大数据时代人工智能如何控信用风险
热点聚焦
2017.07.10
如果说第一代的信贷管理系统主要是贷前，贷中，贷后的流程化的贷款全生命周期管理系统，第二代的信用风险管理体系是基于结构化数据的利用包括内评系统，打分卡之类的线性建模体系的风险管理系统，那大数据时代的第三代信用风险管理体系必须具备以下两个条件：
1. 同时处理结构化和非结构化数据（异构数据）的能力；
2. 利用非线性模型进行风险和行为建模的能力。
下图阐述了大数据时的第三代信用风险管理体系的主要构成： 大数据=AI+BI+建模
大数据时代新一代信用风险管理体系是通过传统的商业智能（BI）工具分析银行内部的结构化数据，加上央行征信数据（结构化数据），利用人工智能（AI）算法（例如自然语言处理 NLP）来解析各种同信用风险相关的外部非结构化数据。例如司法涉诉数据（法院司法网站），工商数据，授权媒体的舆情数据等等来统一进行风险建模，实现提前预判和阻止不良贷款产生的效果。
搭建一个强大有效的人工智能 AI 平台需要具备以下三个必要条件：
1. 合法可靠的数据源：在大数据时代，仅仅依靠传统的银行内部数据和央行征信数据显然是不够的；但是在众多杂乱无章的外部数据之中挑选出不涉及任何隐私数据，而且又同信用风险相关的数据源非常重要。
2.需要具有丰富编写 AI 算法经验的数据科学家，利用网络深度学习的方法搭建人工智能平台对海量非结构化外部数据进行处理。
3.此点往往被人忽视：机器学习是让机器来学习专家，但是这个专家必须具备能把专业知识量化成 AI 科学家能够理解的语言以便形成算法的能力，这样的跨界专家可能比 AI 科学家更难获得。
依赖一个强大的人工智能平台，内外部的异构数据可以集中统一地参与到建模之中，最后搭建成一套完整的贷款全生命周期新一代信用风险管理体系.
