用人工智能驱动金融生活-讲话PPT演示课件.pptx

,人工智能驱动的金融生活,鲁肃,蚂蚁金服,金融生活,传统金融,创新连接,金融生活,随时随地可及,普惠、个性化、场景化,ATM,POS,客户经理,网点,可穿戴设备,PC,生物特征识别,手机,平板,金融云,保险,融资,征信,理财,支付,金融生活的技术驱动力,场景,场景,机器学习,生物识别,、,区块链,活数据,大计算,信,任,智,能,贴心,安全,IOT,AR/VR,AR/VR,IOT,人工智能,语音识别,图像识别,机器,学习,NLP,人工智能能力,人工智能应用,风控,营销,搜素,智能助理,征信,推荐,人工智能平台,微贷,/,花呗,准入模型 反套现,企业,个人,业务安全,账户安全 交易安全,反洗钱 反作弊 反欺诈,智能客服,智能问答,用户之音 异常检测,保险,风险评估,保险定价 欺诈识别,信用,用户画像,信用评估 信用报告,财富,精准营销,个性化推荐,运营,/,BD,个人用户,个人用户,商户,合作伙伴,金融机构,合作伙伴,个人用户,金融机构,运营,/,BD,个人用户,监管机构,金融机构,人工智能驱动金融生活,案例,1:,蚂蚁智能客服,机器人智能问答,猜你问题,根据用户历史行为进行个性化问题推荐,举例：根据用户历史行为预测问题,小二工作台,问题预测,+,自动启动服务引导,举例：该用户当日使用过支付宝还款工行信用卡,机器人,智能的回答您提及的相关问题,案例,1:,蚂蚁智能客服,智能异常定位与解决,定位,异常监控,实时聚类,秒级别预警,数据打通，实时能力,解决,服务宝,坐席信息反馈,解决源头,服务宝,体验平台,PD,承接保证,现场,调度中心,前线自助,完结,坐席反馈,响应介入,异常完结,平均,13,min,平均,47,min,平均,75,min,原流程：,完结,预警感知,异常定位,异常完结,0min,10min,20min,案例：某商户异常处理流程,耗时：,30min,耗时：,125min,该案例对比原流程测算减少服务咨询量,960,次,效果,案例,2:,蚂蚁安全大脑,实时分析,蚂蚁安全大脑,帐户,风险,意识,成熟度,黑名单,设备,位置,行为,特殊,路径,突变,操作,异常,设备,标识,LBS,位置,习惯,交易,人群,关系,账户,-,设备,账户,-,卡,账户,-,环境,账户,-,账户,案例,2:,蚂蚁安全大脑,交易风险控制应用,蚂蚁安全大脑,事件传导网络,风险决策中枢,风险分析网络,数据分析及,学习训练引擎,核身认证中心,案例,3:,大数据征信,“传统信用评估与创新信用评估的融合”,芝麻分,-,最终,芝麻分,-,基础,信用历史时长,信用历史时长,信用履约记录数,信用履约场景数,公共事业缴费记录数,违约场景数,信用履约记录数,职业类型,学历学籍,手机稳定性,地址稳定性,信用履约场景数,账户资产,有无住房,有无车辆,公共事业缴费记录数,账户活跃时长,消费金额,消费层次,消费场景丰富度,违约场景数,人脉圈信用度,社交广度,社交深度,分群一,分群二,分群调整,案例,3:,大数据征信,“信用,+”,金融,拒绝客户,欺诈拒绝,名单拒绝,综合审批拒绝,客户申请,银行反欺诈模块,+,芝麻反欺诈服务,内部黑名单,+,芝麻行业关注名单,银行申请评分,+,芝麻信用评分,银行审批流程和电话核身,人工核查,+,芝麻验证,审批通过客户,用户高覆盖度：+70%,好坏用户的高区分率度：+40%,与银行信用的低相关性：0.12,80%,通过芝麻反欺诈服务，可在30%的总客户(高风险客户)中识别出80%的欺诈客户，有效补充银行现有的欺诈判断。,4倍,芝麻行业关注名单识别出的不良用户是该银行整体用户不良用户比例的4倍以上，可用于自动拒绝及贷后预警。,整体结果：,提高审核通过率,7,降低逾期率,0.3,个百分点,案例,3:,大数据征信,“信用,+”,生活,芝麻信用评分越高的群体，整体逾期率越低,订单占比,30天以上逾期率,案例,4:,大数据微贷,基于大数据和机器学习的信贷模式是蚂蚁微贷的最大优势，,在这个模式下，客户立即申请立即获贷，不良率低,解决小微企业和个人贷款难的问题：金额高、流程长、授信难,案例,5:,保险,保险将比大多数的行业更重视大数据的运用：,从产品人群的定位、身份识别和反欺诈、产品设计、定价，再到后续的赔付等，覆盖全生命周期,健康险,反欺诈,赔付精算,车险,与物联网及穿戴设备结合,使用量及使用习惯定价,互联网专有险,运费险,账户赔付险,案例,5:,保险,运费险,运费险，,5,毛钱的保费，,10,块钱的保额，堪称“小而美”金融产品的典范,在大数据的助力下，业务量以每年超过,100%,的速度快速增长,背景,特点,前瞻性,实时核保,实时,差异化定价,出险率,实时预测,极速,核赔决策,案例,5:,保险,运费险定价,大数据精准定价帮助退货运费险,扭亏为盈,简单粗糙，劣币驱逐良币,保费按,5%,费率统一收,一口价,精算,定价,数据,定价,大数据,定价,解释方便，定价偏差大,以历史出险率为唯一定价因子,预测较准，解释性差,以,30+,因子统计建模,预测很准，难于解释,百万,ID,特征，实时特征,机器学习方法,技术创新助力普惠金融,普：移动互联网,移动互联网改变了触达用户的方式，促进了金融的普及,惠：云计算,云计算极大提升了计算的效率，降低了交易的处理成本,惠：大数据,大数据能够帮助甄别和计量风险，使长尾用户获得更好服务,普惠：人工智能,人工智能让普通用户也可以享受智能个性化的金融服务，有,AI,驱动,Finlife,谢 谢,THANK YOU,