【世界热闻】宁波银行：风语数据洞悉平台

案例名称

风语数据洞悉平台

(相关资料图)

案例简介

宁波银行风语数据洞悉平台在原有风语大数据智能分析平台的基础上，加入了增强分析，实现了“AI+BI”的深度融合。风语数据洞悉平台通过多维度分析，实现海量数据的自动监测，智能解释原因，并自反馈优化逻辑，助力风险挖掘、客户营销。

在传统报表分析中，银行时常关注到某个数字低于或高于预期的情况，希望探究数据背后的产生原因。传统方式主要依赖人工观察发现异常点并探索异动原因，但存在三方面痛点：一是步骤繁琐耗时长且依赖人工经验判断，二是解释时效不及业务变化，三是缺少对异常数据行为的解决措施。

针对上述痛点，风语数据洞悉平台将AI技术融入传统数据挖掘，实现了三方面突破：一是智能化异动监测，支持算法自动分析，减少人力成本投入；二是智能化原因挖掘，利用算法生成业务解释，应用反馈学习，让解释条目自动学习迭代；三是智能化措施建议，建立反馈专家决策知识库，实现机器学习措施智能反馈，形成业务管理闭环。

创新技术/模式应用

在日常工作中，经常要探究数据波动背后的原因，例如在流程提效分析中，对比2022年，是什么原因导致贷款平均流程用时提升？在面对多维度数据表时，即使专业的数据分析师也要耗费大量时间去排查。

风语数据洞悉平台可以一键对异常数据自动归因分析，让数据自己“开口说话”，方便业务人员更快速、更精准地找到业务问题点，节省报告撰写、反复问询讨论的时间，主要实现了三方面创新点:

一、智能化异动监测，从“人工设阈”到“自动判定”

传统的人工数据异常点为人工经验判断，通过引入AI技术，对图表中波动数据做智能分析，通过对比时间维度、产品维度及客户经理维度等，实现异常点的自动提示。此外，通过已有的仪表盘，指定特定的图标开启数据洞悉功能。用户可以在图表上点选相关数据点，智能机器人给出相应的数据因素解释。

例如某分行的不良率超出阈值，采用传统分析思路会将不良拆解到分支机构，再进一步排查，此类挖掘方式耗时长，撰写分析报告需要花费两位资深分析师一周的时间。此外，面对大量客户数据、征信数据和内部管理数据，人工分析也很难穷尽各个角度，最后往往从客常规风险视角整合信息得到不良客户画像。

在应用风语数据洞悉平台后，对期望分析的数据仅需点击解释按钮，即可迅速获得多视角遍历后解释，帮助业务人员快速定位问题。发现问题人员、产品、机构，找到解决问题的抓手。

二、智能化原因挖掘，从“手动挖掘”到“智能展现”

利用AI对数据实现智能化分析，底层运用了基尼系数、朴素贝叶斯等算法，针对数据异动进行可视化的原因分析。首先，通过统计学意义分析数据异常波动的数学解释，再结合自建专家经验库，自动生成对数据点的业务解释。此外，使用者可以对每一条解释结果给与反馈评价，选项为“有帮助”、“没有帮助”，并可以额外自由输入备注字段。反馈将被关联到具体的时间点、图表、数据源等，并记录在数据库中。通过这些数据反馈，平台逐步丰富专家经验库，让解释条目自动学习迭代。

三、智能化措施建议，从“经验判断”到“主动提示”

通过建立措施反馈的专家决策知识库，实现机器学习后的智能措施反馈，并在此基础上，随着系统不断收集使用者结果反馈，通过增强学习，不断完善措施建议内容，让内容越来越符合实际操作，形成风险异常从警示到解释到解决的完整闭环。

项目效果评估

风语数据洞悉平台（2022.5-2023.4），经不断应用与优化迭代，将AI技术融入传统数据挖掘中，充分发挥数据的价值，帮助宁波银行业务人员从海量数据中迅速找出数据指标变化的原因，深入挖掘数据内在规律，快速定位业务问题，提升决策准确性。从而实现数据监测自动化，异动解释更智能能，建议决策专业化。

平台存在三大优势：一是数据挖掘智能化，通过算法快速挖掘业务异常，精简分析链路，自动生成分析报告，满足多类分析场景；二是数据分析可复用化，通过算法辅助，分析场景，分析维度，计算数据量上升的情况下，自动实现对亿级数据量、复杂指标的分析计算；三是措施建议自调优，通过自动收集反馈，积累专家决策知识库，通过增强学习完善措施，实现使用及反馈的完整闭环。

当前风语数据洞悉平台对接全行前中后台等10余个系统，支持全行各条线超千人使用，应用于重点产品营销推广、流程时效堵点监测、员工展业情况回溯等20余个场景，实现了重大效率的提升，平均每个场景分析从2周缩短到2人天，同时实现了更精准的归因及决策。

项目牵头人

施道明 宁波银行总行风险管理部首席风险经理

项目团队成员

朱剑俊、周坚、韦达、王钧、颜伟斌、陈丹瑶、张禹勋、刘帅、陈亮、许张芮、张志平、陈瀛洲、周庆田、邱晓勇、林方鹏、钱威、林鑫