齐鲁银行企业级人工智能服务及管控中台

　　来源：2022第三届中小金融机构数智化转型优秀案例评选
　　获奖单位：齐鲁银行
　　荣获奖项：运营管理 创新优秀案例奖
　　一、项目方案
　　人工智能技术的发展，让数据决策和系统服务更加智能，为全面提升客户服务体验和推动银行数字化转型奠定了基础。齐鲁银行经过多年的信息化建设沉淀，积累了大量数据和人工智能应用场景，在此基础上，为进一步深入挖掘数据价值，强化数字技术应用，提升科技赋能水平，规划建设了集中式、一体化的全行人工智能服务及管控中台。
　　企业级人工智能服务及管控中台定位于人工智能能力、数据和知识的中枢管理平台，协助我行进行全面的数字化和智能化升级。其核心任务是打通全行各项业务从感知、认知、决策到行动的闭环，实现业务环节的自动化、业务效率的提高和用户体验的提升。平台应用于数据中台之上、业务中台之下，让业务开发人员、项目实施人员能快速的构建满足当前业务需要的智能化应用，在业务开发过程中，无缝接入AI模型和服务，与业务系统形成一体化智能化服务手段。
　　平台主要功能包含数据管理、人工智能能力生产、人工智能服务编排、人工智能服务管控等部分，整体技术架构采用四层能力架构设计，将主要业务功能集成在包含算力层、数据层、开发层、服务层等技术层次中。
　　图一 平台架构图
　　平台的建设过程中按照＂四个平台＂目标进行建设：
　　1.实现结构化数据和非结构化数据的汇聚、存储、治理和计算的人工智能数据管理平台
　　高效快捷的汇聚、存储、治理、加工各类数据，接入结构化和非结构化的多元异构数据源，如业务数据库、视频流、图片、文本文件等数据源类型，实现对各类感知数据进行AI解析。
　　2.拖拽式深度学习建模和机器学习建模的人工智能能力建设平台
　　基于深度学习的AI模型训练平台，支持图片识别训练、语音识别训练、自然语言处理等深度学习建模，可利用业务数据持续优化AI模型，让人工智能技术具备更强的业务定制能力。基于数据挖掘技术的机器学习建模平台，实现业务预测、分类、关联分析、异常检测等各类机器学习服务。机器学习建模能力我们已充分应用于风险和营销场景，建立了市民贷营销模型、睡眠客户激活模型、异常交易反欺诈模型与市民贷风险评分卡等模型。
　　3.实现AI能力的统一管理和服务重组的人工智能服务编排平台
　　将多厂家AI能力的统一注册、统一上下线、统一权限管理。将包含图像识别、语音分析、自然语音处理等多种AI算法各种AI能力（各厂商）统一管理，以可视化方式对AI能力进行串接编排，快速完成AI服务业务流，并以业务流为单位为业务系统服务。
　　4.统一管理服务和训练的算力控制的人工智能服务管控平台
　　基于当前平台功能需求和性能需求，通过平台统一管理多台CPU服务器设备和GPU服务器设备计算和训练资源。通过对AI能力进行不同维度的拆分、整合，将AI能力分组管理，通过流量控制、令牌管理、安全策略、路由机制、负载均衡等手段对于全行AI服务能力统一调度管理。
　　二、创新点
　　该项目搭建了企业级人工智能平台底座，通过对于人工智能能力企业级开发集成，为全行各类系统提供一体化、标准化的人工智能服务能力，通过可视化方式对AI能力进行串接编排，实现多种人工智能算法与能力的统一管理。结合我行业务运营、精准营销、风险防控等场景人工智能服务需求，定制化人工智能应用场景，应用于睡眠客户激活、线上贷款营销、营销过程考核、身份核验与反欺诈、线上贷款风控，产品风险监控等各类业务中，有效提升了人工智能能力在全行经营管理水平，实现了技术支持手段和业务服务模式的多项创新。
　　三、技术实现特点
　　1.建设了全栈算法的人工智能能力生产平台
　　支持原生MPI、Horovod、PyTorch、Tensorflow、MXNet等主流深度学习框架，从原始数据导入、数据处理加工、数据分析、特征工程、模型训练、模型评估的全模型建设过程的机器学习训练平台，包含自动特征加工、自动调参等多项技术支持自动特征生成，结合AutoML技术自动地选择出一个优化算法及对应优化算法的配置，快速生产人工智能模型，达到效率和精度的平衡。
