This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
12 ■ 財金資訊季刊 / No.95 / 2019.07
本期企劃〡輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用
輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用李永和 /昊青股份有限公司協理
一、 前言
人工智慧 (Artificial Intelligence,AI)是為
了輔助人類智慧 (Human Intelligence,HI)應運
而生,以數據資料深度學習 (Deep Learning,
DL)的類神經演算法,透過機器學習 (Machine
Learning, ML)找出問題的最適解,再藉由機
器學習不斷地練習下,產生自主學習模式,以
人工智慧協助解答人類智慧所產生的問題,達
成最終目的 (如圖 1)。
人工智慧的演進並不全然是為了取代人
類,而是要透過人工智慧的技術,輔佐人類加
快工作效率,因此企業如何應用人工智慧,才
是未來業務發展的關鍵。
圖 1 人工智慧應用示意圖
www.fisc.com.tw ■ 13
輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用〡本期企劃
二、 淺談大數據應用
發展人工智慧,需進一步考量機器學習的
成熟部署,故仍須由數據端開始分析。企業需
先設有健全與成熟的數據管理機制,為人工智
慧系統打下基礎,運用有效工具輕鬆快速處
理資料,再經由數據分析結果進一步判斷與決
策。如果任一環節沒有到位,就貿然改以人工
智慧為重點的發展模式,那將會是一個難以跨
越的鴻溝。
因此為因應未來對數據資料處理的需求與
發展,傳統的分析工具與模式已不敷使用。企
業所應具備的不單是有效好用的數據分析平
台,更要具備良好技能組合的數據分析人員;
當企業內部凝聚導入數據分析平台的決心與共
識時,即可開始嘗試有效的數據分析工具,而
建立資料處理與分析的團隊,便是跨出採用人
工智慧的第一步。
以法國巴黎銀行的大數據應用為例,法國
巴黎銀行是國際化的金融集團,在全球 75個
國家設有分支機構,員工超過 19萬人,該銀
行在法國、比利時、義大利及盧森堡這四個國
家為 3,000多萬客戶提供服務,其銀行業務以
及國際金融服務業務在歐洲是首屈一指,法國
巴黎銀行集團不只擁有專屬分析部門與研究中
心,另外還成立了新商業智能團隊,並透過部
署 Tableau大數據分析工具平台,自動化產製
分析報告,大幅簡化數據分析與商業情報收集
的工作,且透過一個儀表板 (Dashboard)便
取代數百頁的報告,經由伺服器安全地分享資
訊,不必為不同部門製作不同版本的報告,節
省報告人員準備資料的時間,提升作業效率,
並提供員工所需的業務分析和訊息服務,創造
新的分析服務模式。
然而金融機構擁有大量的客戶資料,較其
他產業更具即時更新與真實性之需求。金融機
構將業務所需蒐集之法人客戶或個人資料,納
入大數據母體,透過身分認證獲取的客戶資料,
即是銀行業大數據的基礎,這些數據資料可用
以分析客戶的信用、資產、收入或負債。若能
善用這些巨量資料,以各種演算法分析出具有
意義的關聯性,再將個人化行銷資訊傳遞給對
的人,才能在瞬息萬變的市場中抓住商機。
三、 人工智慧之多元應用
(一 ) 客戶生命週期價值管理 (Customer
Lifetime Value)
金融機構可視客戶需求提供差異化服務,
將客戶依產業、屬性、以及需求等區分管理,
而客戶所接受到的行銷訊息、報價、訓練服務
等,亦應有所不同。為達業務利潤的最大化,
金融機構需要了解個別客戶財務狀況及理財偏
好,而人工智慧之數據分析,除可協助金融機
構達到此一目標外,亦可優化客戶關係管理,
藉由量化管理及預測客戶的潛在價值與生命週
期價值。
此外,評估客戶對長期業務之重要性,以
提供適切的互動與服務,再透過數據分析,可
進一步將最有價值之長期客戶進行資料分析,
找出更多具有類似特徵的潛在客戶,並專注於
最有可能帶入產值的潛在客戶,提升成功拓展
業務的機會,達成業務利潤之最大化 (如圖2)。
(二 ) 預防客戶流失 (Churn Prevention)
人工智慧可協助金融機構預測出可能離開
的客戶,並協助金融機構採取預防措施,因對
服務不滿意的顧客不一定會抱怨,有可能直接
