來源：2025年度農(nóng)村金融機(jī)構(gòu)科技創(chuàng)新優(yōu)秀案例評選

獲獎單位：北京農(nóng)商銀行

榮獲獎項(xiàng)：數(shù)據(jù)平臺創(chuàng)新優(yōu)秀案例

一、項(xiàng)目背景及目標(biāo)

（一）痛點(diǎn)分析

隨著數(shù)據(jù)驅(qū)動型業(yè)務(wù)持續(xù)深化，模型作為推動業(yè)務(wù)智能化決策的核心工具，在營銷獲客、風(fēng)險(xiǎn)防控、運(yùn)營管理等場景中的應(yīng)用不斷擴(kuò)大。并且隨著數(shù)字化轉(zhuǎn)型的發(fā)展，業(yè)務(wù)部門的建模意識在不斷提升，但是數(shù)據(jù)挖掘建模過程復(fù)雜、專業(yè)性強(qiáng)，對業(yè)務(wù)人員門檻較高。當(dāng)前我行模型建設(shè)仍存在復(fù)用性差和業(yè)務(wù)參與度不高的問題，難以支撐大規(guī)模建模需求。為了提升業(yè)務(wù)智能決策能力，將AI建模變得更加簡單，更好地發(fā)揮數(shù)據(jù)價值，急需構(gòu)建一套“系統(tǒng)化、標(biāo)準(zhǔn)化、平臺化”的模型管理體系，打造統(tǒng)一高效的模型生產(chǎn)線，提升模型開發(fā)效率和質(zhì)量，實(shí)現(xiàn)模型能力普及共享。

（二）項(xiàng)目意義

業(yè)務(wù)側(cè)自助建模平臺是基于我行數(shù)據(jù)湖構(gòu)建的集數(shù)據(jù)準(zhǔn)備、模型開發(fā)、模型服務(wù)于一體的全行級模型建設(shè)及分析的平臺，支持機(jī)器學(xué)習(xí)、知識圖譜，實(shí)現(xiàn)數(shù)據(jù)預(yù)處理、特征工程、算法選擇、模型訓(xùn)練、參數(shù)優(yōu)化及模型運(yùn)行等功能，從而實(shí)現(xiàn)模型全生命周期建設(shè)及管理。

本項(xiàng)目是基于業(yè)務(wù)側(cè)自助建模平臺的模型管理體系建設(shè)和應(yīng)用，通過建設(shè)我行業(yè)務(wù)側(cè)自助建模平臺，研究構(gòu)建模型開發(fā)、驗(yàn)證、部署和應(yīng)用的一體化管理體系，打造通用的標(biāo)準(zhǔn)化建模流水線，并以精準(zhǔn)營銷、智能風(fēng)控等場景開展示范應(yīng)用，探索業(yè)務(wù)部門建模自服務(wù)的可行路徑，提升我行數(shù)據(jù)挖掘能力，實(shí)現(xiàn)數(shù)據(jù)價值，完成數(shù)據(jù)賦能，全面支持我行風(fēng)控、內(nèi)控、營銷、信貸等業(yè)務(wù)場景建模需求，為提高我行業(yè)務(wù)風(fēng)險(xiǎn)識別能力、實(shí)現(xiàn)精準(zhǔn)營銷助力。同時通過業(yè)務(wù)側(cè)自助建模平臺的建設(shè)與應(yīng)用，促進(jìn)我行數(shù)據(jù)建模師、數(shù)據(jù)分析師等緊缺人才的培養(yǎng)。

二、創(chuàng)新點(diǎn)

業(yè)務(wù)側(cè)自助建模平臺，提供標(biāo)準(zhǔn)化建模流程，可快速生產(chǎn)模型，支持其他機(jī)構(gòu)快速復(fù)用，并且提供了自動化建模、可視化拖拽式建模和Notebook編碼式建模三種模型生產(chǎn)方式，技術(shù)門檻逐步提升，可滿足不同人員的建模需求。平臺的自動化和可視化建模功能，讓業(yè)務(wù)人員也能快速上手，高效地完成數(shù)據(jù)預(yù)處理、特征自動生成、模型訓(xùn)練及效果可視化等數(shù)據(jù)建模和落地工作！

