大數據時代人工智能如何控信用風險
熱點聚焦
2017.07.10
如果說第一代的信貸管理系統主要是貸前，貸中，貸后的流程化的貸款全生命周期管理系統，第二代的信用風險管理體系是基于結構化數據的利用包括內評系統，打分卡之類的線性建模體系的風險管理系統，那大數據時代的第三代信用風險管理體系必須具備以下兩個條件：
1. 同時處理結構化和非結構化數據（異構數據）的能力；
2. 利用非線性模型進行風險和行為建模的能力。
下圖闡述了大數據時的第三代信用風險管理體系的主要構成： 大數據=AI+BI+建模
大數據時代新一代信用風險管理體系是通過傳統的商業智能（BI）工具分析銀行內部的結構化數據，加上央行征信數據（結構化數據），利用人工智能（AI）算法（例如自然語言處理 NLP）來解析各種同信用風險相關的外部非結構化數據。例如司法涉訴數據（法院司法網站），工商數據，授權媒體的輿情數據等等來統一進行風險建模，實現提前預判和阻止不良貸款產生的效果。
搭建一個強大有效的人工智能 AI 平臺需要具備以下三個必要條件：
1. 合法可靠的數據源：在大數據時代，僅僅依靠傳統的銀行內部數據和央行征信數據顯然是不夠的；但是在眾多雜亂無章的外部數據之中挑選出不涉及任何隱私數據，而且又同信用風險相關的數據源非常重要。
2.需要具有豐富編寫 AI 算法經驗的數據科學家，利用網絡深度學習的方法搭建人工智能平臺對海量非結構化外部數據進行處理。
3.此點往往被人忽視：機器學習是讓機器來學習專家，但是這個專家必須具備能把專業知識量化成 AI 科學家能夠理解的語言以便形成算法的能力，這樣的跨界專家可能比 AI 科學家更難獲得。
依賴一個強大的人工智能平臺，內外部的異構數據可以集中統一地參與到建模之中，最后搭建成一套完整的貸款全生命周期新一代信用風險管理體系.
