欢迎体验得助产品
手机号码
欢迎注册得助智能
注册尚未完成
现在离开将导致注册失败确定要退出吗？
填写时间过长
页面已停止响应
请在30分钟内完成填写
登录成功
请选择您感兴趣的产品
得助大模型平台
模型训练平台
一站式服务简化大模型训推评全流程
智能体平台
高效、低成本构建大模型企业级应用
知识管理
财富助手
为财富顾问提供一站式智能问答服务
知识助手
组合式AI打造大模型企业知识助手
智能客服
全媒体呼叫中心
全渠道全媒体、一站式AI+呼叫中心
语音机器人
外呼大模型加持，听得准确说得自然
文本机器人
即时文本对话，自研知识引擎
智能陪练
大模型拟真，千人千面沉浸式AI对练
智能运营
音视频服务平台
全场景自研AI+RTC实时音视频服务
OCR识别
高精度、高安全的图文检测识别服务
智能RPA
AI+RPA深度融合，赋能企业自动化
多模态防伪
全链路生物数据核验，守卫安全防线
多模态质检
大模型赋能合规，金融级多模态质检
对话式BI
自然语言交互，可视化智能分析数据
企业出海
全媒体呼叫中心(海外版)
企业跨语种无界沟通，赢占国际市场
文本机器人(海外版)
多语言国际服务，跨时区沟通无障碍
语音机器人(海外版)
多语言智能交互助力全球营销与服务
智能质检(海外版)
大模型赋能国际企业多模态质检服务
智能营销
企微SCRM
智能营销服引擎，高效转化私域流量
营销平台
打通营销全链路，赋能企业增速业务
企业直播
打造超低延迟、超稳定的直播平台
其他
通用人力外包
为企业提供多场景、高质量专业服务
线路
安全稳定、应用多场景的线路服务
描述具体需求(选填)
欢迎微信扫码咨询
中关村科金得助智能-小得
成功案例
2025-06-23 16:35:00
作者：JIfan
阅读量：101
文章目录
北京某商业银行在开展零售信贷业务的过程中，由于客户征信数据单薄、行内可用于风控的存量样本数据太少，造成客户申请到授信阶段的转化率过低和客户流失。于是通过和中关村科金得助智能合作升级银行信贷智能风控大模型，构建多维数据融合模型，提升了风控识别精准度、拒量回捞效率提升10%+、逾期率小于1.0%，大大提升模型识别精准度，有效降低误识率和对客影响。
个人零售信贷业务已经是红海市场了，北京某商业银行作为一家资产规模突破1000亿的区域性银行，他们针对这个业务的某产品本来因此成为打开消费市场的工具，但在实际运营中也面临着难题。
"我们就像在薄冰上跳舞。"该行零售金融部负责人的比喻一针见血。由于才开展业务，超过60%的申请人只有基础征信记录，没有历史借贷数据，因此原来的信贷风控大模型就像一个"近视眼"一样，把大量的潜在客户错判为风险人群，于是从客户申请到授信阶段的转化率过低。
当然这个问题不仅仅是这家银行的问题，更是众多中小银行面临的难题，急需升级现有的风控大模型。目前
2024年中国零售信贷智能风控解决方案市场规模达到65.41亿元，于是中关村科金得助智能风控大模型也加入这个战场，帮助银行升级风控系统。
中关村科金得助智能提出的"数据+模型+场景"三位一体风控体系，在原有风控模型基础上，新增基于贷后业务数据的风控模型，从而构建多维数据融合模型。
（一）构建多纬度数据信息
基础数据：将原来银行的交易数据、征信数据等结构化信息，通过相关技术挖掘隐含关联关系，构建基础数据。
消费数据：接入消费、出行、教育等场景数据，实现风险评估的"立体化"。
（二）智能风控大模型新增和优化
1.新增自营贷后业务监控大模型，通过整合零售信贷后的相关业务数据和外部数据，实现风险评估、欺诈识别等能力，确保资产安全，降低逾期率。
2.优化16个征信模型：对个人基础信息、信贷记录、消费数据、公共记录、社交数据等进行优化，提升征信模型的精准度。
3.贷后模型：重构32个外部数据源模型，建立资金流向追踪算法。
4.建立融合模型分：包括百助分、洞察分、人行个人征信变量及评分模型包。
（三）场景深耕：个人自营业务
针对个人自营业务，根据现状诊断报告梳理的问题和不足，优化升级贷后资金异常监控模型工具和手段，特别是针对资金归集和“信贷资金流向行外”模型进行重点优化方向。针对贷后资金监控进行防控升级，贷后资金监控模型策略优化升级。
在北京某商业银行的落地实践中，这套智能风控体系展现出惊人的效果：在原有风控模型基础上，完善升级风控模型体系，构建多维数据融合模型，有效提升风控识别精准度。
风险识别精度提升：模型KS值从0.32提升到了0.58，这代表着风险区分能力提升80%；
拒量回捞效率提升10%+：建立融合模型分后，识别出大量的被拒客户，进行系统二次评估，重新计算风险分，进行客户回捞。经测试，拒量回捞效率提升11%左右，增加了大量的优质客户。
逾期率小于1.0%：经多轮策略迭代与风控大模型的优化，让整体逾期率稳定控制在1.0%以下，保障银行资金的健康流通。
贷后风控咨询方面：优化升级贷后资金异常监控模型工具和手段，大大提升模型识别精准度，有效降低误识率和对客影响。
1.智能风控大模型冷启动面临哪些问题？
由于业务才开展没有历史相关数据，所以风控大模型会缺乏训练的数据，造成模型的不准确，可以借助第三方平台、专家规则或迁移学习等手段，快速构建同时逐步优化调整。
2.智能风控大模型迭代速度很慢怎么办？
传统风控大模型优化迭代的时间比较长，难以应对快速变化的风险，可以建立自动化模型训练、评估和部署流程，缩短优化周期，提升响应速度。
得助智能风控大模型为银行零售信贷业务风险管理带来新的解决方案，面对数据缺少、优化迭代慢等难题，通过引入第三方数据、迁移学习及构建自动化流程等手段解决。如果你也想升级风控大模型，可以联系我们哦！
在数字化转型浪潮中，政法系统正加速迈向智能化变革。中关村科金凭借在大模型技术领域的深耕，与天津、郑州...
最近在小红书上刷到不少人在吐槽OA流程繁琐，提交非常麻烦！所以提升效率才是王道。今天给大家分享一个中...
银行营销数字化转型是应对资产荒的关键，需从产品中心转向用户中心，构建全域私域营销体系。中关村科金得助...
科技飞速发展，证券行业竞争日益激烈，客户对服务质量的要求越来越高，而员工培训效率低、产品知识更新滞后...
最近发现中国船舶集团有限公司综合技术经济研究院的操作就特别好，他们和中关村科金得助智能合作搭建的大模...
某大型银行携手中关村科金，以AI+RTC技术重构双录系统：身份核验、实时质检、弱网自适应等8项AI能...
成功案例 
精选案例
华瑞银行利用智能风控系统 实现平均特征响应时长小于100ms，日交易量200万笔
湖南银行：智能风控风控助力湖南银行实现风险决策智能化升级
相关产品推荐
热门文章
专题推荐
