郵儲銀行第四屆數據建模大賽以助力集團公司、郵儲銀行2023年重點(diǎn)工作實(shí)施為目標,通過(guò)大賽激發(fā)廣大員工創(chuàng )新活力,提升員工專(zhuān)業(yè)技術(shù)能力和水平,助力重大戰略實(shí)施及推動(dòng)企業(yè)數字化轉型發(fā)展。本屆大賽打造“數據建?!焙汀皟r(jià)值創(chuàng )造”雙賽道,引導隊伍在數據建模的同時(shí),充分注重應用環(huán)節產(chǎn)生的實(shí)效。
兩個(gè)賽道初賽評選已于7月28日全部完成。價(jià)值創(chuàng )造賽道初賽從150支參賽隊伍中評選出108支隊伍擬晉級復賽。數據建模賽道初賽從210支參賽隊伍中評選出100支擬晉級復賽。晉級的項目充分聚焦“零售金融、鄉村振興、服務(wù)實(shí)體經(jīng)濟、風(fēng)險合規”戰略方向,圍繞企業(yè)發(fā)展重點(diǎn),兼顧創(chuàng )新性與實(shí)用性,為郵政金融各機構的經(jīng)營(yíng)管理等提供有力支撐。
為確保競賽的“公平、公正、公開(kāi)”,大賽組委會(huì )決定對兩個(gè)賽道擬晉級復賽及初賽評選候補隊伍名單進(jìn)行公示。如對評選結果存在異議,可在8月9日前,以書(shū)面形式將意見(jiàn)通過(guò)電子郵件反饋至大賽組委會(huì )辦公室。反饋意見(jiàn)需真實(shí)、具體,反饋人員需署真實(shí)姓名,并提供有效的聯(lián)系方式,以便大賽組委會(huì )進(jìn)行后續調查與反饋。
大賽組委會(huì )辦公室E-mail:[email protected]。
第四屆數據建模大賽價(jià)值創(chuàng )造賽道擬晉級復賽隊伍名單
序號 | 賽區 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 建模選題 |
1 | 總部 | 數能生巧 | 個(gè)人金融部 | 零售金融 | 基于IVL模型的客戶(hù)細分及價(jià)值挖掘 |
2 | 隨風(fēng)郵無(wú)險 | 信用卡中心 | 風(fēng)險合規 | 風(fēng)險收益模型應用 | |
3 | 照妖鏡 | 網(wǎng)絡(luò )金融部 | 風(fēng)險合規 | 黑產(chǎn)社區內團伙識別及受害者事前提醒的實(shí)踐 | |
4 | 數智體驗隊 | 網(wǎng)絡(luò )金融部 | 零售金融 | 基于客戶(hù)實(shí)時(shí)評價(jià)模型改進(jìn)客戶(hù)體驗 | |
5 | 點(diǎn)石成金 | 網(wǎng)絡(luò )金融部 | 零售金融 | 借記卡快捷支付非活躍客戶(hù)的精準定位與"回流"運營(yíng)的應用推廣 | |
6 | 集兔郵禮 | 網(wǎng)絡(luò )金融部 | 零售金融 | 基于郵政特色場(chǎng)景的零售客戶(hù)價(jià)值提升 | |
7 | 數幣福爾摩斯 | 數字人民幣部 | 風(fēng)險合規 | 基于多維度算法模型的數字人民幣智能風(fēng)控體系建設 | |
8 | 卡幣同行數據獵手 | 數字人民幣部 | 零售金融 | 數字人民幣客戶(hù)向借記卡引流營(yíng)銷(xiāo)策略 | |
9 | 普惠數智風(fēng)控者 | 普惠金融事業(yè)部 | 風(fēng)險合規 | 中小微企業(yè)貸后風(fēng)控預警體系構建 | |
10 | 主辦行客戶(hù)服務(wù)隊 | 公司金融部 | 服務(wù)實(shí)體經(jīng)濟 | 全面推廣公司金融“1+N”經(jīng)營(yíng)與服務(wù)新體系,持續提升主辦行客戶(hù)綜合服務(wù)能力 | |
11 | 財多多 | 公司金融部 | 服務(wù)實(shí)體經(jīng)濟 | 地方債“融資+融智”全生命周期服務(wù)管理模型 | |
12 | 強軍郵我 | 公司金融部 | 服務(wù)實(shí)體經(jīng)濟 | “融”出新發(fā)展,“合”出新動(dòng)能——數智化模型助力為軍金融服務(wù)生態(tài)圈高質(zhì)量發(fā)展 | |
13 | 欣欣向農 | 公司金融部 | 鄉村振興 | 高標準農田及耕地項目資金監管模型 | |
14 | 神機百煉 | 交易銀行部 | 服務(wù)實(shí)體經(jīng)濟 | 基于大數據分析,實(shí)現對公客群“線(xiàn)上+線(xiàn)下”聯(lián)動(dòng)的數字化營(yíng)銷(xiāo) | |
15 | 八卦爐 | 授信管理部 | 風(fēng)險合規 | 行業(yè)景氣度模型在授信管理工作中的應用 | |
