Skip to content

现状问题

某银行信用卡业务拓展大多是业务人员系统外作业,其中信用卡客户名称,地址等信息录入为非现场录入,经常出现录入不完整,录入错误,格式不一等问题,数据正确性远低于柜台录入,导致后续需要大量人工进行数据校验确认的工作。另外由于国家反洗钱规范的升级更新和银行内部会不断产生新的反洗钱预警规则, 客户信息的校验规则相应地逐步增加,导致校验系统需要被动地升级,升级的工作量大,响应周期长。

业务拓展非现场录入,数据正确性极低,需要大量人工进行数据验证
校验规则动态新增,校验系统频繁被动升级,系统升级工作量大,响应周期长

项目措施及前后对比

采石矶针对银行信用卡数据录入地址不规范的问题,采用NER地址补全策略,完成各级地址信息进行补全,通过分段匹配的方式,降低模型复杂度,加强机器学习算法语义理解,应用实体识别,识别跨源客户信息,解决外场录入信用卡信息中出现的数据录入不完整,错误,格式不一等问题。针对客户信息校验规则多变的需求,采石矶提供动态校验规则录入+现有规则结合的方式,通过界面录入校验规则,实时生效校验规则,让新规则从提出到上线的周期从周缩短到分钟级别。

亿级存量数据,存在数据错误且不全,检索速度缓慢

人工校验工作量巨大,效率低、效果差

传统校验方法不能满足所有标准

以周为单位的新规则生效周期

规则表达力强,所有标准全覆盖

数据统一校验,所有数据一标准

机器执行校验,所需人力大降低

实时生效规则,立马堵住监管漏洞

实时返回海量数据检索结果,工作不再卡顿

项目成果

地址查错补缺准确率提升至97.7%

核对一个信用卡客户信息从几十分钟降低到几分钟,大幅提升工作效率

实时生效新规则,将新规则的生效周期从周缩短到分钟级别

海量数据检索实时返回结果,大幅提升工作效率