人工智能冲击金融业，客户和银行的优先事项发生冲突

在之前的文章中，我分享了大数据在电信行业中的一些挑战、好处和趋势。这一次，我将根据之前IBM对该行业的研究和一些个人经验，重点关注金融服务行业。

没有实物产品的行业

大数据在金融服务行业的价值承诺尤其与众不同。由于没有实物产品可提供，数据、信息来源——毫无疑问是其最重要的资产之一。银行和金融服务业务充满了交易，每天有数亿笔交易，每笔交易都为行业庞大的数据海洋增添了新的一行。那么，许多行业公司面临的问题是如何培养和利用这些信息来获得竞争优势？Investopedia 表示，不断增长的数据量在金融行业将变得非常重要。他们显示的统计数据显示，每天创建 2.5 万亿字节的数据。超过 90% 的已知数据都是在过去几年中开发的.该行业的公司不得不应对日益多样化和要求越来越高的客户群，这些客户群坚持在一天中的任何时间以新的和多样化的方式进行沟通。尽管结构化行业数据的规模和范围不断扩大，但非结构化数据的世界正在成为越来越庞大和重要的信息来源。投资银行家、财务顾问、客户经理和其他员工必须掌握及时和相关的信息才能做出更好的决策，同时不能忽视行业的监管要求。银行和金融服务行业也不能幸免于社交网络的增长，因为其声誉和品牌是由其客户及其个人网络讨论的。有用数据的创建现在超出了银行的控制范围。大多数研究表明，尽管金融服务行业通常是技术最先进的行业之一，但大数据计划仍处于规划和发展阶段。该行业正在采用务实、注重结果的方法。大数据最有效的战略首先确定业务需求，然后利用现有基础设施、数据源和分析解决方案来支持业务机会。以下是主要方法。支持业务机会的数据源和分析解决方案。以下是主要方法。支持业务机会的数据源和分析解决方案。以下是主要方法。

以客户为中心的分析主导大数据计划

大部分行业计划都专注于以客户为中心的目标。他们正在努力为客户提供更好的客户服务。大数据依赖于可扩展和可扩展的信息基础。只有组织实施支持数据快速增长、速度和多样性的信息基础，才能实现显着和可衡量的业务价值的承诺。多年来，连接整个组织的数据孤岛的能力一直是商业智能的挑战，尤其是在银行中，并购已经产生了大量且成本高昂的数据孤岛。这种集成更为重要，但与大数据相比更为复杂。尽管一些银行已经在使用 Hadoop 和其他相关技术进行试点，但仍有很长的路要走。

金融业在其大数据算法中使用的变量

根据Home Equity Wiz的说法，有许多变量可以发挥作用。以下是金融行业大数据算法所依赖的一些因素。

您的收入和信用评分

大数据算法严重依赖信用评分数据。借款人需要证明他们已经有大约两年的稳定收入才能获得房屋净值贷款或 HELOC。您的潜在贷方还将进行信用检查，以查看您当前的信用评分。从本质上讲，贷方正在评估向您提供这笔所要求资金的风险。大多数贷方会要求您的信用评分至少为 620。较高的信用评分将提高您的机会。

股本金额

人工智能工具也关注股权价值。为了考虑这些机会，您需要在当前的房地产投资中拥有 15% 到 20% 的股权。未偿还的抵押贷款余额和信用额度或贷款额度合计不得超过您房屋价值的 85%。当您的贷款/价值比率较低时，这将增加您获得贷款批准的机会。

债务和收入比率

贷方使用大数据算法来非常复杂地查看您的债务和收入比率。该比率考虑了您的每月债务，包括您将通过新贷款承担的金额。这个数字除以您的月收入。当您的总体比率非常大时，这表明贷方您违约贷款的可能性更高。这并不总是银行愿意承担的风险。一些贷方将允许您的债务和收入比率为 50%，但典型金额约为 43%。

要求会根据您选择的贷方而改变吗？

每个金融机构都有权以他们认为合适的方式开展业务。某些老客户可能会收到与刚进门的客户不同的要求、费用和利率。当涉及到他们愿意承担的风险时，每个贷方都有自己的限制。这是因为在房屋净值贷款和 HELOC 方面存在大量联邦和州法规。美国财政部设定了最高利率，但您不会发现许多适用于费用和成本的法律。您通常可以在贷方网站上找到有关费率和费用的一些信息。您也可以致电预约以获取更多信息。不要忘记调查信用合作社。在大多数情况下，它们的要求较少。

大数据正在改变金融业

2019年金融行业正在发生一些变化，我们需要意识到大数据所扮演的角色。机器学习和人工智能将对金融精算师发放贷款的方式产生深远影响，因此消费者需要做出相应的调整。