新常态下，银行业数字化五大趋势

　　进入2020年，在宏观经济的新常态下，全国性银行净利润增长状况较为稳定，中国银行业的数字化进程将持续深化，在未来数年里将表现出五大趋势。

　　数字化场景 定义与解读

　　本次报告中，爱分析基于对国内商业银行和数字化厂商的调研，定义了16个银行业数字化场景，涵盖多条业务线以及诸多内部管理环节，同时遴选出在这些数字化场景中具备成熟解决方案和落地能力的厂商。DataCanvas在本次报告中入选小微业务营销与风控和自助式AI建模两个银行业数字化场景。

　　小微业务营销与风控

　　终端用户：

　　银行小微金融部门、普惠金融部门等。

　　核心需求：

　　◆ 面对小微企业规模体量小、风险能力承受弱、信用信息欠缺且质量较差的现状，银行需要通过多维度数据来进行风控建模，并在营销和销售阶段对客户进行筛选，同时并在贷中、贷后进行预警监控，从而建立适用的风险管理机制，以降低小微信贷业务的不良率、逾期率;

　　◆ 银行需要赋能客户经理推出秒级审批的无抵押信贷产品，以增强客户体验，提升获客效率和客户质量;

　　◆ 在小微信贷申请、交易支付等环节中，面对层出不穷的欺诈手段，银行需要采用多种新兴技术，实现多维度的、更加实时的反欺诈，从而降低欺诈风险，有效保障银行和客户的权益;

　　厂商能力要求：

　　● 能够标准化数据产品、联合建模服务或端到端的营销、风控解决方案，帮助银行实现多维度客户洞察和风控前置，提升信贷审批效率，实现贷中预警监控，降低贷后资产处置成本，最终降低风险管理成本，提升客户体验;

　　● 能够提供生物识别、用户画像模型、规则引擎、欺诈关联图谱等底层技术，或者提供端到端的反欺诈解决方案，帮助银行实现小微业务的申请、交易、支付等环节的反欺诈。

　　代表厂商：

　　自助式AI建模

　　终端用户：

　　银行信息科技部门，各业务部门的数据科学家、数据分析师、业务分析师。

　　核心需求：

　　◆ 银行业务部门在营销、风控、财富管理等场景中的预测性分析需求大量出现，对IT部门的AI建模能力提出了极高的要求;

　　◆ AI建模语言和工具学习门槛高，需要包含业务分析师、数据分析师、数据科学家等角色的专业数据团队，但中小银行往往不具备完善的数据团队，需要能低门槛使用的数据科学平台，实现自助式AI建模。

　　厂商能力要求：

　　能够提供自助式AI建模平台，能够基于自动机器学习(AutoML)技术，帮助银行实现机器学习的特征工程、模型选择、参数调优、模型部署、模型优化等过程的自动化或半自动化，从而降低银行AI模型开发的门槛。

　　代表厂商：

　　DataCanvas

　　DataCanvas作为一个为企业提供灵活、开放、多模式服务的数据科学平台提供商，DataCanvas提供的机器学习分析和实时计算能力，帮助企业AI团队快速协同开发，实现模型资产管理和业务智能化支持。通过内置的 “白盒”算子库、DeepTables工具包、三位一体建模、四库等功能，DataCanvas数据科学平台赋能银行自主AI能力，提升业务收益、放大业务价值。

　　DataCanvas自成立以来一直深耕金融行业，通过持续不断的技术突破与创新，在银行领域成功落地智能反欺诈、小微信贷风控、客户流失预警等应用场景。为了实现“让客户拥有自主AI能力”这一目标，DataCanvas正在将产品进行开放最大化。

　　未来，DataCanvas将持续落地金融数字化场景，持续赋能企业自主AI建设能力，加速金融业进入AI红利期进程。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。