【資料科學家看FinTech趨勢】金融業有4大AI成熟領域

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，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，他將機器人和AI技術為基礎的自動化流程分為兩種：流程型AI和基礎型AI，流程型AI應用能夠處理結構化的數據，可以得到確定性的結果，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。

而基礎型AI應用則是擅長處理非結構化的資料，則可得到估算機率式的結果，需要用到的技術包括機器學習、認知服務、運算平臺來分析數據，來進行認知型分析和決策型分析，能解決銀行金融犯罪的偵測、醫療新藥開發等需求，姚遠認為，這類技術可用來增強人類智慧。

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。

企業還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。有了數據，就能產生新的洞察（Insight），提供更符合客戶訴求的服務，來設計出新的應用場景。

AI技術在金融業較成熟的4大應用

他指出，目前金融業較成熟的AI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，該家保險公司靠這項技術輔助，每年可以識別3,000萬件欺詐案，能取代過去耗時的人工處理。

而精準行銷應用上，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，這些資料可以包括個人特徵資料、資產數據和其他數據，最後則需要了解客戶的網路行為數據、位置資訊等。

另有一家中國銀行整合內部客戶個人基本資訊，和外部客戶特徵資料，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，以降低詐欺的風險。

銀行在用戶申請貸款之後，會先收集該客戶相關數據，再經過反詐欺模型來審核，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，可以成功辨識出大約80%的詐欺用戶。