银行和卡业的云信用决策系统：以更低的风险和最优的定价更快地推出新产品（英）

进行信贷决策系统在银行业和卡片 以更低的风险和最优的价格更快地推出新产品 原生云决策系统 越来越多的金融机构迁移到云的原因有很多，包括更高的灵活性和快速将新产品推向市场的能力。预计到2024年，银行的云支出将增加15%，而同期整体IT预算将增加4.5%。1.他们如何将应用程序迁移到云可能会对他们是否实现预期的业务成果产生重大影响。 1IDC，“云上的银行业务：2021年CloudPathSurvey的结果”，2021年。 而不是简单地提升和转移现有应用程序 ， 云原生方法允许金融服务公司通过将AI和ML解决方案应用于不断增长的数据领域来增强其决策解决方案的功能。 通常，迁移到云是通过简单地提升和转移现有的本地解决方案来完成的。但是，这种方法有缺点，可能达不到预期 。对于与客户相关的决策应用程序（如信用审批和收款）尤其如此。 问题在于，传统的内部部署解决方案难以适应银行为了支持这些决策而需要使用的不断增长的数据量和数据类型。将新数据源引入组合通常需要几个月的时间。通过提升和转移其本地决策应用程序 对于云计算，银行只是将这些缺点带到一个新平台上。将数据投入使用的延迟可能会转化为错过 接触新客户并改善对现有客户的服务的机会。 因此，金融机构现在正在寻找重新构建现有决策的方法。 应用程序作为云原生应用程序。当他们这样做时，他们有机会重新思考这些应用程序的工作方式-从根本上改变驱动其应用程序的数据的存储和移动方式，从而更有效地使用当今丰富的动态数据。 通过云原生方法，金融服务公司将能够更好地利用人工智能（AI）和机器学习（ML），并利用不断增长的数据世界。这将帮助他们在提供汽车贷款、抵押贷款和信用卡时提高速度并降低风险。这些新功能还将帮助他们在先买后付贷款等新领域更有效地竞争。最后，在云原生决策系统中管理数据的正确方法有可能帮助公司为客户带来新的价值，推销新产品，并最终增加收入。 日益增长的决策系统的负担 近年来，以客户为中心的决策系统——从贷款发放到账户 管理、收款和欺诈检测变得更加强大和复杂。虽然系统可能会有所不同，但它们通常会聚合来自各种来源的数据，将数据输入AI和ML模型，为单个客户创建内部分数，并使用这些分数做出与客户相关的决策，例如批准贷款或增加信用额度。 同时，可用于这些系统的数据范围在数量和类型上都得到了扩展。如今，随着越来越多的数据提供商的出现，金融服务机构可以利用的不仅仅是传统的信用局数据，例如Clarity（租金，发薪日贷款） ，PrismData（银行账户和信用卡交易），Finicity（银行账户历史和交易）以及Zelle和Venmo（支付转账）。他们可以从社交媒体、基于电话的应用程序和一系列其他非传统数据源访问数据。使用各种各样的数据对于了解和服务无银行账户和银行账户不足的人尤其重要，他们构成了一个庞大而有吸引力的潜在客户群。 简而言之，能够从各种数据源快速访问更多数据是不断磨练客户洞察力和提高客户行为和风险可预测性的关键。 然而，传统数据库使这变得困难，因为它们在几年前被设计为相对处理 来自有限数量的来源的稳定数据，无法满足当今不断扩大的数据需求 。数据通常存储在与每个实体（如申请人或产品）关联的表中的多个列中。给定表可能有数十列 的关联数据。添加新数据源需要更改表结构。决策解决方案的每个组件，从数据库到应用程序再到用户界面，都需要有自己的新数据定义才能使用它。（请参阅图1。 数据访问 内部用户的 用户界面决策引擎 决定解决方案 数据库 图1–典型决策解决方案的组件 实时 或CHESTRATION 将新数据源合并到传统数据库中可能既困难又耗时。 数据提取的文件和报告 对数据库进行更改（即使是很小的更改）可能既复杂又耗时，需要创建新列和字段。添加新数据源可能需要五个月或更长时间。这种延迟使得难以及时将新数据引入业务解决方案，快速尝试新数据源以查看它们是否增加价值，以及在业务中部署新的数据驱动见解。 这通常导致许多公司在赢得和服务客户的竞争中落后。 重新考虑数据架构 金融服务公司可以通过创建云原生解决方案来解决这些问题，这些解决方案可以改变决策应用程序的数据存储和移动方式。这种新方法将传统的结构化数据库替换为混合的半结构化数据库，该数据库不需要在表结构中为所有数据属性提供单独的列。 结果是大多数数据的结构不那么严格。可以将新数据放置在数据源列内的字段中。这样就无需在每次添加新源时更改数据库或创建新表和列。 来自这个新来源的数据可以以行业标准格式存储，例如JavaScript对象表示法（JSON），决策解决方案的所有组件都可以使用现成的软件包以高处理速度读取。这允许数据以与仅使用一个数据定义JSON存储数据的相同格式跨组件使用。 跨所有组件工作。（请参阅图2。这将显著减少添加或更改数据字段时跨应用程序所需的更改。 一些重要的高级数据仍然需要在其自己的列中捕获以支持实时 决策应用程序并向决策者提供数据。这包括用于跨表链接数据的外键，以及跟踪何时从源中提取数据的时间戳。 用混合数据库取代传统的结构化数据库， 半结构化数据库可以大大减少合并新数据源所需的时间。 编排规则工作室 数据源 半结构化 (JSON) 数特性计算 据访问 ML模式执行 数据可视化 半结构化 (JSON) 决策引擎 结构化数据 半结构化 (JSON) 数据仓库 促使数据 库 图2.用于动态数据功能的拟议示意图组件体系结构图 模型部署刺激 模型管理 特色商店 编制 进口JSON数据定义 决定设计工作室 进口JSON数据定义