# **金融業大數據與機器學習應用彙整**

## SAS、IBM、GARTNER等產業趨勢研究

[**趨勢觀察／SAS談行銷 精煉大數據資產 2019/01/01**](https://money.udn.com/money/story/8944/3569114)
>陳愷新: SAS台灣區總經理

- 隨著前一波網路化浪潮，國內證券業因受惠於數位轉型帶來的突圍力道，近日亦紛紛探索起**人工智慧（AI）**、機器學習等進階分析科技，以期能提高**客戶滲透率**，提煉出下一波差異化的動能。
- 根據證交所調查，證券商、期貨商、眾籌及新創業者中，有**九成**認為**數據分析**將對**資本市場**有顛覆性影響力。
- 全球大數據分析領導廠SAS的「台灣產業AI成熟度大調查」卻顯示，**台灣整體金融業**仍有**近半未設立分析專責團隊**，其中，**證券業**投入比例又更低。
> 韓國證券業：運用智能技術 帶動業績
- 借鏡日韓案例可發現，即便有外在市場限制，懂得提煉數據資產，善加應用智能技術著眼於「**客戶分群**」與「**差異化經營**」，台灣證券業大幅提升收益成長，重塑市場版圖的動能仍是強勁。
- 為維持市場占有率，過去只依照投資風險偏好做**單一面向的客群分類**已不敷使用，券商開始思考如何量化客戶價值與交易特性，為**不同投資人**擬訂**不同服務模式**，於是**KYC（Know Your Customers**）浪潮隨之興起。
- 例如韓國某大券商與SAS以**機器學習**技術，共同打造以 **「產品市場」X「客戶行為」的多維度預測模型**，將期貨、證券與股票等產品線，以及客戶的商品存量、持有廣度、交易頻率、偏好與風險性格等各變數納入，定位出不同的客戶群集。
- 然後開始利用不同屬性，將商品構面比對出購買機率。結果當年試行後，整體電話銷售及業務績效，即**成長超過120%**。
> 日本大和證券：整合CRM系統 購買率大增
- 日本百年券商「大和證券」則在2015年建立 **「AI推動處」**，除同樣完成上述「**客戶分群**」的「精準行銷」基本功外，為了打造以「客戶為中心」的 **服務差異性**，也與SAS建構一套支援前線業務員的 **「視覺化」系統**。
- 每日，這套整合CRM（Customer Relationship Management）視覺化分析系統，會顯示目前有需要聯絡的客戶名單和內容，例如持有商品發生重大價值變動的客戶，或需要發送產經報告書的客戶其郵寄時間提醒等。
- 這套支援系統在第一線大獲好評，業務員的滿意度高達84%，而從收益面也能看見成果：客戶**手續費收益成長20%**、**購買率增加2.7倍**，**顧客流失率甚至減半**。

[**名人書房／SAS台灣總座陳愷新 AI時代必備三策略 2019/12/13**](https://money.udn.com/money/story/8944/4223383)

全球大數據分析領導廠SAS台灣總經理陳愷新以管理者角度，推薦《AI經濟的策略思維》。該書奠基於基本經濟學來描述AI決策，並以現實案例來說明新興科技名詞，希望提供給企業經理人接軌AI時代的策略指南。
>累積數據 進行即時串流運算
- 為了取得AI價值，企業需要付出一定的成本來累積數據，但經理人應視為一種投資，因為在AI時代，**掌握數據愈多**、**愈獨特**，日後**規模報酬遞增的可能性愈大**。
- 陳愷新表示：「擁有數據後，組織還需留意兼備『**即時**』串流運算能力，讓AI模型迅速回饋結果持續增強學習，才能做出『**最佳決策**』甚至進一步『**預測**』未來行為，差異化地提供『**個人化**』或『**主動式**』的服務，帶來致勝先機。」
>人機協作 優勢互補提升效益
- 機器可以大規模、高速處理數據，減少決策流程所耗費的時間、人力及金錢成本，機器卻不擅於判斷跟預測罕見事件。因此書中特別強調人機協作的效益，因為**AI讓預測成本變便宜**，使人們有更多機會做出決策，**人類的判斷價值會隨之增加**。在AI經濟時代，人機協作才是擴增實力、互補的王道。
- **協作偵測詐欺**行為便是人機協作的好案例，金融機構隨時都在**預測信用風險**或**合法交易行為**，並在不同違約率或未知的詐騙行為中，判斷願意承擔的風險。
>拆解流程 績效指標凝聚共識
- 企業經理人想從推行AI中得到實質利益，要面臨的就是導入AI需先拆解、甚至再造整個工作流程：找出哪些任務需要「自動化」？是否需要重新排序其餘任務或創造新任務？領導高層必須從更高的角度來檢視資源，並**整合跨部門來支援轉型，而不只是將AI策略委託給資訊工程部門這麼簡單**。
- 進一步**深究重要性排序**，近60%企業負責人，亦視「品牌市占率」為重要績效指標；55%中高階主管，也看重「業務創新程度」；70％一般職員&專業人員認為是「降低營運成本」。顯示決策與執行層級對AI成功與否有認知落差，也代表決策與執行層級間需要將溝通透明化。
- 最後陳愷新強調，台灣企業目前發展AI目標大多屬於「改善內部作業效率」，經理人應將眼光再放遠，認知AI應用最成熟的發展是能「**創新產品及服務模式**」，才可達到最終營運轉型目的。

