无论金融机构是在寻求改善客户服务、风险管理、欺诈预防、投资预测还是网络安全，机器学习和人工智能的范围都是无限的。在现代数字经济时代，技术进步不再是企业的奢侈品，而是战胜竞争对手和业务增长的必要条件。随着近年来技术的进步，机器学习(ML)和人工智能(AI)的影响比以往任何时候都重要。之前，我们讨论了银行和金融服务领域的大数据和数据科学．在本文中，将详细解释ML和AI，以及银行和金融服务的范围。显然，为了成功和发挥影响，银行和金融机构需要使机器学习和人工智能成为他们的大数据和数据分析方法的扩展。在这篇文章中，我们会调查银行和金融服务中机器学习和人工智能的范围．

图片来源：数据科学中心

机器学习和人工智能在银行和金融服务中的应用范围

虽然最近机器学习成为流行语，但术语人工智能（AI）已经存在了60年。目前，人工智能已经成为我们银行、投资和保险不可或缺的一部分。一些金融机构已经投资人工智能多年。由于大数据、开源软件和云计算的进步以及更快的处理速度，其他公司现在开始迎头赶上。在80年代，人工智能的投资以专家系统的形式增长。根据普华永道，美国3中的2家银行尚未通过运营，法规和预算或资源限制而采用AI技术。

Fintechs在欧洲、美国和印度利用机器学习、API和AI

有很多金金气球员正在积极地利用机器学习和人工智能。访问分支机构，文书工作负荷以及寻求开放银行账户和/或贷款的批准的日子已经一去不复返了 - 感谢在线和自动贷款平台我的雄鹿那奥德克那Kabbage那借出那knab.和克纳布金融．我的雄鹿，这是一家总部位于卢森堡的金融科技公司，旨在通过将处理信贷申请的时间从一周多缩短到几分钟，使整个贷款流程变得极其简单，并对客户具有吸引力。

knab.（银行倒拼)是一家总部位于荷兰的金融科技公司，是欧洲金融服务业早期的破坏者之一。通过使用智能算法，Knab摆脱了所有的金融复杂性和客户的挫败感。Knab的系统在一个仪表板中显示客户的所有财务信息–即使该信息由另一家银行持有。这不仅仅包括来自银行账户的交易信息；它还包括抵押、资产、负债和其他相关数据。因此，客户可以更清楚地了解他们的整体财务状况，Knab能够将自己定位为一位值得信赖的顾问，依靠数字作为竞争优势。

克纳布金融班加罗尔的金融气公司（印度）为中小企业（中小企业）提供无抵押营运资本贷款。贷款申请流程简单而麻烦。据报道，该公司于2017年筹集了超过2.5克的CR来自2017年的其他公司vCircle．

我们都知道Paytm的成功典范。创新那自动化,以用户为中心的移情用户体验设计是银行业和金融部门成功的关键。除ML和AI外，API（应用程序编程界面）是金融气第三次强大的支柱驾驶创新．老牌银行已经感受到了压力。因此，银行现在正采取API路线，与创新的金融科技参与者合作，努力为客户提供现代解决方案。

人工智能和机器学习已经影响了我们与金融服务公司的互动方式。我们对亚马逊、谷歌、苹果、Flipkart、Paypal和Paytm的信任程度与任何一家银行一样高，甚至更高。因此，现在是银行和金融机构利用先进技术的时候了。目前，许多银行和金融机构正在增加ML和AI的应用在一系列服务和产品中。一些主要示例正在评估信用质量，保险和自动化客户互动。

虽然金融气运动员正在利用ML和AI来破坏生态系统，但对冲基金，经纪商和投资公司正在使用ML和AI来寻找较高的不相关回报并优化交易执行的信号。公共和私营部门机构都可以使用这些技术进行监管合规性，监测，数据质量评估和欺诈检测。

这印度Fintech到2020年，空间增长达到预期的24亿美元，2018年对该行业至关重要。看到这一点也很有意思阿达尔连杆机构（截止日期延长至2018年3月31日）关于印度的银行和金融服务。了解更多银行和金融化部门的最新ML和AI趋势在我们和英国．

