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．本文将详细介绍ML和AI，以及它们在银行和金融服务中的作用范围。显然，为了取得成功并产生影响，银行和金融机构需要将机器学习和人工智能作为大数据和数据分析方法的扩展。在这篇文章中，我们将研究银行和金融服务中的机器学习和人工智能领域．

图片来源:数据科学中心

银行和金融服务中的机器学习和人工智能领域

机器学习是最近才成为热词的，而人工智能(AI)这个词已经存在了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。根据普华永道在美国，由于运营、监管、预算或资源的限制，三分之二的银行尚未采用人工智能技术。

Fintechs在欧洲、美国和印度利用机器学习、API和AI

有相当多的金融科技公司正在积极利用机器学习和人工智能。由于有了像这样的在线和自动借贷平台，过去的日子已经一去不复返了我的雄鹿，OnDeck，Kabbage，借了，Knab和Knab金融．我的雄鹿总部位于卢森堡的金融科技公司，旨在通过将信贷请求的处理时间从一周多缩短到不到几分钟，使整个贷款流程极其简单，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。

Knab金融这家总部位于班加罗尔的金融科技公司向中小企业(SMEs)提供无担保流动资金贷款。贷款申请过程简单，没有麻烦。据报道，该公司在2017年从InCred和其他公司筹集了超过2.5 CrVCCircle．

我们都知道Paytm的成功典范。创新，自动化,以用户为中心的移情UX设计是银行和金融业成功的关键。除了ML和AI，API(应用程序编程接口)是推动金融科技创新的第三大支柱．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的应用在一系列的服务和产品。一些关键的例子是评估信用质量、保险和自动化客户交互。

当金融科技参与者利用ML和AI来破坏生态系统时，对冲基金、经纪商和投资公司正在使用ML和AI来寻找更高不相关回报的信号，并优化交易执行。公共和私营部门机构都可以将这些技术用于法规遵从、监视、数据质量评估和欺诈检测。

的印度Fintech到2020年，航天业预计将达到24亿美元，2018年对航天业来说将非常关键。同样有趣的是，它的影响Aadhar链接（最后期限延长至2018年3月31日)的银行和金融服务。知道更多关于银行和金融科技领域最新的ML和AI趋势在我们和英国．

什么是机器学习?

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。

机器学习是一个应用计算机科学和统计学原理来创建统计模型的研究领域，这些模型用于未来预测(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使得软件应用程序在无需明确编程的情况下就能更准确地预测结果。这里是一个概述大数据、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构建能够接收输入数据并使用统计数据预测可接受范围内的输出值的算法。它提供了自动获取深度洞察、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。

与许多被炒作的技术和被高估的流行语不同，机器学习不会消失。科技巨头谷歌、Facebook和亚马逊他们已经在使用机器学习来提高客户体验和加强数据安全。读到正在改变机器学习使用方式的10家公司．

机器学习的想法是开发这样的软件，可以从过去在系统上执行的事件中学习。让我们简单地说，如果计算机程序是通过学习过去的经验来执行的，那就可以说是学习过的。例如，一个计算机程序可以玩像十字架、国际象棋等游戏，因为一些程序员已经编写了带有获胜策略的代码。然而，机器学习是一种没有预定义策略的技术，然而，它有一套关于正确的走法和获胜场景的规则，程序必须通过反复玩游戏来学习，直到能够获胜。在银行和金融服务领域，机器学习可以用于检测欺诈信用卡交易或预测定价。

机器学习在银行和金融领域的范围

机器学习技术被广泛应用于银行和金融行业，因为适当的技术内涵可以带来显著的效果，在替代传统系统和已开发企业方面可以看到显著的改进。机器学习技术帮助银行和金融部门制定公司决策，改善客户体验，提高后台和前端员工的效率。

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，客户经常因为不能与人交谈而感到沮丧．机器学习应用程序能够通过分析之前的账户活动了解每个客户的需求，帮助客户更好地选择银行和金融服务公司提供的产品。

让我们来谈谈支付

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

在寻求更好的风险管理方面，机器学习技术可以成为一个强有力的盟友。传统的软件应用程序基于来自贷款申请和财务报告的静态信息来预测信誉。但是,机器学习技术可以进一步分析申请人的财务状况因为它可能会被当前的市场趋势甚至相关的新闻所修改。

通过实时对大量数据进行预测分析，机器学习可以识别在多个账户上协同工作的流氓投资者(对人类投资经理来说几乎是不可能的)。

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放弃传统的预测分析方法，采用机器学习算法来预测基金趋势。基金经理们正在实施机器学习，以比传统投资模式更早地识别市场变化。

的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

欺诈的预防措施

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。金融欺诈每年给美国造成500亿美元的损失．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。

市场营销

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Analytics 360套装在美国，随着营销人员努力应对如何在其数字战略中使用这一技术，机器学习进入了中心舞台。

图片来源：麦肯锡

网络安全

即使在实现了成本高昂且日益复杂的IT安全平台之后，大型组织似乎也会这样做对现代网络攻击无能为力．机器学习技术可以完美地识别可疑模式。智能模式分析的力量，加上大数据的能力，无疑使机器学习技术比传统的非人工智能工具更具优势。

所以，是时候让金融科技使用机器学习来打败你的竞争对手．这两个毫升和人工智能都在努力提高计算机完成越来越多抽象知识任务的能力。到目前为止，机器学习一直专注于使用从以前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非监督方法对数据进行欠拟合或过拟合。相比之下，人工智能比机器学习进步了好几个阶段。现在，我们将研究人工智能及其范围。

图片来源：福布斯

欧洲最佳数据科学和大数据分析硕士课程-第一部分

欧洲顶尖的数据科学、机器学习、人工智能和大数据分析硕士课程-第2部分

美国顶尖的数据科学与分析硕士大学

加拿大顶级数据科学和分析项目

什么是人工智能（AI）？

根据约翰Mc Carth，人工智能之父，它是制造智能机器，特别是智能计算机程序的科学和工程”。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的智能，如视觉感知、语音识别、决策和语言之间的翻译。换句话说，人工智能关注的是解决对人类来说很容易但对计算机来说很难的任务。

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。

图片来源:英伟达

开发人工智能技术的初衷是让计算机能像人类一样进行智能思考。人工智能是在研究人类大脑功能的基础上设计的，比如人类如何学习、思考和逻辑解决任何问题，而这种人工智能技术对银行业的影响超过了其他任何行业。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做出更快、更好、更便宜的决定。但你必须愿意与机器合作，而不是把它当作仆人或霸主。——Anand Rao普华永道创新主管，分析。

图片来源:数字时代

人工智能在银行和金融领域的应用

客户参与度

人工智能技术的采用可以帮助银行和金融业通过理解自然语言的能力快速解决基本问题，从而实现一致和更快的客户参与。自然语言搜索引擎和聊天机器人(甚至是语音机器人)可以解决客户入行问题，并允许客户以简单、直接和对话的方式搜索信息，如“如何开立银行账户”。

图片来源: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应用，Kotak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。