-
關於我們+
-
產品與服務+
-
解決方案+
-
客戶案例+
-
AI創新中心+
-
投資者關係+
-
聯繫我們+
-
申請試用+
申請試用-
關於我們+
產品與服務+
解決方案+
客戶案例+
AI創新中心+
投資者關係+
聯繫我們+
申請試用+
申請試用-
7月9日，由中國金融認證中心（CFCA）、中國電子銀行聯合宣傳年主辦的“聚合新生態 · 共享新安全——2021數字化轉型生態大會”在廈門舉行。會上正式公布了“2021中國金融數字科技創新大賽技術創新應用獎”，索信達控股有限公司（股票代碼:03680.HK，以下簡稱“索信達”）憑借“可解釋機器學習創新技術”從近200份案例中脫穎而出，成功入選金獎名單。本次大會邀請行業協會、商業銀行、科研機構與財經媒體的資深專家組成專審團，對入圍案例進行全方位考量，探討開放生態、網絡安全、數字化轉型、跨界協作等議題，提出建設性意見。專家評審團認為，數字科技賦能金融行業，既是行業本身尋求嶄新增長點的契機，也是建設數字生態，開放連通世界，實現經濟社會雙循環的重要發展節點。建設數字生態第一步，是讓業務深入場景。
索信達面向銀行業推出的可解釋機器學習創新技術，針對當前人工智能技術金融應用存在的算法黑箱、算法同質化、模型缺陷等潛在風險問題，從安全性、可解釋性、精準性和性能方面著手，為金融機構加強智能算法應用風險管理提供全棧式解決方案，並率先在頭部的領先銀行成功落地，取得顯著效果，獲得了銀行機構的高度認可及全行推廣。
目前銀行業在客戶流失預警領域使用的機器學習模型通常都存在解釋性差的問題，即流失預警模型通常只能給出未來是否會發生流失的預測概率，但模型難以給出預流失客戶的流失原因，這給後續的客戶挽留增加了難度。索信達發明推出的可解釋機器學習技術，基於SHAP和WOE提出了一種可以對單個客戶進行流失歸因的方法，該方法首先基於SHAP找到導致每個流失客戶發生流失對應的重要特征，再基於WOE對重要特征變量的取值進一步量化和分析重要特征變量的取值是如何影響客戶流失的，將導致流失的重要特征及其取值範圍轉化為業務可理解的流失原因。從而基於每個客戶的特性，歸納其對應的流失原因，再根據每個流失客戶的流失原因製定有針對性的挽留措施，從而大幅提高挽留效果。
比如在某股份製銀行流失預警場景進行的流失歸因，通過實施索信達的可解釋機器學習技術方案達到以下效果：
1）根據模型篩選出的預流失概率前20%的客戶中，找出實際發生流失客戶的準確率高達90%；
2）基於事後可解釋的方法，對每個預流失客戶流失的原因進行歸因，歸因後再製定有針對性的挽留措施，客戶流失率整體下降5%。
大大的提升了模型對實際業務的支撐作用，實現了客戶層級具體流失原因的輸出，用於銀行製定更精準的挽留措施，降低客戶流失率，最終為用戶帶來巨大的經濟價值。
未來，索信達在持續進行可解釋機器學習研發和實踐的同時，將與業界一起推動人工智能技術在金融領域的規範健康發展，助力金融科技應用風險防範，讓金融數字化轉型的腳步更加和諧美好。