在智能風(fēng)控領(lǐng)域，我們使用業(yè)務(wù)側(cè)自助建模平臺，建設(shè)一系列反電詐模型，形成“事前-事中-事后”全流程風(fēng)險(xiǎn)防控體系，包括事前賬戶分類分級模型、事中實(shí)時監(jiān)測模型和準(zhǔn)實(shí)時機(jī)器學(xué)習(xí)模型、事后反電詐機(jī)器學(xué)習(xí)模型等。通過不斷學(xué)習(xí)不同類型的詐騙方式，發(fā)現(xiàn)受詐方或施詐方交易習(xí)慣，同時結(jié)合客戶基本信息、交易信息、涉案名單等，構(gòu)建基于專家經(jīng)驗(yàn)的風(fēng)險(xiǎn)規(guī)則模型體系，設(shè)計(jì)反電詐可疑交易監(jiān)測特征庫，并用于訓(xùn)練機(jī)器學(xué)習(xí)模型，兩類模型融合使用，以提升涉詐風(fēng)險(xiǎn)識別的前瞻性，提高涉詐規(guī)則模型的準(zhǔn)確性，壓降我行涉詐賬戶數(shù)據(jù)，降低負(fù)面輿情風(fēng)險(xiǎn)，保障業(yè)務(wù)穩(wěn)健發(fā)展。

在精準(zhǔn)營銷領(lǐng)域，我們使用業(yè)務(wù)側(cè)自助建模平臺，建設(shè)一系列精準(zhǔn)營銷響應(yīng)模型，并結(jié)合使用大模型平臺、零售綜合營銷管理系統(tǒng)及一體化客服系統(tǒng)，實(shí)現(xiàn)智能化精準(zhǔn)營銷體系，突破了傳統(tǒng)金融營銷中客群定位模糊、產(chǎn)品推薦不精準(zhǔn)、話術(shù)缺乏個性化的痛點(diǎn)，通過技術(shù)手段實(shí)現(xiàn)了從客戶細(xì)分、智能匹配到話術(shù)生成的全流程智能化升級。通過技術(shù)創(chuàng)新顯著提升了金融營銷的效率與客戶體驗(yàn)，展現(xiàn)了較高的經(jīng)濟(jì)效益和社會效益。契合國家“科技賦能金融”的戰(zhàn)略導(dǎo)向，為金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型中提供了可復(fù)制、可推廣的實(shí)踐經(jīng)驗(yàn)，具有重要的創(chuàng)新應(yīng)用價值。

三、項(xiàng)目技術(shù)方案

（一）業(yè)務(wù)側(cè)自助建模平臺建設(shè)

1.應(yīng)用架構(gòu)

業(yè)務(wù)側(cè)自助建模平臺是由數(shù)據(jù)湖、AI子系統(tǒng)、圖譜子系統(tǒng)組成。

數(shù)據(jù)湖：數(shù)據(jù)湖將行內(nèi)客戶數(shù)據(jù)、賬戶數(shù)據(jù)、交易數(shù)據(jù)經(jīng)過初篩后存入沙箱環(huán)境，提供hive接口讓AI子系統(tǒng)拉取數(shù)據(jù)用于機(jī)器學(xué)習(xí)模型構(gòu)建及模型預(yù)測；

AI子系統(tǒng)：通過配置hive數(shù)據(jù)源方式引入所需的數(shù)據(jù)湖數(shù)據(jù)，這些數(shù)據(jù)用于模型構(gòu)建，方式包括自動化建模、可視化建模、編碼式建模；生成的模型可以注冊到模型管理功能，同時模型管理也支持納管第三方模型；AI子系統(tǒng)納管的模型會用于發(fā)起ABTEST、批量預(yù)測、模型監(jiān)控、模型評估、實(shí)時服務(wù)等任務(wù)，其中批量預(yù)測、模型監(jiān)控、模型評估等功能也會使用到數(shù)據(jù)湖提供的hive數(shù)據(jù)源。