16 | 智媒絕倫 | 軟件研發(fā)中心 | 風(fēng)險合規 | 基于A(yíng)I的雙錄全流程風(fēng)險管理模型 | |
17 | 名師出高圖隊 | 軟件研發(fā)中心 | 風(fēng)險合規 | 基于關(guān)聯(lián)圖譜的涉案賬戶(hù)排查模型 | |
18 | 心中郵數隊 | 軟件研發(fā)中心 | 風(fēng)險合規 | 法律文本智能審查 | |
19 | 流水不爭先隊 | 軟件研發(fā)中心 | 零售金融 | 手機銀行流量運營(yíng)探索與實(shí)踐 | |
20 | 數智未來(lái) | 數據中心 | 風(fēng)險合規 | 基于異常檢測的智能分析預警平臺 | |
21 | 超能陸戰隊 | 數據中心 | 其他 | 人工智能助力數據中心能效提升 | |
22 | 深藏blue隊 | 數據中心 | 其他 | 工單滿(mǎn)意度提升分析及工單預警模型 | |
23 | 展金隊 | 資產(chǎn)負債管理部 | 其他 | 未來(lái)現金流模型落地應用 | |
24 | 智郵派 | 財務(wù)會(huì )計部 | 其他 | 集中報賬自動(dòng)化智能運營(yíng)模型 | |
25 | 養在未老 | 金融業(yè)務(wù)部 | 零售金融 | 高潛力養老目標客戶(hù)挖掘與需求分析模型應用 | |
26 | 對對隊 | 中郵理財 | 其他 | 資訊數據網(wǎng)關(guān) | |
27 | 北部 | 大語(yǔ)言模型銀擎隊 | 北京分行 | 零售金融 | 基于大語(yǔ)言模型的營(yíng)銷(xiāo)運營(yíng)體系研究 |
28 | 智數營(yíng)銷(xiāo) | 北京分行 | 其他 | 基于知識圖譜的客戶(hù)裂變及粘性提升 | |
29 | 津門(mén)之星 | 天津分行 | 零售金融 | 基于信用卡前置系統的客戶(hù)場(chǎng)景生態(tài)圈建設 | |
30 | 天津另一只眼 | 天津分行 | 風(fēng)險合規 | 基于大數據的零售貸款客戶(hù)行為識別與風(fēng)險研究 | |
31 | 冀州風(fēng)云 | 河北分行 | 零售金融 | 基于策略評優(yōu)的零售客戶(hù)建聯(lián)體系建設 | |
32 | 挖呀挖隊 | 河北分行 | 風(fēng)險合規 | 不法貸款中介團伙挖掘 | |
33 | 監管之眼隊 | 河北分行 | 風(fēng)險合規 | 監管數據質(zhì)量全流程管理體系 | |
34 | 落地生根隊 | 河北分行 | 鄉村振興 | 基于EAST的對公涉農貸款一體化解決方案 | |
35 | 數指乾坤隊 | 山西分行 | 零售金融 | 基于網(wǎng)格化營(yíng)銷(xiāo)平臺的社區金融生態(tài)圈應用 | |
36 | 數海揚帆隊 | 山西分行 | 鄉村振興 | 基于多模型復合應用的信用戶(hù)潛在用信客戶(hù)營(yíng)銷(xiāo) | |
37 | 數探天涯隊 | 山西分行 | 零售金融 | 基于手機銀行發(fā)展目標的潛在活躍客戶(hù)體系化營(yíng)銷(xiāo) | |
38 | 貸來(lái)希望 | 遼寧分行 | 鄉村振興 | 鄉村振興普惠金融數智化營(yíng)銷(xiāo) | |
39 | 綠數成蔭 | 遼寧分行 | 其他 | 遼寧數據共享基層服務(wù)平臺 | |
40 | 啄木鳥(niǎo) | 遼寧分行 | 風(fēng)險合規 | 員工異常行為動(dòng)態(tài)甄別及梯次應用 | |
41 | 吉風(fēng)勁草 | 吉林分行 | 風(fēng)險合規 | 基于復雜網(wǎng)絡(luò )的智能風(fēng)控體系建設 | |
42 | 一網(wǎng)打盡 | 吉林分行 | 風(fēng)險合規 | 基于多主體交易監測的地下錢(qián)莊預警模型 | |
43 | 一統數海 | 吉林分行 | 其他 | 基于規則模型的監管統計報送數字化應用成果 | |
44 | 數往知來(lái) | 黑龍江分行 | 鄉村振興 | 基于農機大數據營(yíng)銷(xiāo)與風(fēng)控的“智慧芯”應用項目 | |
45 | 冰雪智用隊 | 黑龍江分行 | 零售金融 | 五四青年客群綜合精準營(yíng)銷(xiāo)模型應用 | |
46 | 冰城破風(fēng)者 | 黑龍江分行 | 風(fēng)險合規 | 基于房貸大數據的違約風(fēng)險防控 | |
47 | 大連分行一隊 | 大連分行 | 風(fēng)險合規 | 銀行從業(yè)人員道德風(fēng)險預警模型 | |
48 | 金戈鐵馬隊 | 內蒙古自治分行 | 零售金融 | 客戶(hù)綜合復用及資產(chǎn)提升分析 | |
