【AI金融應用－大數據徵信】用機器學習提高客戶信用評價

jis2577

螞蟻金服的大數據徵信服務，能將收集到的用戶資訊經由深度神經網路演算法與機器學習系統的分析判斷，提供比傳統方式更精準的用戶信用評比。

螞蟻金服獨特的芝麻信用，是以大數據與機器學習的方法，分析與評估用戶的信用，並給出一個信用總分數，以「芝麻分」來呈現。芝麻分越高，代表信用評價越高，而這個芝麻分在與銀行業務及租車、訂房等交易比對後，證實芝麻分越高的用戶，還車或繳款逾期的比例就越低。

螞蟻金服的大數據徵信服務「芝麻信用」，是在傳統信用評估之上，再增加網路金融平臺所掌握的大數據資訊，透過機器學習技術給出每個用戶的信用評價。
傳統的信用機制主要評估信用歷史、身分特質及履約能力，螞蟻金服則再連結更豐富的活的數據，包括用戶行為偏好、人脈關係，以更多的用戶資料為基礎，透過深度學習技術給出用戶的信用評價與信用分數，也就是芝麻分，而分數越高，代表個人消費信用越好。
螞蟻金服首席技術官程立表示，芝麻信用與傳統金融機構的信用體系並不衝突，與金融業者的產品結合，能夠幫助銀行更好控制用戶信貸分析，而原本無法獲得銀行信用的用戶，也能夠更好地獲得銀行的信用，所以與銀行整個信用體系是互補的方式，藉由相互合作可取得比較好的效果。
在與銀行合作的實際驗證下，銀行的審核通過率提升7%，逾期率降低0.3%，並可在占銀行總客戶30％的高風險客戶中，辨別出80％的詐欺客戶，程立指出，對逾期率的控制，降低0.3%已經是很大的改善了。
用芝麻信用這樣有別於傳統信用評估的機制為用戶打分數，這樣的信用評價是否可信呢？程立表示，經比對分析用戶的租車與訂房行為，證實芝麻信用評分越高，整體逾期率就越低，代表大數據信用評估模式可行。


以深度學習技術識別信用
螞蟻金服的大數據徵信仰賴從網路服務收集來的更多用戶資訊，再由深度神經網路演算法自動分析，依據用戶的信用歷史、履約能力、身分特質、行為偏好與人脈關係等5大項目綜合判斷，由機器學習系統自動評判用戶的信用。

panups

  

hefeislb2000