课程简介
互联网的下半场,各类业务线上化的进程加速发展,毋庸置疑数据智能是必不可少的加速器。这个利器一方面在零售金融线上营销中通过建立与用户的线上链接,将原先低频的银行服务提升为高频。通过实时采集到的海量用户数据、营销数据,将持续优化算法,提升自动化的运营能力。另一方面数字化风控能力发展使零售金融业务得以为广大有需求的客户提供细致入微的金融服务,风险匹配的个人信贷业务。
目前零售金融领域经过近几年的发展,数字化客户运营、风险防控体系、监管合规体系、数据架构和治理体系、IT技术架构已经基本稳定。本课程内容取自真实业务场景,结合业内先进案例并经过提炼,课程内容涵盖数据智能系统的架构设计、数据模型设计、算法模型设计、IT技术选型。
银行业算法架构0.25天
大数据、云计算、物联网、人工智能等新一代互联网+技术正在冲击银行业,行业数字计划转型迫在眉睫,全球化的顶层设计实践经验表明,企业架构是必然选择。传统企业架构已经将业务、应用、数据、技术、安全等模块纳入到架构设计中。AI时代,算法架构将是每家银行不可或缺的重要内容。
客户运营课程大纲0.25天
金融行业汇聚了海量的数据,基于这些数据,可以建立各种各样的分析模型。其中较为典型的应用就是通过用户画像实现精准营销、提升客户价值、保持客户忠诚度。本课程即通过理论与案例相结合的授课方式,为学员深入剖析金融行业大数据用户画像与精准营销。
风险防控课程大纲0.5天
本课程重点介绍金融机构如何利用数据分析和模型进行风险评估、决策与预测、应对欺诈风险,构建市场核心竞争力。
智能财顾0.25天
随着大数据、人工智能等新技术的兴起,智能化的财富管理与定制化的财富顾问服务正在迅猛发展,并已成为金融科技发展最重要方向之一。智能财顾实现了投资决策过程的智能化,提供服务的成本大幅降低,极大拓宽了客户群。本课程将重点讲述智能财顾服务的关键技术及其发展方向。
智能合规0.25天
随着金融全球化的日益发展,银行面临着客户洗钱和内部员工舞弊的双重压力。传统基于人力的风险识别和排查早已无法应对当前的合规业务挑战。国内已经有先进的AI落地案例,值得借鉴。
附:表格内容
1、银行算法架构的原理 1.1 企业架构体系 1.2 基于成本-收益分析的算法框架 1.3 分析主体和客体的建模视角 1.4 算法模型全生命周期工作模板
2、决策类模型 2.1 获客营销 2.2 信用评分 2.3 细分画像 2.4 交叉销售
3、识别类模型 3.1 申请反欺诈模型 3.2 违规行为识别
4、优化分析类模型 4.1 预测技术 4.2 运筹优化 4.3 流程挖掘
1、智能客群运营理论 1.1 数字化运营理论:发现问题 1.2 数字化营销理论:解决问题 1.3 数字化运营和数字化营销一体化
2、智能客群运营实现体系 2.1 基于NES的客群运营监控 2.2 数字化的营销体系 2.3 数字化的营销闭环
3、推荐引擎 3.1 推荐引擎的应用和数据架构设计 3.2推荐引擎的技术架构设计
1、信贷产品客户之旅与模型体系构建 1.1信贷产品客户之旅、风险点识别、模型体系 1.2客户信息的数字化与信用风险数据集市建设 1.3基于客户之旅的数据生命周期管理
2、三大信用评分卡 2.1申请信用评分卡的构建与额度策略 2.2行为信用评分卡的构建与调额策略 2.3催收信用评分卡与催收策略
3、申请反欺诈模型 3.1道:申请欺诈者的成本-收益分析 3.2法:老赖、冒用、团伙(黑产)申请欺诈的特征与防控体系构建 3.3术:无监督学习、复杂网络技术在申请反欺诈中的价值 3.4器:申请反欺诈大数据、算法平台建设 3.5用:某零售金融产品申请反欺诈案例
4、线上实时风控系统 4.1:模型开发环境和数据沙箱模块 4.2:模型生命周期管理和模型发布模块。 4.3:线上实时变量加工模块 4.4:工作流和决策引擎 4.5:面向AI的元数据管理模块
1、量化资产风险预测模型 1.1资产资本定价理论与风险因子 1.2构建舆情、风险传到风险因子 1.3构建风险预警模型与系统设计
2、基于客户风险偏好的产品推荐 2.1基于文本分析的客户风险偏好标签提取 2.2实时精准推荐系统
1、反洗钱案例 1.1反洗钱概述 1.2反洗钱模型开发方法论 1.3应用案例与AI反洗钱系统
2、反舞弊模型概述 2.1舞弊概述 2.2舞弊的分类描述 2.3大数据在反舞弊中的作用 2.3流程挖掘在反舞弊中的应用
3、大数据征信与隐私保护 3.1大数据隐私、安全、立法 3.1 隐私保护和联邦学习
授课老师
常国珍 曾任思特沃克数据科学家,毕马威咨询大数据总监
常驻地:北京
邀请老师授课:13439064501 陈助理

