参赛单位：深圳市魔数智擎人工智能有限公司

案例名称：业务化AI在银行风险管理中的创新应用

案例简介：

魔数智擎打造金融行业AI机器学习平台，帮助金融机构在风险场景及数字化营销等场景做出更科学的数字化决策，提供从“数据-模型-应用”的端到端、可解释、可溯源、业务化的AI服务。将AI技术赋能到金融机构业务端，提升了大型银行及金融机构在数据处理、特征工程、模型搭建工作中的效率，解决了中小银行面对着专业人才难招难留的痛点，真正实现了自主风控赋能。

创新技术/模式应用：

1、创新技术

1）智能数据处理技术：可实现亿级数据的高效聚合、数据预处理、BI可视化操作，快速完成模型数据的抽取、衍生、拼接和构建。并能实现强大的特征自动衍生能力，自动生成数千维符合业务理解的衍生特征。面向AI应用，提供数据集统计量、取值分布、响应率分布等指标的自动监控与预警，保障A卡模型的时效性。支持交互式的数据处理和溯源，通过图形化界面展示每个特征的加工逻辑，展示数据的血缘关系图谱。

2）可解释机器学习建模技术：打通业务建模和技术建模的壁垒，可实现低代码编程、模型白盒可解释的机器学习建模。业务人员在图形化界面选择算法和配置参数，无需编写代码即可获得业务报表型模型报告，并通过图形方式展示机器学习模型的内部规则，实现“黑盒”机器学习模型的可解释性，业务人员轻松理解模型的内部含义。并有别于暴力特征工程方法，专利特征工程算法可高效衍生出海量高维度可解释特征，指导模型优化。并自动根据数据挖掘业务归因逻辑、业务规则，并可自动化地生成业务策略，提升分析人员数据解读效率。

2、应用逻辑

1）根据百万条客户的信用卡申请记录、个人征信、第三方数据等，利用智能数据技术，进行特征自动衍生，利用模板自动生成数千维符合业务理解的衍生特征。

2）利用极速建模技术对数据特征进行建模，在图形化界面选择算法和配置参数，无需编写代码即可快速获得业务报表型模型报告。既可基于GBM、RF等算法实现机器学习模型，也可基于LR算法实现传统打分卡功能。

3）自动根据数据挖掘业务归因逻辑、业务规则，生成业务策略，发现违约客户的业务特征。

3、风控引擎

通过智能数据技术对信用卡申请记录、个人征信、第三方数据进行特征衍生，并使用极速建模技术对数据特征进行建模，生成风控引擎。其业务价值体现两方面：

1）利用风控引擎进行对申请信用卡客户实时评分，对低风险客户快速响应，对高风险客户进行人工核验和干预；

2）发现高风险申请客户的业务规则，生成高风险客户的特征画像。

项目效果评估：

依托方案技术创新，魔数智擎助力银行搭建风控体系，专注于可解释、可溯源、业务化的AI算法研发，输出真正落地业务化的决策智能方案，助力银行科技赋能、合规运营，创造更高的商业价值。方案效果显著：将低代码、图形化和可解释的机器学习建模应用于信用卡A卡风控。利用智能数据技术将百万条客户的信用卡申请记录、个人征信、第三方数据等进行特征自动衍生。利用极速建模技术对数据特征进行建模。并自动根据数据挖掘业务归因逻辑、业务规则，生成业务策略，发现违约客户的业务特征。人机协作防范信用卡风险、提升A卡风险防控效率。实现：

1）风险区分能力变强，KS值在原基础上提升1.2%

2）客户建模周期缩短至3天

3）白盒+可视化技术，提升了对模型的认可度

4）将模型同步应用至B卡模型，降低不良

项目牵头人：

柴磊 总经理

责任编辑：方杰