高度。數字化已成為新零售的核心驅動力，如何對更多元的客戶進行微細分，成為了必須要面對的難題，也成為了企業搶佔市場的機遇。索信達與華為雲的強強聯合，整合了華為雲強大的平臺優勢以及索信達創新性的金融營銷模型，這或將給金融業的數字轉型帶來事半功倍的效果。

可以看出，此次合作體現了華為雲ModelArtsAI市場在AI技術-產品-市場的全週期管理理念。目前華為雲AI模型市場是國內第一個提供釋出及訂閱AI模型服務的平臺，主要包括AI模型市場、API市場、WIKI資料集、競賽Hub和案例Hub等模組。對於各種上線的模型也有著嚴格的稽核和篩查。並且，華為雲可實現全球本地化服務支援，在雲中可完成開發、測試、部署、運維、運營等一系列研發活動，這可為索信達提供強大的生態支援，讓索信達的金融營銷模型惠及更廣的範圍。

隨著金融科技的滲透，如果我們把目前下階段金融科技帶來的變革看作是未來的新起始。金融科技都將會向深層次進一步滲透，開啟了“金融+科技”的深層次融合。金融與科技彼此賦能、彼此成就，相互的作用產生出更加強大的效能，成為推進現代社會經濟發展的加速器。