　　2.建设了面向银行客户精准营销和智能风控的人工智能模型指标库
　　建设包括客户基本信息、客户资产信息、客户交易信息、客户持有产品、贷款客户信贷信息、行为信息在内几大类数据，一千余个基础指标及衍生指标。并将数据指标根据建模和效果分析分层管理，建设从业务数据关联和整理的汇聚层、应用通过统计算法对数据进行特征提取和数据运算的特征层，统计模型或机器学习模型计算得来分析展示层。
　　3.支持可视化编排、灵活自定义AI能力的人工智能服务编排平台
　　所有AI能力和AI应用通过服务层进行统一管理、调度、编排、权限管理。基于服务层上图像识别、语音分析、自然语音处理等多种AI能力，以可视化方式对AI能力进行串接编排，快速完成AI服务业务流，并以业务流为单位为业务系统服务。
　　4.支持标准件识别和非标准件建模的图像识别服务
　　结合平台内置几十种图像识别标准能力和非标准件图像识别训练能力，平台为各个系统提供包括票证报销、金融票证识别、票证录入在内的各类图像识别服务，支持全行运营到管理的各类系统的图像识别服务，大幅提升全行系统智能化处理能力。
　　5.拓展了基于语音分析和自然语言处理的营销语音质检
　　通过对外呼营销语音分析，将音频中的空白部分和噪声部分过滤后提取有效语音时长；进行语音角色区分分析，将对话中不同人物语音进行分离并转化成文本；对对话文本进行敏感词内容检测和限定词内容检测；最后采用NLP语义分析算法对对话内容进行内容解度并输出，提升管理人员对于营销外呼工作的管理能力。
　　6.创新智能评分卡，全面提升线上贷款业务风控水平
　　通过自研智能评分卡算法技术，相对流程化、标准化的完成线上贷款业务评分卡建模，减少建模过程中对于个人经验和业务专家知识的依赖，优化了线上贷款风险防控流程，评分模型应用后线上贷款防控控制更为精细，客户逾期率下降65%，显著提升风险管理能力与风控水平。
　　7.建立了基于人工智能技术的客户欺诈行为监控体系
　　结合全面的人工智能指标库与平台提供的算法能力和推理能力，通过客户交易渠道、频率、金额、时间段等信息构建异常交易反欺诈模型，模型预警准确率较专家类模型提升12倍，为欺诈行为识别、异常账户识别、异常交易预警提供能力支持。
　　8.建设多种不同场景化精准营销模型
　　通过人工智能构建丰富的场景化的识别能力、预测能力、以及智能化的产品推荐能力。目前完成两类模型建设，包括市民贷营销模型和睡眠客户激活模型。针对我行线上贷款产品用信率低的问题，整合客户基本信息、行内资产、人行征信、交易行为等维度数据共160余个指标，构建XGBOOST机器学习模型，每月取营销概率top1000进行营销，比随机营销客户转化率提升3倍；针对存量客户中睡眠客户占比高的问题，通过分析客户历史等级变化、历史持有产品等数据，构建GBDT模型助力睡眠客户激活场景，每月推荐营销客户10000人，客户转化率也大幅提升。
　　四、项目管理过程
　　1.需求分析和概要设计阶段
　　项目于2021年6月至2021年7月进行业务需求分析、业务功能和技术构架设计。提交了项目功能需求分析、非功能需求分析与系统架构设计、提供服务接口等文档，并对相关内容进行了评审。
　　2.测试环境部署阶段
　　项目于2021年7月至2021年8月进行测试环境的基础平台部署与ocr引擎部署工作，并对部署内容进行了测试，提交了系统部署文档、测试报告等相关文档。
　　3.模型应用场景设计、开发和系统上线准备阶段
　　项目于2021年8月至2021年9月进行数据分析业务场景的模型设计、数据加工与模型开发等工作、并进行基础平台与ocr识别功能的上线准备工作，提交了模型设计文档、数据加工方案、系统测试报告、上线方案等文档。
