• AI Paas化平臺 MaximAI
    天云分布式數據科學平臺是基于 Hadoop/spark 分布式底層架構的機器學習及建模產品。
  1. 1
    某全國性股份制商業銀行的信用卡風險評分模型

    基于信用卡申請和交易行為數據,衍生新的特征變量,構建信用卡風險預測模型,依據風險概率劃分風險等級,分等級進行額度調整,降低信貸風險。

     

  2. 2
    某全國性股份制商業銀行的信用卡申請反欺詐預測模型

    根據信用卡客戶的社交信息和欺詐客戶信息,制定鏈接規則,以信用卡客戶為節點,構建客戶社交網絡;定義并計算社交網絡特征;綜合客戶的申請信息和社交網絡特征,構建客戶特征向量,進而構建信用卡申請欺詐預測模型,進行欺詐用戶分類,發現欺詐客戶,降低信貸風險;

  3. 3
    某全國性股份制商業銀行的循環授信傾向響應模型

    針對信用卡中心循環貸業務受到現金分期、賬單分期等影響,呈現循環客戶利息收入下降趨勢,貸款收益率下降的問題,采集現有循環貸業務的客戶響應數據,建立循環授信傾向響應模型,根據預測結果采取相應的業務措施,提升循環貸收益。

  4. 4
    某全國性股份制商業銀行的客戶分群模型

    利率市場化是指金融機構在貨幣市場經營融資的利率水平由市場供求來決定。將現存信用卡客戶進行分群,確立各群體的風險等級是風險定價、利率市場化的第一步,也是最為關鍵的一步。我們利用銀行提供的十萬余名信用卡客戶數據,利用聚類算法構建兩次客戶分群模型,打造穩定性高、維護性強、群體間具明顯差異的客戶分群模型。

  5. 5
    某全國性股份制商業銀行交易反欺詐預測模型

    分析信用卡客戶基本信息、卡屬性信息和交易行為信息,對交易行為特征進行特征衍生,利用梯度提升模型構建交易反欺詐預測模型,發現欺詐客戶最大限度地降低欺詐損失額。

  6. 6
    某全國性股份制商業銀行的現金分期響應模型

    通過歷史現金分期營銷數據建立模型,進而提高電信營銷響應率及其分期收益:通過對歷史現金分期業務電銷活動的數據分析構建營銷響應模型,繼而預測篩選辦理此業務的高概率客戶;在此基礎上建立營銷收益模型,篩選出使銀行更易獲得高收益的優質客戶。

  7. 7
    某證券股份有限公司場外配資預測模型

    配資交易鑒于其杠桿交易的本質,增加了投資的風險和波動。過多的配資交易賬戶的存在會導致市場的波動程度加劇,容易導致市場性恐慌,查處配資賬戶是穩定市場,保證市場平穩發展的必要措施。通過對已經查處的配資賬戶的交易行為進行學習,發現配資賬戶區別于普通賬戶的隱藏行為模型和特點,基于已有特征衍生新的體現交易行為變化的特征,并在此基礎上建立場外配資預測模型,計算出賬戶是潛在配資賬戶的可能概率,并判斷其是否為配資賬戶。

     

  8. 8
    某股份制保險公司保險產品個性化推薦系統

    利用推薦方法,對客戶的保險購買記錄或其他屬性進行分析,在客戶群體中找到與目標客戶興趣相似的鄰居客戶集合,綜合這些鄰居客戶的購買記錄,形成系統對目標客戶在保險類型偏好方面的預測,根據預測結果對目標客戶進行推薦,實現保險產品的個性化推薦。

  9. 9
    某股份制保險公司客戶流失預警系統

    通過對已流失的客戶數據進行邏輯回歸建模,形成流失模型。將未流失客戶代入到模型中,計算未流失客戶的流失概率可能性。并根據客戶群體的共性找到服務的個性,針對不同流失概率的未流失客戶提供不同等級不同角度的客戶服務。

     

  10. 10
    某股份制保險公司客戶客戶分群系統

    通過對客戶購買產品、客戶價值、客戶關系、客戶行為的不同視角的分析,根據每個客戶的個體特征,通過聚類算法將客戶進行分群。重塑客戶個性臉譜,指導實際營銷活動;

  11. 11
    石油行業油井故障類型識別模型

    在油井開采中,對抽油井井下故障進行預測和診斷,通常是通過人工對示功圖憑經驗判斷。這種方式不僅需要大量人力成本,而且判斷不及時,更無法對可能發生故障的油井進行預判,導致了價格高昂的油井損壞甚至報廢。由于泵示功圖包含了抽油井故障的豐富信息,我們從泵示功圖的概念和表示出發,建立故障類型識別模型,實現抽油井井下故障的預測和診斷。

  12. 12
    石油行業智能地層比對模型

    地層對比的目的是在已經分出層位的老井附近為新井分出層位。傳統地層對比研究周期長、認識標準不一、成果通用性差;我們將原有的分層數據及曲線特征進行特征抽取,利用機器學習模型建立比較準確的智能地層對比模型,實現智能地層對比劃分,可大幅度降低老井復查繁瑣重復的工作量,降低時間、成本,提升準確率,實現基礎地質研究工作從傳統人工方式到自動化、智能化方式的轉變。

  13. 13
    石油行業碳酸鹽巖油藏智能新井井位優選

    以海量的屬性數據為基礎,建設數據驅動模型,以量化評價有效儲層及流體含油性為目標,提高地震屬性的綜合利用率及評價預測結果的準確性,為碳酸鹽巖油藏儲量“甜點”評價、井位優選提供高效、客觀、準確的技術支持。應用大數據建立知識模型,優化算法,求取通往油氣之路的最優解。碳酸鹽巖油藏見水風險分析。對碳酸鹽巖縫洞型油藏流動單元進行分類,根據生產歷史數據及見水案例,運用大數據方法,對未見水單元、井進行評價,動態數據變化情況,水錐、人工水線方向。

竞彩微信投注