银行在未来几年里，由于最大的银行拥有大量的客户和交易的历史数据，因此在利用人工智能方面处于最佳地位机器学习算法。我们最近完成了Emerj AI银行供应商记分卡和能力图在这篇文章中，我们探讨了银行最能利用哪些人工智能能力，以及它们未来可能能够利用哪些能力。
当涉及到银行业的大数据时，银行可能会考虑使用它们的客户数据来建立一个会话接口或聊天机器人改善客户体验或许最重要的是，吸引千年客户他们习惯于通过互联网迅速满足自己的需求。尽管如此，现在的银行不太可能利用他们的客户数据。
事实上，尽管我们为我们的报告所探讨的新闻稿中有超过35%提到对话界面他们只占8％AI供应商，销售到银行的资金总额。换句话说，银行都在谈论聊天机器人，但是这不是有钱的地方。我们发现的是，银行比什么都不想花自己的钱自动化欺诈检测和法规遵从，尽管他们不会经常谈论这些创新，因为它们未能吸引到客户。
尽管如此，与客户服务相关的项目似乎是各大银行人工智能开发的下一个目标。这些银行将开始与聊天机器人供应商合作，在他们开始更好地理解人工智能的基础知识(包括在企业中采用it的最佳实践)之后，在内部构建自己的聊天机器人。
在本文中，我们将探索一些为银行提供大数据平台和机器学习的人工智能和第三方数据供应商，以便他们可以将他们的历史数据用于:
- 欺诈和反洗钱
- 销售和进入新市场
我们开始探索银行如何利用MapR的数据平台来使用他们的大数据，他们声称MapR的数据平台有助于构建欺诈检测算法。
利用大数据的欺诈和反洗钱
映射器
映射器提供一个企业级的数据平台它声称可以帮助金融服务机构创建一个数据系统，帮助简化风险管理的操作，欺诈检测创建一个数据环境，在其中运行异常检测、自然语言处理和预测分析算法。
该公司的MapR DB平台是其产品之一，据称该平台允许银行将其文档存储在一个可搜索的数据库中，通过该数据库，银行可以利用机器学习。该公司还表示，它可以利用来自第三方数据供应商（包括Equifax、Experian、TransUnion、DataStream International和Bloomberg）的数据丰富企业数据库。这些数据可以用来为欺诈检测和反洗钱等用例创建更加健壮和准确的机器学习算法，这两个人工智能用例是当今银行家们最关注的。
下面是一个短的2个- 分为视频演示了如何MapR数据库，它是MapR平台的一个组成部分:
映射器声称帮助过法国农业信贷银行建立一个数据湖汇总所有内部数据，如操作系统和分析系统以及外部数据，并使其可供客户、合作伙伴和合作者访问。据报道，整合历时两年。
由于实现了MapR，世行的数据科学家现在能够在数据池中探索新的数据集，以建立新的算法模型并丰富现有模型。它的商业智能团队使用这个工具来支持公司的决策。
映射器同时列出奥迪，勃林格殷格翰，CJ能源服务，思科，法国农业信贷银行，东方银行，爱立信，惠普，等等作为一个/一些他们以前的客户。
特德·邓宁是首席应用程序架构师在映射器。他持有博士在计算机科学从谢菲尔德大学。在此之前,邓宁作为Deepdyve首席技术官和在SiteTuners、Veoh Networks、ID Analytics和HNC Hardware等多家公司担任首席科学家。
Teradata数据
Teradata数据提供大数据分析它声称可以帮助金融服务公司自动化财务和会计流程，将财务欺诈和网络安全风险降至最低，并增强客户体验使用机器学习。
例如，预测金融犯罪如欺诈，Teradata的软件可以收集跨银行的不同产品和渠道的数据。以降低欺诈风险的一种方法是在其中的客户申请帐户点停止它。该系统将检查有关通过信用卡，借记卡，网上，银监分局，自动取款机，电汇，移动和呼叫中心进行了以前的客户，应用，交易的数据。
算法将比较数据并识别异常模式，例如同一个人使用不同的地址、设备或同名排列（如“John Jones Smith”、“J J Smith”、“J Jones Smith”等）申请多个帐户，然后，应用程序将能够预测哪些应用程序可能具有欺诈性，并拒绝客户的应用程序。
下面是一个短的三- 分为视频演示了如何Teradata的云服务能够容纳大数据并执行分析。视频解释了一个未命名的客户端如何将其320兆字节数据空间的数据系统移动到Teradata云中，以便每月执行2500万次查询:
Teradata数据声称帮助过劳埃德银行集团更好地了解他们的零售和商业，并通过建立一个分析系统开发策略和价格。案例研究报告，客户端集成客户洞察，营销和银行统一数据数字方面。