圖譜子系統(tǒng)：上線時會拉取初始數(shù)據(jù)文件、后續(xù)定時數(shù)據(jù)文件到本子系統(tǒng)中，并基于數(shù)據(jù)文件增量構(gòu)建1年期數(shù)據(jù)的圖譜，用于后續(xù)的圖譜分析操作。

本項(xiàng)目在平臺建設(shè)方面，實(shí)現(xiàn)了三個統(tǒng)一化：

一是平臺統(tǒng)一化。平臺具備“快、全、準(zhǔn)”三大特點(diǎn)：“快”，建立模型快、部署對接快、參數(shù)調(diào)整快、更新迭代快；“全”，支模型種類全、數(shù)據(jù)來源全、服務(wù)渠道全；“準(zhǔn)”，規(guī)則設(shè)置準(zhǔn)、生成數(shù)據(jù)準(zhǔn)、數(shù)據(jù)流向準(zhǔn)。

二是模型統(tǒng)一化。通過統(tǒng)一模型分析與運(yùn)行機(jī)制，有效解決模型重復(fù)建設(shè)、輸入數(shù)據(jù)差異大、篩選結(jié)果不可復(fù)用、排查標(biāo)準(zhǔn)不一致等問題，提升模型管理的規(guī)范性與一致性。

三是管理統(tǒng)一化。構(gòu)建模型全生命周期管理體系，涵蓋需求提出、模型開發(fā)、驗(yàn)證評審、投產(chǎn)部署及后評價迭代等環(huán)節(jié)，提升模型管理的系統(tǒng)性和可控性。

2.技術(shù)架構(gòu)

業(yè)務(wù)側(cè)自助建模平臺是在虛擬機(jī)/物理機(jī)資源基礎(chǔ)上使用kubernetes集群搭建，承載AI系統(tǒng)的運(yùn)行環(huán)境。在kubernetes環(huán)境中部署平臺所需各項(xiàng)微服務(wù)、開源組件，組件包括OceanBase、TuGraph、Bcs、openjdk 1.8、TongWeb、星環(huán)等。

3.功能架構(gòu)

業(yè)務(wù)側(cè)自助建模平臺的AI子系統(tǒng)包含了模型生命周期不同階段的重點(diǎn)功能，主要包括數(shù)據(jù)管理模塊、AI建模模塊、模型服務(wù)模塊（包含模型管理功能）、基礎(chǔ)管理模塊等。首先是數(shù)據(jù)管理功能模塊，支持多種數(shù)據(jù)導(dǎo)入方式，管理我們的數(shù)據(jù)集，并支持?jǐn)?shù)據(jù)質(zhì)量分析，為建模做好數(shù)據(jù)準(zhǔn)備。其次是AI建模功能模塊，支持三種建模方式，自動化建模支持一鍵式構(gòu)建模型，可視化建模提供豐富的算子拖拉拽實(shí)現(xiàn)數(shù)據(jù)探索和數(shù)據(jù)預(yù)處理、特征工程，模型訓(xùn)練、評估等建模過程，還有編碼方式建模。然后模型服務(wù)功能模塊，支持對于驗(yàn)收通過的模型部署到模型平臺生產(chǎn)環(huán)境上運(yùn)行，可以進(jìn)行批量預(yù)測，跑出模型結(jié)果存儲于數(shù)據(jù)湖和數(shù)據(jù)倉庫，供業(yè)務(wù)應(yīng)用，也支持模型監(jiān)控和自迭代。另外在數(shù)據(jù)安全和權(quán)限控制方面，平臺的數(shù)據(jù)預(yù)覽功能對敏感數(shù)據(jù)做了脫敏處理，支持對用戶和角色進(jìn)行表級和字段級別的權(quán)限設(shè)置。

圖譜子系統(tǒng)功能模塊主要包括圖譜構(gòu)建模塊、圖譜分析模塊、系統(tǒng)管理模塊等。

（二）模型建設(shè)生產(chǎn)線

依托業(yè)務(wù)側(cè)自助建模平臺，已構(gòu)建標(biāo)準(zhǔn)化建模流水線，實(shí)現(xiàn)數(shù)據(jù)接入、特征工程、模型訓(xùn)練、驗(yàn)證評估、部署上線的全流程體系，大幅度降低了建模門檻，提升了開發(fā)效率和部署速度。

