星环科技助力商业银行机器学习平台建设

案例背景

在英国《银行家》（The Banker）杂志公布的“2020全球银行1000强”榜单中，某商业银行按总资产排在一百多位，连续四年入围全球银行200强。



该商业银行积极响应国家号召，以服务实体经济为己任，以科技为引领，全面推进金融数字化转型创新，建立了差异化、场景化、生态化、数字化的金融服务体系与科技系统平台。



问题与需求

•  AI模型搭建门槛高、流程复杂

对于业务部门来说，AI建模门槛高、流程复杂、实现困难；开发部门具备建模开发能力，但业务经验较少。因此AI模型的开发往往需要打通业务部门与研发部门的壁垒，克服繁琐的数据申请流程、缓慢的响应速度、复杂的研发环节、大量的人力标注等，最终才能成功构建。



• 型上线部署困难、时效性差

缺乏统一的模型发布、运行与管理平台，导致模型的上线时间较长，时效性差。



• 模型重复建设、烟囱化严重

各业务部门的模型构建各自为营，烟囱化严重，许多类似模型特征重复开发，浪费了大量的人力成本。同时，数据资产在缺乏管理的情况下整体数据质量较差，难以维护，缺乏统一的模型特征复用池将模型特征进行沉淀与复用。



• 缺乏模型后期监控、更新与维护

模型缺乏后期的维护与监控，无法根据时间的推移对模型进行及时更新和验证，导致模型精度随时间的推移逐步降低。



解决方案

为帮助该商业银行解决现有的问题，星环科技提供了以下解决方案，构建基于容器云平台的大数据和人工智能平台，以极佳的性能支撑银行上层创新生态应用。整体架构图如下：





图：某商业银行机器学习平台架构图



星环科技综合利用大数据、云计算、机器学习、深度学习等技术，提出并实践先进的大数据分析与机器学习平台架构，帮助该商业银行将机器学习建模开发流程平台化、工具化，为模型实验室的搭建提供工具层支持。



星环科技机器学习平台提供两种解决任务的能力。



第一种是针对某个业务领域内特定类型数据，提供对此类数据的基础AI学习、预测、分析能力的“横向”任务，例如知识图谱构建工具、特征及标签管理能力。



另一种则是面向业务具体需求的、相对特殊化与个性化的“纵向”任务，例如金融领域的智能风控、智能投研以及用户画像构建与客户留存等。



星环科技机器学习平台提供的AI建模工具服务于后期用户画像、企业画像以及实体模块的构建。建设一个从数据仓库、数据处理、模型建设、模型发布、模型共享、运维管理全流程为一体的大数据与机器学习平台。将模型训练完成后，结合流计算引擎产品，上线到生产环境用于线上业务，支持毫秒级实时决策，有助于提取数据中蕴含的商业价值数据，提高企业核心竞争力。



智能化管理平台作为一个智能化的服务集成，兼具统一规范的服务接口，提供各项的模型预测服务、接入方式，实现模型的统一监控与管理，帮助企业沉淀建模数据，减少因重复数据加工而导致的资源浪费。



实施效果

某商业银行借助星环科技人工智能平台Sophon及其相关前沿技术，实现了金融行业机器学习平台的构建，为业务分析师提供可视化拖拉拽的数据分析挖掘工具和专业算法库，实现团队协作、风险管控、用户体验等全方位的运营效率提升。



• 搭建机器学习平台，实现团队高效协作

该商业银行借助星环科技将机器学习建模开发流程平台化、工具化，为模型实验室的搭建提供工具支持，通过星环的机器学习平台为业务分析师、算法专家、数据挖掘工程师等各个岗位提供了统一的可视化、拖拉拽的数据分析挖掘web和客户端界面。平台内置100多种分布式算子（如常用机器学习算法、深度学习），底层对接 Spark、Tensorflow、MXnet 等框架，集成了金融算法库和行业模板。使用者可自定义添加算子，并提供模型导出、模型管理、模型分享等功能，实现团队高效协作。该商业银行机器学习平台为业务分析师提供可视化拖拉拽的模型建设工具，为模型实验室的模型训练、优化、快速迭代提供工具支持。并提供统一的模型运行环境和监控平台，支持模型上线后的运行监控、精度评估和更新迭代。方便资源的统一管控：包括计算资源、存储资源等，并且支持资源弹性调度。



• 提供特征及标签管理，并进行智能化风控模型的构建

通过使用星环的AI智能平台，该商业银行通过用户的动态行为数据和用户的静态资产数据，提取用户特征，形成用户画像标签，总计数百个特征。分别对对公、对私客群进行精准建模，包括柜面以及主要电子渠道。平台提供特征及标签管理能力，服务于后期用户画像、企业画像以及实体模块的构建。通过机器学习平台，该商业银行的人工智能与建模团队实现了机器学习算法自主建模，成功构建了欺诈行为识别以及申请信用预测模型。



• 基于知识图谱与实时决策引擎的实时风险管理

该商业银行通过使用图谱构建、图谱展示、高性能图网络特征指标计算等全链路的知识图谱工具，并结合实时决策引擎，将离线训练模型上线到生产环境用于线上实时业务的能力，生成了风险管理驾驶舱，实现了从T+1、T+0的事后风险管理向实时风险管理的成功跨越。



借助星环机器学习平台，该商业银行人工智能与建模团队完成了反洗钱机器学习模型的开发。模型对可疑上报案例的识别精准率较原有的反洗钱规则有大幅度提升，模型预测的洗钱可疑概率前20%的名单即可覆盖超过85%的上报案例，预测概率前30的洗钱可疑名单错误率低于7%，且可基本排除反洗钱规则中60%的预警客户，大幅降低误报率，缩小反洗钱审查范围，大幅减少人工排查确认工作量，降低反洗钱成本，提升反洗钱监测的效率和准确性。



该商业银行借助星环科技机器学习平台，构筑了以数字为驱动的贷前风险态势感知、贷中实时智能决策、贷后风险动态预警的大数据反欺诈风控大脑，服务1+N、政企银、精准营运与营销等多种创新金融服务模式，实现了科技驱动的银行业务跨越性升级。



原文链接：星环科技助力商业银行机器学习平台建设