人工智能引領(lǐng)企業(yè)持續(xù)創(chuàng)新課件

1、人工智能引領(lǐng)企業(yè)持續(xù)創(chuàng)新New Tech in Fintech -Investopedia在早期，個人和機(jī)構(gòu)使用“看不見 的手”，即價格信號，來做金融決策。 但在新的科技條件下，像機(jī)器學(xué)習(xí)、預(yù) 測性行為分析和數(shù)據(jù)驅(qū)動的市場營銷， 會取代金融決策里的猜謎和投機(jī)游戲。人工智能（AI）亦稱機(jī)器智能， 是指由人工制造出來的系統(tǒng)所表 現(xiàn)出來的智能。通常人工智能是 指通過普通電腦實(shí)現(xiàn)的智能。AI 的核心問題包括推理、知識、規(guī) 劃、學(xué)習(xí)、交流、感知、移動和 操作物體的能力等。人工智能(AI)成為“新一輪產(chǎn)業(yè)變革的核心驅(qū)動力”自動 駕 駛 汽 車第一步：2020年，總體技術(shù)和應(yīng)用與 世界先進(jìn)水平同步。核心產(chǎn)業(yè)

2、規(guī)模超 過1500億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過1萬億元。無 人 超 市IBM Watson 在醫(yī)療行業(yè)開 始“結(jié)果”IBM一直致力于人工智能領(lǐng)域并作出了卓越貢獻(xiàn)Understand理解各種數(shù)據(jù)的能力Reason推理和決策 能力Learn學(xué)習(xí)能力視覺識別分析圖像或視頻幀的可視化外觀，以 便了解正在發(fā)生的事情語音轉(zhuǎn)文本提供高度精確、低延遲的語音 識別能力文本轉(zhuǎn)語音從文本整合自然語音消息共振以適合特定用戶的風(fēng)格和言辭 與之溝通概念洞察力定位不能直接提到您的查詢的相 關(guān)文檔關(guān)系提取智能化地發(fā)現(xiàn)句子成分之間的關(guān)系（名詞、動詞、主語、賓語等）。權(quán)衡分析借助智能可視化和分析建議從多個相 互沖突的目標(biāo)中做出更好

3、的選擇概念擴(kuò)展將委婉語或口語詞與最常見的短 語對應(yīng)起來特征洞察力特征洞察力有助于按用戶自己 的方式進(jìn)行互動可視化呈現(xiàn)數(shù)據(jù)分析的圖形表示更易理解問答直接響應(yīng)以主要文檔來源為基 礎(chǔ)的用戶查詢機(jī)器翻譯將文本從一種語言翻譯為 另一種語言IBM認(rèn)知計(jì)算中國已落地技術(shù)部分列表接 觸 點(diǎn)公眾號官網(wǎng)呼叫中心網(wǎng)點(diǎn)需 求 認(rèn) 知產(chǎn) 薦 品推客戶 描述業(yè)務(wù) 理解問題回答需求 保存客戶 推薦產(chǎn)品?額度?歷史資料 個人經(jīng)驗(yàn)需求分析信息化人腦思考咨詢?產(chǎn)品?知 識 庫App企業(yè)在多年信息化積累后亦然存有大量優(yōu)化空間 以金融服務(wù)公司為例客戶智能 業(yè)知識認(rèn)知測決 預(yù)策 與客戶客戶推薦信息化增強(qiáng)智能人工智能&機(jī)器學(xué)習(xí)咨詢?產(chǎn)品