[**GARTNER 十大數據分析趨勢**
](https://www.ecloudvalley.com/zh-hant/2019-data-analytics-tech-trends/)

- 增強分析（AUGMENTED ANALYTICS）
- 在 Gartner報告中，明確指出增強型分析功能是 BI 產品發展的最重要、也是最顯著的發展趨勢之一
- **早期BI工具**: 擁有嚴格定義的程式語法、數據倉儲等工具，使用這些工具需要較高的專業技能
- **增強的BI工具**: 其支持普通使用者通過智慧推薦、圖表協同過濾、多維度數據探勘等方式來獲取數據洞察，以快速定位並發現問題。由於數據分析不再依賴於專業的數據分析師，因此企業有更多的機會從數據之中找到不同問題的答案。


- 連續智慧（CONTINUOUS INTELLIGENCE）
- 企業營運活動將結合即時資料分析，處理當下與歷史資料以定義回應某事件的相對應指令。連續智慧可以提供決策自動化或提供決策支援。

- 可解釋人工智慧（EXPLAINABLE AI）
- 大多數的人工智慧模型並無法解釋它們是如何得出推薦及決策結果的。
- 而可解釋人工智慧能夠生成一個以自然語言解釋的模型，說明其判斷之精確性、屬性、模型統計與特徵。

[**人工智慧與金融應用 2019/09/27**](https://www.ibm.com/blogs/think/tw-zh/2019/09/27/aifinance/)
>蕭俊傑: 台灣IBM公司全球企業諮詢服務事業群副總經理
- 隨著數位通路快速崛起，對企業與消費者的互動模式產生極大衝擊，若企業未正確且快速回應消費者的問題，恐將導致客戶流失。現今消費者**自我意識增強**，期望企業可**瞭解個體差異**，以提供更貼近**個人化**需求之服務，若企業僅以人工預設的簡單規則、制式化的輪播廣告方式行銷，已無法滿足消費者所需，取而代之的則應以線上個人化的行銷推薦，與消費者即時互動。
> 人工智慧在金融機構的應用包含客群經營、風險合規、流程精進及數據分析等四大構面
- 客群經營
- 金融機構透過AI，**改變金融機構與消費者間之互動模式**，運用與消費者之FAQ資料庫，蒐集營運上所需商品、服務及作業程序等相關資訊，由虛擬助理以自然語言，採一問一答的方式回覆消費者諮詢，且消費者亦可自行瞭解產品服務功能；若派駐機器人搭配應用程式，消費者除於**交易時可快速獲得輔助**，此項差異化服務，更可提升金融機構數位金融之競爭優勢。
- 可應用於客服助手、產品優化及知識管理。當消費者進線客服中心時，客服人員可透過AI快速搜尋答案，即時回覆消費者；若涉及產品或流程改善問題，可快速轉化為產品或流程優化需求，以提升服務品質。另金融機構可將過往成功案例、計畫成果等，納入知識管理，對於AI應用於客群經營亦有所助益。
- 風險合規
- 根據過往驗證所得的風險管理經驗，透過AI篩選出可疑交易，並與外部資訊比對可疑的關係戶或警示帳戶，進行**AI智能風險控管**；此外，AI可應用於**強化審查對外發布之新聞**、公開資訊或報告等，降低因公關操作不當之風險，而影響金融機構之信用評等或商譽。
- 流程精進
- 結合OCR及影像辨識功能，將紙本票據推向數位化，應用AI自動產出作業圖表，以提升作業效率與正確性。為因應政府各項制度實施及法規更新，金融機構可應用AI技術支援，快速協助判斷營業規章與作業流程及作業手冊應調整之範圍。
- 數據分析
- 可從以下三項構面，說明AI於數據分析的應用：
- **市場行銷面**：以往是透過與消費者互動對話與交易紀錄，進行消費者個性分析，現可透過AI支援，推薦該消費者適合之商品
- **支援預測面**：AI支援以新聞、報告、公開資訊為依據，分析趨勢，並進行綜合指標預測
- **徵信追蹤面**：從消費者的外部資訊，協助支援徵信追蹤。