四、項(xiàng)目過程管理

1.業(yè)務(wù)側(cè)自助建模平臺系統(tǒng)建設(shè)階段：

需求分析階段：2023.06-2023.10

設(shè)計(jì)階段：2023.10-2024.01

開發(fā)階段：2024.01-2024.09

測試階段：2024.09-2024.11

系統(tǒng)上線：2024.11

2.業(yè)務(wù)側(cè)自助建模平臺系統(tǒng)試運(yùn)行階段：

平臺培訓(xùn)推廣：2024.11-2025.3

反電詐風(fēng)控模型陸續(xù)上線：2024.12-2025.9

智能化精準(zhǔn)營銷模型陸續(xù)上線：2025.1-2025.9

五、運(yùn)營情況

（一）系統(tǒng)運(yùn)行情況

業(yè)務(wù)側(cè)自助建模平臺是基于我行大數(shù)據(jù)平臺構(gòu)建的通用建模系統(tǒng)，具備自動化建模、可視化建模和編碼式建模三種建模方式，滿足不同業(yè)務(wù)用戶和專業(yè)人員的需求。平臺至上線試運(yùn)行以來，系統(tǒng)運(yùn)行情況如下：

1.上線運(yùn)行穩(wěn)定，平臺在部署后支持多個模型穩(wěn)定運(yùn)行，支持自動調(diào)度與結(jié)果輸出。已部署上線6個反詐領(lǐng)域風(fēng)險(xiǎn)模型，用于防范和打擊電信網(wǎng)絡(luò)詐騙，提升精準(zhǔn)防控能力。

2.釋放人力資源，傳統(tǒng)依賴專業(yè)數(shù)據(jù)建模人員的開發(fā)工作，逐步轉(zhuǎn)移至業(yè)務(wù)自服務(wù)建模流程，提升建模效率。已為15個機(jī)構(gòu)開通82個平臺用戶。平均每月3-4個部門的業(yè)務(wù)人員使用平臺進(jìn)行數(shù)據(jù)建模。

3.面向全行開展了1次平臺培訓(xùn)，總行18個部門及15家支行共300多人參加。對于有使用需求的機(jī)構(gòu)分別進(jìn)行了集中培訓(xùn)和建模指導(dǎo)（5次），逐步提升業(yè)務(wù)自服務(wù)建模能力。

（二）推廣應(yīng)用情況

在業(yè)務(wù)側(cè)自助建模平臺上線試運(yùn)行以來，采用“業(yè)務(wù)+數(shù)據(jù)”專家組成敏捷建模小組方式，與業(yè)務(wù)部門緊密合作開展智能風(fēng)控、精準(zhǔn)營銷等領(lǐng)域的模型建設(shè)工作，打造系列精品數(shù)據(jù)模型產(chǎn)品，總結(jié)成功案例，形成標(biāo)準(zhǔn)化、可復(fù)制推廣的經(jīng)驗(yàn)?zāi)０濉Ｏ嚓P(guān)建模案例已納入平臺標(biāo)準(zhǔn)模型庫，可直接復(fù)用或改造應(yīng)用于其他業(yè)務(wù)場景。

1.智能風(fēng)控應(yīng)用案例-反電詐風(fēng)險(xiǎn)監(jiān)測模型

融合大數(shù)據(jù)分析技術(shù)、機(jī)器學(xué)習(xí)技術(shù)、圖譜技術(shù)，基于業(yè)務(wù)側(cè)自助建模平臺，搭建了一批反電詐業(yè)務(wù)場景模型，并設(shè)計(jì)了反電詐機(jī)制，通過業(yè)務(wù)策略設(shè)計(jì)串聯(lián)多個模型，形成“事前-事中-事后”全流程風(fēng)險(xiǎn)防控體系。