　　4.项目上线阶段
　　项目于2021年11月上线了统一服务平台、机器学习平台、机器学习自动训练平台、数据管理平台与决策分析平台，同时上线了OCR识别功能和语音分析功能；于2022年3月上线了深度学习平台，同时上线了风险场景中线上贷款客户信用风险评分与线上贷款产品风险指标监控、营销场景中线上贷款营销模型与睡眠客户激活模型、风险场景中个人账户异常交易反欺诈模型。
　　五、运营情况
　　平台的建设为全行应用系统提供了全方位能力的 AI 应用能力支撑，为各业务系统提供票证识别、身份核验、语音分析、风险监控、交易反欺诈预警、精准营销模型等各种人工智能服务。平台上线后营销考核由全量语音分析替代人工抽样质检，日处理语音数据5000余条；各类业务办理由金融票证识别替代客户手工录入，日识别量1000余张；贷款申请流程中辅助客户完成信息录入、证件识别、身份验真、生物特征核验，每日提供各类服务1000余次；精准营销每月推送营销客户名单10000人；线上贷款风控与反欺诈等场景由机器学习模型作为专家规则的补充，将人工智能全面应用于对公、零售、信贷、普惠等各业务条线。
　　六、项目成效
　　1.通过语音、图像识别实现业务运营降本增效
　　通过对营销外呼语音全量数据的质检分析，解决营销过程管理抽样质检覆盖率低，人工质检主观性强、效率低，缺乏数据分析问题，日处理语音数据5000余条，节约了管理成本；金融票证识别方面，由客户自行上传票证替代传统手工录入，日识别量1000余张，节省人工录入、验真时长约50小时，大幅提高业务办理效率。
　　2.利用身份核验和反欺诈模型提升业务办理效率与欺诈识别能力
　　提供统一全行的人身核验技术能力，全面辅助公司、普惠、个人客户各类线上贷款业务，在贷款申请流程中辅助客户完成信息录入、证件识别、身份验真、生物特征核验，每日提供各类服务1000余次，大幅提高客户业务办理效率和用户体验；通过客户交易渠道、频率、金额、时间段等信息，构建异常交易反欺诈模型体系，模型预警准确率较专家类模型提升12倍，提升银行识别涉赌设炸账户能力，为优化营商环境、建设和谐社会提供了安全保障。
　　3.运用机器学习模型助力精准营销
　　平台应用人工智能技术辅助客户产品选择，通过场景化模型的建设，为存款、贷款客户匹配合适产品，通过对于客户需求的精准服务，提升全行数智化服务水平；针对我行线上贷款产品用信率低的问题，通过机器学习建模助理我行提供线上贷款产品营销，每月推荐营销客户1000人，比随机营销客户转化率提升3倍；针对存量客户中睡眠客户占比高的问题，通过机器学习建模助力睡眠客户激活场景，每月推荐营销客户10000人，客户转化率也大幅提升。
　　4.通过量化风险与客户信用评级助力信贷风险防控
　　结合客户征信、公积金、还款行为、资产、基本信息等数据构建评分卡模型，用量化违约概率的方式对客户进行风险评级，并根据行内风险偏好设定阈值，对逾期风险较高的客户进行过滤，使客户逾期率下降65%，平台构建了全行普惠、零售线上贷款客户信用风险评分，支撑了全行线上贷款风险防控建设，为全行几十万普惠和零售客户百亿级信贷的规模提升和风险防控提供技术支撑。
　　七、经验总结
　　通过企业级人工智能服务及管控中台的建设，实现了对结构化数据和非结构化数据的汇聚、存储、治理和计算，提供了可视化的拖拽式深度学习建模和机器学习建模以及自动建模能力，降低了人工智能的使用门槛。平台整合了影像识别、语音识别、生物特征识别、自然语言处理等人工智能单点技术，实现了对原子化AI能力的集中管理和重新编排，提高人工智能应用场景实现效率，成为集人工智能前沿技术框架、人工智能建模和应用平台、人工智能服务为一体的全方位人工智能应用综合支撑平台，为全行业务融智、赋能。
　　更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社官网案例库、选型库查看。