人工智能在金融服务客户匹配中的应用

未央网 作者: Paul Lashmet 译者: Array

概览

我曾经在以前的文章《你需要什么类型的人工智能?》中提到过人工智能的两种范式:确定型的和统计型的。确定型人工智能类似于和专家对话。在本文中,我们会考虑怎样将确定型人工智能应用到客户匹配上,这关系到一个常见的金融服务业监管挑战。

确定型人工智能可以帮助金融机构处理大量的客户匹配分析。通过将大量的决策制定和数据分析自动化,金融机构可以降低监管风险并提高效率。另外,确定型人工智能可以通过控制个体偏见和误差以提高决策制定时的一致性。

背景:什么是客户匹配?

客户匹配是用来决定一个金融产品是否适合某位客户的分析过程。它既适用于散户市场(如:选购保险产品的个人),也适用于机构市场(如:在复杂的衍生物市场中实施交易的对冲基金)。

决定客户匹配过程的规则取决于客户类型、产品类型、特定市场的监管主体,以及金融机构的内部控制。

我们为什么需要客户匹配?为了证明公平性和控制风险。

客户匹配被用于证明公平性。在联邦法律法规下,金融服务机构必须表明他们在向客户卖出产品前充分了解了每位客户的投资属性,这样他们才做到了公平对待客户。这个过程也为金融机构控制了风险。为了防止潜在的诉讼损失和财务损失的发生,一家金融机构必须说明客户能完全了解所购买的金融产品,能容忍风险,并承担可能的损失。为了证明公平性,金融机构审计方和监管方常常用“合理”这个词,比如“可以合理地认为”或者“合理的观点”是建立在“合理的审查”之上的。合理的审查常常建立在定量和结构化的数据之上;然而,实际的决定有赖于投资顾问或者交易员当天的处理。决策制定也受到个人偏见或者个人错误的影响——我们毕竟是普通人。换句话说,传统客户匹配分析的质量参差不齐。通过运用“确定型人工智能”来进行客户匹配分析,将会扭转当前这种分析质量不稳定的情况。

运转中的确定型人工智能与客户匹配:需要专家的参与和相关能力划分

为了更清楚地展示客户匹配分析的方法,我们以一个假想的公司层面的客户匹配系统为例。这个系统完全建立在软件的基础上,无须寻求单独的商业咨询服务。

这个平台将会处理和总结定量数据,比如一个客户的交易历史/银行流水,可信度,问卷调查等。这个平台将会采用合作式的工作流,将数据呈现给多位专家。这些专家可以做出集体决定。比如,客户关系经理是客户维护方面的专家,销售/交易员是产品专家,合规经理是需要遵从的监管规定方面的专家。共同地,客户关系经理、销售/交易员和合规经理将他们的专业能力集合在一起,共同决定发行的金融产品对于一位客户是合适的。

当一个金融机构有庞大的销售队伍、交易员、金融顾问和客户关系经理在为多类型的客户提供多类型的产品支持时,是较难进行客户匹配分析的。必须将个人能力进行划分以高效处理大量业务。“确定型人工智能”有助于解决这类“能力划分”和大量业务的问题。

确定型人工智能的运用

确定型人工智能让金融机构将最顶级的专家进行划分,这主要通过记录和(或)解码他们的决策制定过程来实现。

通过“机器间对话”和“人机对话”,确定型人工智能只将所需数据加总,将最佳的决策制定过程应用到相关情景中。

这里有一个充分评估客户匹配度所需信息的清单:

· 年龄(对于个人)或经营年限(对于机构);

· 流动性有关的需求;

· 风险容忍度;

· 客户进行的其他投资;

· 投资目标,投资经历和时间跨度;

· 财务状况和财务需求;

· 纳税状况;

· 市场监管。

这些信息有定量型的,也有一些偏主观,必须进一步进行问卷调查或者让熟悉客户、产品和监管的内部专家和客户对话交流。

这样,得到的结果就是可检验的、最优化的、可应用的决策制定过程。更重要的是,通过应用“确定型人工智能”平台,一些高质量人才将被解放出来,将精力放到其他更重要的工作上,譬如提升金融决策,在更大规模的客户和产品的基础上完成更高水准的关系维护。