49 | 東部 | 皖郵數智隊 | 安徽郵政分公司 | 零售金融 | 基于大數據的收單多維度質(zhì)效評估模型構建 |
50 | 數智農場(chǎng)開(kāi)拓隊 | 山東郵政分公司 | 鄉村振興 | 數智農場(chǎng)賦能普惠金融生態(tài)圈 | |
51 | 數智爭先隊 | 山東郵政分公司 | 零售金融 | 基于電商包裹客戶(hù)的數智化線(xiàn)上協(xié)同營(yíng)銷(xiāo) | |
52 | 數智護衛隊 | 山東郵政分公司 | 零售金融 | MGM線(xiàn)上數智化營(yíng)銷(xiāo) | |
53 | 蘇農振興 | 江蘇分行 | 鄉村振興 | 基于三農大數據的江蘇特色白名單貸款——郵農貸 | |
54 | 行遠隊 | 江蘇分行 | 風(fēng)險合規 | 賬戶(hù)智能化風(fēng)險防控平臺 | |
55 | 重劍無(wú)鋒 | 江蘇分行 | 零售金融 | 快捷支付消費提升全流程管理平臺 | |
56 | Fancy到底隊 | 江蘇分行 | 風(fēng)險合規 | 反洗錢(qián)智能甄別分析平臺 | |
57 | 綠水青山隊 | 浙江分行 | 風(fēng)險合規 | 風(fēng)險管理平臺 | |
58 | 浙江一隊 | 浙江分行 | 零售金融 | 個(gè)人客群數字運營(yíng) | |
59 | 流水直通車(chē) | 浙江分行 | 零售金融 | 基于金綜鏈實(shí)現的個(gè)人賬戶(hù)跨行流水驗真與額度測算。 | |
60 | 郵行智投隊 | 安徽分行 | 零售金融 | 基于手機銀行點(diǎn)擊行為的潛在客戶(hù)營(yíng)銷(xiāo)助手 | |
61 | 郵鏈萬(wàn)家 | 安徽分行 | 服務(wù)實(shí)體經(jīng)濟 | 基于產(chǎn)業(yè)鏈的公司客戶(hù)上下游營(yíng)銷(xiāo)助手 | |
62 | 貸后守護者 | 安徽分行 | 風(fēng)險合規 | 小額貸款貸后輔助管理工具 | |
63 | 數據運營(yíng)助豐收 | 安徽分行 | 鄉村振興 | 基于數字化運營(yíng)的產(chǎn)業(yè)鏈開(kāi)發(fā)平臺 | |
64 | 活力滿(mǎn)滿(mǎn) | 安徽分行 | 零售金融 | 基于支付結算場(chǎng)景建設聯(lián)動(dòng)的活期高質(zhì)量發(fā)展 | |
65 | 風(fēng)控先鋒 | 安徽分行 | 風(fēng)險合規 | 賬戶(hù)分級監測系統 | |
66 | 護城河 | 福建分行 | 風(fēng)險合規 | 護城河綜合風(fēng)險防控 | |
67 | 洞悉先機 | 福建分行 | 服務(wù)實(shí)體經(jīng)濟 | 小企業(yè)數字風(fēng)控全流程管理 | |
68 | 拌粉瓦罐湯隊 | 江西分行 | 鄉村振興 | 交易鏈視角下的預授信客群價(jià)值提升策略 | |
69 | 風(fēng)險捕手隊 | 江西分行 | 風(fēng)險合規 | 江西個(gè)人賬戶(hù)風(fēng)險監測平臺 | |
70 | 稅是稅非 | 山東分行 | 風(fēng)險合規 | 以金融科技之石 精琢己身之玉 ---反洗錢(qián)智能監測分析及應用 | |
71 | 數智火花隊 | 山東分行 | 風(fēng)險合規 | 時(shí)序感知的個(gè)貸數字化風(fēng)控應用 | |
72 | 無(wú)人駕駛 | 山東分行 | 其他 | AI驅動(dòng)的金融業(yè)務(wù)處理效能提升新范式實(shí)踐 | |
73 | 尋真 | 山東分行 | 零售金融 | 潛在高價(jià)值客戶(hù)畫(huà)像與價(jià)值提升 | |
74 | 天一隊 | 寧波分行 | 鄉村振興 | 基于政務(wù)大數據的三農客群挖掘與營(yíng)銷(xiāo) | |
75 | 數據先鋒3隊 | 青島分行 | 風(fēng)險合規 | 重點(diǎn)業(yè)務(wù)押品全流程監測模型 | |
76 | 中南 | 外拓風(fēng)控隊 | 廣東郵政分公司 | 風(fēng)險合規 | 代理金融外拓活動(dòng)風(fēng)險預警 |
77 | 云游風(fēng)行 | 云南郵政分公司 | 風(fēng)險合規 | 綜柜履職管理 | |
78 | 逐鹿中原 | 河南分行 | 零售金融 | 基于本地服務(wù)的數字場(chǎng)景建設和客群精細化運營(yíng) | |
79 | 流量護衛隊 | 河南分行 | 零售金融 | 基于智慧魔方的高價(jià)值快捷支付客戶(hù)營(yíng)銷(xiāo) | |
80 | 精耕細收隊 | 河南分行 | 零售金融 | 基于活躍收單商戶(hù)畫(huà)像的商貿客群營(yíng)銷(xiāo)維護策略 | |