（1）詐騙發(fā)生前的預(yù)防階段：風(fēng)險(xiǎn)前置預(yù)判

構(gòu)建分類分級模型，基于多源數(shù)據(jù)開展全面分析，制定分級策略，實(shí)施個人賬戶與單位賬戶的差異化管理，實(shí)現(xiàn)風(fēng)險(xiǎn)的前置防控，并將事前風(fēng)險(xiǎn)預(yù)估結(jié)果傳遞至事中環(huán)節(jié)。

（2）詐騙正在發(fā)生時的干預(yù)階段：交易精準(zhǔn)攔截

構(gòu)建實(shí)時監(jiān)測模型和準(zhǔn)實(shí)時機(jī)器學(xué)習(xí)模型，結(jié)合事前風(fēng)險(xiǎn)預(yù)估，基于交易環(huán)節(jié)中黑樣本風(fēng)險(xiǎn)特性，通過實(shí)時交易流水分析，實(shí)現(xiàn)風(fēng)險(xiǎn)防控從“事后追溯”向“事中攔截”的前移，完善交易環(huán)節(jié)的實(shí)時風(fēng)險(xiǎn)防控能力。

（3）詐騙發(fā)生后的處置與分析階段：閉環(huán)迭代與大模型創(chuàng)新

實(shí)現(xiàn)風(fēng)險(xiǎn)閉環(huán)優(yōu)化。構(gòu)建事后模型，進(jìn)行高覆蓋率的可疑賬戶識別和事后分析。同時，將挖掘出的可疑特征反哺至事前、事中模型，形成“識別-處置-優(yōu)化”的循環(huán)迭代機(jī)制，持續(xù)提升模型識別能力。

開展團(tuán)伙風(fēng)險(xiǎn)挖掘。基于圖數(shù)據(jù)庫和圖譜算法，構(gòu)建團(tuán)伙挖掘模型，既用于對已確認(rèn)可疑賬戶的事后分析，又是對團(tuán)伙中關(guān)聯(lián)出的其他潛在風(fēng)險(xiǎn)賬戶的事前預(yù)測，通過黑名單數(shù)據(jù)關(guān)聯(lián)分析，輔助業(yè)務(wù)人員進(jìn)行可疑團(tuán)伙分析，實(shí)現(xiàn)風(fēng)險(xiǎn)的源頭追溯與擴(kuò)散防控。

通過構(gòu)建全鏈路反電詐模型體系，實(shí)現(xiàn)了對賬戶風(fēng)險(xiǎn)的精準(zhǔn)識別和有效防控。

2.精準(zhǔn)營銷應(yīng)用案例

業(yè)務(wù)痛點(diǎn)：傳統(tǒng)人工營銷方式存在的問題：一是營銷精準(zhǔn)度低，傳統(tǒng)營銷策略往往基于客戶的基本屬性或簡單的交易行為，難以深入挖掘客戶的潛在需求和消費(fèi)偏好，導(dǎo)致營銷內(nèi)容缺乏針對性，客戶觸達(dá)效率低下，雖然覆蓋面廣但精準(zhǔn)度低，潛在高價值客戶容易遺漏；二是營銷成本高，由于缺乏精準(zhǔn)的客戶細(xì)分和個性化推薦，銀行在營銷資源的分配上存在浪費(fèi)現(xiàn)象，導(dǎo)致營銷成本居高不下；三是客戶體驗(yàn)差，傳統(tǒng)的營銷手段難以滿足客戶的個性化需求，導(dǎo)致客戶對營銷信息的接受度和滿意度較低，影響客戶粘性和品牌忠誠度。

技術(shù)方法：使用業(yè)務(wù)側(cè)自助建模平臺，平臺支持?jǐn)?shù)據(jù)預(yù)處理、特征自動生成、模型訓(xùn)練及效果可視化，使業(yè)務(wù)人員能夠快速完成建模與落地。支持選擇邏輯回歸、隨機(jī)森林、梯度提升樹（GBDT）、LGBM等多種機(jī)器學(xué)習(xí)算法建立分類預(yù)測模型。并通過提升度、AUC指標(biāo)等對模型進(jìn)行評估，最終選取最優(yōu)算法。

