银行业的决策者们有一套独特的方法商业智能需求,人工智能已经在雷达上了吗银行业已经当了几年高管了。接下来是AI和机器学习将为银行部门找到商业智能应用的方法。
在本报告中，我们将讨论用于银行业的人工智能商业智能软件及其成功的证据。事实证明，没有多少。本报告所涵盖的公司都缺乏针对其商业智能软件的银行案例研究，这可能表明了人工智能在银行业的这种特殊应用的恶劣程度。也就是说，这些公司确实为其他行业提供了案例研究。
然而，总的来说，人工智能驱动的商业智能软件似乎可以通过两种方式为银行带来价值金融机构,包括投资公司。这些包括：
- 报告生成- 创建具有多种可视化相适应员工的需要，在不同的部门报告
- 预测分析- 企业数据相关，以找到其高管可以采取行动的模式
在本报告中，我们将通过查看向银行提供AI软件的四个供应商来讨论AI驱动的商业智能应用程序在银行业中的用例。我们将从检查提供报告生成相关AI解决方案的供应商开始:
报告生成
SAS
SAS提供了叫做SAS视觉分析的软件该公司表示，这可能会有所帮助银行为他们的领导提供自助服务分析和交互式报告使用什么似乎是一个组合预测分析和自然语言处理。对于银行来说，这种分析和报告可能与客户的购买模式有关，贷款,或客户体验。
这可能是战略上赢得客户或寻找客户不太可能拖欠贷款。SAS权利要求，除了它的溶液的数据分析功能，它也可以辨别情绪在文本数据(如社交媒体帖子)之后，将其标记为正面或负面。这可能是通过自然语言处理来实现的。
下面是一个8-分钟视频演示如何SAS的视觉分析可以细分客户。在这段视频中，演示者能够在4:40之前划分他的客户群:
我们可以推断需要对软件的预测分析部分背后的机器学习模型进行培训与银行交易、客户档案和地理位置相关的客户数据。例如，如果客户在自动取款机上取款，交易中的相关数据将是客户的年龄、性别以及自动取款机与银行的关系。然而，客户细分市场可以变得更加具体。然后，这些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相互关联行为的变化或在银行客户群中形成的新模式。这可以是整个客户群，也可以是基于年龄、性别或地理位置的细分客户群。
该软件将能够预测、报告和可视化这些变化或模式。因此，业务领导可以向其他部门提供有组织的信息。用户可以创建各种类型的图形和图表，以更有组织的方式描述数据，这些模型可以通过软件在员工之间共享。这可能需要，也可能不需要用户上传信息他们未来的计划或银行协议事先输入软件。
如果SAS Visual Analytics解决方案确实利用自然语言处理来分析文本数据，那么它必须在数千条社交媒体帖子或其他文本数据样本(如电子邮件)上进行训练。这些数据将涉及客户在金融方面的经验，如银行和贷款。这些数据将被标记为消极或积极的体验。
然后，情景应用程序将把机器学习模型暴露给标记的文本数据。这将训练算法识别文本链，这些文本对人类大脑可能被解释为社交媒体帖子所传达的积极或消极情绪。
SAS的视觉分析然后就可以浏览公共社交媒体帖子或任何其他需要情绪分析的文本数据，软件的算法就可以确定客户的体验是积极的还是消极的。这可能要求用户事先将有关其未来银行业务变化的数据上传到软件中。
很有可能用户在银行可以将软件集成到现有的银行和客户信息数据库，以及允许从社交媒体传输文本数据的系统。
SAS根本不提供显示银行或金融机构与他们的软件成功的任何案例，但名单苏格兰皇家银行、宇宙银行和克罗地亚第一储蓄银行作为一些他们过去的客户。
吉姆,晚安是首席执行官在SAS。他持有博士学位在统计数据从北卡罗莱纳州立大学。晚安，在SAS度过了他职业生涯的最后42年。
Thoughtspot
Thoughtspot提供了叫做Thoughtspot嵌入式分析的软件该公司表示，这可能会有所帮助银行及金融机构轻松搜索大存储的数据。据称，用户可以在软件的搜索功能中输入一个搜索词，比如“New York”，搜索栏就会创建一个下拉菜单，显示用户可能希望生成的图表。
据称，该软件还允许用户使用日常语言在搜索栏中输入问题，这可能表明该系统使用自然语言处理。该公司声称，它的软件为用户产生的洞察力是由机器学习驱动的。从大量数据中产生相关性是机器学习的一个经典用例。
该软件开始生成用户之前有图有选择，他们宁愿此刻类型的可视化。如果该图是根据用户自己选择可视化的历史生成或目前还不清楚是否有某种形式的违约。
下面的视频演示该软件的搜索功能和图形显示如何为用户生成的类型：
例如，用户可能想弄清楚如果某一年龄人口，说千禧，或多或少可能拖欠他们的贷款某一地方，说纽约。他们可以输入相关搜索词（千禧，纽约，贷款违约）进入搜索功能，并与几个选项呈现可视化几个不同的相关性，其中包括一个新千年之间，纽约和贷款违约状态。
