2020年11 月6-8日,由金融数学与金融工程学科建设学术委员会主办的金融科技高峰论坛暨金融科技实务培训在西交利物浦大学举办。此次活动旨在通过金融科技领域的产学研方面专家的交流与对话,从而搭建金融科技领域的产学研交流与人才培养平台,助力园区成为长三角地区乃至全国金融科技研发枢纽。天云数据CEO雷涛参与会议,做“大数据金融科技方法与应用”主题培训。

 

 

大数据在金融领域的处理方法

 

众所周知,金融领域一个非常重要的支柱就是信用体系。

 

传统信用构建财务信息是最重要的信用信息,但大数据改变了这一现状。

 

通过数据收集、数据处理、数据降维、数据建模、数据应用等流程,可以建立起更高效、更灵活、更精准、更客观的信用体系

 

数据收集:有了数据库,信用信息将更广泛,如客户属性、网上交易记录、网上信用评价、网上交易习惯、社交信息等,都可以成为信用信息。这些信用信息来自于用户自发产生的海量交易数据以及社交数据,能真实地反映出客观事实。

数据处理:把数据进行标准化,清洗脏数据、不准的数据,或者做一些脱敏。

数据降维:通过线性映射和非线性映射两大方法,将原始的高维空间中的冗余信息以及噪音信息去处,提高数据在实际应用中的准确率;或者通过降维算法来寻找数据内部的本质结构特征。

数据建模:金融里有两个模型最重要:第一类是营销获客模型,第二类是风控模型。

最后可应用的数据是更全面更客观更有价值的数据。

 

大数据在金融领域的应用

 

金融产业核心是风控,风控则是以数据为导向。

 

在金融领域:大数据改变了金融资产底层的结构,以前金融资产是票据是货币,现在可以基于用户的申请数据、行为数据、社交关系等数据,结合机器学习构建风险评价模型,检测违约风险,以指导金融机构针对不同用户在不同阶段采取相应措施,这个最典型的就是供应链金融。

在信用资产构建:以前是自上而下的传导。大数据让金融行业可以通过底层用户行为数据反向构建信用资产。通过用户业务属性对其进行聚类,经过有效的数据治理与整合,抽取精细化的维度特征,基于深度学习算法来训练各类风控模型,进而对用户进行智能化产品推荐。

在精准营销上:大数据帮助金融机构以从“以产品为中心”跨越到“以客户为中心”,基于数据融合开发出更多个性化、差异化、定制化的金融产品。不仅提升产品的吸引力,更是在业务上掌握了主动权。

 

天云数据解决方案

 

天云数据在2013年率将大数据技术经验带入金融行业,实现了金融行业大数据技术应用零的突破

 

目前,天云数据产品在大型股份制银行、保险、互联网金融公司都已落地部署样本化工程。

 

银行方面:涵盖申请反欺诈预警、信用欺诈、申请评分、行为评分、早晚期催收等成熟完善的贷前、贷中、贷后AI模型;

保险方面:包含数仓消费化、精准营销;

互金方面:涵盖循环担保、黑名单多头贷测试、失联修复、熟人借贷风险发现等模型部署,创新应用于风险预警、风险欺诈、信用评分、消费金融主题获客、供应链金融等业务。

 

产品案例

案例一  某大型股份制银行基于HUBBLE实现近20年历史数据在线柜面交易查询,成功解决了传统行业客户历史数据查询所遇到的性能瓶颈问题。

案例二  某涉密单位利用HUBBLE实现了3000多亿条数据在线的实时查询分析。

 

天云数据致力于将先进的人工智能大数据技术引入到金融行业,充分发挥大数据技术的算法、算力优势,促进金融科技创新,加快数字化转型,为金融机构的提供强有力的技术支持。