京公网安备 11010802034615号
经营许可证编号:京B2-20210330
AI和大数据为金融科技插上腾飞的翅膀
人工智能和大数据越来越多地出现在各类行业会议和研究报告之中,而直销银行、网络借贷、众筹、智能投顾等新兴金融服务模式的不断涌现,让人们更加确信,人工智能和大数据技术将对传统金融行业产生更加深刻的影响,这种影响不仅关系到金融行业的每一个从业者,也关系到已经离不开金融服务的广大用户。
“AI和大数据可以为金融机构打造跨越全业务的智能决策引擎,为金融科技插上腾飞的翅膀。”5月18日,掌众集团首席技术官惠天舒在“掌聚你我 众享科技”战略升级发布会上为业界展示了人工智能和大数据技术在金融行业的最新应用。
■ 科技解决传统金融三大挑战
金融科技近年来实现爆发式增长,主要归功于数据技术的进步显著提升了金融服务效率,并改善了用户体验。但事实上,传统金融仍然面临着诸多问题。在信贷领域,传统金融机构面临着风险排查手段单一、有效数据源缺乏、业务扩张困难三大挑战,在金融科技不断发展、用户需求不断提升的背景下,解决这三大挑战刻不容缓。惠天舒指出,金融科技可以有效解决这些问题:通过搭建自动化大数据风控体系并利用人工智能不断完善和优化现有体系可以建立起更加高效和具有针对性的风控体系;通过挖掘网络轨迹、社交、电商消费等弱特征数据,与第三方数据厂商联合建模则可以解决数据源的缺乏问题;而全自动实时风险评估和自动化决策则能够大幅节约成本、提升效率,快速实现业务扩张。
掌众集团从成立开始就建立了纯线上的业务体系,完全依托大数据和人工智能技术搭建了风控体系、产品和用户运营体系。“掌众集团旗下的互联网借贷产品采用纯线上移动端自动化流程,获客、贷前审核、贷中监管、贷后管理全部依靠数据技术实现。”惠天舒介绍,掌众集团通过海量数据获取、数据自动化流转、机器学习、自动决策,实现了数据流自动化转变为价值流的目标,“这极大地提升了效率,几百人的团队可以轻松服务几千万甚至上亿的用户”。
事实上,加大大数据和人工智能技术投入已经成为金融行业的共识。普华永道《2017年全球金融科技调查中国摘要》表明,在9项潜在的新科技投资项目中,分别有83%和50%受访金融从业者选择了大数据分析、人工智能,高居前两位。不过,与“停留在数据的整合和管理、提供数字化客户服务体验阶段”的金融机构相比,“金融科技公司已着眼于更前沿的科技,相关的解决方案不仅旨在提高客户服务质量,也有助于提升效率、降低成本、强化安全性,使流程更灵活”。这也使得很多金融机构愿意与科技公司开展合作。
■ 赋能是金融科技公司的使命
“金融科技公司和金融机构各有所长,加强合作才能提升行业效率,为用户创造更加美好的金融体验。”据惠天舒介绍,2017年,掌众集团依托大数据风控以及云计算能力在业内首创提出基于大数据风控的金融云平台,让资金、技术、客户、数据、场景方有效协同,已经为数十家银行和企业客户提供了高效的服务。当天的发布会上,金融云升级迭代为掌众云,效率更高、用户体验更好,延续了开放的理念,开启了该公司金融科技赋能的新时代。
掌众云的背后是强大的技术实力支撑。“掌众集团坚持技术驱动的发展模式,始终把金融科技能力视为核心竞争力。”惠天舒介绍,掌众集团的研发团队覆盖全国7个核心城市,其中聚焦大数据和AI领域的人员占比达到37%,这些前沿技术的探索在掌众集团旗下各类产品中得到了实践验证,是高效和可靠的。
目前,掌众集团已经搭建了完整的大数据和AI技术体系,能够为各类用户提供稳定的支持,而赋能传统金融也被掌众集团视为实现自身价值的最佳途径。“我们愿意开放掌众的技术和经验,助力更多金融机构降本提效。”惠天舒称,期待与合作伙伴一起打造一个更加开放和共赢的金融新生态。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27