12　■ 財金資訊季刊 / No.95 / 2019.07

本期企劃〡輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用

輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用李永和 /昊青股份有限公司協理

一、 前言

人工智慧 (Artificial Intelligence,AI)是為

了輔助人類智慧 (Human Intelligence,HI)應運

而生，以數據資料深度學習 (Deep Learning,

DL)的類神經演算法，透過機器學習 (Machine

Learning, ML)找出問題的最適解，再藉由機

器學習不斷地練習下，產生自主學習模式，以

人工智慧協助解答人類智慧所產生的問題，達

成最終目的 (如圖 1)。

人工智慧的演進並不全然是為了取代人

類，而是要透過人工智慧的技術，輔佐人類加

快工作效率，因此企業如何應用人工智慧，才

是未來業務發展的關鍵。

圖 1　人工智慧應用示意圖

www.fisc.com.tw ■　13

輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用〡本期企劃

二、 淺談大數據應用

發展人工智慧，需進一步考量機器學習的

成熟部署，故仍須由數據端開始分析。企業需

先設有健全與成熟的數據管理機制，為人工智

慧系統打下基礎，運用有效工具輕鬆快速處

理資料，再經由數據分析結果進一步判斷與決

策。如果任一環節沒有到位，就貿然改以人工

智慧為重點的發展模式，那將會是一個難以跨

越的鴻溝。

因此為因應未來對數據資料處理的需求與

發展，傳統的分析工具與模式已不敷使用。企

業所應具備的不單是有效好用的數據分析平

台，更要具備良好技能組合的數據分析人員；

當企業內部凝聚導入數據分析平台的決心與共

識時，即可開始嘗試有效的數據分析工具，而

建立資料處理與分析的團隊，便是跨出採用人

工智慧的第一步。

以法國巴黎銀行的大數據應用為例，法國

巴黎銀行是國際化的金融集團，在全球 75個

國家設有分支機構，員工超過 19萬人，該銀

行在法國、比利時、義大利及盧森堡這四個國

家為 3,000多萬客戶提供服務，其銀行業務以

及國際金融服務業務在歐洲是首屈一指，法國

巴黎銀行集團不只擁有專屬分析部門與研究中

心，另外還成立了新商業智能團隊，並透過部

署 Tableau大數據分析工具平台，自動化產製

分析報告，大幅簡化數據分析與商業情報收集

的工作，且透過一個儀表板 (Dashboard)便

取代數百頁的報告，經由伺服器安全地分享資

訊，不必為不同部門製作不同版本的報告，節

省報告人員準備資料的時間，提升作業效率，

並提供員工所需的業務分析和訊息服務，創造

新的分析服務模式。

然而金融機構擁有大量的客戶資料，較其

他產業更具即時更新與真實性之需求。金融機

構將業務所需蒐集之法人客戶或個人資料，納

入大數據母體，透過身分認證獲取的客戶資料，

即是銀行業大數據的基礎，這些數據資料可用

以分析客戶的信用、資產、收入或負債。若能

善用這些巨量資料，以各種演算法分析出具有

意義的關聯性，再將個人化行銷資訊傳遞給對

的人，才能在瞬息萬變的市場中抓住商機。

三、 人工智慧之多元應用

(一 ) 客戶生命週期價值管理 (Customer

Lifetime Value)

金融機構可視客戶需求提供差異化服務，

將客戶依產業、屬性、以及需求等區分管理，

而客戶所接受到的行銷訊息、報價、訓練服務

等，亦應有所不同。為達業務利潤的最大化，

金融機構需要了解個別客戶財務狀況及理財偏

好，而人工智慧之數據分析，除可協助金融機

構達到此一目標外，亦可優化客戶關係管理，

藉由量化管理及預測客戶的潛在價值與生命週

期價值。

此外，評估客戶對長期業務之重要性，以

提供適切的互動與服務，再透過數據分析，可

進一步將最有價值之長期客戶進行資料分析，

找出更多具有類似特徵的潛在客戶，並專注於

最有可能帶入產值的潛在客戶，提升成功拓展

業務的機會，達成業務利潤之最大化 (如圖2)。

(二 ) 預防客戶流失 (Churn Prevention)

