2019年中国银行业市场分析：多场景应用AI技术，金融科技推动全方面数字化转型

银行业顺应人工智能革新潮流

近年来，伴随着高质量的大数据积累，得益于强大的计算能力，特别是深度学习算法上的突破，人工智能技术全面崛起，催生了金融行业一系列产品和业务模式的创新——银行业顺应人工智能革新潮流的步伐“当仁不让”

近日，上海氪信信息技术有限公司推出异常交易监测解决方案TAI(Transaction AI)。该方案在基于氪信独创的同时，聚合了众多全球尖端AI(人工智能)科技的复合型技术框架，专为复杂交易场景量身打造，推动银行业不断升级。而这正是当下AI对银行业深刻影响的一个缩影。

1、2018年中国非现金支付行业平稳发展，票据业务出现下滑

2018年全国支付体系运行平稳，社会资金交易规模不断扩大，非现金支付业务量保持稳步增长。据前瞻产业研究院发布的《中国银行业市场前瞻与投资战略规划分析报告》统计数据显示，2018年全国银行业金融机构共办理非现金支付业务22203.12亿笔，金额3768.67万亿元，同比分别增长36.94%和0.23%。在规模上整体保持平稳增长，业务量增幅较大。

相对于非现金支付行业的平稳增长，票据市场表现则略显低迷。随着支付方式的多样化，票据支付规模越来越小，逐渐被银行卡、贷记转账、直接借记等结算方式所挤占。2018年，全国共发生票据业务2.22亿笔，金额148.86万亿元，同比分别下降13.23%和13.64%。票据市场业务连续8年出现下滑。

2012年全国银行业非现金支付金额及笔数统计情况

数据来源：前瞻产业研究院整理

2012年全国票据业务交易规模统计及增长情况

数据来源：前瞻产业研究院整理

(备注：2015年交易规模增速为-11.07%)

2、多场景应用AI技术

经济日报记者了解到，TAI方案率先采用领域知识图谱、基于无监督算法和多级递进模型的异常检测以及复杂网络分析和图的半监督传导模型等技术，构建交易行为偏离预测、账户行为偏离预警、群体风险识别等模型，有效解决了传统金融领域反欺诈系统面临的全面性、准确性、单一性、数据算力以及挖掘深度等困境。与此同时，该解决方案还通过为风控专家提供可解释的机器学习模型预测结果，实现了AI模型的白盒化，即不仅能输入样本获得预测结果，还可以获得模型的参数、梯度等信息。

也就是说，TAI利用复合型AI内驱力，助力商业银行完成从平面到多维欺诈风险管理能力的全面升级。截至目前，TAI全新的技术架构、风控思路及交互友好的可视化风控管理模式，已在氪信与多家银行的资金交易反欺诈项目合作中得到实际运用。从实践成果来看，使用半监督的欺诈账户识别模型体系和资金交易知识图谱，可将识别群体欺诈的效能提升40倍。

实际上，除了交易外，风险控制、零售业务等都是AI助力金融的主要应用场景。业内普遍认为，银行业作为高度数据化的行业，加之业务规则和目标明晰，是人工智能和云计算等数据驱动技术的最好应用场景。“这基于4个理由。一是银行一直非常重视IT技术的利用，信息化程度较高，技术环境与条件较好。二是银行信息化程度较高，拥有丰富的数据沉淀。三是传统金融行业更多是以人力为主的服务行业，亟待通过人工智能技术降低成本。四是银行具有一定资金支持，留有试错的空间。”氪信CEO朱明杰认为，金融业有能力、有动力、有条件通过人工智能来提高效率，并借此机会创新业务，从而实现个性化的普惠金融。

业内人士表示，当前，银行业“拥抱”科技企业开展合作，主要具有两大脉络：一条脉络是“银行+互联网公司”与“银行+技术服务公司”。其中，比较典范的是互联网公司和以工农中建四大行为代表的老牌银行强强联手。在另一脉络上悄然进行着为银行带来稳健变革的，是各类技术服务公司以项目方式嵌入银行的智能化升级体系。

比如，华为等硬件服务机构提供云计算平台，商汤、旷视、依图等人脸识别公司为银行提供远程核身能力，科大讯飞等语音公司为银行提供智能语音产品，氪信科技等算法和建模公司为银行提供智能风控、营销、客服等业务解决方案等。

