AI应用的银行业和金融行业包括各种软件产品欺诈检测和商业智能。也有预测分析应用这些之外的，他们为他们的客户提供内部分析帮助银行实现财务流程和服务。
在本文中，我们确定了银行和金融机构利用预测分析软件实现自动化和商业智能的三种方式。首先，我们解释如何使用数据分析来更好地理解客户行为，然后提供一个例子，说明这些行为信息如何使银行受益。然后，我们进一步研究如何应用这项技术来预测更长的一段时间内的结果。
以下是本文涉及的预测分析软件的银行业务可能性列表:
- 客户分析:为产品创新和改善客户体验
- 白领自动化:特别是应收账款软件，为企业客户匹配发票
- 信用评分:银行可以根据社交媒体帖子和消费习惯等行为特征，为没有信用记录的人计算临时的“信用分数”。他们可以用这些分数来决定是否借钱给别人
- 交易洞察:利用大数据来决定购买、交易或出售哪些股票
我们在本文中讨论的预测分析的第一个功能是理解客户行为并在其中检测模式的能力。
客户分析
我们之前已经写过关于市场、销售和客户行为分析的预测分析软件，这些软件都是在单一金融机构或单一机构-供应商关系的背景下进行的。客户行为数据点可能包括消费习惯、地理位置和重复支付，如健身房会员或在线服务。
相反，我们将在本节中更全面地讨论该软件如何使一般的银行企业受益。
为了让挑剔和分析客户行为的一个全功能的预测分析应用，银行必须利用自己的客户数据来训练机器学习模型。客户数据可以来自各种来源，包括各种类型的信息，包括：
- 消费模式，通常是几周或几个月。
- 信道使用，或如何向客户访问他们的银行信息，如移动，桌面上，或在自动取款机
- 银行的相互作用，例如与银行代表电子邮件或文档亲自访问
- 顾客购物行为
- 客户已经在使用或接受服务
- 客户信用评分和信用记录
- 客户盈利能力，包括他们的可能性请求贷款，这可能会使用其他机器学习模型被发现。
- 社交媒体数据，比如在Facebook上“喜欢”多种产品，发布想要或需要不同产品的信息。
通常情况下，银行希望采用这种类型的软件具有大多数这些类型的大数据的大店。企业银行往往具有庞大的数据量，他们并不总是知道他们要如何使用，甚至，它可以是具有挑战性让他们从这些数据加纳洞察力。预测分析可以帮助这在某些情况下。
客户的消费历史、信用历史、银行间的交互(如从一个账户到另一个账户的转账)以及客户的生命周期价值将会被标记出来。
更多的非结构化数据类型，如社交媒体数据，将需要一些其他的方式来标记或格式化之前的预测分析软件，可以在它识别单个点。
挖掘社交媒体数据的人工智能应用程序必然会涉及其中自然语言处理（NLP）。基于NLP银行可以使用情感分析软件来确定客户的情绪反应到产品中使用社交媒体帖子。
银行可以使用此客户数据，以确定最佳的服务和产品通过他们的手机银行应用程序或电子邮件促销他们的客户提供。
这些措施可能包括为更多家庭成员提供新的银行账户交易、透支保护等服务，以及贷款的特别利率。
此外，这些服务可以更容易地集成到最常用的那些客户渠道，从而改善用户体验。
下面是IBM分析很短的示范视频中详细介绍了如何以人工智能为基础分析软件，可以从中受益的银行。虽然视频并不能说明该软件是如何工作的，它提供的软件可以为银行提供价值的明确的解释：
白领自动化：应收帐款
一个新闻稿现金及财资管理文件细节花旗银行与由AI供应商建立了一个人工智能的软件解决方案的成功HighRadius。厂商专注于基于云的支付款项，这有助于组织和记录的账户与云中的应用程序账款。他们声称已经使用HighRadius’预测分析技术来提高他们的发票和付款匹配的企业客户智能匹配的平台。
该新闻稿还指出，花旗银行的企业客户正在寻求以下业务领域的创新:
- 通过手动过程的自动化来降低成本
- 减少日常一批优秀的应收账款
- 管理异常迅速，从而增加支付处理业务的效率。
HighRadius的平台使用预测分析来匹配打开的发票和公司客户收到的付款。
根据新闻稿，花旗银行能够帮助他们的企业客户提高他们的和解率和直通式处理（STP），或自动支付处理系统。这表明花旗银行的STP系统可以更精确地匹配支付给正确的赤字，从而调和债务。
在未来几年，这种以及其他类型的基于人工智能的自动化可能会取代银行和金融中的许多角色。这可能包括市场营销人员和财务顾问，他们的工作是发现这些趋势并加以利用。
我们采访了亚历山大·弗雷斯，CEO，董事长和联合创始人叛乱研究有关如何AI被“吃”融资，或在银行和金融机构取代越来越多的员工的饭碗。
