銀行における機械学習の応用シナリオは何ですか?

1. 機械学習プラットフォームとビッグデータプラットフォームの関係の明確化

[[346643]]

機械学習プラットフォームとビッグデータプラットフォームの間には厳密な関係はありません。たとえば、ビッグデータプラットフォームが登場する前から、多くの同業者がSAS、SPSSなどのモデリングツールを使用してモデリングを行っており、スコアカードなどの関連分野でも優れた成果を上げています。私たちの意見では、ビッグデータ プラットフォームと SAS などの従来のモデリング プラットフォームには次のような違いがあります。

しかし、ビッグデータ分野における銀行の急速な発展により、銀行業界におけるモデリング（機械学習）への影響は、主に次の3つの側面で比較的大きくなっています。

まず、ビッグデータ プラットフォームは、機械学習プラットフォームにビッグデータのサポートを提供します。優れたモデルは、継続的なデータ分析、反復、最適化を通じて開発されます。ビッグデータ プラットフォーム上の膨大なデータは、モデル探索のための豊富な原材料を提供します。

第二に、ビッグデータ プラットフォーム上の KAFKA などのリアルタイム データ ツールは、オンライン推奨、不正防止、リスク管理など、機械学習プラットフォームにリアルタイム データとリアルタイム シナリオを提供します。

3 番目に、ビッグデータ プラットフォームは、機械学習のための強力なコンピューティング能力と処理機能を提供します。 SPARK などのビッグデータ分散機械学習アルゴリズムの計算パフォーマンスは、SAS などのスタンドアロン バージョンと比較して大幅に向上し、計算能力がより強力になります。さらに、ビッグデータ プラットフォームはグラフ データベースと簡単に統合でき、グラフ アルゴリズムを適用することで、特定のシナリオでの機械学習機能が強化されます。

2. 機械学習プラットフォームは銀行建設のトレンドですか?

以上の状況から、機械学習プラットフォームはビッグデータの重要な原動力であることがわかります。このモデルは、従来のビジネスシステムよりもシナリオ主導型であり、ビジネスへの浸透力が強いです。機械学習プラットフォームの構築は、銀行の全体計画の一部である場合もあれば、偶発的なプロジェクト要件として提案される場合もあります。ただし、銀行は、このようなプラットフォーム、テクノロジー、アルゴリズムをできるだけ早く理解して学習し、人材の確保とプロジェクト管理（モデリング）の仕組みを確立し、将来のビジネスニーズやプロジェクトリスクに対処することが推奨されます。

銀行は機械学習プラットフォームをどのように導入しているのでしょうか？ほとんどの場合、科学技術省主導で行われており、プロジェクト主導の比率はわずかに低くなっています。たとえば、監査、分析プラットフォーム、マーケティング、リスク管理プロジェクトでは、ビジネスニーズが従来の方法で満たされるかどうかに応じて、機械学習プラットフォームの導入が必要になる場合があります。

3. 銀行における機械学習の主な応用シナリオ

分類、クラスタリング、関連付け、ディープラーニング、グラフアルゴリズムなど、一般的に使用される機械学習アルゴリズムを使用できます。アプリケーション シナリオを次の表に示します。

上記のシナリオ分析と組み合わせて、機械学習シナリオ研究分野の同僚に参考資料を提供したいと考えています。