大数据和人工智能在互联网金融领域的应用.docx

大数据和人工智能在互联网金融领域的应用.docx

《大数据和人工智能在互联网金融领域的应用.docx》由会员分享，可在线阅读，更多相关《大数据和人工智能在互联网金融领域的应用.docx（11页珍藏版）》请在冰豆网上搜索。

大数据和人工智能在互联网金融领域的应用

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，XX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，优化人机交互机制，提升客户体验，并且可以整合多种客户服务通道，实现多种即时交互方式融合的智能客户服务，智能客服可以有效降低客户服务成本，提供7×24小时不间断服务。

目前，智能客服在互联网金融领域应用较早，而且已经非常普遍，互联网金融企业相继推出智能客服，以降低客户服务成本。

2017年，京东推出“无人客服”，充分融合了人工客服与智能助手，具有7×24小时快速响应以及情感关怀等优势。

在互联网金融营销和辅助决策方面，利用语音识别与自然语言处理技术，可以对包括通话、多种用户单据等在内的数据实现自动结构化处理，并用来打标签，挖掘有价值的信息，发现互联网金融领域的市场机会和热点问题，为互联网金融营销、产品设计、业务规划等提供数据和辅助决策支持。

在大数据技术的支撑下，利用语音识别与自然语言处理技术，可以做到精确获取互联网金融客户信息、投放精准的营销信息、定位精确的营销目标、把握营销时机等，从而真正实现互联网金融领域的精准营销。

（七）智能核身

计算机视觉与生物特征识别在金融行业的应用越来越深入。

计算机视觉与生物特征识别通过对人脸、指静脉、虹膜、指纹、步态等具有唯一性、可以测量或可自动识别和验证、遗传差异性或终身不变的生物特征进行识别，赋予计算机“视觉”功能，在识别金融客户身份、风险安全监控等方面具有重要作用。

在客户身份识别认证方面，“人脸识别”“指纹识别”已经被广泛应用于金融账户的客户身份识别认证，例如支付宝已经支持通过人脸识别登录账户，目前多数的第三方支付和银行支付工具均支持指纹识别付款，未来将会有更多的诸如虹膜识别等其他生物特征识别技术应用于客户身份识别认证，在整体上提高客户金融账户安全性的同时，还能提高身份识别认证的效率。

在风险安全监控方面，在核心的业务工作、资金交易、涉密及重要的安全区域可以借助计算机视觉与生物特征识别技术实现智能化监控，例如：

通过对承担核心业务工作的人员身份认证、异常行为判断等降低金融机构的合规风险，一些涉密及重要的安全区域可以采取“智能化监控+多重生物特征识别认证进入者身份”加强其整体安全性。

2017年，在互联网金融领域，“人脸识别”“指纹识别”等生物识别技术，被非常广泛地应用于用户身份核实，同时还被应用于登录、转账等业务流程中，既可以保证客户的安全，又能提升客户体验。

（八）智能投顾

以算法理论为基础，通过统计学、线性代数、微积分等数据理论，借助神经网络结构对建立的知识图谱相关的大量数据进行深度学习，大幅提高了计算机的智能化特性。

神经网络、机器学习以及知识图谱，结合大数据技术，可以应用于互联网金融风险控制、智能投顾以及授信决策等场景。

金融信息安全，投资决策的风险控制，资产管理过程中的风险控制，保险、借贷及其他金融交易过程中的反欺诈等在金融行业的经营成本中占较大比例。

计算机通过对海量金融交易数据进行深度学习，对不同来源的数据进行整合、检测及分析，发现其中的风险行为和现象，同时采取对应的防备措施，并且在执行过程中不断学习，从而“成长”为智能化的互联网金融风险控制机器。

这种智能化的互联网金融风险控制可以大幅降低金融风险控制成本、覆盖传统金融风险控制手段难以触及的风险“区域”、提升风险控制的精准度和效率。

智能投顾是指借助机器学习、神经网络与知识图谱，基于对现代投资组合管理理论、金融学、会计学等相关知识的学习，以及对股票、基金、债券等金融产品和投资案例的深度学习，结合投资者的风险偏好和投资目标，提供投资建议和资产管理服务。

与传统的投资顾问服务相比较，智能投顾能够起到降低服务成本的目的，并且能够提高服务效率以及服务质量，从而提供个性化服务、智能化服务。

2017年，智能投顾快速发展。

各参与主体相继推出智能投顾服务，工商银行推出了“AI投”，平安银行推出了“平安智投”，招商基金上线“量子智投”，国信证券上线“金太阳智投”，等等。

二2017年大数据和人工智能在互联网金融领域的发展特点

2017年，大数据和人工智能在互联网金融领域呈现应用范围不断扩大、应用价值日渐体现、机构间不断加强开放与合作等特点。

（一）应用范围不断扩大且逐渐成熟

2017年，大数据和人工智能在互联网金融领域的应用范围越来越大，涉及互联网金融前中后台，包括产品设计、精准营销、产品定价、客户管理、风险控制等。

同时，大数据和人工智能的应用可以促进互联网金融行业更加快速及健康地发展。

同时，大数据和人工智能在互联网金融领域的应用越来越成熟。

在国内，以阿里巴巴、腾讯、XX、京东为代表的互联网企业在大数据和人工智能技术方面起步较早，已经拥有强大的金融应用场景，走在了中国大数据和人工智能在金融领域应用的前列。