话虽如此，尽管人工智能可能会在金融领域造成混乱，但读者应该知道，Rebellion Research也可能试图通过鼓吹自动化来推销自己的产品。我们将在本文中进一步讨论这个概念机器人会取代你的工作吗?不要相信初创公司和企业会告诉你。
Rebellion研究公司开发了用于定量分析的人工智能应用来决定投资者TS。当被问及关于他认为哪些角色最有可能被自动化，弗莱斯说:
我认为我们会看到许多经纪人失去工作，许多金融顾问和银行家将受到打击。就工作岗位的数量而言，零售银行裁员最多。窗口的人会更少，后台的人也会更少。大城市的银行将解雇成千上万的业务和会计人员;很多人在推文件。
信用评分预测分析
预测分析还可用于客户银行和企业债权人的信用评分应用程序，以更准确地估计与潜在客户相关的风险。大多数信用评分方法考虑潜在客户的信用和财务历史，但这可能仍然会使一些人没有信用，即使他们能够按时偿还贷款。
为了确定一个信用评分，该软件运行约通过算法给出的客户的所有可用信息。然后计算，如果他们选择承销该客户的银行将有多大风险的需要。
该应用程序可能允许银行或债权人根据其他数据类型(如社交媒体帖子和交互性)来进行信用评分。这可能包括潜在客户访问哪些网站，他们通过电子商务购买了什么，以及他们对这些网站和社交媒体上的购买有什么看法。潜在客户的在线行为可以表明他们将偿还贷款并按时付款的可能性。
需要注意的是，为了从社交媒体帖子中提取数据，比如一个人对购买的感觉是积极的还是消极的，NLP技术是必要的。这是因为NLP是唯一能够评估社交媒体帖子情绪的人工智能技术。这种情绪会变成一个数据点，表示一种“积极”或“消极”的体验，然后可以被预测分析应用程序识别出来。
这有可能使银行能够准确地得分谁通常不会获得信贷个人的潜力。那些没有信用记录将能够充分利用他们的社交媒体活动和电子商务的互联网历史，以显示自己的财政责任，并因此获得由银行借给。
SAS是一家大型科技公司，提供了一个预测分析应用他们叫SAS企业矿工信用评分,他们要求帮助希腊第四大银行比雷埃夫斯银行集团。详细介绍了他们合作关系的案例研究指出，情景应用程序帮助世行加快了数据分析和报告生成过程。在数据分析方面，比雷埃夫斯银行集团利用该软件对其风险预测模型的开发进行了优化。
这意味着银行集团找到了适合自己的企业，以他们的预测预测未来，这可能包括能够变量之间干净移动测试的最好的方式。案例研究还指出，比雷埃夫斯银行集团能够通过30％，以提高数据分析速度。
用于交易的智能处方分析
预测和规定分析之间的区别主要是规范分析需要迈科技进一步提出行动的下一个最好的办法。一旦软件发现用户的所有可行的后续步骤，但建议一个成功的最大可能性。通常情况下，预测分析只会让用户更干净插头不同的变量到他们需要对他们做出决定之前的信息情况。
预测分析软件将数据科学实验的目标与在过去导致类似结果的数据点联系起来。
例如，如果一个数据科学家想要测试改善其客户智能手机应用程序更改的ROI的最佳方法，那么该系统将把流行的应用程序更新与ROI联系起来。然后，数据科学家就可以看到手机银行应用程序的哪些更新最能让客户满意。
银行可以使用交易洞察使用规范分析，以帮助他们的客户谁购买和出售股票做出更明智的决策中。
对于银行客户来说，这些信息可以被导入移动银行应用程序，并通过股票和交易部分传递。或者，他们可以利用这种内部情报，对银行股票市场有一个更详细的印象，并进一步了解是什么导致人们购买他们公司的股票。
我们采访了安Miura-ko的共同创始人和合伙人水闸，如何规范分析软件可以通过为有利于金融机构的“自驾车”。在这种情况下，她指的是总是确定为新的数据进入其职权范围内的下一个概率的软件。当被问及Miura-ko说，如果能够使用规定性分析软件在每个流程中向各个部门推荐业务操作，
我相信这些数据实际上已经存在在的所有这些信息应该绑在一起,所以当我谈论概率输入,这不仅仅是在我们没有确定……还有对未来的事情,我们应该能够预测,我们应该知道有一些有新闻价值的事件,然后有涓滴影响我的生意。
从这句话中可以清楚地看出，企业中规范性分析的可能性是巨大的。重要的是要认识到，规范性分析已经可能实现的自动化程度，因为公司可能会继续在银行领域的It方面进行创新。
我们的研究没有产生任何结果显示银行成功地与供应商的软件交易情报。因此，我们可以推断，与其他银行解决方案相比，交易和股票情报应用程序的前景可能相对较新。
这可能表明，主要银行把创新放在了这类情报之外。其他可能更重要的创新领域包括贷款和信用情报、欺诈检测和预防。
标题图片来源：Admiral Markets举办