人工智慧可協助金融機構預測出可能離開

的客戶，並協助金融機構採取預防措施，因對

服務不滿意的顧客不一定會抱怨，有可能直接

14　■ 財金資訊季刊 / No.95 / 2019.07

本期企劃〡輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用

關閉帳戶離開，使用人工智慧數據分析工具來

預測哪些是高風險客戶，讓金融機構可採取預

防客戶流失的行動 (如圖 3、圖 4)。因留住現

有客戶的成本遠比尋找新客戶的成本來得低，

金融機構如能提前確定哪些客戶可能會離開，

圖 2　利用人工智慧工具建立預測模型，達到業務利潤最大化

圖 3　利用過往客戶資料建立客戶流失模型，預測潛在流失客戶群

以及其背後的原因，便可積極與客戶溝通，提

早解決問題，以改善失誤或不滿，另外在了解

顧客的不滿意原因後，便可以針對潛在且需要

改進的問題加以改善。

圖 4　人工智慧工具預測結果

www.fisc.com.tw ■　15

輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用〡本期企劃

以及其背後的原因，便可積極與客戶溝通，提

早解決問題，以改善失誤或不滿，另外在了解

顧客的不滿意原因後，便可以針對潛在且需要

改進的問題加以改善。

圖 4　人工智慧工具預測結果

(三 ) 風險控管 (Risk Management)

利用人工智慧工具可協助金融機構準確評

估風險，並採取適當措施以保護其免受威脅，

還可提高運營的可預測性。透過「資料科學」

(Data Science)可有效管理業務相關風險，準

確預測風險並量化潛在的負面影響，使金融機

構能採取防護措施，保護業務資料免受潛在威

脅和遭受負面衝擊，例如：可透過對債權人或

供應商的可靠性進行量化的風險評估，做為金

融機構經營業務及日常決策的參據。

是以每個企業都會面臨各種程度不一的風

險，從財務風險到供應鏈的不確定性，從天氣

狀況的影響到網絡威脅等。藉由嚴謹的風險控

管，即從識別風險、評估風險，到預測風險帶

來的影響等皆妥適管理，便可降低風險所帶來

的威脅。

(四 ) 預防詐欺行為 (Fraud Prevention)

詐欺行為會對金融機構的盈利和其他業務

成果產生負面影響，還會影響對客戶服務品

質，越快速與準確地發現詐欺行為，就越有可

能及時制止。利用人工智慧工具可以透過複雜

的識別模式進行觀察，並監視可能出現詐欺活

動的跡象，將大量數據套入模型應用中，以持

續觀察可疑跡象，其優點是可讓金融機構及早

發現詐欺行為，在產生破壞性影響之前採取必

要防範措施。(如圖 5~圖 10)

圖 5　資料前處理

16　■ 財金資訊季刊 / No.95 / 2019.07

本期企劃〡輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用

(五 ) 預防保險詐欺 (Insurance Fraud)

保險詐欺常出現在許多組織，如：金融服

務公司、保險公司、醫療保健提供商等，會對

企業的盈利能力和其他業務成果產生負面影

響，人工智慧工具可以改變詐欺檢測流程，透

過可用的數據來識別非顯而易見的保險詐欺模

式，並加以監控防範。(圖 11)