81 | 豫知風(fēng)險 | 河南分行 | 風(fēng)險合規 | 平臺合作類(lèi)業(yè)務(wù)合規風(fēng)險識別 | |
82 | 正宗武漢挖呀挖隊 | 湖北分行 | 風(fēng)險合規 | 可疑賬戶(hù)預警排查 | |
83 | 預取天下 | 湖北分行 | 風(fēng)險合規 | 小企業(yè)客戶(hù)逾期風(fēng)險預警模型優(yōu)化 | |
84 | 挖礦小分隊 | 湖南分行 | 零售金融 | 基于郵益助的營(yíng)銷(xiāo)數字化信貸營(yíng)銷(xiāo) | |
85 | 反詐先鋒 | 湖南分行 | 風(fēng)險合規 | 賬戶(hù)風(fēng)險監測應用 | |
86 | 金盆洗手 | 廣東分行 | 風(fēng)險合規 | 地下錢(qián)莊可疑賬戶(hù)預警 | |
87 | 精益求精 | 廣東分行 | 零售金融 | 信貸白名單優(yōu)選 | |
88 | RUN | 廣東分行 | 零售金融 | 快捷支付提升 | |
89 | 老友隊 | 廣西分行 | 風(fēng)險合規 | 欺詐賬戶(hù)異常行為預警模型應用 | |
90 | 一往有黔隊 | 貴州分行 | 零售金融 | 基于客戶(hù)AUM提升的分析及結果運用 | |
91 | 希望的田野 | 云南分行 | 鄉村振興 | “云品”產(chǎn)業(yè)貸及收單業(yè)務(wù)拓展應用 | |
92 | 灣區之光 | 深圳分行 | 服務(wù)實(shí)體經(jīng)濟 | 深圳分行數字供應鏈金融發(fā)展與應用 | |
93 | E貸添膠 | 海南儋州分行 | 鄉村振興 | 打造海南橡膠數字化生態(tài),激活鄉村金融高質(zhì)量發(fā)展 | |
94 | 西部 | 重在參與 | 四川郵政分公司 | 零售金融 | 金融業(yè)務(wù)開(kāi)展差異化寄遞服務(wù)獲客 |
95 | 渝智數金融建模隊 | 重慶分行 | 其他 | 基于A(yíng)I大語(yǔ)言模型的企業(yè)經(jīng)營(yíng)分析 | |
96 | 四川分行一隊 | 四川分行 | 零售金融 | 基于信用卡客戶(hù)權益活動(dòng)的消費提升及后評估 | |
97 | 四川分行二隊 | 四川分行 | 風(fēng)險合規 | 社交網(wǎng)絡(luò )模型在車(chē)貸風(fēng)控的應用研究 | |
98 | 四川分行三隊 | 四川分行 | 風(fēng)險合規 | 基于分行數據集市的涉賭涉詐風(fēng)險畫(huà)像系統 | |
99 | 四川分行四隊 | 四川分行 | 鄉村振興 | 三農營(yíng)銷(xiāo)平臺 | |
100 | 勇于前行隊 | 陜西分行 | 風(fēng)險合規 | 基于平滑移動(dòng)模型實(shí)現企業(yè)網(wǎng)銀智能化限額管控應用 | |
101 | 數智風(fēng)控隊 | 陜西分行 | 風(fēng)險合規 | 信用卡客戶(hù)風(fēng)險識別及價(jià)值提升分析 | |
102 | 水到渠成 | 陜西分行 | 風(fēng)險合規 | 基于智能推薦的綠色金融業(yè)務(wù)落地實(shí)踐 | |
103 | 數智融合隊 | 陜西分行 | 零售金融 | 代發(fā)客群的數智化營(yíng)銷(xiāo) | |
104 | 惠農先鋒 | 陜西分行 | 鄉村振興 | 服務(wù)“鄉村振興”的授信用信預測模型應用 | |
105 | 星火燎原 | 甘肅分行 | 鄉村振興 | 信用村智能化移動(dòng)營(yíng)銷(xiāo)平臺 | |
106 | 寧夏群英創(chuàng )新工作室 | 寧夏分行 | 鄉村振興 | 活牛金融價(jià)值模型 | |
107 | 銀稅直聯(lián)隊 | 寧夏分行 | 服務(wù)實(shí)體經(jīng)濟 | 銀稅直聯(lián)項目綜合營(yíng)銷(xiāo) | |
108 | 金智系統V1版 | 寧夏分行 | 服務(wù)實(shí)體經(jīng)濟 | 金智智能精準營(yíng)銷(xiāo)推送及機器學(xué)習系統 |
第四屆數據建模大賽價(jià)值創(chuàng )造賽道初賽評選候補隊伍名單
序號 | 賽區 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 建模選題 |
1 | 總部 | U鏈生態(tài)金融隊 | 交易銀行部 | 服務(wù)實(shí)體經(jīng)濟 | "1+N"新體系中基于因果推斷模型的產(chǎn)業(yè)金融鏈式拓客和批零聯(lián)動(dòng)研究 |
