本文共字，预计阅读时间。

文/百融云创科技股份有限公司

（本文为“2020金融文字节——银行数字化创新主题征文大赛”投稿文章。）

当前，在银行等传统金融机构的风控环节中，普遍存在信息不对称、成本高、时效性差、效率低等问题，传统的风控手段已经难以满足个人消费旺盛引发的信贷增长。随着AI在金融领域的应用不断深入，大数据风控技术发展逐渐成熟，为满足日益增长的业务需求，银行等金融机构纷纷开始搭建智能风控体系。

然而，这些机构特别是中小企业在智能风控体系搭建的过程中普遍面临以下三个难点：

1.数据采集困难

数据采集不仅要涵盖基础数据，还需包括用户申请数据、第三方征信数据、历史业务数据、埋点信息等数据。对这些数据进行加工与分析，可以筛选出符合业务需求的特征供风控策略及信用评分模型使用。然而, 由于数据量巨大，企业数据的协议不标准和安全性考虑不足等原因，导致数据采集十分困难。

2.模型开发缓慢

风控业务通常都需要在较短的时间内输出结果，而传统人工模型开发往往需要几个月的时间，并且需要业务人员和AI建模团队的深度配合，耗费的时间和人力成本都很高。

3.应用无法落地

很多中小机构缺乏AI相关技术人才，对于模型部署与维护仍然很难独立完成。与此同时，今年以来受新冠肺炎疫情影响，金融业面临着突发式逾期率剧增的冲击。为了应对这一问题，多家银行和消金企业推出延期还款、减免利息等优惠政策。但也带来了一系列问题，如大量的延期业务申请、难以判断是否是恶意延期还款等，如何在短时间内高效处理业务需求也成为了一个需要思考的问题。

突破难点 AutoML助力智能风控搭建

针对目前金融行业搭建智能风控体系的难点, 为提升金融机构应对突发情况的能力，百融云创自主研发了“百小渔”自动机器学习平台，它搭载了最新的AutoML技术，能更好地解决目前风控体系中的难点和痛点，为银行和其他金融机构提供全方位的风控支持。

在数据收集上，通过AutoML技术不仅能接收客户提供的多维度数据，而且可以根据客户需求提供百融云创的数据。它是针对金融风控领域进行筛选和处理之后的数据，安全度高、可靠性强，在这些数据上可以获得更好的风控效果。在模型开发上，AutoML技术让业务人员也可以快速上手参与模型开发，并且仅需短短几个小时就能达到甚至超越人工建模效果。在模型应用上，百融云创研发的自动机器学习技术能实现全流程一键部署，既支持本地化部署，将AutoML模型搭建在机构自己的服务器上，也支持云端部署，即部署在百融云创的计算集群，并通过网络的方式为企业提供模型接口服务。

百融云创人工智能实验室相关负责人介绍，百融AutoML技术的宗旨是专注于金融风控领域，智能高效地处理数据, 自动化构建信用评分等应用，助力金融行业快速运用AI于实际业务中。

专注金融，凸显五大技术特色

据悉，AutoML技术主要是将模型训练中的各种环节自动化，只需给它必要的数据就能实现无人工参与建模。目前已有的AutoML平台产品大多面向专业的建模人员，零经验的业务人员想要参与模型开发与维护, 门槛依然很高。

而百融AutoML是在扎实的金融科技背景下研发的，为金融行业“量体裁衣”，解决金融领域常见痛点问题，极大提升了业务处理效率。具体来看，百融云创AutoML包括五大技术特色：

1.领域专一

百融AutoML应用场景只针对金融风控领域，并且运用相关技术解决金融领域的特定问题，其技术特点包括以下几个方面：

1）多年沉淀的风控建模方法论。百融AutoML技术凝聚了许多风控专家的建模经验，是在实际业务中验证下来较优的建模方式。例如变量最优分箱, 逐步回归等。

2）可修改性高。为满足交互式的建模需求，可修改性非常重要，毕竟业务需要总是动态变化的。以前的模型很难满足现在的需求，可修改性高将大大提升模型开发和复用的效率。百融云创的技术特点包括：a).所有WOE分箱都可以手动调整分箱节点；b).可根据业务调整入模变量；c).可指定使用哪些特征工程方法；d).支持模型和特征工程的超参数修改。

3）解释性强。由于金融行业中大部分是非专业技术人员，为了让业务人员更好地理解模型行为，提高系统的可解释性非常重要。百融AutoML可以产出有实际意义的建模流程并且可以导出详细的评分卡报告。

4）在百融数据上表现更佳。百融数据是经过内部风控专家对数据有针对性的筛选之后，反复进行优化和处理得到的，是对普通冗杂数据的精炼，用户可根据需求选择百融数据来快速提升模型效果。

2.全流程自动化建模

只需提供原始数据，无需做任何处理，百融AutoML就可以自动完成数据清洗、特征工程、模型选择、参数调优等全套流程，极大地降低了业务人员操作难度，同时提升了建模效率。

3.可根据多个业务指标进行调优，模型效果显著

在一个典型的风控建模流程中，风控专家往往期望最终模型能够在多个业务指标上达到最优，例如，可以同时朝KS和AUC进行优化得到俱佳的模型。通过实际验证结果表明，百融的AutoML技术建模效果至少超越了人工建模3%的KS和AUC。

4.使用分布式集群，快速稳定处理海量数据，大幅度压缩训练时间

5.轻量级一键部署

训练结束之后，可以通过一键部署功能获取python的部署代码包，具有独立、高性能、高可用的特点。使用本地化部署无需“百小渔”平台，只需python运行环境即可实现模型推理与应用。

全新升级 百融AutoML例证效果显著

百融云创自2018年成立人工智能金融实验室以来，不断完善机器学习平台建设，此次全新升级的AutoML技术在实际应用案例中证明了其真实具备高效率、高性能、低门槛的特点。通过分析试用百融AutoML中的信用卡（类信用卡）、线下消费分期等业务，从KS、AUC和时间方面均体现出百融AutoML在实际测试中的优势。其中KS值越大，表示模型能够将好、坏客户区分开的程度越大；ROC值越大说明模型准确性越好。具体对比如下：

1.KS

2.AUC

3.建模时间

据国际权威市场分析机构IDC研究显示，当前，机器学习正在规模化、深入地走进企业中，但不少企业受限于数据资源就绪度、数据科学家人才储备等问题，在智能化转型中面临巨大的挑战。由此，市场正在呼唤更加成熟的机器学习平台、更加低门槛的AutoML产品、乃至更加正确有效的落地方法论，助力企业AI全面落地，提升业务价值。

百融云创自成立以来一直致力于金融行业基础设施平台的搭建，是一家用人工智能、风控云为金融行业提供客户全生命周期管理产品和服务的智能科技企业。百融云创自主研发的AutoML技术为银行和其他金融机构提供一键部署和全流程自动化建模，能极大提升建模效率，降低AI在普通业务人员中的使用门槛，协助机构智能化转型。未来百融云创还将继续深耕金融风控领域，进一步提升AutoML的效果并开拓更多业务场景，不断研发新的AI技术为金融智能化转型赋能。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。