（二）应用价值日渐体现

大数据可以帮助互联网金融企业，根据客户各方信息提供用户画像，提高客户的营业收入贡献，不断优化前中后台业务模式。

同时，基于互联网金融领域多种多样的数据及信息，可以不断提供机器学习所需的资料，强化机器学习及认知能力，从而帮助互联网金融企业提高效率。

2017年，大数据和人工智能在互联网金融行业中的应用价值日渐体现。

如智能投顾方面，2017年我国人工智能投资额超过580亿元，同比增长50%。

智能客服方面，“双11”期间支付宝自助机器人服务的客户请求量达97%，在降低人力成本的同时，提高了服务效率。

（三）机构间加强开放与合作

一方面，2017年机构间合作不断加强，互联网公司与传统商业银行在客户资源、科技开发与应用等领域进行合作，共同推进金融科技应用与提升。

京东金融与工商银行、阿里巴巴与建设银行、XX与农业银行、腾讯与中国银行等都在金融科技领域达成合作，并且已经取得部分成果。

如2017年11月，京东金融与工商银行推出“工银小白”。

其是数字银行，是京东金融与工商银行通过金融科技，在客户、数据以及信息、资金等多方面展开整合的成果。

另一方面，互联网金融企业更加开放。

2017年，蚂蚁金服全面开放了“小蚂答”。

其是以人工智能为核心的客服平台，已经有金融、政府以及电商等多领域的超过140家企业接入了蚂蚁金服的客服能力。

腾讯提出开放平台策略，建立开放、共享的互联网新生态，2017年合作伙伴总数达1300万家，累计总分成超过230亿元。

三大数据和人工智能在互联网金融领域存在的问题

大数据和人工智能在促进互联网金融发展的同时，也存在诸多问题，如数据质量与问题、数据聚合问题、专业人才不足、监管困难、技术难点、金融风险等。

（一）数据质量与安全问题

大数据量大、范围广等特点对数据质量带来挑战。

一是数据源可能并不真实，如电商平台存在刷单现象，这就会导致电商交易数据的不真实。

二是数据获取、存储、分析等过程可能影响数据源的时效性、准确性。

另外，大数据挖掘会涉及客户的个人隐私数据，可能影响人们的日常生活，同时还可能由网络、黑客攻击等造成客户隐私数据泄露，导致个人隐私存在暴露风险。

因此，互联网金融企业在大数据应用过程中，应该提高大数据系统的安全性，保证客户在互联网金融企业系统中的数据及信息安全。

（二）数据聚合问题

当前，大数据面临的挑战之一就是如何聚合各方的数据。

一是部分机构不愿意开放数据，导致总体数据缺失。

二是每家互联网金融企业由于业务模式等差异，对数据的理解有所不同，导致即时数据共享，数据的可信度也可能会有差异，间接提升共享成本。

（三）专业人才不足

随着互联网金融的不断发展，互联网金融企业对大数据和人工智能人才的需求将越来越大，要求也将越来越高，金融科技领域的复合型人才的需求将越来越强烈，而当前我国大数据和人工智能专业人才比较匮乏。

因此，互联网金融企业亟须加强对大数据和人工智能人才的培养，提高其专业素质，更好地促进互联网金融的发展。

（四）监管困难

大数据和人工智能在金融行业推广及应用的深入，将使传统的金融业务模式和业务形态发生根本性的变化，这给金融监管带来一定的挑战。

在目前的金融监管框架下，对于人工智能引发的风险事件的责任追究和界定较为困难，如何规范人工智能在金融领域的操作规范、追溯人工智能学习及决策过程、界定责任主体等一系列问题对监管提出了更高要求，监管困难必然制约人工智能技术在金融领域应用的规范发展。

（五）技术难点

伴随机器学习、神经网络、生物特征识别、语音与自然语言处理等技术的进步，人工智能技术也逐渐走向成熟，但包括机器学习、神经网络等在内仍然存在非常多的局限，在技术层面仍存在诸多难以突破的障碍。

在深度学习过程中，计算机需要通过对大量标记数据的“学习”才能准确执行复杂的工作任务，然而获取大规模的数据集十分困难，即使可以获取，数据标记工作也是一大难点。

在对数学模型的判断上存在“黑匣子”问题，对于深度学习训练所使用的数学模型，确保其达到特定的分析、预测、决策等要求也比较困难，即使采用的数学模型能够实现既定的目标要求，但使用效果仍存在局限性。

诸如此类的技术难点对人工智能技术在互联网金融领域的深度应用，提出了非常严峻的挑战。

（六）金融风险

人工智能技术在金融风险防范方面的应用具有较大优势，但同时也带来一些金融风险，例如提高了信息泄露风险概率，带来了系统性及失控风险，人工智能致使风险溯源和处置成本增加等依赖于互联网和计算机技术，尤其在数据采集、统计、分析过程中，人工智能系统一旦受到攻击将面临用户信息、金融核心数据及其他隐私信息泄露的风险，从而在证券交易市场中引发系统性风险。