# 傳統銀行

## 玉山

[**【專訪陳昇瑋｜玉山金控科技長】在軟體人的大航海時代，他要讓玉山有科技公司的能力！**](https://fc.bnext.com.tw/esun-cto/)

- 陳昇瑋簡介 :
- 資訊科學學者、資料科學家、人工智慧專家
- 台灣人工智慧學校執行長
- 玉山金融控股公司暨玉山商業銀行**科技長**

- 玉山在10年前已建立了大數據團隊CRV（Customer Risk & Value），持續運作了12年，至2018年團隊成員已經擴大至80人規模。

- 陳昇瑋加入玉山金控後，採用三個方法推動數位轉型。
- **策略**: 成立科技長辦公室，作為科技聯隊的策略推動者，時常找各單位高階主管討論新想法的可能性，**引入對玉山有價值的新科技**
- **執行**: 總經理室的大數據團隊變成正式的單位「**智能金融處**」，從以統計為基礎變成以**機器學習**為基礎，打造科技聯隊，以資訊、數位金融、資料科學為金三角
- **資訊處**: 負責資訊基礎建設及系統開發
- **數位金融處**: 負責所有接觸消費者的使用介面
- **智能金融處**: 包括所有線上線下的服務以及內部流，例如審核、法遵、反洗錢等，任何需要大量人力、人做不好、或機器可以做得比人更好的流程，都想辦法用AI來強化或取代人做的決策
- **翻新數位金融**: 打造使用者體驗、App、客服的基礎建設，未來要讓顧客有感。

[**玉山金控近百項金融AI專案新進展，靠ML評估顧客3年倒帳風險比人還要準**](https://www.ithome.com.tw/news/132698)

> 玉山金控近來積極發展金融科技，不只找來專家陳昇瑋擔任科技長，也陸續與交大、臺大簽署產學合作計畫，來發展AI金融應用，特別是風險控管、金融商品推薦、客戶消費預測等
- 陳昇瑋表示，玉山金控內部目前有**近百項AI專案**在進行，涵蓋面向有:
- 風險控管
- 信貸
- **過去**: 玉山銀行皆以人工方式查閱申請戶資料，再用統計模型來推估未來1至3年內的償還風險，人工推估準確度約為**8成**
- **現在**: 導入**機器學習**與**自然語言處理**(NLP)，分析申請戶的相關歷史資料，自動評估申請戶未來1至3年的償還風險，**AI準確度高達95%**。
- 信用卡盜刷
- 信用卡盜刷行為判定中，AI 讓準確度提升**3倍**，客服單位也因此少打了**7成**的確認電話
- 商品行銷
- **過去**: **人工**根據傳統分類（比如年收入、年齡、職業類別等基本資料）來挑選合適的潛在客戶
- **現在**: **AI**分析潛在客戶資料、挑選對特定金融商品感興趣的人選，再透過人工打電話來推銷。目前AI選客的命中率，**比人工高出3至5倍**，有些案例的精準度甚至高出**10至20倍**
- 內部的作業流程精進。
- **支票確認**
玉山銀行每年所收的支票高達1,000多萬張，玉山銀行配置了2至3人來審查支票，後來玉山銀行**導入深度學習技術，用來辨識支票內容**，目前已全面採用。
- **防洗錢機制**
匯豐銀行來說，分派25%的職員來執行法遵和洗錢防制作業，花旗銀行配置6至8萬人來執行，占了全公司的三分之一
玉山銀行採用深度學習，利用各式資料來訓練模型，讓模型不需要人為干預，就能自行找出洗錢特徵，在實際效用上，**提升了3到5倍的準確度**
- **房價預估**
- 透過 POI（Point of Interest）技術，使用者只要輸入房屋地址、樓高等資訊，系統就會抓出房屋周遭的店家與設施，對房屋估價，讓估價時間從**兩天縮短成三分鐘**
- 不過該項技術只能取得部分資訊，內部裝潢等細節無法判斷，仍需要人類房仲出場