2 | 績(jì)效工匠隊 | 中郵理財 | 其他 | 理財投資績(jì)效多維透視模型 | |
3 | 北部 | 青城智匯隊 | 內蒙古分行 | 風(fēng)險合規 | 合規管理系統風(fēng)險數據應用分析 |
4 | 東部 | 數據先鋒4隊 | 青島分行 | 風(fēng)險合規 | 撥云見(jiàn)日-反洗錢(qián)智能監測分析系統(IAS)搭建 |
5 | 中南 | 悅郵車(chē)行隊 | 廣東郵政分公司 | 零售金融 | 悅郵行車(chē)主數智化精準營(yíng)銷(xiāo)及應用 |
6 | 西部 | WZ230609 | 新疆分行 | 鄉村振興 | 基于特色產(chǎn)業(yè)集群三農潛在客識別分析 |
第四屆數據建模大賽數據建模賽道擬晉級復賽隊伍名單
序號 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 建模選題 |
1 | 最懂你 | 集團總部金融業(yè)務(wù)部 | 零售金融 | 零售客戶(hù)金融需求精準識別 |
2 | 遼寧建模團隊 | 遼寧郵政分公司 | 風(fēng)險合規 | 用于防范監測內部員工網(wǎng)絡(luò )直播打賞等行為 |
3 | 春風(fēng)化雨隊 | 江蘇郵政分公司 | 鄉村振興 | 鄉村農業(yè)場(chǎng)景開(kāi)發(fā)數據模型及風(fēng)險策略研究 |
4 | 皖美數智隊 | 安徽郵政分公司 | 其他 | 基于數據協(xié)同的老年客戶(hù)權益模型構建 |
5 | 安徽數郵挖金隊 | 安徽郵政分公司 | 零售金融 | 基于多維數據模型的財富客戶(hù)權益體系構建 |
6 | 數智爭先隊 | 山東郵政分公司 | 零售金融 | 基于電商包裹客戶(hù)的數智化線(xiàn)上協(xié)同營(yíng)銷(xiāo) |
7 | 客戶(hù)KYC | 山東郵政分公司 | 零售金融 | 精準營(yíng)銷(xiāo) |
8 | AI慧眼隊 | 廣東郵政分公司 | 風(fēng)險合規 | AI視頻監控預警 |
9 | 審計妙算 | 總行審計局 | 風(fēng)險合規 | 非法中介團伙識別及行為預警 |
10 | 挖呀挖呀挖隊 | 總行個(gè)人金融部 | 零售金融 | 潛在客戶(hù)挖掘 |
11 | 點(diǎn)數成金 | 總行個(gè)人金融部 | 零售金融 | 高端客戶(hù)到訪(fǎng)網(wǎng)點(diǎn)即時(shí)營(yíng)銷(xiāo)模型 |
12 | 快上車(chē) | 總行消費信貸部 | 零售金融 | 汽車(chē)金融智能反欺詐體系建設與應用 |
13 | 云郵京數 | 總行信用卡中心 | 零售金融 | 信用卡新戶(hù)激活首刷回撈 |
14 | 郵你郵我 | 總行信用卡中心 | 零售金融 | 信用卡全渠道的營(yíng)銷(xiāo)響應提升模型 |
15 | 中郵地柱 | 總行信用卡中心 | 零售金融 | 基于地鐵客群識別的智能營(yíng)銷(xiāo)模型及業(yè)務(wù)應用 |
16 | 葫蘆娃隊 | 總行信用卡中心 | 零售金融 | 信用卡客戶(hù)潛在消費力期望分類(lèi)模型 |
17 | 心中郵數隊 | 總行信用卡中心 | 風(fēng)險合規 | 利率市場(chǎng)化背景下郵儲銀行信用卡最優(yōu)化定價(jià)研究 |
18 | 鑫中郵數 | 總行信用卡中心 | 零售金融 | 數字人民幣高潛力客戶(hù)識別與營(yíng)銷(xiāo)策略 |
19 | 網(wǎng)之一目 | 總行網(wǎng)絡(luò )金融部 | 風(fēng)險合規 | 手機銀行渠道主動(dòng)配合的“本人”操作風(fēng)險識別 |
20 | 數來(lái)寶 | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 大模型在基礎服務(wù)領(lǐng)域的應用探索 |
21 | 百萬(wàn)商戶(hù)保衛隊 | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 收單商戶(hù)流失預警 |
22 | 繼往開(kāi)來(lái)隊 | 總行網(wǎng)絡(luò )金融部 | 風(fēng)險合規 | 手機銀行客戶(hù)資金保護模型及應用 |
23 | 5G贏(yíng)銷(xiāo)隊 | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 探索5G消息在營(yíng)銷(xiāo)場(chǎng)景中的應用 |
24 | 電子賬戶(hù)保衛科 | 總行網(wǎng)絡(luò )金融部 | 風(fēng)險合規 | 電子賬戶(hù)集中性開(kāi)戶(hù)風(fēng)險識別模型 |
