Cmeet2023·第十五期 | 数字化转型排头兵,金融行业如何利用行为数据赋能业务?

墨泪 2023-06-14 22:00:01

近年来,“大数据”已成为当下的热门词汇,并频繁地出现在金融科技人的视野里。随着5G商用加速,大数据与金融科技行业的渗透融合全面展开,借助大数据调结构、促转型是金融机构、金融科技企业高质量创新发展的必由之路。

2023年5月27日,CSDN CMeet&CDC联合华为成都软件开发云中心,于成都市举办了线下金融科技专场技术沙龙生态活动,来自马上消费、新希望、数新网络的多位技术专家围绕大数据与金融科技行业发展现状,探讨行为数据如何赋能金融机构业务场景、如何发挥行为数据的价值。现场观众积极参与互动,就金融科技的热点话题与讲师展开了激烈的讨论。

 

 

会议开场,马上消费金融AI开发工程师李国冬带来《大模型对金融科技行业带来的机遇与挑战》的主题分享。李国冬以人工智能的发展历史及核心要素、搜索引擎的海量数据推动大数据和大模型的发展作背景,引出对大模型核心技术的阐释。具体到金融领域,李国冬认为大模型应用的前景光明。从需求侧看,金融行业客服与销售人力成本高昂,降本增效的需求使得金融大模型成了一片新的蓝海;从供给侧看,AI 在金融行业多领域已有使用基础,大模型落地金融领域场景丰富。

尽管大模型给金融科技企业带来了巨大的发展机遇,但在实际应用时也面临一系列挑战,例如在大模型训练上,内存、通讯、性能、调优等各方面的困境尚未解决;在大模型评估上,如何构建一个高质量的评估集成为巨大难题,需要在保持平衡难易程度的同时,包含尽可能多样的使用场景。除此之外,在建设金融大模型的道路上,应用门槛高、安全性、人才储备不足以及伦理问题也是亟待解决的问题。

 

马上消费金融AI开发工程师 李国冬

 

第二位分享嘉宾是来自新希望的金融运维总监陈林,他带来的分享主题是《数据应用赋能金融机构数字化转型》。陈林认为,金融机构主要有三大数字化转型方向:从对公到零售、从离线到实时、从定向到全客群。具体到转型过程中,面临的挑战则主要在获客、风控、营销及系统等四个方面。

获客方面,金融机构传统的获客来源途径耗费成本高、工作效率低且客群面狭窄,不利于企业的长远发展;以数据为基础的数字获客则能做到多终端、多渠道、单系统多产品。风控方面,传统风控以纸质材料、人工审核为主,且主要依据专家经验,风险较大;数字风控则依靠海量数据、深度学习、风控引擎等,全方位满足监管要求。营销方面,传统营销营销转化路径长,数字营销则实现智能外呼、多模消息、智能策略等,大大提高了营销转化效率。系统方面,传统系统仅仅是电子化而非数字化,性能差、客群窄;数字化系统借助人工智能,能够实现全客群、全天候、准实时等高质量服务。

 

新希望金融运维总监 陈林

 

最后,由数新网络解决方案架构师阳苍林作《科技积分贷方案》的主题分享。阳苍林指出,科技型中小企业因其规模小、资产少、风险大等众多主、客观原因的存在,在融资上存在较大难题。其中,科技能力评估难、数据少且分散、营销获客难是科技型企业融资的主要难点,基于此,数新网络提出“科技积分贷”,为科技型企业数智融资问题提供解决方案。

什么是科技积分贷?阳苍林从三个不同层面进行了详细解读。在数智营销层面,通过银行客户标签体系建设维度,降低获客成本,拓宽获客渠道;在数智评审层面,通过构建科技积分模型,从公司的创新投入、知识产权、经营运作、组织管理、资源应用、人才吸引和成长速度七大维度对企业科技能力进行综合评价;在数智检测层面,从源数据到应用层,实现完整的智能风控平台技术架构。总之,数新网络同时构建科技主题库、科技积分模型、智能风控平台三大数据平台,帮助客户完成智慧融资与智慧办贷等业务应用,实现科技企业、地方政府和银行机构之间的合作共赢。

 

数新网络解决方案架构师 阳苍林

 

现场会议讨论:

 

 

随着“用户时代”的到来,拥有数据的规模、灵活性,以及收集、运用数据的能力,将决定企业的核心竞争力。通过充分利用行为数据,金融机构可以更好地理解客户、提供个性化的产品和服务、改善客户体验,并有效管理风险和预防欺诈。

此次CSDN线下金融科技专场技术沙龙生态活动圆满结束,未来,CSDN将在全国各地创建属于程序员们的技术沙龙社区,欢迎各位程序员和技术爱好者加入,与技术大佬们一起论道,交流学术共识挑战与机遇!

...全文
888 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
歌曲长寿——为什么有些歌曲经久不衰 为什么一个轨道流了好几年,而一个更好的轨道在几周内就消失了?此数据集如下 45000首已发布的曲目——它们的音频特征、分布范围和流轨迹-- 令人不安的发现是:一首歌是如何被推送的,预示着它的寿命;它如何 听起来几乎没有。 标题:音频功能基本上无法解释一首曲目的3年流(R²≈0),而 发行——播放列表、营销、TikTok——和早期势头解释了其中的大部分。流媒体是 穿着创意服装的发行游戏。 45000条轨道·21列·3年流/慢燃烧器/命中目标 --- 为什么这个数据集 Kaggle有很多“Spotify音频功能”表,用于根据跳舞能力和 能量。他们大多发现微弱的信号,然后不说为什么。此数据集明确说明了原因: 它将音频功能与分布变量(播放列表位置、标签、营销、TikTok)配对 病毒性)和早期动量信号,因此您可以看到音频质量下降。 它再现的数字 -极度集中:前1%的轨道吸引了所有溪流的49%,前10%的溪流吸引了约84%的溪流 赢家通吃最多的现实(Luminate报告称,前1%的艺术家获得了约90%的完整流媒体 目录,其中包括约88%从未清除1000次播放的曲目)。 -半衰期短:中位轨道在其峰值的一半以上花费约50天——“大多数艺术家有两个 在歌曲褪色之前几个月才能赚钱。“只有约10%是慢燃烧器(半衰期>150天)。 -分发胜过音频:播放列表添加、编辑位置和TikTok病毒式传播都是相互关联的 ~0.3,3年流;音频特征(能量、效价、可跳舞性)相关系数约为0。 -马修效应:第一个月的流量与3年的早期动量相关约0.88 播放列表驱动了大约一半的收听,并放大了已经移动的曲目。 标题结果 预测日志3年流: |使用的功能|R²| |---|---| |仅音频(能量、效价、可跳舞性、节奏等)|≈0.00| |分发(播放列表、标签、营销、TikTok)|≈0

101

社区成员

发帖
与我相关
我的任务
社区描述
相聚于此,畅谈云原生技术,共话云计算未来!
云原生 企业社区
社区管理员
  • Tarmy-
  • Cmeet活动官方
  • 好棒瞎聊
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