近期台灣金融生態持續被機器智能改寫，尤其人工智慧、機器學習技術，因為能敏捷地為客戶打造個人化體驗而備受矚目。
獲Forrester評比為機器學習解決方案首位的分析軟體大廠SAS台灣總經理陳愷新指出，台灣金融業在政策大力推動「普惠金融」的助瀾下，仰賴機器智能來提供金融服務的比重會愈來愈高。
打破階級區隔
「未來的金融服務將會是高度個人化，且台灣消費性金融機構將會具備金融科技公司型態，擁有強大分析決策平台與資料科學團隊，是競爭力核心」，陳愷新提出觀察。
「機器智能」完成高難度運算，讓專屬服務可普惠到每個人，就是所謂「普惠金融（Financial Inclusion）」的概念核心，有效且全面地為社會各階層提供平等性的金融服務。
過往囿於人力有限或客戶資訊散落，金融機構通常只能優先服務營收相對貢獻度高的客戶，「大數據分析技術興起帶來了轉折。」
陳愷新表示，前一波網路化的浪潮，讓金融機構有著比以往更多與顧客互動的管道，然而這些大量收集、來自不同資料源，甚至包含結構與非結構化的複雜數據，未能被妥當提煉出價值。
直到大數據分析與決策管理平台的技術引進，加上機器學習及人工智能等演算法益加精進，使得商業價值開始被運轉起來。
簡言之，後端運算的「機器智能」，擴增並高速處理過往需仰賴人工作業的機制，讓服務的質、量及速度都得以被推展至更多潛在客戶，而達到「普惠金融」。
搞定核貸理財
「快速核貸」與「智能理財」，是目前首波施展的普惠金融術，究竟利用機器智能可達成的普惠金融應用有哪些？
陳愷新指出，舉銀行業務而言，初始利基在大量交易與風險控管相關的應用，原因是牽涉的數據繁複且需要縝密的關聯性分析。
就台灣產業而言，主要會分為兩種面向，一個是「快速核貸」，一則是「智能理財」。
以「快速核貸」而言，過往中小企業或個人，因為銀行對其資訊掌握度低，常需要以人工方式進行數個工作天的貸款審查。
結果借款人要跑各家銀行比較利率，向陌生經辦員透露隱私、承擔被檢視的壓力，最後核貸的金額、期間與利率可能還不盡人意。
陳愷新說，因此像SAS這種提供科技解決方案的軟體大廠，便打造了能整合客戶人生歷程、傾向、信用風險模型與有第三方資料的即時決策平台（Real Time Decision Manager）。
利用背後機器學習演算法，協助金融機構快速且精準地判斷顧客身份與交易行為，甚至可做到讓顧客在網路上就自助取得高準確度的核貸試算，銀行可在不打擾客戶的過程中，自動開發潛在客戶，並持續累積對類似族群顧客的認識。
開發潛在客戶
例如玉山銀行攜手SAS，近年來推出的e指可貸「房貸額度利率線上評估」服務，即為讓一般大眾與中小企業皆可輕鬆與銀行接觸的範例。
雙方利用大數據分析，開發出即時決策平台，讓顧客只需三分鐘填答線上問卷，後端因為有SAS的風險評估分析模型與即時智能決策等機器學習演算法的運算，可讓顧客快速取得專屬的貸款額度與利率，甚至可整合市場房價等第三方資料，取得更精準的個人化方案。
而理財部分，年輕的小資族對創新金融工具接受度高，是金融機構正積極希望達成普惠的客群。「但年輕世代對於投資理財大多缺乏經驗，此時最關鍵就是利用機器智能做到「最適化」推薦。
這包含對顧客風險承受度的了解、消費習慣與觸及的生活圈等，機器因為能細膩地把上述這些影響因素，按個人行為將不同面向加入權重，進而幫客戶配比出最佳組合的投資商品，助其穩健獲利。
陳愷新說：「過往高端客戶才可享有的個人化理財專員服務，現在機器在後端幫更多人做到了！且更多小資族參與投資，其業務量體也會讓金融機構獲得另一波挹注。」
另外，最近在銀行及保險公司盛行的金融科技（FinTech），有很大一部分就是基於人工智能、機器學習等演算法，來達到上述的智能理財服務境界。
提供客製服務
陳愷新表示，機器學習還可做到更複雜地，如利用社群間互給信用評價，同時為給分者運算權重，來強化準確度、降低詐欺風險；或是更進階的深度學習，即利用影像辨識協助判斷保險理賠適切性等。
未來的應用將百花齊放，但陳愷新強調：「讓金融更普惠，更創新的核心，仍需仰賴架構穩定的分析運算平台，才能為企業累積出知識價值。」
陳愷新認為，台灣金融業競爭劇烈，進入智慧時代正是各家轉型契機，誰能掌握科技連結「數據」、具備資料「洞察」能力並做出「即時智能決策」，就可因為領先具備服務精確度與最適化商品組合而勝出。
沒有留言:
張貼留言