導讀  

商業銀行智能化建設能夠有效提升金融服務小微實體質效，深度挖掘財富管理市場的增長動能，提升風險內控的甄別與防范效率，是推動銀行業高質量發展的必然選擇，需要持續引進新的思維、方法、技術，探索解決商業銀行數字化轉型面臨的挑戰。

  正文  

  商業銀行智能化建設實踐及效益  

小微信貸智能化助力金融服務實體經濟

小微企業由于業務規模小、經營穩定性低，長期以來面臨一定的融資約束及較高的融資成本，普遍具有較強烈的信貸需求。小微信貸中的企業風險評估一直是痛點和難點，傳統人工盡調審核時間長，且缺乏精準的評估方法，在面對如疫情等事件沖擊時，業務經營往往面臨極大挑戰。

小微信貸線上智能化能夠有效地緩解這些難題，一是采用AI算法構建分析預測模型，實現對信用風險的自動評估，能在較短時間內完成貸款的線上審批、限額、定價等全流程操作，使服務更便捷；二是AI算法模型可自動調取小微企業在稅務、監管、征信等多維度的數據信息，更全面、量化地評估企業的信用狀況，根據企業資質給予差異化信貸支持，使服務更為精準。例如，在我國不同地區，各行業小微企業均會表現出顯著差異，智能化小微信貸業務在運營過程中可以根據客戶群體、經營場景的不同形成更精細化的服務。又如，科技類企業可能在初期收入、利潤表現上相對遜色，但往往具備較強的創新能力和發展潛力，對這類企業的風險評估就要更多考慮知識產權、技術研發等科技因素所能帶來的價值，將科技指標納入信用評分模型，形成針對科創類企業的專屬評估方式與評價體系。

小微信貸智能化通過大數據、AI等新技術帶來了業務經營及風險評估模式的變革，提升了金融服務小微實體的質效，一是讓更多小微企業獲得申請貸款的機會，更好地疏通信貸支持實體經濟的渠道，是銀行業做好“六穩”、落實“六保”的重要措施；二是更精確地評估小微企業的真實資金需求，使銀行資金流向真正做實業且信用較好的小微主體，提升銀行金融資源配置的效率。

財富管理智能化促進居民消費提振升級

我國財富管理規模在2013～2017年間發展迅速，年復合增長率達34.6%，但2018年理財規模首次下行，同比下降4.39%，2019年同比僅小幅提升0.18%，財富管理市場呈現增長乏力的態勢。數字化時代下，通過智能化手段深度挖掘客戶的財富配置需求，可以點燃新的市場增長動能。

財富管理領域的智能化建設有著廣闊的發揮與想象空間，一是構建以個性化的理財搜索、推薦及組合配置等功能為主的投顧服務體系，根據客戶與財富產品的差異化特點，形成千人千面千時的財富管理服務，尤其是個性化推薦，能夠篩選出客戶偏好的產品并主動、優先觸達客戶，有助于新客群的挖掘與需求創造；二是打造以產品、客戶、機構等主體構成的智慧財富生態圈，形成客戶與客戶、客戶與產品、客戶與機構之間的連接反饋，通過人工智能、自然語言處理等技術，自動匹配金融市場分析研判與財富產品，塑造專業金融咨詢能力，提升客戶信賴感；三是融入智能投研、智能客服等更多應用，智能投研能夠自動化提煉更多金融行業信息，創造更優服務體驗，智能客服能夠在線解答客戶問題，將多種智能化應用結合起來打造成為客戶的私人財富助理。

從行業角度看，“以客戶為中心”的個性化服務有助財富管理業務回歸“受人之托、代人理財”的資產管理本源，促進行業的持續健康發展；從客戶角度看，多種類財富產品的組合配置服務，能夠提升客戶對風險、收益的理性認識，培養正確的資產配置觀念；從社會經濟角度看，理財產品的多樣化配置能夠有效提升居民的在線消費支出與消費層級，表明高效的財富管理服務有助促進居民消費升級，助力新形勢下國內大循環發展。

風險內控智能化增強金融風險防控能力

在經營環境日趨復雜的背景下，隨著商業銀行業務范圍不斷拓展，風險內控案件的發生也日益頻繁，涵蓋了洗錢、資金詐騙、惡意刷單、非法集資等多種作案方式，傳統事后監管、案件核查的手段難以及時防范風險、規避損失，商業銀行風險管理面臨較大的挑戰。