3、全方位的数字化转型

值得注意的是，金融科技并非单纯的技术概念，而是金融与科技深度融合的产物。金融科技对当前银行业的渗透和再造是全方位的，广度和深度前所未有。

2018年年报中，工商银行、农业银行、中国银行、建设银行、交通银行提及金融科技的次数分别达15次、21次、7次、64次、21次。招商银行还指出：“唯一可能从根本上改变和颠覆银行商业模式的，是科技。”

一位业内人士告诉记者，央行的征信系统已采集了9.9亿自然人。然而截至目前，过去从未申请过贷款或信用卡，与银行等传统金融机构无信贷关系历史，征信记录基本空白的人群接近10亿人。当他们想要办理信用卡等信贷业务时，银行需要通过非金融属性数据进行分析判断。“过去的BI(商业智能)时代，数据系统面向人的规则建设和处理;而在AI时代，在线业务渐成主流，数据量激增，超出了人的经验范畴和处理能力边界。这些非结构化的、非金融的数据，恰恰是机器擅长处理的领域。”该业内人士称。

2012-2018年我国个人征信系统自然人记录数量统计情况

数据来源：前瞻产业研究院整理

具体来看，依托机器学习、深度学习、自然语言处理、知识图谱等底层核心技术，智能风控解决方案可提供预授信行内白名单、贷前准入、贷后预警、收益评分、信用卡激活促动、信用卡贷后调额、智能催收等多个场景的解决方案。

“BI时代，由专家定义规则，通过机器计算，采用的数据都是低维特征的。”朱明杰表示，而在AI时代，则可以结合机器学习、高维AI引擎和专家一起挖掘金融场景数据，形成智能金融解决方案。他指出，2018年11月，氪信就推出了新一代金融科技领域的智能引擎“非或然”，实现了从知识挖掘到知识内嵌，建模过程软件化，以及数据闭环，进一步提升了效率和安全性。

不仅如此，伴随银行越来越“互联网化”，手机App已不仅是物理网点的补充，也是一种电子销售渠道，它已经成为银行触客的门户。根据银行财报，截至2018年底，工商银行和建设银行的App下载用户数均已突破3亿，招商银行和掌上生活两大App的累计用户数达到1.48亿，“月活”代替“开卡数”成为银行衡量业绩的重要指标。

中国银行也在近期正式发布了手机银行6.0全新版。发布时，中国银行副行长郑国雨表示，中行手机银行6.0将人工智能和专家智慧紧密结合，提供覆盖全币种、全市场的“AI+金融”智能投资理财服务，用户可随时随地享受中银慧投、专属投资顾问等服务。

事实上，将银行App打造成一个超级平台，并通过App来重新定义银行服务边界的探索，正是让AI在金融领域的应用回到了熟悉的互联网场景。

4、建立统一的算法中台

现阶段，AI本质上是机器通过大量的数据训练做出智能决策的能力。这为区别于FICO(美国个人消费信用评估公司)的新一代技术公司提供了发展契机。业内人士表示，这些技术公司的创始者们，通常是习惯以信息化方式解决问题的AI专家。在互联网企业里，他们搭建的搜索引擎日数据处理量在ZB(1ZB是10万亿亿字节)级别，而金融领域只到PB级别(1PB是1000万亿字节)。也就是说，这些技术公司对于数据挖掘、用户分析等早已驾轻就熟。

那么，在AI时代，银行等金融企业数字化转型的关键是什么?在专家看来，关键是实现“AI as a service”——AI即服务。这意味着，致力于向数字化转型的金融企业，可以将AI视为一种服务能力。而要获得这种能力，不仅要建立统一的数据平台，还要建立统一的算法中台(用来构建大规模智能服务的基础设施)，从而将其应用于不同的垂直业务场景。

需要看到的是，当下部分向数字化转型的企业，已经具有打通数据构建统一平台的意识，但对建立统一的AI算法中台重视不足，出现了一个企业不同部门同时造轮子(算法)的情况。这样导致的结果必然是难以建立统一的AI平台，抑制了技术进步能够带来的深远影响力，并造成资源浪费。

“‘AI即服务’战略在具体落地时，需要协作型组织关系和复合型人才，建立全生命周期数据管理和新型开放式数据生态，从而提供有效的AI平台支撑。”朱明杰表示，这意味着AI时代企业数字化转型中，人人都是AI产品经理，需要了解产品，了解AI的边界，同时还要具有相关场景领域的知识。

(文章来源：经济日报——人工智能技术将重塑银行业)。