四、 人工智慧未來發展趨勢

根據 Gartner研究指出，預計至 2020年

底，已開發國家中會有 20%的民眾將人工

智慧應用於日常生活當中，而且也會有高達

85%的企業資訊長會透過購買、構建及外包

等方式，為企業部署人工智慧計畫而努力。另

外 PwC公司也表示 2018年的人工智慧的前

圖 6　信用詐欺資料模型驗證

圖 8　模型應用預測新客戶資料

圖 10　預測表現：準確率與混淆矩陣

圖 7　優化模型參數

圖 9 利用人工智慧工具建立決策樹模型預測信用卡

詐欺交易

www.fisc.com.tw ■　17

輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用〡本期企劃

十大趨勢包括：

(一) 深度學習：以模仿人類大腦的深度神經網

路，展示可以從圖像、音頻和文本數據中

學習的能力，將過程中無用訊息擠壓出

去，去除噪音雜訊，保留真正的訊息。

(二) 膠囊神經網路 (Capsule Neural Networks)：

運用與大腦結構相同方式處理視覺訊

息、識別特徵的層次結構邏輯關係，使

誤差減少，提高數據的準確度。

(三 ) 深 度 增 強 學 習 (Deep Reinforcement

Learning)：以模擬訓練方式，透過觀察、

行動和獎勵來與環境互動，進而從中學

習的神經網路演算法。

(四 ) 生成對抗網路 (Generative Adversarial

Networks)：減少生成網路下，需由兩個

互相競爭的神經網路組成的深層學習系

統的複雜性，生成對抗網路經由網路配

對擴展深度學習訓練，以處理更大範圍

的無監督任務。

(五 ) 精 簡 和 增 強 數 據 學 習 (Lean and

Augmented Data Learning)：透過模擬

或內插合成新的數據以取得更多數據，

從而擴大現有數據來改善機器學習。

(六 ) 概率編程 (Probabilistic Programming)：

以高級編碼程式語言及建模框架，處理

不確定或不完整資訊，讓開發人員快速

便捷地設計概率模型，提供必要抽象層

廣泛和有效地推論通用模組。

圖 11　透過人工智慧工具利用病患資訊訓練模型，預測醫療詐欺案件

18　■ 財金資訊季刊 / No.95 / 2019.07

本期企劃〡輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用

(七) 混合學習模式 (Hybrid Learning Model)：

混合不同種類的學習模式，充分利用每

一種方法的優勢，將問題擴大到對不確

定性進行深度學習，幫助提高模型之可

解釋性。

(八 ) 自 動 機 器 學 習 (Automated Machine

Learning)：使用多種不同的統計學和深

度學習演算法自動化學習工作，在用戶

沒有高級編程基礎下，自行開發機器學

習模型。

(九 ) 數位分身 (Digital Twin)：以建立虛擬模

型用於物理、心理系統的詳細分析與監

測，通過智能建模與系統動態學等技術

下，可擴大處理範圍，以做預測性診斷。

(十 ) 可解釋的人工智慧 (Explainable AI)：在

進一步開發機器學習技術下，讓人類對

演算法的計算可以充分理解，了解人工

智慧所建立的學習模型。

那麼在上述人工智慧的前十大趨勢中，如

何應用在金融業呢？從下列四大領域窺見一斑：

(一 ) 透過自動機器學習之技術，人工智慧可

了解客戶過去的消費行為，並預測行為

模式，為客戶提供準確的建議。

(二 ) 透過使用生成對抗網路之技術，於即

時交易鑑別出網路的安全性，構建有

效的系統安全解決方案。生成對抗網

路即為透過兩個對抗的網路運作，一

個產生器 (generator)和一個鑑別器

(discriminator)，產生器網路建立與真實

數據集完全相同的假數據，鑑別器網路

則分析假數據和真實數據，每一個網路

都和另一網路互相學習、且相互對抗，

執行時間一久，系統會變得更好更有

效，且在偵測可疑交易，以及早期發現

和預防網路安全威脅方面，尤具成效。

(三 ) 使用膠囊神經網路之技術，以視覺化之

方式自動識別客戶及文件，大幅提高作

業效率，如利用於開戶、貸款和保險之

發放及記錄等，人工智慧可驗證文件是

否真實，以及試圖申請貸款的客戶是否

為本人，再搭配其他現有處理貸款文件

的管理軟體，人工智慧已可提供前所未

有的自動化功能。

(四 ) 配合客戶參與平台，以人工智慧創造下

一代聊天機器人 (chat-bots)，回覆客戶

問題，有效減少客戶服務部門的負擔。

Gartner表示，至2018年底全球有超過