[**我讀理工，在銀行上班——玉山金控招募「跨界」人才，聚焦創新顧客體驗**](https://www.thenewslens.com/article/132515)

> 客服電話的需求通常大同小異，但2成的顧客往往就能佔據8成的在線電話。而許多顧客內心想的是：能不能跳過多層式語音選單，直接與專人對話並解決問題？

為了讓顧客問題能快速解決，玉山結合語音辨識導入「**語音機器人**」
- 未來顧客可以直接告訴機器人想查詢的項目，機器人了解語意後，可在數秒內將顧客導流給對應的客服
- 針對某些業務，機器人甚至能在理解後直接用「合成聲音」回覆給顧客。

> 我們不只鑽研技術，也關注業務需求。

- 在技術面，**玉山與產學合作學校共同開發**，每週也與教授團隊密切討論，彼此分享技術、調整模型
- 在需求面，頻繁與跨部處溝通各層面議題，包括：使用者體驗、第一線客服端痛點、資料保護、法規以及預算等。

> 科技導入在初期會較花時間、需要投入較多成本，但我不僅是金融業員工，同時也是消費者，換位思考後也更認同嚴謹的流程才能讓顧客放心。
>
- 相較於製造業，金融業有更多與人、服務有關的資料，讓分析與應用都更活潑
- 「資料」固然重要，但「人」更是金融服務的重要角色。

> 雖然AI人工智慧已成為不少金融業數位轉型的利器，但「沒數據，就沒答案」，對還沒發生過的問題，人工智慧無法提供解答。而金融服務裡有極多「尚未發生」的潛在需求，該如何發現它們？
>

- 透過實驗設計找答案，一半沿用舊方法，另一半嘗試新方式。試行一陣子後再來探討，究竟舊方法較合適，還是新方式更好

[**陳昇瑋談金融 AI 趨勢：AI 投資離「穩賺不賠」還很遠，它無法幫金融業者做長期市場預測**](https://buzzorange.com/techorange/2019/11/30/fintech-taipei-ai-in-finance/)

> 陳昇瑋首先談到，AI 已是國家層級的議題，到了 2030 年，全球的 AI 產值將會是兆元美金的等級。談論到各產業導入 AI 的狀況
>

- **金融業**: 比多數的產業更早導入 AI:因為在監理的要求下，金融業的資料比多數產業成熟，AI 導入較為容易
- **製造業**: 資料乾淨，因為資料來源是自家工廠，容易分析；
- **零售業**: 較為混亂，因為資料來源從消費者來，但每個人行為差異極大，對零售業來說，分析這類資料是不小的挑戰。

>陳昇瑋以證券交易為例，談論 AI 與機器學習的特徵與應用現況。分析證券市場時，交易員必須學習基本面分析、技術面分析、特徵工程等技術與交易規則
>
- 但規則對 AI 來說並不是必需的，只需要提供財報、籌碼等市場資訊，AI 就可以自己做預測
- AI 用財經新聞做**預測隔日**股價漲跌的話，準確度可達 **80% 到 85%**；雖然看起來還不錯，但把時間拉長到 **5 天以上**，準確度就會降低到**五成以下**
- 目前全球股市已經有 8 到 9 成交易是程式執行的，而全球十大對沖基金中，有 6 個導入 AI 協助交易，代表 AI 已在證券交易佔有一定的份量

>接著陳昇瑋談論 AI 用於市場分析的限制。陳昇瑋認為，要用 AI 取得高度預測準確性，前提是「過去發生的事未來還會發生」
>

- 問題是**市場常會有過去沒發生過的事件**，例如中美貿易戰，而 AI 開始應用於金融的時候，它也沒經歷過殖利率倒掛
- 目前 AI 可以協助做**短期交易**（例如當沖），但**難以預測長期趨勢**，這仍需要人類分析師的協助

## 國泰

[**【金融數位升級戰略】巨量資料＋宛如新創的高難度挑戰，跨界人才爭相競逐的科技金融寶庫底加！**](https://buzzorange.com/techorange/2020/01/02/cathay-data-team/)

近幾年以數據驅動（data driven as culture）為理念、進行全台灣最大數位轉型工程的國泰金控，**特地設立數位數據暨科技發展中心（簡稱數數發中心）作為集團數位策略大腦**，跳脫既有組織框架來為集團注入新血，並大力號召「數據人才」（data talent）加入。