另外，内部技术失误或外部因素刺激还可能使人工智能失控，虽然这种风险通过技术改进可以大幅降低其发生概率，但对于金融市场而言，一旦发生将会面临不可挽回的损失，应该加以重视。

人工智能引发的金融风险存在难以追溯的特性，很难回溯风险引发是基于计算机的哪些学习及决策过程，这种溯源的困难必然带来风险处置成本的上升，因而必须正视人工智能技术在金融行业应用所引发的金融风险对其本身发展的挑战。

四大数据和人工智能在互联网金融领域发展趋势

未来，在互联网金融领域，将加强大数据和人工智能应用的广度和深度，同时，将进一步加强国内国际合作，实现各行各业融合发展。

另外，随着监管体系的完善，大数据和人工智能将更加规范化发展，大数据也将助力监管机构对互联网金融企业的有效监管，人工智能助力监管智能化及合规管理。

（一）大数据和人工智能在互联网金融中应用更广

当前，互联网金融企业纷纷加强大数据和人工智能应用，不断降低服务门槛，创新服务形式，同时积极探索智能应用，已陆续推出智能核身、智能投顾、智能销售、智能客服等智能化应用，提升客户体验。

未来，互联网金融企业将加强大数据和人工智能技术在互联网金融业务中的应用广度和深度，实现大数据和人工智能技术与业务深度融合，衍生更多业务及服务创新模式。

（二）进一步加强合作，构建合作共赢生态

国内合作方面，互联网金融行业发展对数据依赖程度高，预计互联网金融行业与其他行业的数据将不断融合，互联网金融企业可以获取电信、电商、医疗、出行、教育等数据，数据资源将日趋丰富。

同时，随着跨行业数据融合，互联网金融行业与其他行业将进行更深入的融合，催生更多跨行业应用，互联网金融企业可以设计更多基于其他行业应用场景的产品。

国际合作方面，中国互联网金融企业还将加强与国外公司的合作，通过成立试验室、合资公司、并购等方式，在大数据和人工智能创新和应用等方面加强合作，提升市场竞争力。

同时，中国领先的互联网金融企业还将进一步输出自身大数据和人工智能技术产品及服务，积极开拓国际市场。

（三）监管将助力大数据和人工智能在互联网金融领域健康发展

一方面，互联网金融企业在大数据和人工智能安全、个人信息的保护等方面存在一定的隐患，未来监管力度预计会有所加大。

而监管体系的逐步完善，将有助于大数据和人工智能在互联网金融领域的健康发展。

另一方面，大数据和人工智能也将助力监管。

随着监管难度的加大以及金融监管的趋严，监管科技的需求将越来越大。

监管科技可以助力监管机构高效制定监管政策，提高监管水平和效率。

具体来看，大数据监管通过挖掘多维度数据，对互联网金融企业的行为及潜在风险进行有效监管；人工智能则主要助力监管智能化及合规管理。

五政策建议

（一）加强大数据监管，确保数据安全

大数据挖掘会涉及客户隐私数据，可能会造成客户隐私数据泄露，导致数据存在暴露风险。

因此，需要加强大数据监管，保障互联网金融企业在大数据应用过程的安全性，保证客户在互联网金融企业系统中的数据及信息安全。

一是制定有关大数据法律法规。

首先，构建大数据相关法律框架，包括数据获取、存储的界定，大数据分析和应用的范围、方式等，各方的权利与义务也需要明确。

其次，需要着力打击数据使用不当的行为，避免数据滥用。

二是建立大数据安全标准。

首先，需要针对数据限定范围、数据隐秘建立安全标准；其次，针对数据保障、数据处理等设立安全规范，从而保障大数据的健康应用。

三是加强大数据安全教育。

亟须持续加强对个人信息及数据的安全指导，提高个人的安全意识，同时提升个人的防范能力。

同时，健全大数据维权渠道，降低个人维权门槛，鼓励个人、机构等监督大数据违法行为。

（二）鼓励大数据和人工智能人才培养

教育部印发《高等学校人工智能创新行动计划》[1]，明确指出引导高等学校瞄准世界科技前沿，提高人工智能领域科技创新、人才培养和国际合作交流等能力，为人工智能发展提供人才支撑。

建议在大数据技术方面，也出台相关的政策，进一步加大高校、企业等机构在大数据领域的创新力度，加强人才培养。

同时，为了更好应对金融科技全球化趋势，相关机构应为互联网金融企业搭建广泛的国际联系，助力互联网金融企业引进国际专业人才，促进大数据和人工智能人才全球化。

（三）加快制定人工智能发展法律法规

建议相关监管部门加快法律法规制定步伐，针对目前金融监管框架下，人工智能引发的风险事件的责任追究和界定较为困难，以及如何追溯人工智能学习及决策过程、界定责任主体等一系列问题，制定法律规范。

在互联网金融领域，应该明确人工智能在互联网金融领域的操作规范、责任主体等，促进人工智能技术在互联网金融领域规范发展。

-全文完-