25 | 青春有你 | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 基于手機銀行青春版的青年客戶(hù)數字運營(yíng)探索及應用 |
26 | daydayup | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 理財流失客戶(hù)挽留模型探索與實(shí)踐 |
27 | super | 總行網(wǎng)絡(luò )金融部 | 零售金融 | 零售金融數字化轉型“super”指數的超級研究 |
28 | 普惠數智風(fēng)控者 | 總行普惠金融事業(yè)部 | 風(fēng)險合規 | 中小微企業(yè)智能盡調模型 |
29 | 財富展翼 | 總行公司金融部 | 服務(wù)實(shí)體經(jīng)濟 | 基于“集成學(xué)習”的公司財富管理模型——“客戶(hù)為本,千企千策” |
30 | 哈嘍!樹(shù)先生 | 總行交易銀行部 | 服務(wù)實(shí)體經(jīng)濟 | 企業(yè)客戶(hù)結算數據價(jià)值深度挖掘 |
31 | U鏈生態(tài)金融隊 | 總行交易銀行部 | 服務(wù)實(shí)體經(jīng)濟 | "1+N"新體系中基于因果推斷模型的產(chǎn)業(yè)金融鏈式拓客和批零聯(lián)動(dòng)研究 |
32 | 投行業(yè)務(wù)我熟隊 | 總行投資銀行部 | 其他 | 基于推薦算法及AIGC/ChatGpt的投行業(yè)務(wù)智能推薦模型成果介紹 |
33 | 眼鏡代表隊 | 總行金融同業(yè)部 | 風(fēng)險合規 | 基于機器學(xué)習算法對利率走勢的分析 |
34 | 排隊不要插隊 | 總行金融同業(yè)部 | 服務(wù)實(shí)體經(jīng)濟 | 小企業(yè)貸款利率動(dòng)態(tài)監測分析與管控功能設計 |
35 | 金盾隊 | 總行授信管理部 | 風(fēng)險合規 | 基于時(shí)間序列的大模型技術(shù)在個(gè)人貸款不良預測中的探索與應用 |
36 | 公司掘金 | 總行金融科技創(chuàng )新部 | 服務(wù)實(shí)體經(jīng)濟 | 細分公司客戶(hù)輔助精準營(yíng)銷(xiāo) |
37 | 靈犀 | 總行軟件研發(fā)中心 | 零售金融 | 基于語(yǔ)義分析和圖像識別的服務(wù)質(zhì)量檢查 |
38 | 數字普惠隊 | 總行軟件研發(fā)中心 | 服務(wù)實(shí)體經(jīng)濟 | 對公渠道一體化智能信貸營(yíng)銷(xiāo)模型 |
39 | 郵刃有余 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 知識圖譜賦能?chē)H結算業(yè)務(wù)審單智能化升級 |
40 | 發(fā)際線(xiàn)與我作隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 基于局部重力的異常風(fēng)險捕獲模型研究 |
41 | 網(wǎng)點(diǎn)挖呀挖呀挖 | 總行軟件研發(fā)中心 | 服務(wù)實(shí)體經(jīng)濟 | 基于生命周期模型的網(wǎng)點(diǎn)細分及價(jià)值挖掘 |
42 | 麻辣小龍蝦 | 總行軟件研發(fā)中心 | 零售金融 | 消費信貸客戶(hù)的營(yíng)銷(xiāo)價(jià)值挖掘及實(shí)踐 |
43 | 匯融騎士 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 基于聯(lián)邦學(xué)習的新業(yè)態(tài)下的跨境反洗錢(qián)解決方案 |
44 | 深藏blue | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 監管處罰數據分析與預測 |
45 | 安防郵我 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 面向銀行網(wǎng)點(diǎn)安全風(fēng)險問(wèn)題的智能識別及防范模型 |
46 | 郵你泰酷辣 | 總行軟件研發(fā)中心 | 零售金融 | 基于多源智能融合算法的極速貸客戶(hù)精準營(yíng)銷(xiāo) |
47 | 張老師YYDS | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 互聯(lián)網(wǎng)貸款欺詐識別 |
