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。