案例一：智能技术在客户服务中的应用—光大“阳光小智”

　　案例摘要：

　　本案例主要介绍了随着移动互联网和智能技术的发展，客户通过传统人工电话寻求的服务已逐渐转移到线上来解决，传统的人工服务也逐渐被智能化技术所替代。2015年光大银行正式推出了智能文字机器人，取名“阳光小智”，代表智能化品牌及智能机器人开始服务于我行各渠道。客户轻敲键盘，便可以获得全业务的知识解答。2017年光大银行又继续推出了智能语音机器人，智能语音机器人与IVR自助菜单相结合,互配使用，使菜单扁平化，达到了客户“轻松说”，机器人“轻松答”的服务目的。并已将智能服务输出到其他硬件项目。

　　（一）智能文字机器人

　　案例背景：

　　光大银行在2012年上线了在线客服系统，支持渠道为网站和网银，服务模式为人工受理。随着业务发展以及客户互联网服务需求的迅速增加，人工客服已无法满足所有客户的进线咨询，接起率仅为83%，服务体验受到影响。

　　需要解决的问题及解决方案：

　　为了解决座席人力缺口与客户日益增长的在线咨询量之间的矛盾，2014年光大银行开始对智能文字技术进行调研以及POC测试，并结合当时行内业务的发展，制定了智能服务发展计划。

　　在智能文字建立初期，我行选择了市面上先进及成熟稳定的AI产品，通过自然语言及关键字语义分析引擎，以毫秒级响应图文并茂的形式回复客户问题。当相似度阀值无法触发到标准问题时，会引导客户选择建议问的方式或者转入人工服务处理。上线后文字人工服务的压力得到了有效释放。

　　案例应用实践及效果：

　　在2015年推出智能文字客服，紧密结合应用场景，广泛嵌入服务渠道。经过3年的时间，目前几乎所有电子渠道均已布放智能文字客服，包含官方网站、对私网银、企业网银、微信银行、手机银行、阳光惠生活APP、阳光银行web、短信等，打造了“如影随形”的服务——需要帮助时，我就在您手边。

　　2018年进一步研究新技术的使用，基于深度学习、深度语义理解、神经网络等新技术的产品出现，我行在业内率先全面升级了智能文字系统，落地实现了机器人自动化学习，交互功能的多轮对话、多意图理解等功能，并将智能文字技术应用到其他智能设备中。

　　（1）交互功能升级：为提升客户体验，升级加强了引擎计算的准确性，增加了多轮对话、动态场景、自动上下文、动态知识载入、意图推荐等功能，使客户交互更流畅、更拟人。以2018年8月数据计算，日均进线量23,221通，其中95.06%的问题由阳光小智完全解决，业务内准确率达96.45%，相当于替代人力179人。

　　（2）新增自学习系统：可根据客户与机器人历史明细及客户与人工历史明细，通过数据挖掘及聚类，将无法回答的问题分类展示给训练人员，通过点击的方式实时添加扩展问以及标准问，替代训练人员根据明细报表逐条分析的工作。自学习平台的建立，大大提高了机器人训练效率，以2018年8月数据计算，相当于替代了训练人员17人。

　　（3）扩展应用智能音箱：我行将智能文字技术延伸，通过对接市面上智能音箱设备，客户通过与音箱的对话，也可实时查询我行的各项业务和热销的理财产品。即远程银行中心的智能技术可进入网点和千家万户，客户可随时享受到光大银行提供的金融服务。

　　（二）智能语音机器人

　　案例背景：

　　2016年智能语音技术进一步成熟，我行通过调研各家厂商语音技术、结合进线话务量及人工服务办理的业务种类，确定了通过智能语音进行人工话务分流的方案。将一些高频简单的问题嵌入智能语音中，从而解决客户长时间排队的问题，并释放部分座席人力，达到降低中心运营成本的目的，为远程银行中心转型工作打好基础。

　　需要解决的问题及解决方案：

　　2017年4月光大银行上线了智能语音机器人，通过导航及交互技术，实现了客户在自助服务中快速到达业务办理节点以及快速办理账户查询等高频业务的目的。降低了客户等待时长、缓解了高峰期人工座席接线的压力。同时，通过灵活调整智能语音的并发路数、客户等级、排队人数、服务时段等策略，结合实际运营需要，发挥了智能语音最大作用，提升运营效率。

　　（1）智能语音导航：通过导航技术，直接到达办理业务菜单节点，节约客户按键的等待时间。以查询信用卡邮寄情况为例，通过智能语音办理业务可节省客户时间1分43秒。

　　（2）语音交互：经调研同业，当时已实现智能语音的银行均为语音导航模式，未见语音交互功能，而我行站在客户体验的角度，创新提出细化的需求，打通了多个系统，语音机器人直接从底层系统中抓取数据，合成语音，直接回答客户的账务问题，真正实现了人机对话，是我行的创新理念实践，为同业领先水平。

