过去几年，Experian一直在通过分析和人工智能来转变其业务。这家消费者信用报告公司的执行副总裁兼全球分析和人工智能总经理Shri Santhanam表示，Experian的数字化转型集中在三大支柱上：内部的现代化、创建分析产品和服务以及为客户带来商业影响和业务影响。
“尽管受到疫情大流行的影响，但我们实际上已经在分析和人工智能的基础上取得了良好的进展，”Santhanam说。“对分析和人工智能的需求在急剧增加。对于客户的数据和分析能够如何帮助我们在如何经营业务方面做出更好的决策，我们很感兴趣，也很投入。”
Ascend Intelligence Services是Experian努力创造的能够彻底改变其客户业务的分析产品的一个主要例子。作为一项托管分析服务，Ascend能够为贷款人提供人工智能驱动的建模和战略开发、管理和部署服务。Experian的数据科学家构建了一个由机器学习定制的信用风险模型，优化了决策策略，并将该模型部署到了客户的生产环境当中。这些服务包括了Ascend Intelligence services Challenger(协作模型开发服务)和Ascend Intelligence services Pulse(主动模型监视和验证服务)。
数据科学即服务
中型贷款机构Atlas Credit最近因其与Experian的Ascend Intelligence Services的合作而获得了CIO 100的IT卓越奖。Ascend帮助这家总部位于德克萨斯州的贷方将信贷批准率提高了一倍，同时减少了多达20%的信贷损失。
Atlas Credit专门为德克萨斯州、俄克拉荷马州和弗吉尼亚州信用不良的人提供个人分期贷款。该公司正在寻求增长，但认为其贷款申请流程不够理想。太多的申请要么被拒绝，要么被提交给了分支机构进行人工决策。
为了实现发展，Atlas需要在不承担额外风险的情况下提高申请批准率，但该公司受到了数据的限制。它没有大量来自以前贷款申请的高质量数据，而且它的数据保存在第三方环境中，因此也很难访问。
通过Ascend Intelligence Services，Experian还帮助将Atlas的数据与Experian在基于云的分析环境中的数据资产的完整目录进行了结合。这使得Atlas系统能够找到数以千计的授予美国消费者的类似贷款，并评估其表现。
“基于ML的模型对许多用例(如承销托收)的监控基本上是不可访问的，”Santhanam说。“如果我只是一个中小型贷款人，对于去拥有一个内部数据科学团队，可以构建机器学习驱动的模型，并持续将其用于承销、再培训和管理，会是一个昂贵的提议。”
像Atlas这样的贷款人传统上是利用通用信用评分和一套规则和结构来批准贷款的。Santhanam表示，Ascend为中小型贷款机构也提供了与大型贷款机构相同的分析能力。
“以一种更容易获得的方式，将前四五家银行或贷款机构的能力带到中端市场会是一个非常重要的机会，”Santhanam说。
另外，Business Intelligence Group最近将Experian Decision Analytics评为了AI卓越奖的得主，以表彰其信用和决策解决方案PowerCurve。PowerCurve提供了一个人工智能虚拟助手(AIVA)，可以自动与客户进行互动。PowerCurve AIVA for Collections和PowerCurve AIVA Originations则使用了自然语言处理，可以通过web门户或移动设备来为客户提供全天候的自动化支持。
“在收藏领域，与终端消费者进行互动的过程可能相当复杂和微妙，”Santhanam说。“一些传统方法只能涉及常见问题或他们可以去问的问题。但我们发现，一个经过精心训练的并可以提供全天候访问的虚拟助手实际上是相当有价值的。"
PowerCurve代理使用了历史数据来进行训练，并被设计成可以处理复杂的、受控制的和主观的交互。基于早期的成功，Santhanam表示，该公司也有兴趣将AIVA扩展到信贷生命周期的其他部分。
“如果我们退一步，看看这个行业正在发生的事情，自然语言处理已经有了巨大的进步，尤其是在迁移学习领域，我把它描述为在没有太多训练数据而训练或构建的代理或机器。在过去的12个月里，一些科技巨头发布了基于大量上下文数据的自然语言处理模型，这些数据可以适应不同的上下文。”
来自分析和人工智能领域的经验教训
Santhanam说，设计和部署这些以及其他的分析服务到生产中，让Experian学到了很多关于如何操作分析和人工智能的知识。
“首先是要有一个平台来解决ML操作问题，”他说。“在数据科学家的世界和工程师的世界之间存在着巨大的鸿沟，你需要一个平台来帮助弥合鸿沟并带来解决方案。”
Santhanam还指出，他已经学会了“把自己推销到麻烦中，然后围绕着它来进行发展。”他说，传统上，构建分析产品的方法是从数据科学家和数据工程师的想法开始，根据这些灵感来构建产品，然后将这些产品推向市场，并为其寻找客户。
“最终，当你和客户一起把它推向市场时，你就会意识到还有很多工作要做，有时你就会改变你正在建设的东西，”Santhanam说。“我们对10项情报服务所采取的方法是真正加快与客户的对话，尽可能的做到最少，然后满足客户所反馈的最大优势，然后在此基础上继续发展。”
根据客户的反馈来进行设计，以保持项目的重点。
第三，Santhanam说，Experian首先关注的是它希望为客户所实现的核心业务影响，而不是特定的能力。例如，Experian为Ascend Intelligence Services所设计的第一批功能中有两项集中于自定义分数和监控。
“过去，销售自定义分数和监控的方法可能是，‘我可以为你构建这个伟大的模型，我们会花这么多的时间来完成它。’Santhanam说：“而我们在这里采取的方法则是以商业影响为导向：‘我们可以在更负责任的风险水平上为你获得更好的批准，为消费者带来更好的结果。’”
