“2020金融文字節——銀行數字化創新主題征文大賽”由中國電子銀行網（微信公眾號：cfca-cebnet）、未央網聯合主辦，和訊網作為戰略合作媒體，清華大學金融科技研究院作為學術支持，以下為參賽者投稿。

作者：百融云創科技股份有限公司

當前，在銀行等傳統金融機構的風控環節中，普遍存在信息不對稱、成本高、時效性差、效率低等問題，傳統的風控手段已經難以滿足個人消費旺盛引發的信貸增長。隨著AI在金融領域的應用不斷深入，大數據風控技術發展逐漸成熟，為滿足日益增長的業務需求，銀行等金融機構紛紛開始搭建智能風控體系。

然而，這些機構特別是中小企業在智能風控體系搭建的過程中普遍面臨以下三個難點：

1.數據采集困難

數據采集不僅要涵蓋基礎數據，還需包括用戶申請數據、第三方征信數據、歷史業務數據、埋點信息等數據。對這些數據進行加工與分析，可以篩選出符合業務需求的特征供風控策略及信用評分模型使用。然而, 由于數據量巨大，企業數據的協議不標準和安全性考慮不足等原因，導致數據采集十分困難。

2.模型開發緩慢

風控業務通常都需要在較短的時間內輸出結果，而傳統人工模型開發往往需要幾個月的時間，并且需要業務人員和AI建模團隊的深度配合，耗費的時間和人力成本都很高。

3.應用無法落地

很多中小機構缺乏AI相關技術人才，對于模型部署與維護仍然很難獨立完成。與此同時，今年以來受新冠肺炎疫情影響，金融業面臨著突發式逾期率劇增的沖擊。為了應對這一問題，多家銀行和消金企業推出延期還款、減免利息等優惠政策。但也帶來了一系列問題，如大量的延期業務申請、難以判斷是否是惡意延期還款等，如何在短時間內高效處理業務需求也成為了一個需要思考的問題。

突破難點 AutoML助力智能風控搭建

針對目前金融行業搭建智能風控體系的難點, 為提升金融機構應對突發情況的能力，百融云創自主研發了“百小漁”自動機器學習平臺，它搭載了最新的AutoML技術，能更好地解決目前風控體系中的難點和痛點，為銀行和其他金融機構提供全方位的風控支持。

在數據收集上，通過AutoML技術不僅能接收客戶提供的多維度數據，而且可以根據客戶需求提供百融云創的數據。它是針對金融風控領域進行篩選和處理之后的數據，安全度高、可靠性強，在這些數據上可以獲得更好的風控效果。在模型開發上，AutoML技術讓業務人員也可以快速上手參與模型開發，并且僅需短短幾個小時就能達到甚至超越人工建模效果。在模型應用上，百融云創研發的自動機器學習技術能實現全流程一鍵部署，既支持本地化部署，將AutoML模型搭建在機構自己的服務器上，也支持云端部署，即部署在百融云創的計算集群，并通過網絡的方式為企業提供模型接口服務。

百融云創人工智能實驗室相關負責人介紹，百融AutoML技術的宗旨是專注于金融風控領域，智能高效地處理數據, 自動化構建信用評分等應用，助力金融行業快速運用AI于實際業務中。

專注金融，凸顯五大技術特色

據悉，AutoML技術主要是將模型訓練中的各種環節自動化，只需給它必要的數據就能實現無人工參與建模。目前已有的AutoML平臺產品大多面向專業的建模人員，零經驗的業務人員想要參與模型開發與維護, 門檻依然很高。

而百融AutoML是在扎實的金融科技背景下研發的，為金融行業“量體裁衣”，解決金融領域常見痛點問題，極大提升了業務處理效率。具體來看，百融云創AutoML包括五大技術特色：

1.領域專一

百融AutoML應用場景只針對金融風控領域，并且運用相關技術解決金融領域的特定問題，其技術特點包括以下幾個方面：

1).多年沉淀的風控建模方法論。百融AutoML技術凝聚了許多風控專家的建模經驗，是在實際業務中驗證下來較優的建模方式。例如變量最優分箱, 逐步回歸等。

2).可修改性高。為滿足交互式的建模需求，可修改性非常重要，畢竟業務需要總是動態變化的。以前的模型很難滿足現在的需求，可修改性高將大大提升模型開發和復用的效率。百融云創的技術特點包括：a).所有WOE分箱都可以手動調整分箱節點；b).可根據業務調整入模變量；c).可指定使用哪些特征工程方法；d).支持模型和特征工程的超參數修改。

3).解釋性強。由于金融行業中大部分是非專業技術人員，為了讓業務人員更好地理解模型行為，提高系統的可解釋性非常重要。百融AutoML可以產出有實際意義的建模流程并且可以導出詳細的評分卡報告。

4）.在百融數據上表現更佳。百融數據是經過內部風控專家對數據有針對性的篩選之后，反復進行優化和處理得到的，是對普通冗雜數據的精煉，用戶可根據需求選擇百融數據來快速提升模型效果。

2.全流程自動化建模

只需提供原始數據，無需做任何處理，百融AutoML就可以自動完成數據清洗、特征工程、模型選擇、參數調優等全套流程，極大地降低了業務人員操作難度，同時提升了建模效率。

3.可根據多個業務指標進行調優，模型效果顯著

在一個典型的風控建模流程中，風控專家往往期望最終模型能夠在多個業務指標上達到最優，例如，可以同時朝KS和AUC進行優化得到俱佳的模型。通過實際驗證結果表明，百融的AutoML技術建模效果至少超越了人工建模3%的KS和AUC。

4.使用分布式集群，快速穩定處理海量數據，大幅度壓縮訓練時間

5.輕量級一鍵部署

訓練結束之后，可以通過一鍵部署功能獲取python的部署代碼包，具有獨立、高性能、高可用的特點。使用本地化部署無需“百小漁”平臺，只需python運行環境即可實現模型推理與應用。

全新升級 百融AutoML例證效果顯著

百融云創自2018年成立人工智能金融實驗室以來，不斷完善機器學習平臺建設，此次全新升級的AutoML技術在實際應用案例中證明了其真實具備高效率、高性能、低門檻的特點。通過分析試用百融AutoML中的信用卡（類信用卡）、線下消費分期等業務，從KS、AUC和時間方面均體現出百融AutoML在實際測試中的優勢。其中KS值越大，表示模型能夠將好、壞客戶區分開的程度越大；ROC值越大說明模型準確性越好。具體對比如下：

1.KS

2.AUC

3.建模時間

據國際權威市場分析機構IDC研究顯示，當前，機器學習正在規?；?、深入地走進企業中，但不少企業受限于數據資源就緒度、數據科學家人才儲備等問題，在智能化轉型中面臨巨大的挑戰。由此，市場正在呼喚更加成熟的機器學習平臺、更加低門檻的AutoML產品、乃至更加正確有效的落地方法論，助力企業AI全面落地，提升業務價值。

百融云創自成立以來一直致力于金融行業基礎設施平臺的搭建，是一家用人工智能、風控云為金融行業提供客戶全生命周期管理產品和服務的智能科技企業。百融云創自主研發的AutoML技術為銀行和其他金融機構提供一鍵部署和全流程自動化建模，能極大提升建模效率，降低AI在普通業務人員中的使用門檻，協助機構智能化轉型。未來百融云創還將繼續深耕金融風控領域，進一步提升AutoML的效果并開拓更多業務場景，不斷研發新的AI技術為金融智能化轉型賦能。

責任編輯：Rachel