　　（3）策略灵活：

　　客户排队：根据当前排队人数设定阀值，若排队量过大触发阀值，会将部分普卡客户自动转入智能语音服务，从而降低客户等待时间。

　　服务时间：为缓解夜间人工服务压力，在夜间服务时段系统自动通过语音播报引导客户进入智能语音完成相关业务办理，从而降低客户等待时间。

　　客户体验：当智能语音没有识别出客户问题时，系统会将客户转入传统IVR菜单；当客户话语中涉及投诉敏感词时，系统会直接将客户转入人工服务，避免投诉升级。

　　案例应用实践及效果：

　　2018年，经过持续优化，智能语音支持业务场景70余项（导航、交互、咨询），日均进线量112,626通，业务内准确率94.48%。同时增加智能语音的并发路数，其中有13,909通完成一次解决，未再进入人工或再次致电，相当于替代人力约107人，按工作日计算实际节约一线人力158人。

　　方案前景：

　　随着技术的发展，人口红利的消失，客服行业通过对AI技术的应用、智能机器人的迭代以及多媒体全渠道的结合，将逐渐从劳动密集型的成本中心过渡为营销经营中心。从而更好地发挥客服人员的工作价值，提升在业内的核心竞争力。

　　目前人工智能技术还有待突破，未提前训练过的复杂问题和个性化的问题仍会转接至人工客服，仍有大量客户依赖人工服务。目前来看，人工智能的应用，更像是银行业正在引进一位新员工，它可以协助银行员工更有效率地工作、推进流程建设、提升客户体验，而不是取代现在的银行员工。让客户在服务中感受到温暖和愉悦，仍然是我们银行共同的追求。

　　同时智能技术的服务渠道将日渐全面，如影随形，无处不在。未来我行还会将阳光小智的服务应用到自助设备、手机银行导航、智能家居等各种金融和生活场景中。基于智能音箱项目,我行打造了物联网的后台系统，伴随5G时代的到来，我行将实现银行服务与万物互联，彻底颠覆整个银行服务模式，建设一个能为客户办理业务的超级虚拟客服。广阔的发展前景仍需较长的过程，还需要加大投入,只有智能化提高到一定程度才能吸引客户使用，才能发挥作用，才能带来商机。

案例二：基于互联网大数据风控的网贷产品——“随心贷”

　　案例摘要：

　　本案例主要介绍了互联网大数据风控技术在我行互联网贷款产品“随心贷”风控设计上的应用。在本案例中我们介绍了互联网大数据的识别与应用，同时介绍了“随心贷”贷款产品的特性及产品管理流程。最终我们将二者进行充分结合，充分实现大数据的价值，并发挥了“随心贷”的产品特性，从而实现基于大数据的全面风险管理。

　　案例背景：

　　近年来，互联网与金融业务的结合成功推动了金融行业的飞速发展，银行传统业务面临巨大的压力，受到较大的冲击。在互联网趋势下，银行业应主动出击，顺势而为，在传统业务的基础上积极引入互联网概念，应用大数据、人工智能等金融科技力量，大胆创新。为适应互联网金融业务创新发展的形势，满足客户网络贷款需求，充分发挥电子渠道线上营销、线上获客、便捷服务的优势，我行开展了互联网个人消费信用贷款业务，同时推出统一品牌——“随心贷”。“随心贷”产品基于行内外客户数据（如公积金数据、企业年金数据、代发工资数据、税务数据等），给予客户线上实时授信，快速放款；最快可在1分钟内完成贷款的申请和审批。客户在办理网络贷款的过程中无需来往营业网点，全流程在互联网上实现。

　　需要解决的问题及解决方案：

　　（一）需要解决的问题

　　“随心贷”作为一款完全互联网化的贷款产品，其核心是对客户的识别及风险控制。如何有效利用互联网大数据的作用，既提高作业效率，提升客户体验，又能有效识别客户风险是发展网络贷款业务过程中所面临的重要挑战。

　　（二）解决方案

　　1、分析大数据的覆盖范围、数据种类及应用方式

　　互联网大数据的范围之广，直接应用较难把握各方数据特性，同时较难把控数据安全。传统的大数据应用，贷款机构仅关注诸如客户身份、学历、征信等简单的基本数据，并应用于反欺诈及模型之中。随着数据的不断增多，很多数据趋于复杂化、字段化、无序化等等，导致大数据有而未用、用而无效。因此针对不同类型的互联网大数据，应采用不同的使用方式。对此，首先应对互联网大数据进行分类，主要包括政府类数据、信用行为数据、社交数据、特征数据。在上述分类中，每一种分类同时还存在子分类，如此细分对未来数据应用有着至关重要的作用。这种作用一方面体现在模型字段应用，另一方面体现在复杂的大数据管理上。