48 | 天自東白 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 金融系統反洗錢(qián)模型研究 |
49 | 數據中心安全團隊 | 總行數據中心 | 其他 | 郵儲銀行全網(wǎng)網(wǎng)絡(luò )安全信息關(guān)聯(lián)分析研究與實(shí)踐 |
50 | 網(wǎng)絡(luò )運維隊 | 總行數據中心 | 風(fēng)險合規 | 基于數據挖掘的網(wǎng)絡(luò )可觀(guān)測性模型 |
51 | 數戰數決 | 總行資產(chǎn)負債管理部 | 服務(wù)實(shí)體經(jīng)濟 | 公司信貸全流程儲備分析與預測方案 |
52 | 行為深藏Blue隊 | 總行運營(yíng)管理部 | 風(fēng)險合規 | 基于機器學(xué)習進(jìn)行異常行為監測 |
53 | 心郵猛虎 | 總行運營(yíng)管理部 | 其他 | 數贏(yíng)未來(lái)——網(wǎng)點(diǎn)智能排班模型 |
54 | AIBeginner | 總行金融場(chǎng)部 | 服務(wù)實(shí)體經(jīng)濟 | 大語(yǔ)言模型在服務(wù)同業(yè)客戶(hù)方面的應用 |
55 | 直濟滄海 | 總行金融場(chǎng)部 | 其他 | 基于風(fēng)險的大類(lèi)資產(chǎn)配置策略研究 |
56 | 資本畫(huà)像師 | 審計局上海分局 | 風(fēng)險合規 | 經(jīng)濟資本占用畫(huà)像及低效占用預警 |
57 | 心靈捕手 | 中郵消費 | 零售金融 | 基于智能心理洞察的個(gè)性化客戶(hù)管理模式 |
58 | 郵點(diǎn)6 | 中郵消費 | 零售金融 | 基于精細化客群劃分的貸后回款預測模型 |
59 | 中郵理財投研分析隊 | 中郵理財 | 零售金融 | 基于人工智能的因子分析及基金組合構建 |
60 | AlphaPlus隊 | 中郵理財 | 其他 | 基于宏觀(guān)經(jīng)濟狀態(tài)判斷和概率風(fēng)險平價(jià)的資產(chǎn)配置量化模型 |
61 | 智能反詐 | 中郵郵惠萬(wàn)家 | 風(fēng)險合規 | 黑中介智能洞察 |
62 | 郵惠反詐小分隊 | 中郵郵惠萬(wàn)家 | 風(fēng)險合規 | 涉詐團伙識別模型 |
63 | 智數營(yíng)銷(xiāo) | 北京分行 | 其他 | 基于知識圖譜的客戶(hù)裂變及粘性提升 |
64 | 挖呀挖隊 | 河北分行 | 風(fēng)險合規 | 不法貸款中介團伙挖掘 |
65 | 燕趙極客隊 | 河北分行 | 零售金融 | 家庭隱形關(guān)系價(jià)值挖掘 |
66 | 山西分行1隊 | 山西分行 | 零售金融 | 基于聯(lián)邦學(xué)習的潛在快捷支付活躍客戶(hù)提升 |
67 | 老有所依 | 遼寧分行 | 零售金融 | 臨退客群產(chǎn)品配置優(yōu)化模型 |
68 | 貸來(lái)希望 | 遼寧分行 | 服務(wù)實(shí)體經(jīng)濟 | 基于深度學(xué)習算法的普惠金融數智化模型 |
69 | 鳳凰社 | 吉林分行 | 風(fēng)險合規 | 基于多模態(tài)的個(gè)人信用風(fēng)險評估模型 |
70 | 初生牛犢 | 吉林分行 | 鄉村振興 | 基于交易網(wǎng)絡(luò )的肉牛養殖產(chǎn)業(yè)鏈價(jià)值挖掘模型 |
71 | 數業(yè)有專(zhuān)攻 | 黑龍江分行 | 鄉村振興 | 鄉村振興視角下基于機器學(xué)習算法的穩息差收益水平改善模型 |
72 | 信貸達人隊 | 上海分行 | 零售金融 | 郵享貸數智化運營(yíng) |
73 | 智能合規先鋒隊 | 江蘇分行 | 風(fēng)險合規 | 監銀聯(lián)動(dòng)下基于單節點(diǎn)算力的AIGC應用突破:合規管理新藍海 |
74 | 蘇農振興 | 江蘇分行 | 鄉村振興 | 三農信貸存量客戶(hù)挖掘 |
75 | 小浙AI | 浙江分行 | 其他 | 浙江嘉興郵儲AI大模型 |
76 | 郵相伴糧歸倉隊 | 安徽分行 | 鄉村振興 | 基于夏秋糧上下游產(chǎn)業(yè)鏈的客戶(hù)精準挖掘 |
77 | 智郵派 | 安徽分行 | 其他 | 集中報賬自動(dòng)化智能運營(yíng)模型 |
78 | 福建先知隊 | 福建分行 | 零售金融 | 基于微信平臺的私域客戶(hù)精準營(yíng)銷(xiāo) |
79 | 長(cháng)纓在手 | 江西分行 | 鄉村振興 | 交易鏈視角下預授信客群價(jià)值提升策略 |
