-
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-
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-
7月9日，由中国金融认证中心（CFCA）、中国电子银行联合宣传年主办的“聚合新生态 · 共享新安全——2021数字化转型生态大会”在厦门举行。会上正式公布了“2021中国金融数字科技创新大赛技术创新应用奖”，索信达控股有限公司（股票代码:03680.HK，以下简称“索信达”）凭借“可解释机器学习创新技术”从近200份案例中脱颖而出，成功入选金奖名单。本次大会邀请行业协会、商业银行、科研机构与财经媒体的资深专家组成专审团，对入围案例进行全方位考量，探讨开放生态、网络安全、数字化转型、跨界协作等议题，提出建设性意见。专家评审团认为，数字科技赋能金融行业，既是行业本身寻求崭新增长点的契机，也是建设数字生态，开放连通世界，实现经济社会双循环的重要发展节点。建设数字生态第一步，是让业务深入场景。
索信达面向银行业推出的可解释机器学习创新技术，针对当前人工智能技术金融应用存在的算法黑箱、算法同质化、模型缺陷等潜在风险问题，从安全性、可解释性、精准性和性能方面着手，为金融机构加强智能算法应用风险管理提供全栈式解决方案，并率先在头部的领先银行成功落地，取得显著效果，获得了银行机构的高度认可及全行推广。
目前银行业在客户流失预警领域使用的机器学习模型通常都存在解释性差的问题，即流失预警模型通常只能给出未来是否会发生流失的预测概率，但模型难以给出预流失客户的流失原因，这给后续的客户挽留增加了难度。索信达发明推出的可解释机器学习技术，基于SHAP和WOE提出了一种可以对单个客户进行流失归因的方法，该方法首先基于SHAP找到导致每个流失客户发生流失对应的重要特征，再基于WOE对重要特征变量的取值进一步量化和分析重要特征变量的取值是如何影响客户流失的，将导致流失的重要特征及其取值范围转化为业务可理解的流失原因。从而基于每个客户的特性，归纳其对应的流失原因，再根据每个流失客户的流失原因制定有针对性的挽留措施，从而大幅提高挽留效果。
比如在某股份制银行流失预警场景进行的流失归因，通过实施索信达的可解释机器学习技术方案达到以下效果：
1）根据模型筛选出的预流失概率前20%的客户中，找出实际发生流失客户的准确率高达90%；
2）基于事后可解释的方法，对每个预流失客户流失的原因进行归因，归因后再制定有针对性的挽留措施，客户流失率整体下降5%。
大大的提升了模型对实际业务的支撑作用，实现了客户层级具体流失原因的输出，用于银行制定更精准的挽留措施，降低客户流失率，最终为用户带来巨大的经济价值。
未来，索信达在持续进行可解释机器学习研发和实践的同时，将与业界一起推动人工智能技术在金融领域的规范健康发展，助力金融科技应用风险防范，让金融数字化转型的脚步更加和谐美好。