杭州2018年9月13日電 /美通社/ -- 人工智能等信息技術的應用，對銀行的業(yè)務創(chuàng)新具有很大意義。依托積累的龐大數(shù)據資源，銀行業(yè)借助人工智能技術，能夠大力推動商業(yè)模式與安全技術創(chuàng)新，不斷提升風控、分析和決策能力，并提高運營效率和服務水平。

信貸業(yè)務是銀行業(yè)的主營業(yè)務，也是目前跟 AI 融合最深入的場景，研究 AI 在信貸領域的應用對整個 AI+ 金融有很大的啟示作用。

信貸業(yè)務流程主要可分為三個階段：第一、營銷獲客；第二、貸前反欺詐、貸前信用審核以及貸中監(jiān)控；第三，貸后管理。

每個環(huán)節(jié)都存在固有的痛點和挑戰(zhàn)，很多都是長期存在的頑疾，AI 技術的進場不同程度上改變了整個局面。同盾科技作為國內第三方智能風控服務提供商，在利用 AI 賦能銀行的道路上始終走在行業(yè)前列，同盾科技全流程智能風控具有非常典型的代表性。近期，針對信貸業(yè)務的三個階段，同盾針對性地提出了智能化解決方案：用戶增長服務、貸前反欺詐及信用風控服務、逾期管理智能催收服務。

用戶增長服務|系統(tǒng)化經營客戶整個生命周期

信貸客戶生命周期解構成獲取、提升和成熟、衰退流失三個階段。

客戶獲取階段的使命是發(fā)現(xiàn)并獲取潛在客戶，增加流量轉化率，相應的解決方法是建立潛客響應模型。

用戶從各個渠道進入平臺時，標簽信息基本為零，通過同盾潛客響應模型的篩選，可以對客戶進行360度精準畫像，以分值的形式將客戶劃分成高響應、中響應和低響應三種狀態(tài)，針對三種不同圈層的客戶推出針對性的方案。

通過高、中、低層次劃分，在流量驅動的獲客階段，銀行能調配出最優(yōu)資源配比，把較好的營銷資源投入到較高層次客戶身上。

客戶提升和成熟階段的關注點是挖掘存量客戶較大價值，增加粘性和品牌忠誠度。

此階段相對應的解決方案是產品推薦模型或交叉營銷模型，通過產品推薦模型可以幫助銀行有效識別用戶對不同產品的潛在需求，對特定客群積極開展交叉營銷活動，提高個性化匹配的幾率，從而提高利潤。

客戶衰退階段的目標是延長客戶的生命周期，挽回流失客戶，讓其對信貸產品重新產生興趣。同盾流失召回方案可以有效分辨出哪些是流失用戶，并評估其召回響應概率，同時可提供額度調整建議。

在用戶引入、成長、成熟、休眠和流失等不同生命時期，企業(yè)對客戶進行適當?shù)哪繕斯芾恚诿總€節(jié)點都能創(chuàng)造出巨大的價值。

貸前反欺詐以及信用風控

獲客對于銀行只是第一步，隨之而來的風控問題也是一大考驗，貸前反欺詐、信息核驗和信用評估是貸前風控三個重要環(huán)節(jié)。

貸前反欺詐

信貸業(yè)務面臨的欺詐形式主要是團伙欺詐，近年來團伙欺詐事件逐年攀升，欺詐團伙內部分工越來越精細，反偵查能力越來越專業(yè)。

在大數(shù)據、人工智能、云計算等技術的推動下，反欺詐工作也進入到了全新的時代。

進入智能風控時代，在新技術的加持下，反欺詐的武器庫更加精良。同盾結合復雜網絡、設備指紋、IP 畫像、手機號畫像等技術，構建了多層次縱深的立體化反欺詐運營生態(tài)，為超過10000家客戶提供安全保護，保護信貸資產總額超萬億元。

