路透社引用的Stratistics MRC图估计的大小商业智能行业美元左右15.64十亿在2016。因此，人工智能将会找到进入商业智能的途径世界。在我们之前的报告中，we覆盖商业智能中人工智能的6个用例。到目前为止，许多公司都声称愿意提供帮助商界领袖金融领域,具体地说,在使用AI自己的角色方面。
我们研究了这个领域，以便更好地理解人工智能在哪里发挥作用商业智能在金融业并回答以下问题:
- 目前正在使用哪些类型的基于ai的业务智能应用程序金融行业吗?
- 什么切实的成果在财务驱动的基于AI-商业智能应用程序吗?
- 是否有这些努力创新中的任何共同的趋势？这些趋势如何影响未来金融吗?
本报告涵盖了跨地区提供软件的供应商三个应用程序：
- 预测分析
- 情感分析
- 客户分析
本文拟为商界领袖提供的是金融他们对人工智能在他们的行业中所能起到的作用有了一定的了解。我们希望这篇文章能让商业领袖们参与进来金融为争取他们的见解可以自信地传达给他们的管理团队，使他们能够考虑AI收养时做出明智的决定。最起码，本文拟用作减少时间商界领袖的方法金融花研究AI公司与他们可能（或可能不）感兴趣的工作。
预测分析
RapidMiner
RapidMiner是一个波士顿基于公司成立于2007。该公司提供了一款名为RapidMiner平台，他们声称这能有所帮助金融服务企业预测客户的终身价值使用机器学习。
RapidMiner索赔用户可以在RapidMiner平台与现有企业的销售系统，如标准物质进行整合。该RapidMiner平台可与标准物质或客户交易数据，数据输入。然后,RapidMiner平台使用机器学习找到客户的数据，图案，比如他们的购买历史和社交媒体帖子，预测其可能的下一次购买。然后，系统提供银行的客户服务代表，在RapidMiner仪表板上显示客户的预期生命周期值。
据RapidMiner的网站，他们的预测分析平台可用于在银行的几个应用，如：
- 确定客户数据中的模式，以确定它们是否具有较高的生存期价值
- 使用该预测，以确定是否其他用户也可能具有较高的终身价值
- 确定从反馈表或客户交互的主要客户服务问题，通过电子邮件，电话，邮件，社交媒体的银行。
下面是一个短3.- 分为视频演示了如何Rapidminer平台作品：
RapidMiner声称有帮助贝宝提高客户满意度。RapidMiner声称贝宝部署自己的平台来分析几种语言，包括英语，德语，葡萄牙语，西班牙语，俄语，斯拉夫，中国，日本和韩国的客户反馈表量大。根据RapidMiner,然后，贝宝就能从每月的反馈数据中找出最重要的客户、最重要的推销商和最重要的批评者。据报道，整合持续了大约两到三个月。
RapidMiner此外，奥地利的移动电话服务提供商moo -bilkom Austria也在名单之列一个他们过去的客户。
我们无法从RapidMiner的执行领导团队中找到关于AI项目或学术经验的明确证据。然而，到目前为止，该公司已经筹集了超过3600万美元的资金，包括来自上升创投，朗沃斯创投，和NGP资本。
数据的机器人
DataRobot是波士顿的一家公司超过400员工。公司提供自动化的机器学习平台，他们声称可以帮助银行和其他贷款人预测风险的贷款或发现欺诈行为使用自然语言处理（NLP）。
据报道，该平台被训练历史还款记录和社交媒体数据来预测风险评分为客户拖欠信用卡付款的可能性。公司要求用户可以登录到显示列和单元格的仪表板，这些列和单元格显示了任何特定贷款申请的关键方面，包括风险评分。DataRobot声称他们的平台还可以清洁，并自动分析数据和使用机器学习模型来预测各种情况下的风险。系统生成用于哪些因素在客户的信用记录每个客户，社交媒体的个人资料和个人信息中的分数。
例如，如果客户有延迟偿还现有贷款的历史，或者客户的交易在不同的地理位置，系统可能会发出警告。然后系统在仪表板上提供风险分析评分和分析的图形表示。
下面是一个短1- 分为视频演示了如何DataRobot的软件作品：
DataRobot声称有帮助Crest Financial预测信用违约。佳洁士金融(Crest Financial)的两个人数据科学团队在为内部用户提供解决方案时遇到了麻烦，因为他们需要花很长时间来建立和测试人工智能模型。他们部署了DataRobot软件，据报道生成的风险模型表现优于Crest的数据科学团队取得的进展。根据DataRobot，佳洁士然后能识别客户在高风险的市场，检测客户的交易可能是欺诈性的异常情况，并预测违约的可能性为贷款申请。没有被统计在案例研究中。
DataRobot的还列出了不同的捐赠局[一些]他们过去的客户。
格拉。德是数据科学副总裁在DataRobot。他持有博士在生物统计学从哈佛大学。此前，他曾担任data科学家Ginger.io。
DOMO
DOMO提供一个软件，他们声称可以帮助金融机构的业务从商业软件(如CRMs)收集的数据中获取商业智能信息，使用机器学习。