（1）養(yǎng)老金營銷模型

模型思路：養(yǎng)老金營銷模型通過分析歷史養(yǎng)老金簽約客戶的特征，采用機(jī)器學(xué)習(xí)中的邏輯回歸分類算法，在適齡養(yǎng)老客群中挖掘目標(biāo)客戶，預(yù)測客戶辦理養(yǎng)老金業(yè)務(wù)概率，并結(jié)合營銷策略輸出客戶名單，精準(zhǔn)定位營銷客群。

模型成效：模型輸出了預(yù)測響應(yīng)概率為5%以上的目標(biāo)客戶名單進(jìn)行外呼精準(zhǔn)營銷，人工外呼簽約率為12.45%，比歷史平均響應(yīng)率1%提升了約12倍。通過模型可以更加精準(zhǔn)定位養(yǎng)老金業(yè)務(wù)客群，輔助養(yǎng)老金代發(fā)、養(yǎng)老金領(lǐng)取賬戶變更等業(yè)務(wù)的營銷推廣，及時搶占市場，并為第三代社會保障卡推廣打下堅(jiān)實(shí)基礎(chǔ)。

（2）零售客戶理財(cái)產(chǎn)品營銷模型

模型思路：通過歷史數(shù)據(jù)構(gòu)建二分類預(yù)測模型，采用機(jī)器學(xué)習(xí)中的GBDT算法，精準(zhǔn)識別高概率購買目標(biāo)理財(cái)產(chǎn)品（“欣添鑫1號”和“天天金1號凈值型”）的零售客群，以提升座席營銷精準(zhǔn)度和產(chǎn)品購買率。

模型成效：通過模型輸出客戶未來3個月購買兩款理財(cái)產(chǎn)品的概率，營銷人員據(jù)此制定分層策略進(jìn)行營銷。根據(jù)模型預(yù)測的高概率客戶（前8%）其購買響應(yīng)率為11.72%，比整體平均響應(yīng)率提升了約11倍，且覆蓋了約94%的理財(cái)購買客戶，累計(jì)購買金額覆蓋了89%。

（3）鳳凰e借注冊率提升模型

模型思路：基于歷史行為數(shù)據(jù)，深入分析其消費(fèi)習(xí)慣與借貸偏好，整合多維度客戶標(biāo)簽構(gòu)建構(gòu)建鳳凰e借產(chǎn)品客戶注冊率提升模型，實(shí)現(xiàn)精準(zhǔn)營銷，提升業(yè)務(wù)轉(zhuǎn)化效率。在渠道協(xié)同方面，采用智能外呼、人工外呼與智慧客服的差異化組合策略，形成高效觸達(dá)矩陣，優(yōu)化客戶體驗(yàn)的同時，最大化轉(zhuǎn)化效果。

模型成效：累計(jì)協(xié)同觸達(dá)客戶5.6萬戶，實(shí)現(xiàn)注冊率由6.61%提升至11.21%；授信通過率由17.38%提升至44.44%，用信金額達(dá)9635萬元，環(huán)比增長58.7%；客戶主動觸發(fā)人工服務(wù)比例提升90%，人工通時提升近10倍；通過精準(zhǔn)模型和分群策略，實(shí)現(xiàn)高價值客戶快速觸達(dá)和轉(zhuǎn)化，提高業(yè)務(wù)收益和客戶滿意度。

六、項(xiàng)目成效

（一）經(jīng)濟(jì)效益

業(yè)務(wù)側(cè)自助建模平臺全面支持我行風(fēng)控、內(nèi)控、營銷、信貸等業(yè)務(wù)場景建模需求，為提高我行業(yè)務(wù)風(fēng)險(xiǎn)識別能力、實(shí)現(xiàn)精準(zhǔn)營銷助力。