風險內控智能化平臺將銀行企業客戶、個人客戶、賬戶交易、經營機構、操作員工等多維度的結構化、非結構化信息數據進行整合，集成大數據、人工智能、知識圖譜等新型技術對數據進行深度分析挖掘，將金融風險行業知識與數據挖掘深層特征相結合，搭建較完整、豐富的風控策略體系，能夠實現風控規則策略全流程、自動化的靈活計算與配置，對疑似風險進行自動監控與警示，形成對風險案件的早識別、早預警、早管控，提升銀行風險管理的時效性、前瞻性與精準性。在智能化平臺建設中，構建企業、個人、交易賬戶等主體之間的金融知識圖譜，并在此基礎上依托圖分析技術提煉出關聯關系及資金交易特征，是識別風險事件的關鍵環節。例如，通過對企業復雜股權結構的穿透分析以及對持股比例的關聯計算，精確判斷目標企業的隱形主要受益人，再根據賬戶交易過程中資金流向的路徑跟蹤，迅速定位到資金最終轉入賬戶，將兩者結合起來，有效識別出利益關聯方通過大額資金交易洗錢的行為，提升銀行對反洗錢的防控能力。

商業銀行搭建風險內控智能化平臺，提升對欺詐交易的甄別與防范效率，一是能夠更好地保障客戶資金安全，切實做好維護客戶利益的本職工作；二是有利于監測并規范信貸資金用途，使其真正用于企業經營發展；三是能夠增強反洗錢能力，對防范金融犯罪、維護金融系統穩定及經濟社會健康發展起到更大作用。

  商業銀行智能化建設的挑戰  

數據體系

在數據層面，銀行業務板塊較多，基于業務經營產生與積累的數據通常分散在不同的業務系統中，一是難以對整體數據情況形成統一、清晰的視圖，易造成數據提取過程中的遺漏、重復等現象，重要數據的缺失或錯誤往往會對智能化應用的業務效果產生較大的不利影響，尤其是對文本、圖片等非結構化數據缺乏相應的存儲與管理機制；二是將導致數據資產開發與使用困難，如對不同業務領域的同類數據指標反復開發，易造成同一指標因加工邏輯不同或業務含義差異等出現定義混淆難以區分，加大數據資產管理的難度，影響數據資產的進一步有效利用；三是數據在不同業務領域智能化建設中的重復提取、加工、計算，將加大建設周期，不利于智能化應用的敏捷開發，也難以對業務場景的變遷產生迅速響應。

技術體系

在技術層面，人工智能相關技術尤其是深度學習算法、知識圖譜技術等發展日新月異，提升分析預測能力的同時，也使算法模型結構更加復雜，一是銀行普遍缺乏能夠覆蓋復雜模型的統一開發框架及部署環境，以傳統機器學習模型為主的開發模式難以滿足復雜模型構建的需求，影響模型整體架構的設計，降低了數據分析挖掘效果，部分復雜模型即使在線下完成開發，由于部署環境的限制也難以在真實業務場景中使用，不利于數據價值充分釋放；二是在建模過程中過度依賴基礎開發框架，面向不同業務目標的業務模型，需要在開發框架的基礎上靈活重構與設計，直接調用基礎算法包往往難以達到滿意的業務效果，且隨著場景及數據特點的變遷，模型效果也會發生變化，需要持續進行適應性調整，對智能模型研發人員提出了更高要求。

應用體系

在應用層面，目前商業銀行較典型的智能化產品有智能風控、智能投顧、智能營銷、智能客服、智能投研等，各產品開發的業務應用因獨立零散而產生不少問題，一是智能化應用跟隨場景的細分程度不夠，對某一業務領域往往采用一個統一的智能化應用，沒有根據子場景進行智能化產品細分，但不同子場景的客戶或數據是有區別的，相應的需要智能化產品功能也具有一定差異性；二是各智能化應用的融合程度欠缺，各智能產品間缺乏交互，不能產生協同促進作用，難以充分發揮智能化產品的價值。

