案例名称

河北银行模型平台

案例简介

随着对金融行业提出数字化转型的要求日趋增高，模型应用正向着数量更多、算法更复杂、应用更广的趋势发展。模型平台为全行级机器学习建模平台，为各类业务场景的数据建模提供架构统一、功能完善、安全稳定的支撑。平台覆盖了机器学习建模全流程，能实现从数据分析、特征处理、模型训练、模型评估的所有模型调研过程。模型支持一键部署、支持以离线批量和在线实时应用等方式满足实际业务需要。通过模型平台的建设，实现全行模型资产的集中化管理、建立模型生命周期工作流规范标准、统一搭建适用不同人员的建模工具、实现模型的统一部署发布、提供多样化的模型服务。系统架构如下：

创新技术/模式应用

智能数据

智能数据服务平台，是一个一站式数据服务平台，主要负责处理平台的数据业务，包括数据管理、数据清洗、数据标注、智能标注等功能，解决了数据采集难、标注成本高和清洗成本高等难题。可支持图片、文本、音频、视频和表格基础数据的处理。

全功能开发

全功能开发提供Notebook建模、可视化建模、作业建模、自动化建模等多种建模方式，支持主流机器学习和深度学习开发框架，支持以自制Docker镜像的形式来支持其他框架和第三方软件库，并且内置ERNIE和全面领先的NLP经典算子，多种调优后预训练模型。模型开发中心能帮助不同建模水平的人员快速上手，提升建模效率。

模型中心

模型中心是AI模型的集中纳管场所，支持纳管多来源、多类型、多框架模型。根据不同的模型类型、框架和网络结构（或算法类型）提供不同的功能，包括评估、加速、部署，其中部署可分为云部署、边缘部署。训练模型可来源于Notebook建模、可视化建模及自动化建模；第三方导入模型支持从本地上传或从存储选择模型文件，模型类型支持主流框架，包括Tensorflow、PaddlePaddle、PyTorch等。支持管理单个模型的多个版本信息。

项目效果评估

河北银行建设数据建模平台带来诸多价值，提升了河北银行数智赋能的效能。

（1）降低模型开发难度，节约模型开发费用

模型平台可以将各类挖掘算法封装成算子组件，并通过代码建模、可视化建模、自动化建模等功能，向专业建模人员和业务人员提供使用，能够极大地降低开发门槛，有效解决由于算法复杂导致开发难度大、开发成本高的问题。

（2）深化模型场景，发挥模型价值，推动业务创新

数据管理部利用模型平台，成功实施了一项历经十天的集中建模项目，并孵化出了涵盖理财、个人贷款、教育及普惠金融在内的多元化业务模型。这些模型已顺利在平台部署，实现实时数据监控和精准营销，强有力地支持了业务人员的工作。

（3）统一模型全生命周期管理，提供一站式模型服务

模型平台可以统一行内的建模工具和建模环境，避免不同项目重复性的数据预处理与特征工程工作，增加数据复用性。同时，可以统一模型的发布和部署环境，减少部署成本，提高资源利用率。

（4）健全模型监控机制，降低模型风险

通过建设统一的模型平台，可以实现对模型体系的统筹管理和整体监控，从而降低由于开发技术能力低、校验程度不够深、监控预警不足以及模型迭代不及时等问题出现概率，降低模型性能低而导致的误判率高等模型风险。

（5）提升建模能力，加快人员建设

模型平台提供了多种开发形式，具有低门槛、易用等特点。可满足不同开发水平的人员使用，快速培养具有建模能力的人才。

项目牵头人

盛普 首席数据官

项目团队成员

郝楠、李佳星、马笑雪、曹佳佳

责任编辑：方杰