4、?客戶智能服務(wù)智能助理智能推薦 智能問答智能輔助智能智能搜索問答客戶意圖客戶偏好資金匹配客戶營銷預(yù)測行為模式模型產(chǎn)品方案優(yōu)化公眾號官網(wǎng)呼叫中心網(wǎng)點(diǎn)App人工智能與認(rèn)知計(jì)算引領(lǐng)企業(yè)實(shí)現(xiàn)持續(xù)創(chuàng)新增強(qiáng)的智能化應(yīng)用提供全新的客戶體驗(yàn)和交化互務(wù)全描面述 地認(rèn)知認(rèn)理知 解并持續(xù)學(xué)習(xí)業(yè)務(wù)形成知識網(wǎng)絡(luò)利用知識網(wǎng)絡(luò)識別、優(yōu)化、推理完成業(yè)務(wù)決策手機(jī)應(yīng)用系統(tǒng)智能App客戶認(rèn)知模型客戶聚類/分類 預(yù)測模型產(chǎn)品優(yōu)化決策 模型人工智能與機(jī)器學(xué)習(xí)平臺客戶需求問題客戶特征客戶、業(yè)務(wù)歷 史數(shù)據(jù)模型績效與監(jiān)控運(yùn)營層業(yè)務(wù)交易歷史研發(fā)層模型更新運(yùn)行績效增量數(shù)據(jù) 模型再訓(xùn)練RESTful APIs獲客/瀏覽/交易增量數(shù)據(jù)增量數(shù)據(jù)訓(xùn)練與

5、測試、驗(yàn)證數(shù)據(jù)模型一鍵部署某金融公司的機(jī)器學(xué)習(xí)和智能助理方案總體架構(gòu)示例自然語言處理短信 公眾號手機(jī)App認(rèn)知系統(tǒng)輸入：“賺的太少了”語音轉(zhuǎn)文本上下文= “產(chǎn)品：貨幣基金”分類識別意圖 意圖= “推薦更高收益率的產(chǎn)品” 置信度 0.876655900對話系統(tǒng)實(shí)現(xiàn)意圖=“推薦更高收益率的產(chǎn)品”上下文= “產(chǎn)品：偏股基金”和后臺數(shù)據(jù)交互自然語言處理可以幫助實(shí)現(xiàn)與客戶的認(rèn)知交互，深入理解客戶意圖漲的太少了, 收益不好, 賺的太差了,沒賺多少錢啊, 漲的不多啊,這個收益我不滿意,不如存款呢, 賺的不夠多, 訓(xùn)練語料庫自然語言理解 分類器意圖查找路徑置信度0.877基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(RNN)構(gòu)建認(rèn)知

6、交互基礎(chǔ)是近幾年得到快速發(fā)展和應(yīng)用的深度學(xué)習(xí)算法過去行為客戶特征：客戶分群特征客戶類別標(biāo)簽客戶層級 已有產(chǎn)品：時間-產(chǎn)品-利率交互事件：時間-方式-類別-內(nèi)容-其它 貸款還款：時間-產(chǎn)品-方式產(chǎn)品瀏覽：時間-產(chǎn)品購買需求：資金需求類別-產(chǎn)品推薦購買預(yù)測：購買時間-產(chǎn)品推薦-比較優(yōu)化 產(chǎn)品營銷：產(chǎn)品關(guān)聯(lián)客戶轉(zhuǎn)化：產(chǎn)品推薦將來客戶偏好：資金需求模式偏好分類產(chǎn)品傾向營銷影響 產(chǎn)品偏好客戶：潛在高轉(zhuǎn)化率客戶新產(chǎn)品目標(biāo)客戶交叉營銷客戶客戶購買偏好：產(chǎn)品需求偏好還款偏好恰當(dāng)時間的產(chǎn)品推薦K-Means 風(fēng)險(xiǎn)類別聚類分類算法RFM模型基于內(nèi)容 的推薦優(yōu)化算法風(fēng)險(xiǎn)計(jì)量之后，提供更好的服務(wù)需要深入了解客戶的特征

