星环科技机器学习平台基于容器云、大数据、知识图谱、机器学习等前沿技术为其构建。平台可为银行的业务分析师提供可视化拖拉拽的数据分析挖掘工具和专业算法库，实现团队协作、风险管控、用户体验等全方位的运营效率提升。平台作为一个智能化的服务集成，兼具统一规范的服务接口，提供各项的模型预测服务、接入方式，实现模型的统一监控与管理，帮助企业沉淀建模数据，减少因重复数据加工而导致的资源浪费。中国银行业： 数智化转型亟待智能技术化解应用开发局限伴随人工智能、大数据、云计算 等新兴技术的高速发展，金融与科技的融合正在颠覆传统银行的经营模式。而银行实现数字化转型并非一蹴而就，如何利用技术实现业务优化的路径中往往存在多项挑战。以国内某商业银行为例，在英国《银行家》（The Banker）杂志公布的“2020全球银行1000强”榜单中，该行按总资产排一百多位，连续四年入围全球银行200强。该银行在推进数智化转型的过程中，积极采用人工智能技术深化风控管理、数据运营等工作。然而，该行在针对各业务开发智能应用的过程中面临多项痛点：1、AI模型搭建门槛高、流程复杂：对于业务部门来说，AI建模门槛高、流程复杂、实现困难；开发部门具备建模开发能力，但业务经验较少。因此AI模型的开发往往需要打通业务部门与研发部门的壁垒，克服繁琐的数据申请流程、缓慢的响应速度、复杂的研发环节、大量的人力标注等，最终才能成功构建。2、模型上线部署困难、时效性差：缺乏统一的模型发布、运行与管理平台，导致模型的上线时间较长，时效性差。3、模型重复建设、烟囱化严重：各业务部门的模型构建各自为营，烟囱化严重，许多类似模型特征重复开发，浪费了大量的人力成本。同时，数据资产在缺乏管理的情况下整体数据质量较差，难以维护，缺乏统一的模型特征复用池将模型特征进行沉淀与复用。4、缺乏模型后期监控、更新与维护：模型缺乏后期的维护与监控，无法根据时间的推移对模型进行及时更新和验证，导致模型精度随时间的推移逐步降低。银行机器学习平台建设案例解析：以星环科技为某银行客户搭建机器学习平台为例为帮助该商业银行解决现有问题，星环科技基于自研的Sophon人工智能平台，基于容器云、大数据、知识图谱、机器学习等前沿技术为其构建了综合性金融平台解决方案。平台可为银行的业务分析师提供可视化拖拉拽的数据分析挖掘工具和专业算法库，实现团队协作、风险管控、用户体验等全方位的运营效率提升。平台整体架构图如下：核心平台 – 星环科技人工智能平台SophonSophon是星环科技所打造的一站式人工智能平台，可支持用户快速完成从特征工程、模型训练到模型上线的机器学习全生命周期开发工作。基于Sophon，星环科技为银行客户所打造的平台方案主要提供两种任务处理能力。一为面向某业务领域内特定类型数据，提供如知识图谱构建工具、特征及标签管理能力等针对此类数据的基础预测、分析能力的“横向”任务；二为针对业务具体需求的、相对特殊化与个性化的“纵向”任务，包含金融领域的风控、投研及用户画像构建等。Sophon的功能及配套设施主要包含：Sophon Base 数据科学基础平台 – 集成可视化统计分析、预测性分析、可视化机器学习等功能，针对机器学习建模需求提供一站式支持，操作流程包含数据导入、数据探索、实验管理、任务流调度、用户资产、智能分析等。平台提供超过两百余种高性能分布式算法，用户可在交互式建模界面通过托拉拽方式，快速建立模型。

 Sophon EP 实体画像模块 – 面向全行业的标签管理及画像系统，可支持银行、证券、公安等多行业中常用的实体模板，实体覆盖基础数据结构、标签体系结构及画像展现模板。 Sophon KG 知识图谱模块 – 可提供多种图谱分布式算法，包含星环科技自研的FraudRank反欺诈算法、NATE深度图算法等。依托于Sophon Base基础平台，模块可提供对知识的获取、融合、存储、计算以及应用。支持拖拽式图谱构建、分布式图谱存储、分布式图谱计算以及交互式图谱分析等功能。 Sophon Cloud 云端模块 – 负责模型上线管理。模块提供模型镜像版本管理、模型线上监控、线下统计、横向扩容、滚动升级、A/B测试等功能。 建模开发流程平台化，实现团队高效协作星环科技机器学习平台将建模开发流程平台化以及工具化，该商业银行可整合业务部门与研发部门的人力，大幅简化模型开发成本。平台底层对接Spark、TensorFlow、MXnet等框架，同时内置100多种分布式算子，且集成了金融算法库和行业模板。使用者可自定义添加算子，并使用模型导出、模型管理、模型分享等功能，配合可视化拖拉拽的模型建设工具，为模型实验室的模型训练、优化、快速迭代提供工具支持。 特征及标签管理，实现智能化风控模型构建基于机器学习平台，该商业银行可通过通过用户的动态行为数据和用户的静态资产数据，提取用户特征，形成用户画像标签，总计数百个特征，从而实现分别对对公、对私客群进行精准建模，包括柜面以及主要电子渠道。 

基于知识图谱与实施决策引擎实现实时风险管理该银行客户可通过使用图谱构建、图谱展示、高性能图网络特征指标计算等全链路的知识图谱工具，并结合实时决策引擎，将离线训练模型上线到生产环境用于线上实时业务的能力，生成风险管理驾驶舱，实现从T+1、T+0的事后风险管理向实时风险管理的成功跨越。 应用效果在合作案例中，该商业银行借助星环科技机器学习平台，构筑了以数字为驱动的贷前风险态势感知、贷中实时智能决策、贷后风险动态预警的大数据反欺诈风控大脑，服务1+N、政企银、精准营运与营销等多种创新金融服务模式，实现了科技驱动的银行业务跨越性升级。此外，银行团队基于机器学习平台所开发的反洗钱机器学习模型实现对可疑上报案例识别精准度的大幅提升：模型预测的洗钱可疑概率前20%的名单即可覆盖超过85%的上报案例，预测概率前30的洗钱可疑名单错误率低于7%，且可基本排除反洗钱规则中60%的预警客户，大幅降低误报率，缩小反洗钱审查范围。