  商業銀行智能化建設的思考與建議  

在宏觀層面，融合新型學科領域與復合型技術

一是將系統科學的思維融入智能化建設。隨著社會經濟多元發展，疊加國際經濟形勢沖擊影響，我國金融市場運行的易變性、復雜性、模糊性、不確定性日益加劇。客戶的金融需求日趨復雜多變，金融資產價格波動更加劇烈，金融服務的被動滯后性越發凸顯，金融數據蘊含的業務價值也更難被發掘。智能產品建設上需要以系統科學的思維認識和理解金融體系，在加強現有主流人工智能技術應用的同時，積極探索人工智能領域的數據科學、統計物理、量子力學、非歐幾何、模糊學、動力系統等相關學科在機制機理方面與金融業務邏輯的深度融合路徑，通過多學科、多技術的交叉應用，提升預測金融市場不確定性的精準性，增強對金融業務推理決策的可解釋性。

二是充分借力5G、物聯網等新型科技成果。以5G網絡、工業互聯網等為代表的新型基礎設施建設，將賦予經濟社會更多數字化、網絡化、智能化內涵，形成以創新為主要支持和引領的數字經濟時代，為智能化建設提供厚實的數據土壤與豐富的實現場景。智能化建設要利用好5G“萬物互聯”產生的海量數據及其網絡關聯，與人工智能相關技術充分交互應用，彌補現有建設存在的數據樣本不足、數據維度不夠、數據有效性缺乏等問題。考慮到5G時代下的數據在時間、空間、結構、規模等層面的較大差異，有必要在傳導鏈條、加工處理、分析預測等方面對數據的技術路線、交互架構、計算平臺等進行優化與重構，使作為生產要素的各類數據能在更大程度上發揮對金融生產活動的促進作用。

在中觀層面，構建垂直交互的建設架構

一是形成垂直切片、小場景演進的研發架構。從特定場景的具體智能化應用入手，構建數據、技術、應用的完整垂直切片架構，通過聚合垂直領域各層面的相關功能，使智能化應用可以基于業務目標自行選擇更有效的數據、搜尋更適合的算法、創造更精準的服務，并根據業務場景及服務目標的變化快速迭代，進一步將成功方法拓展到更多金融業務中，逐漸演進至全領域，為全面智能化建設提供更加穩健、可靠的路徑保障。

二是打通數據、技術、應用的循環交互鏈條。垂直業務領域的切片架構下，數據、技術與應用之間存在閉環傳導機制，數據為技術模型提供分析基礎，技術模型為業務應用輸出決策能力，業務變化又產生新的數據及分析需求。只有疏通三者間的傳導渠道，才能使數據的信息價值、技術的預測能力成功轉化為智能化服務。一方面，在正向傳導過程中，要保障數據向技術模型順暢的連接傳輸，使技術模型因數據特點靈活設計，業務場景由技術模型驅動運營，最終使智能化產品觸達市場與客戶；另一方面，在反向傳導過程中，要形成對業務經營產生與變化的數據進行實時加工整合的能力，使數據隨場景演變及時更新匯集，再通過技術模型得到新的分析結果，從而迅速捕獲金融業務中稍縱即逝的新機會。

在微觀層面，深化相關平臺的融合建設

一是推進數據資產的高質量開發。數據是智能化建設最為重要的生產資料。鑒于未來金融業務可能更多表現為數據業務，而金融原始數據充斥大量雜亂噪聲，勢必需要對數據進行專業工程化處理，形成高質量、高可用、高穩定的數據資產，以支撐不同場景、不同層次、不同程度的建模技術及業務分析服務。

二是加強技術平臺的智能化研發。人工智能相關技術是智能化建設最為核心的技術。AI算法模型不僅是實現智能化業務決策的關鍵，同時會反向滲透數據資產的開發過程，提升數據的可用性，促進數據經濟價值的充分釋放，對數據基礎與業務應用的前后兩端都產生決定性影響，使相應的技術平臺建設至關重要。

三是注重應用服務的產品化實現。智能分析預測服務通過產品落地促進業務發展，是智能化建設的最終目的。數字化時代，市場競爭由單純業務品種競爭轉化為整體金融生態競爭，金融業務之間會產生更多交叉、組合，單項業務同樣會依托并融合更多智能化應用，促進打造更加靈活共享、可組裝的智能化產品應用平臺。

（作者為興業銀行數金算法金融實驗室主任）

上一篇：銀行數智化轉型中風險中臺建設探索與實踐
下一篇：銀行理財銷售渠道數字化發展的阻礙及建議