> 矩陣式組織鍛鍊數據能力，讓同仁自行解決 8 成數據分析需求
- 在數數發，絕大時候需要與集團內的子公司或是跨部門合作，跟科技公司的組織編制很像，每一次合作都是以**專案式**的方式組隊
- 匯聚包含軟體開發、專案管理、行銷、法遵等不同部門的人在一起開發專案。
- 這個作法體現了「One Team」精神 — 藉由矩陣型組織**解決過去跨部門間缺少橫向溝通、各自為政的問題**。
- 數數發不希望在業務單位提出數據分析需求後，僅獲得一份報告，專案就此結束。因此，「數據人才培訓計畫」**讓提出需求的單位直接派人駐點在數數發**，透過技能培養、分析建模實作、執行應用等三階段來培訓其數據分析能力，共同激盪業務邏輯與發想創新商業應用。
- 從撰寫簡單程式碼、建模、了解資料表、模型實作與產出到調整模型等，數數發同仁手把手傳授數據處理與分析技能，經過此培訓，**業務單位同仁可以處理部門內 80% 的數據分析需求**

[**【迎戰Bank 4.0的關鍵武力】國泰金控如何打造數據力（上）-發展歷程大公開**
](https://www.ithome.com.tw/news/128467)

> 國泰從大量信用卡交易失敗的數據中發現，額度不足是許多授權中斷的關鍵原因，但許多顧客明明都還有臨時額度調整的資格，卻沒有發揮作用。

- **信用卡即時臨時調額功能**
- 當顧客到店家刷卡超過額度時，系統能在**幾秒內判斷**出顧客是否符合額度調整資格
- 直接發簡訊到顧客手機，點選同意後立即生效調高，顧客就能再次刷卡消費。
- 這項功能推出後至今，這一批信用良好符合調額資格的顧客，**平均每筆刷卡交易金額，足足提高了6成。**
- **傳統金融業**: 多半是靠名單主動聯繫顧客，稱為Outbound式行銷
- **數位時代**: 顧客會主動上門，透過App、網站等來尋求服務，這就變成了Inbound模式，銀行就要即時給出反應，甚至要做到互動式金融服務。

> 數數發設立目的是，以數位、數據與技術作為最強大的後盾，從金控層級協助各子公司的發展，發揮金控最大綜效，而非子公司各自發展，而產生重工或資源分配不均的狀況。
>

- 成立前3個月: 盤點金控現有的系統平臺、資料、業務應用狀況，第一個落地點，就是國泰世華銀行
- 國泰金控數數發協理-梁明喬在2016年5月接掌了銀行端的客戶經營部
- 部門的任務之一是要管理CRM系統，**產生各種報表、名單**來協助各業務部門的行銷活動。
- 梁明喬先停止了這類報表式的服務，**重新聚焦**。
- 從頭建立了一支資料科學團隊，細分出**資料工程**和**資料分析**等兩種不同任務的職務
- **IT執掌**: 資料系統的底層架構，如OS與網路
- **資料科學團隊執掌**: 負責資料分析的應用層管理
- 2年來，數數發透過多項專案，與集團內各子公司，包括人壽、銀行、證券、產險等合作來創造綜效。

[**【迎戰Bank 4.0的關鍵武力】國泰金控如何打造數據力（下）**](https://www.ithome.com.tw/news/128495)

> 一旦接手營業相關的專案，難免落入柴米油鹽的例行模式，若被專案帶著走，數據團隊的研發動能會降低。」察覺到這件事情，數數發決定在2017年底時，從資料團隊中，再獨立出一個資料科學實驗室(Data Science Lab)單位。
>

創立資料科學實驗室是為了要保有資料科學的技術能力

可研究的技術領域很自由，即便短期內看不到技術可以應用的金融場域，但仍會去評估技術是否有可以學習起來的價值，為未來的應用先行鋪路。

- **實驗室成員**: 研發新技術
- **資料科學團隊**: 協助技術落地
- **商業分析與行銷團隊**: 形成專案團隊讓應用實踐。

> 實驗室形式的團隊擁有鮮明的文化，成員得主動找問題、解決問題，還要懂得與他人分享，讓彼此有更多碰撞，才能激發出更多火花
>

- **自動自發地研究最新技術**: 習慣接受指派任務才會做事的人，不適合待在實驗室
- **來自各子公司的數據**: 可以發想最新的想法，不會只設限於單一產品或主題
- **每禮拜主動研讀最新論文**: 機器學習、深度學習都是最新的領域，持續鑽研論文，才能掌握最新的作法