其结果是，银行的收入24％来自通过分析系统产生的潜在客户来了。该银行也已经能够建立使用从分析系统客户一个新的产品战略。它也能够管理成本，有可能检测欺诈活动，并建立信用风险模型。大数据分析系统的最大好处，根据案例研究，是能够更好地开拓客户的旅程。
Teradata数据同时列出威瑞森、西门子、罗氏、宝洁、马士基、3M和英国航空公司作为一些他们以前的客户。
斯蒂芬·布罗斯特一直首席技术官在1999年以来的Teradata。他持有博士在计算机科学从麻省理工学院。Brobst目前还是数据仓库研究所的人工智能和高级机器学习讲师。在此之前,Brobst作为波士顿大学讲师和Nextek Solutions联合创始人兼首席技术官。
银行业大数据-销售和营销
阿克斯特里亚
阿克斯特里亚提供一云信息管理服务，它声称可以帮助银行、金融服务和保险公司探索新的数据来源，银行可以利用这些数据来瞄准合适的客户，激励销售团队提高生产效率，并简化报告流程. Axtria声称，他们的平台使数据科学家更容易找到训练机器学习算法所需的数据，而且他们的平台在云中执行90%的数据预处理。这在理论上允许数据分析师将更多的时间花在实际分析上。
从我们对人工智能的工业播客机器学习与数据科学专家的许多采访，我们已经认识到，如今，大多数数据科学家的工作包括清理和准备数据。这不是他们能在日常工作中做的最有价值的东西。理想情况下，他们会建立和调整算法。因此，许多银行可能采取被设计用于机器学习使用的数据平台，特别是当他们开始在内部建立数据科学团队创建合规性和客户服务相关的AI应用。
阿克斯特里亚声称帮助过一位不愿透露姓名的信用卡发行公司通过分析来定制它的目标客户。客户端想更好地了解它的客户提供合适的产品适当地匹配。
然后，该公司使用的Axtria的机器学习算法来细分客户对信用卡的使用习惯，风险状况和购买习惯。然后用类似的属性顾客们成型和分组到关键段，通过预测分析刻痕，并且映射到每个段相应的产品。
这家客户公司考察的指标包括平均账户余额、支出和支付习惯，以及员工流失率。然后，客户利用这些数据来预测客户当前和未来的购买力以及每个细分市场的预期产品利润率。
该选配合适的客户资料和部分案例研究报告，导致销售额为目标的产品线增加了20％。但是，客户端是无名的，所以我们提醒读者采取与一粒盐的这个案例研究。
阿克斯特里亚不透露其客户的名称s、 但是已经提高了$ 44.7万元的资助从Helion的创投，理查德·布拉多克，德什潘德基金会，弗雷德·霍斯拉维和Amarpreet Sawhney。
大卫·伍德是校长在阿克斯特里亚。他持有博士在运筹学从加州大学伯克利分校。在此之前,木作为在marketRX，是识别公司高级主管和保健品研究公司执行董事。
麦肯锡
麦肯锡提供全景结合银行和金融数据源和麦肯锡专有数据进行预测分析的应用程序，该公司声称可以帮助银行、金融服务机构和私募股权公司识别全球市场，他们可能要进入和金融科技公司，他们可以投资英寸
麦肯锡解释说，该数据集是一个包含60多个全球市场的市场规模数据库，它允许银行确定要审查哪些市场，并确定要进入或退出哪些市场。
该数据库还包含金融科技公司，允许银行以确定公司和他们的产品之间的细微差别，并确定他们希望投资于哪些公司。
麦肯锡说明银行可以访问数据集的界面来执行数据的分析和可视化。
公司声明软件背后的机器学习模型超过1亿的数据来自全球60个市场，以及300多名银行专家的知识. 然后数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点与按地区和产品，金融技术创新，或全球支付产品的银行市场。
软件可以预测哪些市场或金融科技公司最适合投资。这可能会或可能不会要求用户上传关于他们的信息银行希望进入的新市场或他们想投资的金融科技公司提前进入软件。
麦肯锡声称帮助过一个欧洲无名银行降低风险，通过建立算法模型对银行的资产组合产品提高资金使用计划。麦肯锡需要组装和整合该行在多年的发展过程中，从收购的公司那里获得了截然不同的遗留数据系统。数据准备和整合后，麦肯锡的报告说，该小组建立了15到20个算法模型，使该行能够预测收入、英国退欧对抵押贷款和存款余额的影响以及预算估计等。
该案例研究还报告说，这些模型有助于世行做出未来战略规划和业务决策的预测。它还使银行更好地了解有助于业务增长的各个部分，以便作出明智的决策。
麦肯锡同时列出瑞士航空公司，凯马特和环球电讯作为一些他们以前的客户。
阿里·利巴里基是负责全球保险高级分析和数据业务的高级合作伙伴在麦肯锡。他持有女士在电气工程与计算机科学从麻省理工学院。在此之前,利比亚文作为研究助理在贝尔实验室和北电网络的光网络工程师。
标题图片来源：bitrazzi.com