什么是机器学习（ml）？

机器学习是一种有助于改善系统、网络和智能手机所提供服务的技术。机器学习和人工智能这两个术语有时似乎是相互关联的，但在计算领域却截然不同。

机器学习是一个研究领域，适用于计算机科学和统计的原则，以创建统计模型，用于将来预测（基于过去的数据或大数据)及识别(发现)模式的数据。机器学习本身就是一种人工智能这允许软件应用程序在预测结果中更准确地在不明确编程的情况下预测结果。这是一个概述大数据、机器学习、深度学习、人工智能、数据科学和物联网．

图片来源：威利斯帕克斯

机器学习的基本目标是建立能够接收输入数据并使用统计数据在可接受范围内预测输出值的算法。它提供了自动获得深入见解、识别未知模式和从数据创建高性能预测模型的能力，所有这些都不需要显式编程。

与如此多的估价技术和高估的流行语不同，机器学习不会消失。科技巨头喜欢谷歌、Facebook和亚马逊，已经使用机器学习来增强客户体验并加强数据安全性。阅读正在改变机器学习使用方式的10家公司．

机器学习的想法正在开发这种可以从系统执行的过去的事件中学习的软件。如果通过从过去的经验学习通过过去的经验，可以说，让我们以简单的方式把它放在那样。例如，计算机程序可以播放像十字架，国际象棋等的游戏，因为某些程序员已经编写了具有获胜策略的代码。然而，机器学习是一种没有预定义战略的技术，而它有一套关于右移动和赢得方案的一系列规则，程序必须通过重复播放游戏直到能够获胜。在银行和金融服务部门，机器学习可以应用于检测欺诈性信用卡交易或预测定价。

银行和金融部门的机器学习范围

该机器学习技术用于大多数银行和金融业，因为技术的正确含义可以给出未突出的结果，并且可以在更换遗留系统和开发企业方面看到显着的改进。机器学习技术帮助银行业和金融部门采取公司的决策，提高客户体验，提高后端和前端员工效率。

改善客户服务

无论在哪个行业，糟糕的客户服务仍然是消费者抱怨的主要问题之一。最初，投诉集中在客户服务缓慢，但随着自动电话支持的普遍使用，客户常常因为无法与人类交谈而受挫．机器学习应用程序能够通过分析以前的帐户活动并帮助客户通过银行和金融服务公司提供更好的产品选择来了解每个客户的需求。

图像信用：让我们谈谈付款

此外，机器学习技术使客户支持系统自动化，使机器学习技术能够访问数据，“了解模式”和“阐明行为”可用于创建自动化的客户支持系统，该系统可以模拟具有理解和响应不寻常问题能力的人工代理，从而降低公司成本和客户反馈。自动化支持系统的优点包括将客户引导到正确的部门，让他们可以选择使用自动化界面解决小问题，并使客户不必等待别人接听电话-没有人类的互动．

风险管理

机器学习技术可以成为寻求更好的风险管理的强大盟友。传统的软件应用程序基于贷款申请和财务报告中的静态信息来预测信用度。但是机器学习技术可以进一步分析申请人的财务状况由于目前的市场趋势和相关新闻项目可能会被修改。

机器学习可以通过将预测性分析实时部署到大量数据，识别跨多个账户（几乎不可能的人类投资经理）在多个账户中工作的流氓投资者。

投资预测

银行业和金融业的机器学习技术意味着交易员可以在预定价格上下订单，也可以在预定销售价格上存在，这可以避免交易员在价格从某个限制下跌时自动出售股票而遭受无法承受的损失。自动交易技术使大投资者和小投资者的交易更加容易。

近年来，对冲基金越来越多地远离传统的预测分析方法，并采用了用于预测基金趋势的机器学习算法。基金管理人员正在实施机器学习，以识别比传统投资模式更早的市场变化。

这机器学习技术颠覆投资银行业的潜力正受到主要机构的重视。摩根大通(JPMorgan)、美国银行(Bank of America)和摩根士丹利(Morgan Stanley)正在开发基于机器学习技术的自动化投资顾问。金融科技公司也可能效仿。

图片来源：普华永道

欺诈预防

任何金融服务提供商的最大责任是防止客户的任何形式的欺诈活动。金融欺诈每年花费美国500亿美元．保护客户账户安全的旧方法已经不够好了。随着数据安全技术的进步，犯罪分子也开始迎接挑战。为了保护客户数据不受日益复杂的威胁，机构和公司必须领先黑客一步。机器学习使应用程序能够通过超越罪犯来挫败安全漏洞。机器学习能够将每笔交易与账户历史进行比较，任何这样的异常活动，如非状态购买、大量现金提取等，都会发出危险信号，延迟交易，直到用户确认。