> 銀行的信用卡催收案件數量一直增加，但為了以同樣的催收人力處理催收業務，數據團隊與催收及風管部門合作

- 透過大數據分析製作信貸催收評分卡模型，協助催收人員可集中火力在**高風險客戶**
- **低風險客戶**則改以**數位化**的自動通知方式來催收，例如寄送簡訊提醒
- 同樣規模的催收人力，可以**減少30％以上**的催收案量負擔。

[**國泰攜手蝦皮首創「蝦米貸」　信用小白賣家最高可貸到300萬**](https://www.ettoday.net/news/20200304/1659149.htm)

旗下國泰世華銀行，攜手蝦皮購物合作，即日起推出**大數據信貸商品「蝦米貸」**

無論是白手起家或是信用小白的蝦皮賣家，憑**本身商戶資訊與過往交易紀錄等非傳統金融數據**，即可線上申請信貸，核貸後隨即撥款入戶，最高可貸到300萬元。

## 中信
[**【賈景光 | 中信金技術長】：讓機器人當主管，銀行將變成科技公司 2019/07/18**](https://www.cw.com.tw/article/article.action?id=5096083)
- 金融業最近起了非常有趣的變化，他們都說自己變成科技公司。ING說自己是一家科技公司，只是剛好有金融業執照；DBS說自己愈來愈不像金融業，愈來愈像科技業；JPMorgan直接說自己就是科技業。這代表科技一定對金融業產生了非常大的衝擊。
- JPMorgan的CEO曾說，「**They are eating our lunch！**」（矽谷的公司正準備吃掉華爾街的午餐）
- 中信在數位轉型上的優勢
- 有將近1000萬數位客戶，而且數位客群的比例較同業高。
- 與純網銀不同，是走虛實整合的服務，不只有數位通路，包括ATM、分行、社群與客服中心，提供交叉的客戶體驗。
- 有創新的DNA。中信是第一家在台灣做網路銀行，也是第一個把ATM放進超商的銀行。
- 數位化不僅侷限於年輕人，數據顯示，年輕的族群確實使用數位通路的比例最高，但**40至60歲**的族群在**數位活躍度**佔比超過**60%至70%**。
- 為了要發展全方位有溫度的數位金融服務，需要三個基本能力：**知道客戶是誰**、**預想客戶下一步的需求**、**擁抱客戶**，意思是當客戶需要我的時候，我能主動快速提供服務。

[**中信銀大數據分析 2019/12/17**](https://www.chinatimes.com/newspapers/20191217000296-260205?chdtv)
- 中信銀指出，為持續洞悉客戶需求，中信銀以內部大數據資料庫分析各項變數，建立**線上換匯客戶模型**，發現有外幣需求的客戶近五成集中**大台北地區**，男女比約4比6，其中**40～45歲女性**更是換匯常客。若以職業別來觀察，**企業負責人**或**經理人**因有出差需求，平均每人每年線上換匯約三筆，頻率最高。

[**中信證券亮點APP 2019/10/09**](https://udn.com/news/story/7239/4094543)
- 中國信託綜合證券致力**創新金融服務**，推出的行動理財工具「**中信亮點**」App結合人性化功能介面，上市後深受使用者好評，日前完成改版升級，以**大數據分析打造AI選股模型**，讓投資人聰明理財、輕鬆投資，隨時隨地創造獲利機會。
- 以擁有專利的「**股票管理介面系統**」與「**買點雷達**」、「**歷史回測**」、「**e指停利**」三大突破性功能提供使用者便利的理財方式，至今已超過6萬人次下載，獲得年輕投資族群青睞。
- 根據個別投資人的**交易習慣**、**類股偏好**、**持股時間長短**等特性，透過**AI分析**建立**個人化商品模型**，優化選股流程，並藉由多重推薦引擎大量曝光相似股票，從近2,000檔股票中嚴選出個人專屬相關投資標的