1.項(xiàng)目直接效益

（1）智能風(fēng)控應(yīng)用場景成效：通過反電詐模型建設(shè)構(gòu)建了高效、智能的風(fēng)險(xiǎn)防控體系。一是完善事前預(yù)防機(jī)制，增強(qiáng)主動防御能力，提升對潛在風(fēng)險(xiǎn)的識別與攔截效率。二是應(yīng)用人工智能技術(shù)，通過算法優(yōu)化與數(shù)據(jù)挖掘，提升模型的精準(zhǔn)度與泛化能力，構(gòu)建更全面的金融“防火墻”。三是組建“業(yè)務(wù)+技術(shù)”融合團(tuán)隊(duì)，推動業(yè)務(wù)與技術(shù)深度協(xié)同，提升反詐響應(yīng)速度與執(zhí)行效率，形成系統(tǒng)化、專業(yè)化的反詐能力體系。截止目前，已有6個反電詐模型、2個團(tuán)伙挖掘圖譜上線業(yè)務(wù)側(cè)自助建模平臺運(yùn)行，取得了明顯效果。2025年5月起，涉案賬戶得到有效控制，涉案賬戶數(shù)呈現(xiàn)斷崖式下降，7月較4月涉案賬戶峰值數(shù)量下降91%。通過構(gòu)建全鏈路反電詐模型體系，實(shí)現(xiàn)了對賬戶風(fēng)險(xiǎn)的精準(zhǔn)識別和有效防控。

（2）精準(zhǔn)營銷應(yīng)用場景成效：對于養(yǎng)老金客群場景，結(jié)合智能外呼、客戶經(jīng)理營銷等差異化觸達(dá)策略，實(shí)現(xiàn)觸達(dá)效率提升300%，帶動儲蓄余額增長1.77億元，新增高凈值客戶393戶，個人投資產(chǎn)品增量3.52億元，F(xiàn)TP測算新增客戶年創(chuàng)利158.51萬元；對于零售客戶理財(cái)產(chǎn)品營銷場景，外呼坐席依據(jù)模型評分，有針對性的制定營銷策略，對于預(yù)測購買意愿強(qiáng)的前8%客戶，理財(cái)購買金額達(dá)204萬元，平均響應(yīng)率11.72%，較整體客戶平均響應(yīng)率提升約10.84倍，實(shí)現(xiàn)客戶資產(chǎn)管理精細(xì)化和高價值客戶精準(zhǔn)覆蓋；對于鳳凰e借注冊率提升場景，累計(jì)觸達(dá)客戶5.6萬戶，注冊率從6.61%提升至11.21%，授信通過率從17.38%提升至44.44%，用信金額達(dá)9600萬元。

2.項(xiàng)目長期效益

預(yù)計(jì)使用業(yè)務(wù)側(cè)自助建模平臺每年部署落地建模場景30個；使用平臺建模比較傳統(tǒng)方式，提升模型開發(fā)效率，縮短模型上線周期，提高模型質(zhì)量，預(yù)計(jì)生產(chǎn)周期縮短50%，每年預(yù)計(jì)節(jié)省工時不少于8000小時，節(jié)約運(yùn)營成本270萬元；預(yù)計(jì)培養(yǎng)全行數(shù)據(jù)建模師500人以上，提升全行數(shù)據(jù)分析挖掘和建模能力，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的業(yè)務(wù)創(chuàng)新和決策優(yōu)化，切實(shí)賦能全行業(yè)務(wù)經(jīng)營發(fā)展。

（二）社會效益

1.提升精準(zhǔn)獲客、產(chǎn)品營銷能力，客戶體驗(yàn)和服務(wù)能力顯著提高。

通過技術(shù)、業(yè)務(wù)與生態(tài)的深度融合，構(gòu)建了智能化、精準(zhǔn)化的金融營銷體系，提升金融資源配置效率，助力“五篇大文章”落地，不僅提升了金融機(jī)構(gòu)的運(yùn)營效率和客戶體驗(yàn)，還推動了金融行業(yè)的數(shù)字化轉(zhuǎn)型與高質(zhì)量發(fā)展，為國家金融科技發(fā)展和經(jīng)濟(jì)建設(shè)提供了有力支持。依托業(yè)務(wù)側(cè)自助建模平臺構(gòu)建精準(zhǔn)營銷模型，實(shí)現(xiàn)客戶特征精準(zhǔn)挖掘并匹配策略，有效破解傳統(tǒng)銀行服務(wù)觸達(dá)難題，為首都市民提供更優(yōu)質(zhì)、安全、高效的服務(wù)，同時支持多客群（如代發(fā)工資、高凈值客戶）模型快速迭代，形成技術(shù)復(fù)用能力。此外，項(xiàng)目的可復(fù)制性和推廣價值極高，為更多金融機(jī)構(gòu)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型提供了實(shí)踐范例。