80 | U我養老 | 江西分行 | 零售金融 | 養老經(jīng)濟--個(gè)人養老金客戶(hù)挖掘及價(jià)值提升 |
81 | 幀察 | 山東分行 | 風(fēng)險合規 | 基于客戶(hù)全面關(guān)系的信貸風(fēng)險欺詐識別模型 |
82 | 專(zhuān)業(yè)獵手 | 山東分行 | 鄉村振興 | 多方數據驅動(dòng)的專(zhuān)業(yè)市場(chǎng)營(yíng)銷(xiāo)分析與應用 |
83 | 你是我的眼 | 河南分行 | 風(fēng)險合規 | 基于深度學(xué)習圖像處理助力印鑒檔案管理 |
84 | 地表最強 | 湖南分行 | 零售金融 | 基于深度神經(jīng)網(wǎng)絡(luò )及圖網(wǎng)絡(luò )的信貸營(yíng)銷(xiāo)模型 |
85 | 對對對隊 | 廣東分行 | 零售金融 | 信用卡客戶(hù)活躍度提升 |
86 | Rkiller | 廣東分行 | 風(fēng)險合規 | 信貸資產(chǎn)提升 |
87 | 老友隊 | 廣西分行 | 風(fēng)險合規 | 基于知識圖譜的可疑賬戶(hù)關(guān)系網(wǎng)分析 |
88 | 建工狂魔 | 海南分行 | 服務(wù)實(shí)體經(jīng)濟 | 基于復雜網(wǎng)絡(luò )和梯度提升的農民工資金監管項目1+N模式探索 |
89 | 熊貓快跑 | 四川分行 | 零售金融 | 基于渠道活動(dòng)投放預算分配及相關(guān)權益管理的實(shí)踐和分析 |
90 | 銷(xiāo)銷(xiāo)樂(lè ) | 貴州分行 | 零售金融 | 根據分行實(shí)際情況,挖掘客戶(hù)并進(jìn)行營(yíng)銷(xiāo) |
91 | 秦小儲 | 陜西分行 | 風(fēng)險合規 | 小額線(xiàn)上貸智能風(fēng)控模型 |
92 | 協(xié)同風(fēng)控隊 | 陜西分行 | 風(fēng)險合規 | 基于“心電圖”模式的賬戶(hù)反詐偵測識別分析 |
93 | 奮進(jìn)新征程 | 甘肅分行 | 風(fēng)險合規 | 可疑賬戶(hù)風(fēng)險評估預警處置模型 |
94 | 揚帆隊 | 青海分行 | 服務(wù)實(shí)體經(jīng)濟 | 基于多維度、全畫(huà)像的個(gè)人住房貸款風(fēng)險預測及精準營(yíng)銷(xiāo)模型 |
95 | 銀稅直聯(lián)隊 | 寧夏分行 | 服務(wù)實(shí)體經(jīng)濟 | 銀稅直聯(lián)綜合營(yíng)銷(xiāo) |
96 | 寧夏群英創(chuàng )新工作室 | 寧夏分行 | 鄉村振興 | 活牛金融價(jià)值模型 |
97 | 金智精準營(yíng)銷(xiāo)推送 | 寧夏分行 | 服務(wù)實(shí)體經(jīng)濟 | 金智精準營(yíng)銷(xiāo)推送與機器學(xué)習系統 |
98 | 數據先鋒 | 青島分行 | 服務(wù)實(shí)體經(jīng)濟 | 客戶(hù)留存預測及關(guān)鍵因素分析 |
99 | 光芒隊 | 浙江衢州分行 | 風(fēng)險合規 | 浙江省分行運用涉詐模型助力反詐工作 |
100 | 郵來(lái)郵往 | 浙江溫州分行 | 風(fēng)險合規 | “不法貸款中介”風(fēng)險監測模型 |
第四屆數據建模大賽數據建模賽道初賽評選候補隊伍名單
序號 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 建模選題 |
1 | 智控合規 | 湖北郵政分公司 | 風(fēng)險合規 | 基于數字化員工異常行為檢測AI云端識別系統 |
2 | 鏈動(dòng)郵我 | 總行普惠金融事業(yè)部 | 服務(wù)實(shí)體經(jīng)濟 | 基于工業(yè)互聯(lián)網(wǎng)生態(tài)的數字金融應用場(chǎng)景 |
3 | 青云隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 基于客戶(hù)去冗余算法的風(fēng)險客戶(hù)識別 |
4 | 攜手開(kāi)拓 | 總行軟件研發(fā)中心 | 鄉村振興 | 智能信貸風(fēng)險控制模型助力三農金融 |
5 | 女子探險隊 | 審計局上海分局 | 風(fēng)險合規 | 信用卡分期業(yè)務(wù)風(fēng)險監測 |
6 | 風(fēng)險哨兵 | 安徽分行 | 風(fēng)險合規 | 基于機器學(xué)習的賬戶(hù)風(fēng)險識別建模 |
7 | 芳耕戰隊 | 寧夏分行 | 零售金融 | 消費金融客戶(hù)升級模型(以事業(yè)單位員工為例) |