14 ■ 財金資訊季刊 / No.95 / 2019.07
本期企劃〡輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用
關閉帳戶離開,使用人工智慧數據分析工具來
預測哪些是高風險客戶,讓金融機構可採取預
防客戶流失的行動 (如圖 3、圖 4)。因留住現
有客戶的成本遠比尋找新客戶的成本來得低,
金融機構如能提前確定哪些客戶可能會離開,
圖 2 利用人工智慧工具建立預測模型,達到業務利潤最大化
圖 3 利用過往客戶資料建立客戶流失模型,預測潛在流失客戶群
以及其背後的原因,便可積極與客戶溝通,提
早解決問題,以改善失誤或不滿,另外在了解
顧客的不滿意原因後,便可以針對潛在且需要
改進的問題加以改善。
圖 4 人工智慧工具預測結果
www.fisc.com.tw ■ 15
輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用〡本期企劃
以及其背後的原因,便可積極與客戶溝通,提
早解決問題,以改善失誤或不滿,另外在了解
顧客的不滿意原因後,便可以針對潛在且需要
改進的問題加以改善。
圖 4 人工智慧工具預測結果
(三 ) 風險控管 (Risk Management)
利用人工智慧工具可協助金融機構準確評
估風險,並採取適當措施以保護其免受威脅,
還可提高運營的可預測性。透過「資料科學」
(Data Science)可有效管理業務相關風險,準
確預測風險並量化潛在的負面影響,使金融機
構能採取防護措施,保護業務資料免受潛在威
脅和遭受負面衝擊,例如:可透過對債權人或
供應商的可靠性進行量化的風險評估,做為金
融機構經營業務及日常決策的參據。
是以每個企業都會面臨各種程度不一的風
險,從財務風險到供應鏈的不確定性,從天氣
狀況的影響到網絡威脅等。藉由嚴謹的風險控
管,即從識別風險、評估風險,到預測風險帶
來的影響等皆妥適管理,便可降低風險所帶來
的威脅。
(四 ) 預防詐欺行為 (Fraud Prevention)
詐欺行為會對金融機構的盈利和其他業務
成果產生負面影響,還會影響對客戶服務品
質,越快速與準確地發現詐欺行為,就越有可
能及時制止。利用人工智慧工具可以透過複雜
的識別模式進行觀察,並監視可能出現詐欺活
動的跡象,將大量數據套入模型應用中,以持
續觀察可疑跡象,其優點是可讓金融機構及早
發現詐欺行為,在產生破壞性影響之前採取必
要防範措施。(如圖 5~圖 10)
圖 5 資料前處理
16 ■ 財金資訊季刊 / No.95 / 2019.07
本期企劃〡輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用
(五 ) 預防保險詐欺 (Insurance Fraud)
保險詐欺常出現在許多組織,如:金融服
務公司、保險公司、醫療保健提供商等,會對
企業的盈利能力和其他業務成果產生負面影
響,人工智慧工具可以改變詐欺檢測流程,透
過可用的數據來識別非顯而易見的保險詐欺模
式,並加以監控防範。(圖 11)
四、 人工智慧未來發展趨勢
根據 Gartner研究指出,預計至 2020年
底,已開發國家中會有 20%的民眾將人工
智慧應用於日常生活當中,而且也會有高達
85%的企業資訊長會透過購買、構建及外包
等方式,為企業部署人工智慧計畫而努力。另
外 PwC公司也表示 2018年的人工智慧的前
圖 6 信用詐欺資料模型驗證
圖 8 模型應用預測新客戶資料
圖 10 預測表現:準確率與混淆矩陣
圖 7 優化模型參數
圖 9 利用人工智慧工具建立決策樹模型預測信用卡
詐欺交易
www.fisc.com.tw ■ 17
輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用〡本期企劃
十大趨勢包括:
(一) 深度學習:以模仿人類大腦的深度神經網
路,展示可以從圖像、音頻和文本數據中
學習的能力,將過程中無用訊息擠壓出
去,去除噪音雜訊,保留真正的訊息。
(二) 膠囊神經網路 (Capsule Neural Networks):
運用與大腦結構相同方式處理視覺訊
息、識別特徵的層次結構邏輯關係,使
誤差減少,提高數據的準確度。
(三 ) 深 度 增 強 學 習 (Deep Reinforcement
Learning):以模擬訓練方式,透過觀察、
行動和獎勵來與環境互動,進而從中學
習的神經網路演算法。