2.風(fēng)險(xiǎn)控制效能明顯提升。

電信網(wǎng)絡(luò)詐騙等非法活動日益猖獗，嚴(yán)重威脅金融安全和民眾財(cái)產(chǎn)安全，新型詐騙手段層出不窮。以反電詐模型為基礎(chǔ)的風(fēng)險(xiǎn)防控體系，在防范和打擊電信網(wǎng)絡(luò)詐騙方面發(fā)揮了重要作用，切實(shí)保護(hù)人民群眾的財(cái)產(chǎn)安全，守護(hù)老百姓的“錢袋子”。此外，隨著詐騙手段的不斷演變和復(fù)雜化，對模型建設(shè)和優(yōu)化能力提出了更高要求，業(yè)務(wù)側(cè)自助建模平臺支持模型快速迭代，以適應(yīng)反電詐業(yè)務(wù)快速變化的形勢需要。

七、經(jīng)驗(yàn)總結(jié)

成果可轉(zhuǎn)化性：依托業(yè)務(wù)自助建模平臺，實(shí)現(xiàn)可迭代、可持續(xù)優(yōu)化的智能化精準(zhǔn)營銷體系，實(shí)現(xiàn)客戶資產(chǎn)管理精細(xì)化和高價值客戶精準(zhǔn)覆蓋，顯著提升養(yǎng)老金、鳳凰e借等業(yè)務(wù)簽約率、產(chǎn)品轉(zhuǎn)化率以及營銷效率，提高客戶主動參與度，提高業(yè)務(wù)收益和客戶滿意度，精細(xì)化覆蓋高價值客戶，提高業(yè)務(wù)收入，提升業(yè)務(wù)收益比，降低人工成本。

過程可復(fù)制性：業(yè)務(wù)側(cè)自助建模平臺提供標(biāo)準(zhǔn)化流程，其他機(jī)構(gòu)可快速復(fù)用。模型和平臺可復(fù)制至其他金融業(yè)務(wù)產(chǎn)品的營銷推廣，如儲蓄、基金、理財(cái)、信用卡營銷、貸款等，實(shí)現(xiàn)全業(yè)務(wù)場景智能營銷。只需要針對不同產(chǎn)品進(jìn)行模型微調(diào)或重新訓(xùn)練。

模型可拓展性：還可優(yōu)化模型為金額預(yù)測，直接預(yù)測客戶未來三個月內(nèi)購買目標(biāo)產(chǎn)品的預(yù)估金額范圍。可結(jié)合APP推送、短信提醒、線上直播等多種觸達(dá)方式，構(gòu)建全渠道營銷網(wǎng)絡(luò)，進(jìn)一步擴(kuò)大目標(biāo)客戶覆蓋范圍。

推廣價值：宣傳推廣使用業(yè)務(wù)側(cè)自助建模平臺，可以讓更多業(yè)務(wù)參與自服務(wù)建模，推動業(yè)務(wù)部門掌握自助建模能力，形成業(yè)務(wù)參與的數(shù)據(jù)建模生態(tài)，可以有效推動數(shù)據(jù)驅(qū)動業(yè)務(wù)決策落地。預(yù)計(jì)在未來一年內(nèi)，落地建模場景30個，節(jié)省工時約8000小時，節(jié)約運(yùn)營成本約300萬元，為更多金融機(jī)構(gòu)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型提供實(shí)踐范例。

更多金融科技案例和金融數(shù)據(jù)智能優(yōu)秀解決方案，請?jiān)跀?shù)字金融創(chuàng)新知識服務(wù)平臺-金科創(chuàng)新社案例庫、選型庫查看。