20億人定期使用對話式人工智慧與智慧

裝置上的虛擬客戶助理，進行互動。

另外，人工智慧將對金融業產生什麼樣的

變革？還有哪些發展趨勢呢？從以下分述說明：

(一 ) 蘇格蘭皇家銀行使用人工智慧數位助理

了解語音並回應客戶需求，透過電話和

即時回應來提高客戶服務滿意度。透過

機器學習，還可以協助金融機構預測客

戶喜好，在適當的時間為客戶提供合適

的產品，改善向客戶提供新產品與服務

的方式。並以這樣的技術分析先前市場

行銷活動資訊，與其他舊有相關訊息做

整合，預測並提出未來發展的可能性。

(二 ) 金融機構與保險公司可透過自動化流程

所提供的數據，順利導入人工智慧的預

測，比方說，溝通頻率、所討論的話題、

客戶對行銷訊息的反應等，都是定量

和定性數據，透過這些資料的收集與分

析，可以幫助建立模型來預測消費者行

為，例如：流失或購買傾向等。

(三 ) 金融機構與保險公司更可將人工智慧帶

來的巨大變化，納入未來策略的思考

中，例如：自動駕駛對保險會產生什麼

www.fisc.com.tw ■　19

輔佐金融業蛻變轉型的關鍵－從大數據到 AI應用〡本期企劃

影響？金融機構對於金融市場走勢 (如

非結構化數據、股票價格波動 )高度準

確的演算法預測為何？

(四 ) 對於傳統金融機構面臨更迅速及巨大的

競爭壓力，人工智慧可為改善客戶服務

提供一線生機，例如：臉部識別技術比

人類識別人員的準確度高 10~15倍。

人工智慧系統在客服中心的溝通回應方

面，也被證明比外包廠商做得更快更

好，例如：澳洲的西太平洋銀行，透過

視覺識別技術，讓客戶可以用手機拍照

以進行開卡。

(五 ) 除了提供前台服務外，人工智慧還提供

很多中後台的服務，例如：在信用風險

管理方面，金融機構正在利用機器學習

和規範分析所產生的演算法，來瞭解客

戶的還款模式，並預測違約。以一台價

值1萬~1.5萬美元的機器人來處理保險

索賠，為委由第三方處理數量的5~10

倍。另外，在PayPal的應用中，人工智

慧引擎不僅可以發現可疑交易，也可偵

測出欺詐事件。

惟應提醒的是，對於某些客戶問題，只有

透過人與人之間互動才有辦法解決，因此金融

業需要留意，在應用人工智慧提供服務的同

時，人員的服務也不可忽略，無論何時何地採

取人工智慧解決方案，最好是可以將人工智慧

與人力結合。

五、 結語

麻省理工學院史隆管理評論發表過一篇文

章，他們試圖找出人工智慧真正可以提供的核

心價值，而人工智慧真正的變革核心是計算與

自動學習方面的增進。對於人工智慧，會帶來

真正變化的重點在於其擴展性和預測能力。然

而，與任何創新一樣，企業首先應選擇漸進式

變革而非顛覆性的變革，這樣的改變方式，使

企業有機會在短期內利用一些具體的優勢，緩

解阻力，並提供創新與漸進式實現。基於這樣

的考量，金融業使用人工智慧來增進某些作業

的自動化，是一個很好的開始。此外，金融業

在人工智慧的導入，應先關注競爭優勢和後續

的業務可行性，作為人工智慧技術的早期採用

者，必須確保有一個策略性的框架來因應各式

的變化。金融業若以前瞻性態度來推動人工智

慧的導入，運用人工智慧增強工作產能，便很

有可能獲得短期和長期的效益，以及透過機器

學習以瞭解服務客戶的需求，藉由人和機器協

同運作，可為未來的工作做好準備，例如：產

品預測、客戶趨勢解讀等。歸納而言，人工智

慧應用的無限可能性正開始蔓延，終將融入你

我日常生活，成為無可或缺的一部分。(本論

述不代表本刊或財金資訊公司立場 )

※參考文獻 /資料來源：1. Tableau，https://www.tableau.com/。2. RapidMiner，https://rapidminer.com/。3. 4 AI Use Cases in Fintech in 2018 according

to PwC and Gartner，2017/12/26。4. How artificial intelligence and machine

learning are impacting financial firms，2017/11/30。

5. Three Steps to Adopt Artificial Intelligence in Banks and Insurance，2017/03/23。

6. How the financial sector is preparing for its AI-led future，2017/06/19。

7. Credit Risk Modeling，https://www.wku.edu/bdan/bdan_posters_2017/project2.pdf。