宁波银行:“风语”智能数据分析管理平台

数亦有术

已于 2024-04-16 20:35:11 修改

阅读量254

点赞数 2

文章标签：数据分析数据挖掘

于 2023-07-02 21:04:26 首次发布

本文链接：https://blog.csdn.net/weixin_40929413/article/details/131505153

版权

“风语”智能数据分析管理平台

宁波银行“风语”智能数据分析管理平台以数据资产管理为导向，以内部管理系统为抓手，打造“BI+AI+KG”互通互联的全行性一站式分析管理平台。

1.平台内容：

2.平台创新点：

宁波银行“风语”平台通过算法场景化，帮助业务人员以低门槛创建人工智能模型，提升经营分析和管理的智能化水平。

（1）归因（数据解释），探寻数据异动原因

针对传统模式下“业务对报表关键指标波动解读和分析，需要进行复杂查询、对比、制作报告”的痛点，基于博弈论里中经典的Shapley Value理论，从指定业务宽表中各维度出发，对客户客群批量特征进行算法分析，自动搜寻对业务关心指标影响最大的维度组合，快速实现对关键指标波动的解释说明。

以业务资产质量监测场景为例，当某分行逾期率出现骤升时，平台调用数据解释模型，从该分行业务结构、客群特征、与历史时点的纵向对比、与兄弟分行间的横向对比等维度开展自动分析，定位导致逾期率波动的关键因素（如，进件渠道、特定产品异动），同时归纳梳理各类客群画像，反哺业务策略。

（2）分类，算法插件产品化，客群分层分类

针对传统业务分析需借助科技开发及第三方参与，经历“业务需求撰写、双方沟通对齐、科技建模反馈”的漫长步骤才能应用算法模型的痛点，“风语”平台实现了算法插件产品化。

以评分卡插件化为例，摆脱传统建立评分卡复杂的代码设计，让业务通过拖拉拽完成自主建模，产品化后的建模简化为四步：一键数据集替换 → “人工+机器学习”特征选择 → 不同算法模型效果自动对比选择 → 模型评价指标可视化展示。

便捷构建的评价可协助业务人员在业务营销前做好客群分析，精准营销。通过模型高效快速反馈潜在优质客户，提升营销成功率，提高客户满意度。

（3）预测，时序预测，预测业务发展趋势

基于COX（比例风险模型）作为主要算法，“风语”平台设计并独创了特色化时序预测模型在金融场景的应用。

以风控场景为例，时序预测可以对风险化解手段进行成效分析，助于挖掘深层次、隐藏的风险指标。适用场景主要覆盖三类：

（4）关联，知识图谱联动BI，寻找与特定客户存在关联的客群。

“风语”平台开创性地实现了BI与知识图谱之间的联动，打通了知识图谱与BI的数据和技术壁垒。业务人员可以在“风语”平台一键处理图数据、加工图算法、查询客户关联信息。同时，图谱支持联动下钻分析，极大地降低了业务使用门槛，提升了数据挖掘的解释性、说服力。

例如，对于已知的行内客户，可通过流水、票据、股权关系、外部诉讼等数据，找到公司、个人客户之间的潜在关联关系。前台可用于拓展关联营销，中后台可用于防控风险传导。

为更好地推进银行数字化转型，“风语”平台创造性构建了以智能监测分析为触点、以模型库管理为抓手、以数据安全管控为核心，形成数据分析线上管理的闭环，提升了管理效率、任务处理效率、机构工作质量。

（1）智能监测分析

“风语”平台数据异动触发预警后，自动发布分析排查任务。与以往的线下报送的监测月报相比，一方面，提高任务触发的精准率，减少分行工作量，提高分析效率；另一方面，实现过程管理线上化，便于后续的信息统计和原因分析。

（2）模型库管理

将优秀监测分析模型纳入全生命周期管理，涵盖新增立项申请、开发计划填报、验收报告提交、操作手册撰写、上线计划审批、优化意见填报等环节，大幅提升了模型开发质量和效率，实现了项目开发的规范化管理。

（3）数据安全管控

基于用户、角色的差异化模板配置，通过精细化权限管控和数据脱敏，满足科技数据开发、业务人员、分支行管理层、总行管理层不同人员的看数、用数需求，保障数据安全。

“风语”平台上线以来（2020.1-2022.4），经不断应用与优化，已成为宁波银行数字化的重要抓手，实现了人工智能下的业务模式的创新，构建了大数据智能化下的风险业务生态闭环。

当前“风语”平台对接全行信贷、核心、信用卡、人力等20余个系统，整合了客户、业务、流水、征信、担保、票据等9大数据主题，形成了3万余张数据分析表，构建了400余个监测分析模型，实现了全行级别的数据资产管理及融通体系。

关注