【AI金融應用－大數據徵信】用機器學習提高客戶信用評價精準度

螞蟻金服的大數據徵信服務「芝麻信用」，是在傳統信用評估之上，再增加網路金融平臺所掌握的大數據資訊，透過機器學習技術給出每個用戶的信用評價。

傳統的信用機制主要評估信用歷史、身分特質及履約能力，螞蟻金服則再連結更豐富的活的數據，包括用戶行為偏好、人脈關係，以更多的用戶資料為基礎，透過深度學習技術給出用戶的信用評價與信用分數，也就是芝麻分，而分數越高，代表個人消費信用越好。

螞蟻金服首席技術官程立表示，芝麻信用與傳統金融機構的信用體系並不衝突，與金融業者的產品結合，能夠幫助銀行更好控制用戶信貸分析，而原本無法獲得銀行信用的用戶，也能夠更好地獲得銀行的信用，所以與銀行整個信用體系是互補的方式，藉由相互合作可取得比較好的效果。

在與銀行合作的實際驗證下，銀行的審核通過率提升7%，逾期率降低0.3%，並可在占銀行總客戶30％的高風險客戶中，辨別出80％的詐欺客戶，程立指出，對逾期率的控制，降低0.3%已經是很大的改善了。

用芝麻信用這樣有別於傳統信用評估的機制為用戶打分數，這樣的信用評價是否可信呢？程立表示，經比對分析用戶的租車與訂房行為，證實芝麻信用評分越高，整體逾期率就越低，代表大數據信用評估模式可行。

以深度學習技術識別信用

螞蟻金服的大數據徵信仰賴從網路服務收集來的更多用戶資訊，再由深度神經網路演算法自動分析，依據用戶的信用歷史、履約能力、身分特質、行為偏好與人脈關係等5大項目綜合判斷，由機器學習系統自動評判用戶的信用。

相關報導「AI新金融」