Thoughtspot索赔银行与其他数据可视化工具相比，他们可以在相对较短的时间内将数据存储集成到Thoughtspot，尽管他们没有提供一个案例研究来验证这一说法。
Thoughtspot没有提供任何案例研究，表明银行的成功与软件，但他们列出Scotiabank和Sterling National Bank作为一些他们过去的客户。
阿米特普拉卡什是联合创始人兼首席技术官在Thoughtspot。他持有博士学位在计算机工程从德克萨斯大学奥斯汀分校。先前，普拉卡什担任软件工程师在微软。
Aithent
Aithent提供了名为Aithent Analytics for Business Intelligence (AABI)的软件该公司表示，这可能会有所帮助银行及金融机构变换多个和不同来源的数据转化为他们的管理有用的知识使用预测分析。这些知识包括损益、投资回报和客户信息。
据报道，该软件可以根据检测到的模式创建模板，以帮助业务领导人做出决策。这些模板可以作为当前趋势的可视化，这有助于与其他部门沟通技术更改并提前进行规划。Aithent声称，他们的软件的报告和数据模板可以被广泛或精确地扩展，从而为更具体的业务领域找到真知灼见。
此外，它们还为用户提供了为希望密切监视的模式生成自定义警报的能力。有了这个功能，用户可以通过向软件表明警报没有帮助或没有准确反映可能发生的情况来消除假阳性警报。
该公司表示，他们的软件的机器学习模型需要根据客户自己的公司数据进行培训，这些数据可能包括交易数据、客户档案和贷款合同。然后，Aithent将其软件背后的机器学习算法公开给客户端数据。
这将训练算法识别哪些数据点与客户银行或购买行为的模式相关联，比如某个客户在某段时间内多次贷款违约。该算法还可以识别与跨部门客户行为变化相关的数据，以及欺诈或欺诈企图。
然后，该软件可以预测和报告银行经理在为公司决策时希望了解的各种客户模式。这些可能包括通常发生在欺诈之前的行为模式，以及贷款违约风险很高的客户。
这些模式也可以在特定的客户群中找到，比如30-50岁的男性。这可能需要，也可能不需要用户事先上传他们最近的贷款合同或未来的商业计划。
Aithent索赔银行经理可以将软件集成到现有的银行和客户信息数据库。
我们找不到演示如何操作的视频Aithent的AABI软件作品。Aithent不提供任何显示他们的软件成功的案例研究，并且他们没有列出任何大银行作为这个解决方案的客户。
Gourish Hosangady是业务分析执行副总裁在DataRobot。他拥有一个女士在工程从密苏里大学。先前，Hosangady担任商业智能解决方案副总裁在Inforeem。
预测分析
DataRobot
DataRobot提供了一个同名的软件它声称能帮助什么银行及金融机构从业务数据中获得见解，并从公司数据中创建表和模型。每个预测模型都是软件做出的预测的可视化表示，以组织结果的清晰度和可交流性。他们这么做使用预测分析。
DataRobot表示，他们的软件的机器学习模型是基于客户的公司数据进行训练的，这些数据可能是数十万客户的个人资料和交易记录。例如，通过访问与该客户关联的银行数据，预测模型可以在可视化图表中显示给定客户的所有逾期付款和贷款违约。要做到这一点，软件需要在有关提前还款风险、信用风险和延迟还款的贷款和客户数据方面受过培训。
然后，银行或数据科学家将机器学习算法暴露给这些数据。这将训练算法识别哪些数据点相互关联所需的搜索术语或缩小的数据结果，并且可以用于创建图形或表格形式的预测模型项。
对于我们的示例，这将是一个由银行或数据科学家定义的搜索词，如“will_default”。下划线似乎是用来将搜索项识别为单个项，而不是两个不同的项。
然后，该软件将能够做出用户所要求的预测，并创建一个可视化的图形、电子表格或表格，其中的数据来自一个或一组搜索项。
这可能是一个表格或图表列出了每个潜在客户的可能性拖欠他们的贷款请求的形式。这可能会或可能不会要求用户使用他们的最近或未来的贷款合同数据到软件事前。
DataRobot索赔银行及金融机构可以将软件集成到他们现有的数据库和其他公司数据存储。
以下是短片2-分钟视频，描述如何DataRobot可以帮助银行和金融机构预测贷款风险。在1:29处，用户想要的预测搜索词用下划线显示。
DataRobot没有列出任何明确的银行业案例研究，但银行业是他们在网站上列出的行业之一。他们还声称美国银行是其过去的客户。
汤姆·德·戈是c邻创始人和首席技术官在DataRobot。他拥有一个女士在数学从马塞诸斯州大学洛厄尔。先前，戈多担任高级研究和建模主任在旅行保险。
标题图片来源:内罗毕商业月刊