[**中信銀三大AI發展方向 2020/02/25**](https://www.ithome.com.tw/news/135988)
- 中信銀在2018年初正式成立數據研發中心，負責用AI來加值業務場景的服務與產品，在今年初擴大成數據暨科技研發處。
- 為何要大力發展AI？中國信託銀行數據暨科技研發處處長王俊權歸類出以下三點：
- 數位通路使用者橫跨老中青三代，**20歲～60歲**使用中信銀的**數位通路滲透率皆超過6成**，表示數位已經是**跨通路**、**跨年紀**的趨勢。
- 不同的產品、服務，基本上都開始數位化，比如中信銀的**線上申貸率已達9成以上**。
- 當顧客使用中信銀的**多通路**時，他的**獲利**、**黏著度**、**滿意度**，也比只使用單一通路的顧客來得高。
- 中信銀在發展AI上，定調了3條研發路線，包括**機器視覺**、**機器對話**、**機器思考**。在機器視覺部分，要讓機器認人、認字認物、認人心，也就是推測客戶內隱的意圖。在發展機器對話，則要能聽懂指令、聽懂意圖、聊天聊商機，就是所謂的對話式銀行（Conversational Banking）。
- 中信銀在今天（2/24）宣布，與科技部臺灣大學人工智慧研究中心（臺大AI中心）、臺大智慧聯網創新研究中心（臺大IoX中心），簽署產學合作計畫，與臺大IoX中心教授鄭文皇攜手合作，結合**人臉情緒**與**微表情情緒**，發展可視化的辨識分析系統，並建立微表情與情緒訓練資料庫，還要開發計算微表情與人物性格關聯性的演算法，並發展**情緒識別模型**，未來可應用在人臉微表情分析，延伸為**線上身分核驗**、**分行數位迎賓**服務的技術基礎

[**中信銀致股東說明書 2018年報**](https://www.ctbcbank.com/twrbo/zh_tw/index/ctbc_aboutCTBC/ctbc_investors/ctbc_stakeholderreports.html)
- 擴大投入數位化發展與人工智慧創新服務研發
- 三個數位工程目標：
- 創造客戶數位體驗領先優勢
- 優化內部流程提升營運槓桿
- 奠基數位研發創新服務
- 四個方向的重點工作：
- 提供客戶便利創新的數位服務體驗
- 全面推動銀行內部的流程數位化
- 加速分行數位化進程
- 提供客戶線上線下無縫與優化的全新體驗
- 此外，中信銀行將憑藉積累的大數據量能，運用大數據科技，自建人工智慧技術，推動創新服務，以帶來全新的客戶體驗。

[**中信銀積極佈局兩大趨勢 2019/07/12**](https://buzzorange.com/techorange/2019/07/12/ctbc-bank-customer-observation/)
> 金融業常有盲點：只有年輕族群才有數位需求
- 根據中國信託銀行的調查，台灣 **50～60 歲**族群**使用智慧手機的比例高達 60％**，而台灣集點卡 Happy Go 在 2018 年的調查也顯示，**此一族群是支配所得最高者**，由這兩項數據可以看出，這個資產最多的族群，竟是金融數位服務最少者。
> AI、大數據是「用戶體驗」最佳利器，中國信託銀行怎麼做？
- 「Banking My Way 隨你數位」以大數據、AI 等創新科技，讓系統認識客戶，提供多元、客製化虛實整合的金融服務。例如帳號登入方式就多達 6 種，除了一般帳密外，還包括 3 種生物識別（指紋、臉部辨識、指靜脈）與 QR Code、圖形等兩種專利登入技術。
- **數位支付**是消費市場近年來的重要趨勢，「Banking My Way 隨你數位」納入 **Apple Pay**、**Samsung Pay** 與 **LINE Pay** 等目前台灣消費者最常用的 3 種行動支付工具創造便利的生活體驗。
> 全面整合數位系統，創造「無所不在」的金融體驗
- 應用於貸款作業，目前中國信託銀行已有 70% 以上的貸款種類可於線上完成，導入智慧化後，系統可經由 AI 判讀申請文件，並以智慧化機制進行審核，最快 1 分鐘即可完成審核、5 分鐘完成撥款。
- 透過 API 串聯旗下平台，讓金融服務融入客戶生活，並以 **AI 聊天機器人**優化客戶體驗，另外為強化服務效率，中國信託銀行也設計出**共享頁面**，使用者在操作介面出現問題時，只要按下網頁上的按鍵，客服端即可與使用者瀏覽同一頁面，在屏蔽個資的狀態下，協助客戶按步操作排除問題。

## 富邦

[**台北富邦銀行：大數據分析與金融科技應用創新有成 連續二年獲得國際大獎肯定 2018/04/25**](https://www.rmim.com.tw/news-detail.php?id=19281)
- 因應**Bank 3.0**浪潮，近年積極運用內外部資料進行大數據分析、資料採礦，找出客戶交易行為背後隱藏的金融需求，全面優化客戶服務體驗
- 將客戶在全台逾27,000台的**ATM**(包含自行與他行)交易資料納入分析範圍，並輔以客戶的**信用卡刷卡消費紀錄**，逐一描繪出客戶所屬的生活圈與日常偏好。未來將依客戶資料分析結果由就近的分行提供全方位金融服務，並扮演客戶的生活小幫手，提供生活圈內食、衣、住、行、育、樂優惠，進而提升客戶的**便利性**與**滿意度**。
- 發展**客群預測模型**，依客戶潛在需求提供協助，此外，北富銀亦透過龐大的數據資料，找出客戶**偏好的溝通時間**、**管道**與**潛在的金融需求**等，並建立不同客群的預測模型，以期在客戶有需求的時候，能於適當的時間、運用適當的管道提供協助。

