来源：“鑫智奖”第四届金融数据智能优秀解决方案评选

获奖单位：北京九章云极科技有限公司

荣获奖项：营销创新优秀解决方案

一、解决方案简介

DataCanvas APS自动机器学习平台,面向数据科学家团队的一站式自动化数据分析与建模平台，是集数据准备、特征工程、算法实现、模型开发、模型发布、模型工程化管理于一体的自动机器学习平台，帮助企业快速构建模型应用，实现企业级模型生产化，大幅度降低企业用户AI建设门槛，推动智能化建设的全面落地。

二、应用场景痛点简介

机器学习建模通常包括业务定义和抽象、数据获取、特征工程、模型选择和超参数优化、模型发布5个阶段。其中特征工程（特性清洗、加工、筛选）、模型选择和超参数优化是最重要的两个阶段，同时也是建模的难点所在。

特征工程需要对数据进行复杂的数据加工处理，针对不同的业务场景和算法，特征处理的方法选择需要专业的知识和经验积累。举例来说，择用什么方法检测和处理异常数据、建模过程中是否进行特征衍生、是否进行归一化、目标数据的数据类型、缺失值如何处理、是否进行特征分箱等都需要基于专业知识进行判断。此过程通常需要耗费大量的工作量，可能占到整个过程的70%，甚至更高。

算法选择和超参数优化过程对技术要求相对比较高，需要针对业务目标和数据样本分布情况决定选择哪几个算法进行建模训练，调参过程需要对模型参数有充分理解，过拟合、欠拟合的判断和优化。这些都需要专业的知识和经验积累。

因此，自动建模在金融行业的应用场景中需要有效解决如下四个主要问题：

1.对原始数据进行自动化的数据预处理；

2.如何对特征进行自动化加工，实现特征自动衍生，同时识别有效特征。

3.针对场景应用实现自动模型选择；

4.快速高效的自动模型超参数优化。

三、解决方案亮点介绍

1.“白盒”算子库：同市场上一般采取的“黑盒”算法库不同，九章云极DataCanvas提供的是开箱即用的“白盒”算法库。当客户AI能力不充沛时，可直接在平台中调用包含了AutoML、统计分析、机器学习、深度学习、运筹优化等企业常需的300多种算法模型，涵盖机器学习建模全过程。同时这些算法代码对用户完全开放，并可进行优化与自定义。

2.支持三位一体的建模方式:面向数据科学家的编码建模、面向IT工程师的拖拽式建模、面向业务人员的自动建模。可以满足用户不同人群的AI建设能力，培养分析师向数据科学家转型，大幅度降低企业AI建设壁垒，全面实现民主化、平民化建模。

3.独有的“四库”，包括特征库、场景模板库、算法库、业务指标库，突破企业级知识融和瓶颈。

4.对比人工建模在模型效果和开发周期上有显著提升，开发建模周期至少节省80%以上的工时。

5. 业务敏捷性及速度:提升数十倍。

四、金融行业客户名单

包括国有银行、股份制商业银行、城商行、保险等在内的多家金融机构。

五、客户评价

近年来随着机器学习、AI等技术在金融行业的深入应用，营销业务获取更加专业、准确、智能的数据决策支持。同时也面向来自市场、客户、监管等多个层面的压力，营销团队希望能够在更多、更全面的细分业务领域提供数据决策支持，同时表现出强烈的自主建模需求。九章云极DataCanvas提供的自动机器学习平台，可以提供全流程端到端一键式自动建模能力，满足面向团队的敏捷、自主建模需求。

更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社官网案例库、选型库查看。