何維涓攝
近來FinTech的興起,讓金融業不得不越來越重視科技,紛紛導入多項技術協助營運,資誠聯合會計師事務所(PwC)大中華區首席資料科學家姚遠指出,FinTech要產生價值,需要根據不同領域的問題,訂製出不同的技術和數據,來解決問題,「技術本身的核心是要解決業務問題,」他說。
姚遠進一步解釋,技術是解決問題的手段,善用不同的手段,就能協助業務作業,變成一套商業模式,增加企業營收,舉例來說,目前火紅的AI技術,在各行各業都有許多應用,中國的保險業就將AI技術應用於產品、行銷通道、承保後服務、理賠,甚至是後臺的作業,包括通道推播的訊息、核保數據整理、電子檔案歸檔、保單管理,除了保險的基本作業,還有反詐欺、自動通報理賠員、自動化財務報告等較複雜的工作,也可以導入AI技術,來增加工作效率。
不僅保險,就連銀行的財富管理、信用貸款和反詐欺都可以靠AI來輔助,姚遠將機器人和AI技術為基礎的自動化流程分為兩種:流程機器人和AI為基礎的機器人,流程機器人能夠處理結構化的數據,分析的結果屬於確定性,像是有規則可循的任務、標準化的工作流程,來增加效率、減少成本,流程機器人可歸類於模仿人類行為的AI。
而AI為基礎的機器人則是擅長處理非結構化的資料,分析出來的結果是概率性質的,需要用到的技術包括機器學習、認知服務,還需要運算的平臺來分析數據,達到認知型分析和決策型的分析結果,能夠解決像是銀行金融犯罪的偵測、醫療新藥的開發等,姚遠認為,這類的機器人則可以增強人類的智慧。
企業應增加更多數據來源
不過,「擴大更多新數據來源是關鍵!」姚遠提醒,現有的技術提供企業手段來解決問題,但是只有舊有的數據是無法發揮效益的,企業應該要增加收集缺少的數據,一般企業或許只有自家內部系統和外部大數據平臺的數據,像是業務系統、客戶管理系統、績效系統等,再加上外部銀行、醫療、房地產等平臺,以及政府公開的資訊,姚遠認為是不足夠的。
企業可以介接外部合作的數據平臺,並且增加收集企業與客戶即時互動的數據,和客戶在社交媒體上的行為等數據,才能掌握客戶最真實的反應和個人資訊,他認為,目前多數企業由於缺少完整且足夠的數據來源,導致多項業務資訊都沒有被有效的運用。
他建議,企業要聚焦在蘊藏據大價值的新數據上,以傳統數據為基礎,利用AI等新技術,將更多語音、文字等非結構化的數據收集後,作為可協助業務的可用數據,舉例來說,客戶購買行為、客戶在社交網路上的行為,以及手機上的應用等數據,都能透過分析,來提供企業業務執行上的協助。
有了數據,就能產生新的洞察(Insight),他解釋,企業收集到新的數據之後,必須整合新的數據和外部數據,來產生業務洞察結果,按照客戶的需求,提供更符合客戶訴求的服務。
最後,他則認為,企業必須找到新的應用場景,根據數據分析的結果和新的洞察,設計出新的應用場景。
AI技術在金融業較成熟的4大應用
有了技術的輔助和足夠的數據,他指出,目前AI技術在金融業較成熟的應用是對抗詐欺風險、管控經營風險、消除風險和精準行銷。
他舉例,中國一家排名前三大的保險公司,將AI技術應用在反詐欺上,根據過去20年數據,將每個核賠案件,依照特徵貼上標籤並分類,透過機器學習技術,學習類別的特徵,自動比對分析後,就能快速辨識出可能詐欺的案件,另外,還要加入圖像識別的技術,處理文件內容識別,和車禍圖像比對,來辨識圖片資訊,該家保險公司,透過多項技術的輔助,每年可以識別出3,000萬件欺詐案,他表示,以前都只能用人工來處理,非常費時。
而精準行銷為的應用,目的在於整合客戶的數據,經過全面的分析,透過精準的行銷設計來降低客戶流失率,並且提供客戶忠誠度,銀行可以透過大數據分析,避免產品品種雷同,或是老舊等情況出現,達到個人化的精準行銷目的。
姚遠認為,達到精準行銷的過程分為數據來源、數據分析和應用,數據來源包含個人的特徵資料、資產數據和其他數據,個人的特徵資料像是年齡性別職業收入等,資產數據則涵蓋個人定期存款、信用貸款、抵押借款等,最後其他數據則需要了解客戶的網路行為數據、位置資訊等。
有了數據來源後,銀行會在大數據的分析平臺上,依照客戶的特徵,將客戶畫分成不同族群,再透過關聯分析將客戶與適合的產品和銷售人員配對。最後,銀行則能夠透過數據分析的相關技術,即時了解客戶和銀行的銷售狀況,並且快速調整自家的營運策略,提供銷售人員數據洞察,來執行業務工作,並且還能降低營運的風險。
另外,除了常見的金融科技應用之外,姚遠也指出,目前中國有一家銀行透過客戶個人的基本資訊,結合銀行內部和外部的客戶特徵資料,利用深度學習模型分析預測,提升客戶信用貸款風險控管的辨識,來降低詐欺的風險。
銀行在用戶申請貸款之後,就會先收集該客戶的相關數據,像是客戶填寫的基本資料、合作機構提供的數據,以及公開的數據,再經過反詐欺模型來審核,常見被拒絕的原因包括黑名單、低收入、信用紀錄不良或是綜合評分過低等,根據該銀行的統計,在14,000多名客戶中,反詐欺模型可以成功辨識出大約80%的詐欺用戶。
熱門新聞
2024-11-05
2024-11-05
2024-11-04
2024-11-02
2024-11-07
2024-11-06
2024-11-05