　　在数据种类方面，以信用行为类数据市场中可见法院信息、航空信息及黑名单验证等。其中黑名单信息包括信贷类黑名单、同城黑名单（涉黄、诈骗）、电商平台黑名单（包括虚假交易、恶意差评、假货及套现）、支付类黑名单（骗赔、盗卡、盗用、洗钱）、租车用车黑名单（逾期未支付、未还车、违章）、招聘黑名单（学历造假）、保险类黑名单（骗保）、公检法类黑名单（法院被执行人黑名单、犯罪信息等）、酒店租房黑名单（逾期未支付）。针对这部分数据的应用，一方面需要对双授权进行严格把控（所谓双授权指数据公司获取数据授权及贷款机构使用数据授权），另一方面在数据应用时考虑其匹配率的情况，大多应用于规则，而未入评分模型。

　　在数据使用方面，对于验证类及黑名单类信息，如客户信息验证不一致或在黑名单内则可考虑拒绝贷款或进入黑/灰名单后续作为担保人/联系人核查。对于可用字段较多或第三方数据具有可识别性但不适合加入贷款机构信用评分模型的，可考虑贷款机构与第三方合作公司进行合作建模，评分结果作为字段布置在互联网信贷管理系统中与贷款机构模型评分结果进行交叉验证。

　　2、分析“随心贷”产品的风控结构及各个风控环节的大数据使用

　　对于随心贷现有的业务流程及风控措施，在贷前、贷中及贷后分别增加基于互联网大数据的风控措施。比如贷前环节包括营销模块、场景模块、渠道模块、申请反欺诈模块、数据管理模块及产品模块。其中营销模块我们运营互联网大数据选择适合于我行政策的营销客户，提升营销效率、降低营销成本；场景模块，我们接入场景时已考虑大数据的接入，场景数据补充客户信用数据，从而确保贷款的真实有效；渠道模块，我们增加对客户渠道行为进行评估，并对已有客户进行预授信；申请反欺诈模块，使用诸如人脸识别、多要素认证、公安身份信息核查、合作公司反欺诈工具等对客户身份及客户真实性进行核实；数据管理模块，我们结合了行内外数据用于增加客户信用，行内数据包括存款、理财、代发工资、企业年金、按揭、缴费、支付及电商等等，行外数据包括住房、公积金、税务等等数据。这些数据更好地帮助我们充分了解客户，从而基于客户最优授信。同时在贷中及贷后环节我们都有对应的多个模块，每个模块使用了大量的行内外大数据，帮助我们更好地为客户服务。

　　以客户特征数据及信用行为数据为例，在不同阶段可使用数据如下：

　　（1）贷款申请及提款阶段反欺诈

　　贷款申请及提款阶段的反欺诈主要是通过校验客户授权查询的内外部信息对客户贷款申请的真实性进行校验，校验内容包括身份、学历、工作及资产等。外部数据在这一阶段起到的作用包括：

　　核验类外部数据:即对客户的身份、工作、电话号码等进行核验，识别虚假资料；

　　黑灰名单类数据:即识别客户是否存在其他互联网贷款黑名单、法院查控名单等不良行为名单中；

　　客户行为类数据:根据客户外部行为数据及外部数据模型对客户还款意愿进行判断,这类外部数据或模型在同业互联网贷款中已具有丰富的使用经验及一定的数据样本基础；

　　多头授信类数据:获取客户在不同机构的授信情况，并进行多头授信的判断；

　　反欺诈模型:根据互联网客户贷款行为建立相关反欺诈模型，并应用于贷款审批及放款。

　　（2）贷后管理风险监测及预警

　　根据客户外部行为数据及外部评分模型对存量贷款客户的行为进行分析，比如当客户成功申请贷款后进入其他黑名单或其他外部模型时产生相关级别的预警或其他基于还款意愿给予评分较低的情况等。

　　3、大数据平台的技术支持

　　传统信贷机构在使用大数据时采用业务流程系统直接对接的方式，这种方式一方面影响了原流程系统的处理时效；另一方面对数据较难实现统一的管理，尤其是针对一个信贷机构多个信贷系统的情况。在这种情况下，我行使用了先进的大数据平台，对外部数据进行统一对接、加工及管理，这种对接，首先是解决了业务流程系统对接不同数据类型而导致需要进行复杂处理的问题；其次是减少了外部数据对流程系统的影响；第三是实现了同一机构不同数据统一管理及统一使用，提升了大数据的使用效率。

　　案例应用实践及效果：

　　截止当前，随心贷产品已累计放款超过1000亿元，贷款余额超过400亿元，贷款不良率不足0.5%；在互联网大数据的支持下，既推动了业务的迅速发展，又有效控制了业务的风险。

　　同时，在现有大数据应用的基础上，我们不断丰富数据种类、加强数据使用管理流程、建立大数据选择机制、增加大数据应用节点，更充分的发挥了互联网大数据的作用。

　　方案前景：

　　该方案一方面对银行开展网络贷款业务提升风控能力起到了很好的模范作用，在固定模式中通过调整规则及模型内容来实现全面的风险管理，使互联网贷款的风险管理具备互联网的快速发展的特性，同时又满足银行机构严谨且全面风险管理的要求。另一方面，银行可以将此类固定模式进行输出，将自身网贷平台作为风控基础平台进行输出，帮助更多机构开展互联网普惠贷款业务。