关于我们+
产品与服务+
解决方案+
客户案例+
AI创新中心+
投资者关系+
资源中心+
联系我们+
申请演示+
申请演示-
What
通过将结构化数据进行合理的图像化并创新地运用深度学习算法,挖掘反映客户资产偏好的深层特征,从而有效提升银行现有各个模型的准确性并通过客户在不同图像状态之间的转移概率,预判出客户资产配置的发展趋势,为一线客户经理提供覆盖全客户的营销方向
Backdrop
银行已经做了客户细分,但分析做得不够细致,通常只分到几个大类,缺乏对一线人员的战术支撑
人工智能这么火,但不知道怎么用到金融行业中去,监控视频、人脸识别语音生成等技术的应用缺乏明显的业务价值,简单地将亿万特征丢给算法是不负责任的做法
Innovation
“数据图像化”创新思路,在银行最重要业务数据和深度学习算法之间的鸿沟上架起桥梁,融合统计学、万有引力定律、空间投影、插值平滑等算法
“自动编码器”能从图像中抽取显著特征,将类似图像聚类在一起,从而实现图像级客户微细分
“分箱编码”和合理的聚类算法选择在保证精度的同时,大幅提升处理效率(高达400倍)
Value
通过引入客户微细分产生的新图像特征,将上线模型(大额存单、结构性存款)前10%名单的命中率提高20%~40%
无论采用何种预测算法,模型均有明显提升,前5%名单的命中率最高提升3/4
直接产生的营销效益高达数百万至上千万
以数据图像化为桥梁
客户产品资产结构化数据
数据标准化与离散化分箱
相关分析
太阳系与万有引力定律
网络布局算法与斥力模型
等高线投影与颜色映射
一人一图像百花齐放
图像的自动特征编码
密度聚类为客户微状态
状态随时间的转移概率
状态转移全景图