个人数字助理

谷歌、苹果、Facebook和微软率先推出了自己的虚拟秘书。谷歌的Allo、苹果公司流行的Siri、Facebook的M和微软的Cortana目前都代表着数字助手领域的最先进水平。每一个目标市场都有自己的优势和局限性。对于一家意图制造自己玩具的创新型金融科技初创公司来说，现在是考虑竞争的好时机，然后拿走在金融机构的业务办公室里最管用的东西。

营销

除了保证账户安全、改善风险管理和提供个性化投资策略外，机器学习也是一个很好的营销工具。基于过去的行为做出预测的能力是任何成功营销努力的基础。通过分析网页活动、移动应用使用情况、对之前广告活动的反应，机器学习软件可以预测针对特定客户的营销策略的有效性。例如,与谷歌的新分析360套装，机器学习成为营销人员在数字战略中如何使用这一技术的核心。

图片来源：麦肯锡

网络安全

即使在实施昂贵且越来越复杂的IT安全平台之后，大型组织似乎对现代网络攻击无能为力．机器学习技术可以完全识别可疑模式。智能模式分析的力量，结合大数据能力，肯定会给机器学习技术提供传统的非AI工具的边缘。

所以，现在是金融气的时候了使用机器学习才能超越竞争对手．两个都毫升和人工智能既试图提高计算机的能力，完成越来越多的抽象知识任务。到目前为止，机器学习一直专注于使用以往的结果中获得的信息来预测未来的结果，从大数据中获得可操作的见解，同时避免使用监督和无监督的方法对数据的底层或过度拟合。相比之下，AI比机器学习更远的几个阶段。现在，我们将调查AI及其范围。

图片来源：福布斯

欧洲数据科学与大数据分析中最佳硕士课程 - 第1部分

欧洲顶级大师课程为数据科学，机器学习，AI和大数据分析 - 第2部分

美国数据科学与分析硕士的顶级大学

加拿大顶级数据科学与分析计划

什么是人工智能（AI）？

根据约翰麦克斯特，人工智能之父，它是制作智能机的科学与工程，尤其是智能计算机程序”. 人工智能是计算机（及其系统）发展成功完成复杂任务的能力的研究领域，这些任务通常需要人类智能，如视觉感知、语音识别、决策和语言间的翻译。换句话说，人工智能关注的是解决人类容易但计算机难以完成的任务。

机器学习强调对未来的预测，而人工智能则专注于编程让计算机做出决策。如果你使用的智能程序涉及类似人类的行为，它可以是人工智能。然而，如果参数不是从数据中自动学习(或导出)的，那就不是机器学习。

图像信用：nvidia

发展人工智能技术背后的想法是使计算机的智能思维与智能人类的思维相似。人工智能旨在研究人脑的功能，比如人类如何学习、思考和逻辑解决任何问题，而人工智能技术的这种能力对银行业的影响比任何其他行业都大。每个金融机构都在应用人工智能技术，以跟上市场竞争和客户期望。

“人工智能可以帮助人们更快，更好，更便宜的决策。但是你必须愿意与机器合作，而不仅仅将其视为仆人或霸王。“- Anand Rao PWC Innovation Lead，Analytics。

图像信用：数字时代

银行和金融中人工智能的范围

客户参与度

通过人工智能技术的采用可以帮助银行和金融业通过快速解决具有了解自然语言的能力的基本查询来实现符合和更快的客户参与。自然语言搜索引擎和聊天（甚至语音机器人）可以克服客户端的船上问题，并允许客户以简单，立即和对话方式搜索“如何开设银行账户”的信息。

图像信用：contino

人工智能是一个非常有用的工具，可以更好地推荐客户。人工智能具有预测分析能力，可以帮助客户跟踪其支出，而不是储蓄，并推荐最佳金融服务，以限制其支出，从而确保未来的安全。目标是主动交流信息c客户在打电话给联系中心之前需要先联系。一个理想的例子是811 Kotak应用程序在印度。在美国,美国银行，摩根大通，城市银行我们也在快速前进。