7、并能夠準(zhǔn)確預(yù)測客戶行為變推銷為貼身增值服務(wù)：合適的條件(客戶資金滿足)合適的時機(jī)(客戶預(yù)期購買前點(diǎn))合適的內(nèi)容(適合客戶特點(diǎn)的產(chǎn)品)客戶信息和已有的消費(fèi)行為積累的數(shù)據(jù)往往是一個未能充分挖掘的金礦標(biāo)簽分類標(biāo)簽 體系客戶興趣偏好：近期需求、營銷活動信息應(yīng)用場景：營銷增強(qiáng)、用戶洞察、渠道優(yōu)化、運(yùn)營提升標(biāo)簽屬性類型：實(shí)時類標(biāo)簽、挖掘模型類標(biāo)簽、預(yù)測類標(biāo)簽客戶基本屬性：人口統(tǒng)計(jì)信息、位置信息、自定義信息客戶關(guān)聯(lián)關(guān)系：金融關(guān)聯(lián)信息、社交網(wǎng)絡(luò)信息客戶興趣偏好: 產(chǎn)品偏好、渠道偏好、使用偏好客戶價值信息：用戶自身價值、用戶貢獻(xiàn)用戶風(fēng)險(xiǎn)信息：用戶風(fēng)險(xiǎn)評級、黑名單信息為了更好、更全面的理解客戶，為其刻畫標(biāo)簽以方便

8、管理和服務(wù)采用主要特征性別生日收入風(fēng)險(xiǎn)分級違約率擁有產(chǎn)品數(shù)資金期限比例資金借入頻率App登錄頻率利用各種數(shù)據(jù)進(jìn)行建模分析：如聚類分析可以幫助實(shí)現(xiàn)客戶更好的分類RFM模型的應(yīng)用示例：Recency 最近一次購買？最近一次聯(lián)系？Frequency 借入資金頻率?Monetary Value 資金額度？ 客戶貢獻(xiàn)？客戶，尤其是非偶然資金需求客戶，一般對于資 金需求有著內(nèi)因驅(qū)動，該內(nèi)容雖然隱藏，但可以 通過其借入時間、金額、期限、還款等來認(rèn)知。 從而可以有效預(yù)測客戶在當(dāng)次借入資金時的需求?？蛻舻挠嗁忣l率、聯(lián)系頻率符合泊松分布，根據(jù) 各個客戶的交互歷史和訂購歷史，可以對客戶未 來購買時機(jī)作出預(yù)測；客戶預(yù)

9、測模型示例 實(shí)現(xiàn)客戶購買時機(jī)和額度預(yù)測AI技術(shù)的快速發(fā)展進(jìn)一步增強(qiáng)客戶標(biāo)簽體系 自然語言特征抽取示例如要完成對單個乃至組合的評價，需要量化風(fēng)險(xiǎn)及收益?zhèn)鹘y(tǒng)方式：對一段時期的收益率做平均，計(jì)算方差。選擇時間階段是關(guān)鍵(期限、間隔)國際常選擇月收益率、三到五年傳統(tǒng)方式的優(yōu)點(diǎn)簡單、快速傳統(tǒng)方式缺點(diǎn)對變化考慮較少新嘗試：根據(jù)近期的收益率變化，利用貝葉斯方法估算收益 和方差一般選擇周或天收益率同時考慮系統(tǒng)風(fēng)險(xiǎn)的轉(zhuǎn)換優(yōu)點(diǎn)考慮動態(tài)變化較多，更為精確計(jì)算相對復(fù)雜、研究論文較少業(yè)務(wù)的優(yōu)化和增益：AI技術(shù)促進(jìn)金融產(chǎn)品中風(fēng)險(xiǎn)的持續(xù)創(chuàng)新研究以投資產(chǎn)品的收益和風(fēng)險(xiǎn)估計(jì)模型為例，投資與數(shù)學(xué)統(tǒng)計(jì)專家給出模型：對數(shù)收益符合正態(tài)