(四 ) 生成對抗網路 (Generative Adversarial
Networks):減少生成網路下,需由兩個
互相競爭的神經網路組成的深層學習系
統的複雜性,生成對抗網路經由網路配
對擴展深度學習訓練,以處理更大範圍
的無監督任務。
(五 ) 精 簡 和 增 強 數 據 學 習 (Lean and
Augmented Data Learning):透過模擬
或內插合成新的數據以取得更多數據,
從而擴大現有數據來改善機器學習。
(六 ) 概率編程 (Probabilistic Programming):
以高級編碼程式語言及建模框架,處理
不確定或不完整資訊,讓開發人員快速
便捷地設計概率模型,提供必要抽象層
廣泛和有效地推論通用模組。
圖 11 透過人工智慧工具利用病患資訊訓練模型,預測醫療詐欺案件
18 ■ 財金資訊季刊 / No.95 / 2019.07
本期企劃〡輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用
(七) 混合學習模式 (Hybrid Learning Model):
混合不同種類的學習模式,充分利用每
一種方法的優勢,將問題擴大到對不確
定性進行深度學習,幫助提高模型之可
解釋性。
(八 ) 自 動 機 器 學 習 (Automated Machine
Learning):使用多種不同的統計學和深
度學習演算法自動化學習工作,在用戶
沒有高級編程基礎下,自行開發機器學
習模型。
(九 ) 數位分身 (Digital Twin):以建立虛擬模
型用於物理、心理系統的詳細分析與監
測,通過智能建模與系統動態學等技術
下,可擴大處理範圍,以做預測性診斷。
(十 ) 可解釋的人工智慧 (Explainable AI):在
進一步開發機器學習技術下,讓人類對
演算法的計算可以充分理解,了解人工
智慧所建立的學習模型。
那麼在上述人工智慧的前十大趨勢中,如
何應用在金融業呢?從下列四大領域窺見一斑:
(一 ) 透過自動機器學習之技術,人工智慧可
了解客戶過去的消費行為,並預測行為
模式,為客戶提供準確的建議。
(二 ) 透過使用生成對抗網路之技術,於即
時交易鑑別出網路的安全性,構建有
效的系統安全解決方案。生成對抗網
路即為透過兩個對抗的網路運作,一
個產生器 (generator)和一個鑑別器
(discriminator),產生器網路建立與真實
數據集完全相同的假數據,鑑別器網路
則分析假數據和真實數據,每一個網路
都和另一網路互相學習、且相互對抗,
執行時間一久,系統會變得更好更有
效,且在偵測可疑交易,以及早期發現
和預防網路安全威脅方面,尤具成效。
(三 ) 使用膠囊神經網路之技術,以視覺化之
方式自動識別客戶及文件,大幅提高作
業效率,如利用於開戶、貸款和保險之
發放及記錄等,人工智慧可驗證文件是
否真實,以及試圖申請貸款的客戶是否
為本人,再搭配其他現有處理貸款文件
的管理軟體,人工智慧已可提供前所未
有的自動化功能。
(四 ) 配合客戶參與平台,以人工智慧創造下
一代聊天機器人 (chat-bots),回覆客戶
問題,有效減少客戶服務部門的負擔。
Gartner表示,至2018年底全球有超過
20億人定期使用對話式人工智慧與智慧
裝置上的虛擬客戶助理,進行互動。
另外,人工智慧將對金融業產生什麼樣的
變革?還有哪些發展趨勢呢?從以下分述說明:
(一 ) 蘇格蘭皇家銀行使用人工智慧數位助理
了解語音並回應客戶需求,透過電話和
即時回應來提高客戶服務滿意度。透過
機器學習,還可以協助金融機構預測客
戶喜好,在適當的時間為客戶提供合適
的產品,改善向客戶提供新產品與服務
的方式。並以這樣的技術分析先前市場
行銷活動資訊,與其他舊有相關訊息做
整合,預測並提出未來發展的可能性。
(二 ) 金融機構與保險公司可透過自動化流程
所提供的數據,順利導入人工智慧的預
測,比方說,溝通頻率、所討論的話題、
客戶對行銷訊息的反應等,都是定量
和定性數據,透過這些資料的收集與分
析,可以幫助建立模型來預測消費者行
為,例如:流失或購買傾向等。
(三 ) 金融機構與保險公司更可將人工智慧帶
來的巨大變化,納入未來策略的思考
中,例如:自動駕駛對保險會產生什麼
www.fisc.com.tw ■ 19
輔佐金融業蛻變轉型的關鍵-從大數據到 AI應用〡本期企劃
影響?金融機構對於金融市場走勢 (如
非結構化數據、股票價格波動 )高度準
確的演算法預測為何?