概览

我曾经在以前的文章《你需要什么类型的人工智能?》中提到过人工智能的两种范式:确定型的和统计型的。确定型人工智能类似于和专家对话。在本文中,我们会考虑怎样将确定型人工智能应用到客户匹配上,这关系到一个常见的金融服务业监管挑战。

确定型人工智能可以帮助金融机构处理大量的客户匹配分析。通过将大量的决策制定和数据分析自动化,金融机构可以降低监管风险并提高效率。另外,确定型人工智能可以通过控制个体偏见和误差以提高决策制定时的一致性。

背景:什么是客户匹配?

客户匹配是用来决定一个金融产品是否适合某位客户的分析过程。它既适用于散户市场(如:选购保险产品的个人),也适用于机构市场(如:在复杂的衍生物市场中实施交易的对冲基金)。

决定客户匹配过程的规则取决于客户类型、产品类型、特定市场的监管主体,以及金融机构的内部控制。

我们为什么需要客户匹配?为了证明公平性和控制风险。

客户匹配被用于证明公平性。在联邦法律法规下,金融服务机构必须表明他们在向客户卖出产品前充分了解了每位客户的投资属性,这样他们才做到了公平对待客户。这个过程也为金融机构控制了风险。为了防止潜在的诉讼损失和财务损失的发生,一家金融机构必须说明客户能完全了解所购买的金融产品,能容忍风险,并承担可能的损失。为了证明公平性,金融机构审计方和监管方常常用“合理”这个词,比如“可以合理地认为”或者“合理的观点”是建立在“合理的审查”之上的。合理的审查常常建立在定量和结构化的数据之上;然而,实际的决定有赖于投资顾问或者交易员当天的处理。决策制定也受到个人偏见或者个人错误的影响——我们毕竟是普通人。换句话说,传统客户匹配分析的质量参差不齐。通过运用“确定型人工智能”来进行客户匹配分析,将会扭转当前这种分析质量不稳定的情况。

运转中的确定型人工智能与客户匹配:需要专家的参与和相关能力划分

为了更清楚地展示客户匹配分析的方法,我们以一个假想的公司层面的客户匹配系统为例。这个系统完全建立在软件的基础上,无须寻求单独的商业咨询服务。

这个平台将会处理和总结定量数据,比如一个客户的交易历史/银行流水,可信度,问卷调查等。这个平台将会采用合作式的工作流,将数据呈现给多位专家。这些专家可以做出集体决定。比如,客户关系经理是客户维护方面的专家,销售/交易员是产品专家,合规经理是需要遵从的监管规定方面的专家。共同地,客户关系经理、销售/交易员和合规经理将他们的专业能力集合在一起,共同决定发行的金融产品对于一位客户是合适的。

当一个金融机构有庞大的销售队伍、交易员、金融顾问和客户关系经理在为多类型的客户提供多类型的产品支持时,是较难进行客户匹配分析的。必须将个人能力进行划分以高效处理大量业务。“确定型人工智能”有助于解决这类“能力划分”和大量业务的问题。

确定型人工智能的运用

确定型人工智能让金融机构将最顶级的专家进行划分,这主要通过记录和(或)解码他们的决策制定过程来实现。

通过“机器间对话”和“人机对话”,确定型人工智能只将所需数据加总,将最佳的决策制定过程应用到相关情景中。

这里有一个充分评估客户匹配度所需信息的清单:

· 年龄(对于个人)或经营年限(对于机构);

· 流动性有关的需求;

· 风险容忍度;

· 客户进行的其他投资;

· 投资目标,投资经历和时间跨度;

· 财务状况和财务需求;

· 纳税状况;

· 市场监管。

这些信息有定量型的,也有一些偏主观,必须进一步进行问卷调查或者让熟悉客户、产品和监管的内部专家和客户对话交流。

这样,得到的结果就是可检验的、最优化的、可应用的决策制定过程。更重要的是,通过应用“确定型人工智能”平台,一些高质量人才将被解放出来,将精力放到其他更重要的工作上,譬如提升金融决策,在更大规模的客户和产品的基础上完成更高水准的关系维护。