DOMO要求用户可以将来自企业财务系统(如SalesForce、NetSuite、SAP、Concur或Quickbooks)的数据集成到Domo软件中。然后,DOMO可以使用数据科学分析来自各个系统的数据，以确定公司的关键指标，例如来自SAP数据与SalesForce或NetSuite数据的盈利能力吗。然后，系统提供仪表板上几个公司性能指标的概述，用户可以更详细地查看每个指标。
下面是一个短7- 分为视频演示了如何DOMO作品：
DOMO索赔有帮助查询到的现金建立强大的KPI的指示贷款的实时性能。Check into Cash是使用每周的手工报告来衡量他们的表现短期，小额信贷解决方案。根据DOMO，那时支票换成现金对较低的贷款回报发出警告，但没有提到项目的量化结果。
多摩君也名单DHL，万事达，易趣和国家地理作为一些他们过去的客户。
尽管Domo似乎雇佣了数据科学家，我们无法找到该公司的团队AI经历任何C级管理人员。
情感分析
美化Analytics（分析）
美化Analytics（分析）是一个纽约基于公司，提供了一个基于云的文本分析API服务，他们声称这能有所帮助银行及金融机构使用以下工具分析客户情绪自然语言处理。
美化Analytics（分析）要求用户可以他们的文字AI服务集成到他们现有的软件网络。在金融机构的员工也可能会登录到门户网站看顾客情绪的见解（如网上银行系统积极回应）由软件生成来自实时和历史社交媒体数据。然后,软件通过分析金融公司在社交媒体上的提及率，并使用NLP和机器学习通过对每个帖子打分来提取关键客户的情绪。
该软件从数据中识别出最相关的讨论主题，如客户反馈，并根据其中积极或消极的单词或短语的数量为帖子分配分数和主题标签。然后，系统提供门户网站中的输出，用于讨论的关键主题以及哪些讨论是积极的或消极的。
下面是一个短3.- 分为视频演示了如何舒适性分析的软件作品：
该公司似乎没有提供任何案例研究报告成功与他们的软件。
美化分析表英特尔和时代华纳作为一些他们过去的客户。
罗南·费尔德曼是首席数据科学家在舒适性分析。他持有博士在计算机科学从康奈尔大学。费尔德曼目前也在服役他是希伯来大学商学院(Hebrew University Business School)数据科学系的系主任作为人工智能专家欧洲委员会。
客户分析
Avanade
Avanade是一个西雅图的公司,12000员工。该公司是微软和埃森哲的合资企业，利用Cortana智能套件。该公司提供了一款预测分析软件，他们声称可以提供帮助金融机构自动化，数字化，并简化法规遵从流程，并帮助创建自定义的交易工具使用数据科学和机器学习。
Avanade索赔业务可以与他们的团队合作，建立分析平台，可以给他们的员工对他们的业务的观点和洞察力。一家金融公司可能会利用Avanade的解决方案从客户数据和交易数据中获得见解，从而帮助推动更多的增长。Avanade的软件使用NLP和机器学习提取和从客户识别趋势的个人数据和交易历史数据，比如如何提高法规遵从或预测客户行为，提高参与。然后，系统提供这些建议为在Avande仪表板警示名单。
下面是一个短3.- 分为视频演示了如何Avanade的软件作品：
Avanade似乎曾与多个行业的公司合作过项目，并将一些项目纳入了他们的案例研究中。Avanade声称帮助DNV GL挪威注册商和船级社，开发商业智能洞察数据管理结构。Avanade公司声称在DNV GL分析师们使用Power BI为他们的商业智能分析并面临着诸如意外丢失数据的挑战。
DNV GL与Avanade合作，提交了一份报告，提供了创建治理模型的建议，该模型旨在降低数据丢失风险，并帮助员工在如何以及何时共享内部企业数据方面做出正确的决策。Avanade还声称，他们的详细报告使得DNV GL能够增加Power BI用户的数量，包括非技术人员。
Avanade还列出了加拿大和挪威船级社GL的商业发展银行作为一些他们过去的客户。
蒂姆Groulx是总监兼首席人工智能架构师在Avanade。我们无法确定他是否一个博士或MS，尽管他之前担任过高级数据架构师在微软和尼尔森，他在那里从事数据管理项目。
商业领袖们的外卖金融
根据我们为这份报告所研究的公司，金融领域的预测分析应用似乎最有吸引力。金融机构可以预测直接影响收益的风险或客户行为，并且此应用程序现在有几个已建立的用例可用。
DataRobot似乎有最牵引。该公司已在迄今的资金，包括$ 67万美元C轮融资由新企业协会募集亿$ 124.6。这可能是下降的事实，DataRobot有几个证据充分的案例研究，客户可以轻松地访问。对于AI的主要供应商，以扩大自己的业务在这个空间似乎是在明确传达了金融机构的投资回报率。
在未来两到五年内，NLP、文本挖掘和机器学习方面的进步可能会使金融机构充分利用它们收集的所有结构化和非结构化数据成为可能。人工智能系统可以被用来快速筛选大量数据，以收集能够改善客户服务、交易策略和风险预测等方面的见解。
在短期内，金融机构不应指望能够轻松地没有着手开始管理和组织他们的数据漫长的整合过程中业务流程或增加商业智能从他们的数据自动化。这可能还需要与供应商的支持代表和大量的前期成本的讨论。规模最大的企业可能有资金和人员来解析技术，但根据我们的研究，这是截至目前的公司，将能够负担得起AI应用程序访问。
图片来源:epho