[**創新佈局，提升市場佔率 2018年報**](https://www.fubon.com/banking/document/about/intro_FBB/TW/TaipeiFubonBank107.pdf)
- 建構**數位金融生態圈**，率先以人工智慧、區塊鏈、大數據等核心技術，開發結合場景與客戶需求之創新服務，包括：
- 讓客戶作主的「**行動銀行 5.0**」
- 對話式的 AI 智能投資理財體驗平台「**奈米投**」
- 全台首家融合科技、金融與親子教育的家庭式智慧分行「**e 家人分行**」
- 自建開發 **LuckyPAY**，提供自行客戶暢行全家、萊爾富等大型通路的多樣化選擇
- 與政大合作推出**校園區塊鏈**，開創全台區塊鏈支付落地商轉首例
- 與台哥大合作推出 **M+旺紅包**，為台灣首家推出即時通訊社群收發紅包的銀行

[**富邦金利用大數據強攻財管跨售 2019/02/18**](https://bigdatafinance.tw/index.php/data-visualization/low-frequency-stock/104-2015-06-24-14-05-24/finance/bank/737-2019-02-18-05-53-27)
>富邦金控董事長蔡明興提及，新的一年，富邦金將致力於**財富管理**和**跨售**二大重點
- 「我們的重要課題就是如何創造更多產品來滿足各年齡層客戶的需求」。例如對年輕客群提供**機器人理財服務**，就是所謂的**普惠金融**，對高端客戶則提供理財人員服務等
- 在競爭激烈的紅海中，希望未來利用大數據將跨售做得更深入，從金控層面的**大數據分析和各子公司合作**，挖掘更多跨售商機

[**金融創新「ABCD」 善用科技奪勝 2019/12/24**](https://www.gvm.com.tw/article/70076)
>北富銀資深副總陳弘儒：創新技術ABCD，個人信貸潛力大
- 金融科技即運用科技服務到傳統銀行無法服務到的普羅大眾，是為**普惠金融**。北富銀的金融科技，創新技術有四個面向「ABCD」
- **A**：**A**I（人工智慧）
- 過去只有高端客戶才有機會享受理專的客製化服務，北富銀推出智能理財平台「**奈米投**」，100美元（約3100元台幣）就可以進場，全球800檔ETF皆可做資產配置，讓一般民眾都能享有很好的**客製化投資建議**。
- **B**：**B**lockchain（區塊鏈）
- 北富銀正要推出**區塊鏈錢包App**，將區塊鏈應用於**跨行轉帳**，並送入監理沙盒實驗（風險可控制範圍內，讓業者於一定期間內，測試創新產品或服務）。
- **C**：**C**loud（雲端）
- 建立**雲端系統**，運用在**中小企業貸款**上，能進行智能甄審，過去完成中小企業貸款審核至少四個星期，現在同仁拜訪客戶，可以立即上傳申貸文件到雲端，後端立刻分析，即時為客戶核算出精準的可貸額度及申貸利率條件。
- **D**：**D**ata（數據）
- **數據分析**也是北富銀的發展重點，成立數據部門，提升對**客戶行銷的準確力**，譬如針對夜貓族推出夜間超商消費享有5％現金或LINE Points回饋的信用卡，這種精準行銷，讓客戶感受銀行非常了解自己。

## 小結: 機器學習/深度學習適合的做的事

### 適合:
- 對人類來說重複性高、但是難以完全規則化的任務
- 流程審核、圖像語音辨識
- 不需要精準歸因、可以運用大數法則、機會成本低
- 推薦系統
- 有千位以上的客戶去實現大數法則
- 效果不好頂多某一季績效比較差，不至於造成毀滅性損失

- 大量、且高維度數據
- 機器學習擬合速度快，也可以考慮好幾個變數的交叉效果
- 甚至可以把結構化資料(TABLE)、非結構化資料(語音、文字、圖片)放在同一個模型一起考量

### 不適合:
- 極為混沌、不確定性極高的系統
- 股市長期趨勢
- 足球賽
- 需要精準歸因、實驗數量少
- 一季一度資產配置決定
- 公司發展決策