10、分布收益和標(biāo)準(zhǔn)差都是變量收益同樣符合正態(tài)分布精度(方差倒數(shù))符合伽瑪分布選擇先驗(yàn)初始值， 然后循環(huán)迭代，完 成后驗(yàn)參數(shù)估計(jì)機(jī)器學(xué)習(xí)專家做出傳統(tǒng)估計(jì)和貝葉斯 分析估計(jì)算法和模型選擇。并進(jìn)行數(shù) 據(jù)訓(xùn)練。GammaNormalNormal國內(nèi)市場的實(shí)例計(jì)算嘗試 利用共軛先驗(yàn)加速貝葉斯方法計(jì)算優(yōu)化目標(biāo)：對于各變量參與表 達(dá)式值最大化約束條件：計(jì)算中必須要滿足各 種的實(shí)際限制IBM ML CPLEX：使用了數(shù)據(jù)規(guī)劃的算法 找到一條最快道路迅速 達(dá)成最優(yōu)目標(biāo)運(yùn)籌學(xué)的數(shù)學(xué)規(guī)劃 是用來解決在資源 有限的情況下，如 何進(jìn)行有效分配和 利用，從而達(dá)到最 佳效果的問題解決 方案業(yè)務(wù)決策與優(yōu)化 利用運(yùn)籌學(xué)規(guī)劃來最大化

11、業(yè)務(wù)目標(biāo)加速決策科學(xué)化從組合優(yōu)化來看，要解決客 戶選擇產(chǎn)品后的最佳配置是 一個凸規(guī)劃問題，計(jì)算組合 邊界帶有約束條件的二次 規(guī)劃模型-含無風(fēng)險(xiǎn)產(chǎn) 品的投資組合，保持類別比例上限現(xiàn)代投資學(xué)理論可以具體量化 組合模型。針對各類產(chǎn)品，可以從收益、 風(fēng)險(xiǎn)(波動)、期限、交易費(fèi)用 多方面進(jìn)行評估。IBM Decision Optimization規(guī)劃算法最優(yōu)比例計(jì)算 匹配客戶風(fēng)險(xiǎn)決策技術(shù)應(yīng)用于智能投顧計(jì)算最優(yōu)組合(客戶風(fēng)險(xiǎn)下的收益最大化)比例財(cái)經(jīng)新聞社交媒體研究報(bào)告法規(guī)政策財(cái)經(jīng)報(bào)道自然語言理解 特征提取行情走 勢判斷機(jī)器學(xué)習(xí)回歸 時間序列歷史行情/ 經(jīng)濟(jì)數(shù)據(jù) CPI/GDP/利率/自然語言處理技術(shù)還能從海量數(shù)據(jù)中提取有價值信息提升走勢預(yù)測準(zhǔn)確性隱馬爾科夫模型(HMM)美林時鐘在投資上的應(yīng)用歷史數(shù) 據(jù)給出 的模式模式轉(zhuǎn)換判斷：投資方向調(diào)整機(jī)器還可以去學(xué)習(xí)前人總結(jié)出來的投資經(jīng)驗(yàn)并進(jìn)一步提升精度工具模型生態(tài)環(huán)境人員組織提供源數(shù)據(jù) 提供新數(shù)據(jù) 提供生產(chǎn)部署 適配外部接口 系統(tǒng)管理提供基礎(chǔ)算法 提供訓(xùn)練工具 提供數(shù)據(jù)處理 提供項(xiàng)目管理 提供團(tuán)隊(duì)協(xié)作 提供持續(xù)監(jiān)控業(yè)務(wù)專家機(jī)器學(xué)習(xí)專家 數(shù)據(jù)處理專家 計(jì)算機(jī)專家 數(shù)學(xué)統(tǒng)計(jì)專家AI驅(qū)動創(chuàng)新，不僅僅是技術(shù)平臺，需要發(fā)揮三個支柱作用過程中依賴數(shù)據(jù)科學(xué)家，數(shù)據(jù)科學(xué)是一門交叉學(xué)科，需要團(tuán)隊(duì)協(xié)作訓(xùn)練 &評估 數(shù)據(jù)訓(xùn)練IBM ML部署數(shù)據(jù)準(zhǔn)備采集新