參賽單位：深圳市魔數智擎人工智能有限公司

案例名稱：業務化AI在銀行風險管理中的創新應用

案例簡介：

魔數智擎打造金融行業AI機器學習平臺，幫助金融機構在風險場景及數字化營銷等場景做出更科學的數字化決策，提供從“數據-模型-應用”的端到端、可解釋、可溯源、業務化的AI服務。將AI技術賦能到金融機構業務端，提升了大型銀行及金融機構在數據處理、特征工程、模型搭建工作中的效率，解決了中小銀行面對著專業人才難招難留的痛點，真正實現了自主風控賦能。

創新技術/模式應用：

1、創新技術

1）智能數據處理技術：可實現億級數據的高效聚合、數據預處理、BI可視化操作，快速完成模型數據的抽取、衍生、拼接和構建。并能實現強大的特征自動衍生能力，自動生成數千維符合業務理解的衍生特征。面向AI應用，提供數據集統計量、取值分布、響應率分布等指標的自動監控與預警，保障A卡模型的時效性。支持交互式的數據處理和溯源，通過圖形化界面展示每個特征的加工邏輯，展示數據的血緣關系圖譜。

2）可解釋機器學習建模技術：打通業務建模和技術建模的壁壘，可實現低代碼編程、模型白盒可解釋的機器學習建模。業務人員在圖形化界面選擇算法和配置參數，無需編寫代碼即可獲得業務報表型模型報告，并通過圖形方式展示機器學習模型的內部規則，實現“黑盒”機器學習模型的可解釋性，業務人員輕松理解模型的內部含義。并有別于暴力特征工程方法，專利特征工程算法可高效衍生出海量高維度可解釋特征，指導模型優化。并自動根據數據挖掘業務歸因邏輯、業務規則，并可自動化地生成業務策略，提升分析人員數據解讀效率。

2、應用邏輯

1）根據百萬條客戶的信用卡申請記錄、個人征信、第三方數據等，利用智能數據技術，進行特征自動衍生，利用模板自動生成數千維符合業務理解的衍生特征。

2）利用極速建模技術對數據特征進行建模，在圖形化界面選擇算法和配置參數，無需編寫代碼即可快速獲得業務報表型模型報告。既可基于GBM、RF等算法實現機器學習模型，也可基于LR算法實現傳統打分卡功能。

3）自動根據數據挖掘業務歸因邏輯、業務規則，生成業務策略，發現違約客戶的業務特征。

3、風控引擎

通過智能數據技術對信用卡申請記錄、個人征信、第三方數據進行特征衍生，并使用極速建模技術對數據特征進行建模，生成風控引擎。其業務價值體現兩方面：

1）利用風控引擎進行對申請信用卡客戶實時評分，對低風險客戶快速響應，對高風險客戶進行人工核驗和干預；

2）發現高風險申請客戶的業務規則，生成高風險客戶的特征畫像。

項目效果評估：

依托方案技術創新，魔數智擎助力銀行搭建風控體系，專注于可解釋、可溯源、業務化的AI算法研發，輸出真正落地業務化的決策智能方案，助力銀行科技賦能、合規運營，創造更高的商業價值。方案效果顯著：將低代碼、圖形化和可解釋的機器學習建模應用于信用卡A卡風控。利用智能數據技術將百萬條客戶的信用卡申請記錄、個人征信、第三方數據等進行特征自動衍生。利用極速建模技術對數據特征進行建模。并自動根據數據挖掘業務歸因邏輯、業務規則，生成業務策略，發現違約客戶的業務特征。人機協作防范信用卡風險、提升A卡風險防控效率。實現：

1）風險區分能力變強，KS值在原基礎上提升1.2%

2）客戶建模周期縮短至3天

3）白盒+可視化技術，提升了對模型的認可度

4）將模型同步應用至B卡模型，降低不良

項目牽頭人：

柴磊 總經理

責任編輯：方杰