目前，信数金服在金融、制造、通信、教育等多个行业均开展了实践。徐进指出，“不少企业其实已经积累了很多数据，但是都沉睡在那里，并没有被用起来。我们要做的是帮助企业把数据真正用起来，降低成本、提高运营效率。”
自动化风控审核，降低80％人力成本
在金融行业，AI技术的应用让金融机构更高效、准确地评估用户信用，提高风控审核效率。
“传统的风控是由各机构的风控团队以人工的方式进行经验控制。像银行在给企业批贷款的时候，需要员工查看网上公开发布的企业历史法院诉讼的文件。”徐进说，“这些文件经常能达到几千甚至上万字，用人工的方式一页一页看，不仅效率较低，也不一定准确。而现在通过AI对文本进行智能解析，可以精准地获取文件关键信息，实现小微企业的信贷自动化审批。”
以工商银行为例，信数金服协助其搭建的大数据智能风控平台收录了来自行内、金融同业以及司法行政部门提供的各类风险客户和账户信息，经过分类评级后的信息按照不同业务需求分别在银行核心系统以及个人金融、信贷、授信、银行卡等业务领域投入应用，为相关业务审核和办理提供预警和控制支持。
而某互联网金融企业引入了智能风控自方案后，在风控审核上的人力节省了80％。
“这企业原来在信用申请审核需要上百人力，对贷款申请人打电话，通过人工判断风险的大小，到底给不给他放贷款。整个信审流程是高频、重复的，且附加值不高。现在，通过AI技术实现对小额度贷款的自动信用审核，大额度由人工进行部分干预，把人从重复的劳动中解放出来，员工的工作转变为维护风控规则和重点客户，脱离低价值劳动，去做更有价值的事情。”徐进表示。
在保险行业，利用大数据和AI技术可以实现千人千面的个性化保单推荐和定价。比如，综合个人的驾车行为习惯、驾龄、违章、交通大数据等多方面因素为客户提供有针对性的车险定价，并实现投保、理赔、理算的全流程智能化处理，解决理赔慢的问题，提高客户满意度。
自动化反欺诈，识别96％的信用卡盗刷
AI技术还可以协助金融机构实现自动化反欺诈，避免信用卡盗刷。徐进以某全球大型在线支付公司为例。该公司的业务遍布全球，7＊24小时运转，每天都处理上千万笔交易请求，为了防止盗刷，需要收到交易请求后在十毫秒内快速做出判断，截断支付。
信数金服协助其构建了基于机器学习技术的实时反欺诈系统，通过自动化建模预测，可以在极短时间之内分析几百万甚至上千万的交易历史数据，甄别交易的真实性，并且针对不断变化的欺诈模式，每日自动训练、自动更新反欺诈模型，模型的迭代频率从以周为单位提高到以日为单位。目前，欺诈交易识别准确率高达96％，达成了仅0．27％业界最低风险损失率指标。
在上海仪电集团孵化器云赛空间的牵线搭桥下，信数金服的实时反欺诈技术还被引入土耳其。不久后，信数金服将与土耳其第一大商业银行——土耳其实业银行合作，为其提供金融反欺诈服务。
“土耳其实业银行是土耳其最大的商业银行，他们看中我们的方案和经验，希望把这个反欺诈技术引进到土耳其，后续还会扩展到运营自动化、保险等其他领域。” 徐进说。
设备预测性维护，单仓库节省200万美金管理费用
除了金融领域，信数金服也把他们的方案推广到工业制造等行业，利用AI、物联网、大数据技术进行设备的预测性诊断和维护。
“比如我们每天坐的电梯，通过采集电梯的运营数据，结合大数据分析和机器学习提供预测性诊断和维护的建议，在电梯出故障之前就能预测，进行针对性地维修，避免中断事故。”徐进说。
此外， ABT采用了信数金服的智能决策引擎打造无人仓库，通过在无人叉车内的电池内置传感器数据实时采集与分析，对电池状态进行智能预测、提前预警。
“工业用的大型蓄电池需要在一个比较合适的时间提前充电，如果在电量已经快耗尽的时候再去充，可能就会对电池造成永久性伤害。过去。ABT需要通过工程师来查看传感器数据来监控设备，现在由系统智能判断，作出快速响应，单个仓库年节约成本达200万美金。”
在谈到人工智能尚存在的挑战时，徐进强调行业要提升对数据本身的重视程度，如果数据质量不够好的话，AI也巧妇难为无米之炊。
为此，由信数金服提供的企业智能运营体系化方案中，第一步就是数据治理，帮助企业做好数据质量管理，在此基础之上再应用机器学习、数据挖掘这些模型，用数据打通业务的各个环节，获得以数据驱动的分析决策和预测能力，实现真正的数据洞察。