反欺詐評估后需對客戶信息核驗，核查用戶信息真實性、評估用戶還款意愿和還款能力。

隨著信貸業(yè)務線上化轉移的提速，銀行對批量化處理的需求日益急迫，為此，同盾推出了智能化解決方案 -- 智能信審。

智能信審通過對申請人提供信息和數(shù)據庫信息的交互驗證，根據交互驗證結果自動化智能生成一張問卷。根據客戶的回答結果，智能生成下一個問題。系統(tǒng)根據算法挑選題目進行結果測算，從而做出最終的評分模型，模型以分值形式輸出，給人工審核提供一個直觀的參考價值。

經過貸前反欺詐和信息核驗后，銀行將對用戶進行貸前信用評估。貸前信用評估對信貸產品額度和利率的設定，以及逾期和壞賬率都有一定的影響。

授信額度流程圖

綜合所有策略、模型和專家經驗后，銀行最終做出放款與否、放款金額以及利率多少的決策，在智能化決策時代，部分銀行已經可以做到秒級程度。當然，對于銀行來說，放款并不代表高枕無憂。

智能語音技術日漸成熟

貸后催收業(yè)務智能化改造加速

隨著銀行業(yè)務的線上化提速，傳統(tǒng)依靠人力的催收模式變得捉襟見肘，很多銀行都開始探索智能催收。

同盾智能催收系統(tǒng)在銀行業(yè)被廣泛使用，其經驗非常值得分享，同盾智能催收系統(tǒng)有兩大基礎。

第一基礎是策略平臺。

策略平臺搭載著三組模型組合而成的催收評分卡。

第一組模型是賬齡滾動模型，通用于預測輕度逾期人群進入更加嚴重逾期狀態(tài)的概率，主要目標是捕捉持續(xù)逾期的高風險用戶，依據客戶還款情況和逾期頻率進行打分。

第二組模型是還款率模型。通常應用于60天以上的逾期用戶，預測回收客戶欠款的比例，主要目標是準確捕捉潛在回收水平比較高的客戶。

第三組模型是失聯(lián)預測模型。用于預測逾期客群未來無法觸達的概率，通常對剛進入逾期狀態(tài)的客群就要判斷失聯(lián)的可能性。

第二基礎是智能執(zhí)行。

模型相對應的是智能執(zhí)行的策略。智能催收系統(tǒng)在實際操作中通過大數(shù)據精準匹配參數(shù)，如通過客戶基本信息、申請信息、逾期情況、還款能力、還款意愿、消費習慣等智能判斷逾期客戶的綜合情況，通過模型算法匹配相應的催收策略。

當模型預測結果相對較好時，語音催收則采用比較溫柔的策略。當預測結果指向高危客戶，則采用比較強硬的方式進行催收。

除開催收話術的強弱，評分卡還能得出更多因子。例如：周幾催、什么時間點催、每天催的頻率等，這些因子都可以在策略平臺進行配置。

同盾智能催收工具逾期管家和逾期精靈，兩款產品都是基于智能決策和智能語音的機器催收平臺，背后有同盾強大的技術團隊和數(shù)據生態(tài)系統(tǒng)作為支撐，將貸后催收的各個標準化業(yè)務進行全面的智能化改造，交互過程完全透明、可監(jiān)督、可追溯，適用于銀行、電商、新金融和保險等各類場景。

未來隨著智能語音識別、語音交互等技術的進一步成熟，智能催收系統(tǒng)將會徹底改變催收領域的商業(yè)生態(tài)。

同盾科技未來將會更加專注科技創(chuàng)新，為更多銀行賦能和服務。同盾科技正與多家銀行客戶關于智能銀行的建設與探索，在很多方面已經卓有成效，銀行正處于一個新的變革期，未來同盾會繼續(xù)深度參與越來越多的銀行或者金融機構的智能升級之路中，加速整個中國金融業(yè)的數(shù)字化發(fā)展。