大数据和人工智能在互联网金融领域的应用.pdfVIP

大数据和人工智能在互联网金融领域的应用

一2017年大数据和人工智能在互联网金融领域的发展情况

（一）定价与营销

互联网金融领域的产品不可胜数，不同产品针对的客户不尽相同。因此需要细分客户，根据

客户的金融资产情况、年龄、消费行为等，通过大数据分析细分客户群，并提供用户画像。

大数据营销方面，针对客户细分，精准判断每类客户群需求，对不同客户群进行精准营销，

提供个性化产品及服务营销方案，提高营销转化率。同时，大数据还可以实现预测营销，该

营销模式更具前瞻性，根据客户属性、交易数据、互联网行为数据等，综合预测目标客户潜

在的金融需求，并提供客户预期需求的金融产品及服务。

大数据定价方面，通过大数据分析，互联网金融企业可以精准识别客户资质，并对不同资质

的客户实行差异化定价。如通过大数据技术互联网金融企业可以根据客户资信情况等对互联

网消费贷款产品进行定价，同时可以基于客户还款情况、资信等动态调整贷款额度及贷款利

率。互联网车险定价时可以综合考量车型、驾龄、驾驶时间、日常作息等情况。

（二）风险识别及控制

风险管理关系互联网金融稳定发展，因此尤其要注重互联网金融风险。得益于大数据分析，

基于互联网金融领域的各方数据，互联网金融企业可以对客户风险进行识别，并且进行风险

控制。

以互联网消费金融为例，可以根据客户基本信息、贷款数据、合作方数据及公开数据，有效

识别客户风险。同时，基于大数据风险控制体系，一方面可以通过大数据模型，发现借款人

是否有欺诈行为；另一方面通过丰富的内外部数据源优化信用模型，识别优质客户及多头借

贷行为等，有效进行风险控制。

2017年，百度等互联网企业推出大数据风险控制平台，实现全流程风险管理。分析认为，

大数据风险控制具有非常大的发展潜力，是互联网金融企业的核心竞争力之一，互联网金融

企业既可以自建大数据风险控制体系，也可以与第三方公司合作。

（三）产品设计及管理

通过大数据技术，可以全方位分析互联网金融产品的客户群、盈利情况、营销推广效果等，

还可以根据客户群的需求变化，调整优化产品功能，更好地管理产品。

同时，通过大数据技术，还能对互联网金融产品进行优化升级。以贷款产品为例，在产品设

计阶段，利用大数据技术可以分析客户的特征、资信情况、贷款需求等，设计差异化的贷款

产品；在产品审批阶段，结合客户人行征信、公积金、收入等数据，通过大数据模型分析进

行快速审批，在提升效率的同时节约成本；在贷后管理阶段，通过大数据分析，可以帮助互

联网金融企业进行贷款监控，及时发现客户的异常信息，并进行处理。

（四）大数据征信

一般情况下，互联网金融服务用户较难被传统征信覆盖，因此，从需求来看，互联网金融对

大数据征信需求量是非常大的。从技术支撑来看，随着大数据技术的发展，通过分析海量数

据，能够综合考量用户信用情况，从而有效支撑大数据征信的发展。

目前，已有多家机构试点大数据征信，核心数据来源包括电商数据、通信数据、信贷平台数

据、合作机构及股东数据等，并且以信用分切入征信市场。信用分是通过模型量化分析个人

信用，并且以分值的形式展现，具有准确性、全面性等特点。值得注意的是，信用分会因为

数据源和方法的不同而出现差异性。

2017年，支付宝、腾讯等相继推出多种信用服务，基本涵盖大数据征信的主要场景。以支

付宝为例，其推出信用租房、境外免押金、信用就医，芝麻分的门槛分别需要在650分、

700分、650分以上。

（五）反洗钱

目前，互联网金融领域的洗钱行为呈现多样化趋势，例如，通过互联网金融平台转移网络赌

资、诈骗资金等，通过炒汇、售假等行为进行洗钱。

基于大数据技术，金融机构可全面掌握客户信息，综合判断客户可疑交易，包括网络赌博、

地下钱庄等，提高可疑交易的准确性。同时，通过大数据反洗钱系统，如果客户的账户与反

洗钱系统模型相匹配，则会立即自动预警，从而提升反洗钱效率。

2017年，京东金融非常重视反洗钱系统的建设，通过监测与人工相结合的方式，分析可疑

因素，以达到对反洗钱系统功能持续优化的目的。京东金融通过汇集百余个数据指标进行加

工建模，建立反洗钱情景模型，可有效甄别传销、非法集资、电信诈骗、网络赌博等洗钱犯

罪行为，同时根据相关机构发布的风险提示及新型犯罪类型等，优化模型指标，有效提高反

洗钱成效。

（六）智能客服

语音识别与自然语言处理是指通过计算机处理、理解及运用人类语言的技术，是人工智能非

常重要的核心技术。在互联网金融领域，它的应用场景包括智能客服、精准营销和辅助决策

等。

通过语音识别与自然语言处理技术可以有效识别客户的语音信息，并基于语音信息做出合理

响应