近年来，人工智能（AI）领域取得了巨大的进展，而机器学习作为人工智能的重要分支，通过学习数据里隐藏的规律和模式，实现无须明确给定规则也能达到目标的效果。对于银行而言，机器学习已经在精准营销、风险管理、反欺诈分析、客户关系管理、信用评分和内部管理等场景中获得了广泛的应用。

江南农村商业银行于2021年引入并建设了企业级建模平台，集成了多个机器学习工具和功能，提供从数据准备、模型训练到部署和监控的全流程支持。该平台至今已经上线了40余个模型，在营销和风控领域均有广泛应用。

在营销领域的实践。该行将精准营销作为机器学习先行尝试应用的领域，并逐步建设成为主要场景。将现有的老客户作为训练样本进行建模，外部数据输入模型以获取评分，高评分表示客户的潜在价值较高。基于客户行为特征进行大数据建模，通过触达模型过滤出潜在客户来促使转化。该行针对有效客户（即二次用信或有在贷余额的客户），建立了全量客户有效预测模型和授信额度1万以上有效客户预测模型，经测试，模型已具备较好的分类能力。

在风控领域的实践。风险评分是银行决定为客户提供信贷额度和其他相关产品行为的关键指标。基于机器学习和大数据建模技术构建的评分卡模型，极大地提高了银行客户风险评分的预测效率。该行以2020年至2021年核卡且有1年以上用卡行为的信用卡标准卡客群为样本，建设了信用卡B卡模型，判断客户半年内是否有逾期可能。在入模特征的选取方面，该行通过对信用卡流水加工衍生特征2736个，另外通过使用账户信息表和额度表加工衍生特征149个。基于以上建模样本和特征，首先使用GBM算法对重要变量进行初筛，其次使用逻辑回归算法制作评分卡，在训练样本以及跨期样本上，AUC指标均达到了0.85，已具有良好的预测能力。

在反洗钱领域的实践。利用大数据技术，如数据挖掘、机器学习等，对客户的交易行为进行监测和分析，从中识别出可能涉及赌博和欺诈的账户。该行建立的涉赌涉诈账户识别模型使用机器学习的手段建立评分卡，通过综合考量客户的历史行为、交易模式、风险指标等多个因素，量化各账户的风险评分，从而识别出涉赌涉诈账户。通过对模型预测概率的转化，得到账户最终涉赌涉诈评分，评分越高，则意味着账户风险越大。

企业级建模平台为江南农商银行提高精准营销效果、强化风险管理和欺诈检测能力发挥了重要作用。未来，随着平台的持续建设和银行数字化转型的深入，将进一步推动银行业务的自动化和智能化，大大提高业务效率和客户体验，有力推动银行的创新发展。（涂迅 姜涛）