(四 ) 對於傳統金融機構面臨更迅速及巨大的
競爭壓力,人工智慧可為改善客戶服務
提供一線生機,例如:臉部識別技術比
人類識別人員的準確度高 10~15倍。
人工智慧系統在客服中心的溝通回應方
面,也被證明比外包廠商做得更快更
好,例如:澳洲的西太平洋銀行,透過
視覺識別技術,讓客戶可以用手機拍照
以進行開卡。
(五 ) 除了提供前台服務外,人工智慧還提供
很多中後台的服務,例如:在信用風險
管理方面,金融機構正在利用機器學習
和規範分析所產生的演算法,來瞭解客
戶的還款模式,並預測違約。以一台價
值1萬~1.5萬美元的機器人來處理保險
索賠,為委由第三方處理數量的5~10
倍。另外,在PayPal的應用中,人工智
慧引擎不僅可以發現可疑交易,也可偵
測出欺詐事件。
惟應提醒的是,對於某些客戶問題,只有
透過人與人之間互動才有辦法解決,因此金融
業需要留意,在應用人工智慧提供服務的同
時,人員的服務也不可忽略,無論何時何地採
取人工智慧解決方案,最好是可以將人工智慧
與人力結合。
五、 結語
麻省理工學院史隆管理評論發表過一篇文
章,他們試圖找出人工智慧真正可以提供的核
心價值,而人工智慧真正的變革核心是計算與
自動學習方面的增進。對於人工智慧,會帶來
真正變化的重點在於其擴展性和預測能力。然
而,與任何創新一樣,企業首先應選擇漸進式
變革而非顛覆性的變革,這樣的改變方式,使
企業有機會在短期內利用一些具體的優勢,緩
解阻力,並提供創新與漸進式實現。基於這樣
的考量,金融業使用人工智慧來增進某些作業
的自動化,是一個很好的開始。此外,金融業
在人工智慧的導入,應先關注競爭優勢和後續
的業務可行性,作為人工智慧技術的早期採用
者,必須確保有一個策略性的框架來因應各式
的變化。金融業若以前瞻性態度來推動人工智
慧的導入,運用人工智慧增強工作產能,便很
有可能獲得短期和長期的效益,以及透過機器
學習以瞭解服務客戶的需求,藉由人和機器協
同運作,可為未來的工作做好準備,例如:產
品預測、客戶趨勢解讀等。歸納而言,人工智
慧應用的無限可能性正開始蔓延,終將融入你
我日常生活,成為無可或缺的一部分。(本論
述不代表本刊或財金資訊公司立場 )
※參考文獻 /資料來源:1. Tableau,https://www.tableau.com/。2. RapidMiner,https://rapidminer.com/。3. 4 AI Use Cases in Fintech in 2018 according
to PwC and Gartner,2017/12/26。4. How artificial intelligence and machine
learning are impacting financial firms,2017/11/30。
5. Three Steps to Adopt Artificial Intelligence in Banks and Insurance,2017/03/23。
6. How the financial sector is preparing for its AI-led future,2017/06/19。