银行技术2019年11月号现已发行

身份挑战

我们最新的旗舰杂志《银行技术》现已发行，其中包含新闻，分析和见解，案例研究，研究和专家评论。

我们的编辑Sharon Kimathi的便条：

像许多年前一样，今年在各种会议上，人工智能，机器学习和数据都是主题。但是，人们现在正在质疑这些工具背后用来确定其结果的道德，概念和类型数据。

Informa Financial Intelligence消费者贷款副总裁Rutger Van Faassen认为，为了使AI，ML和深度学习获得成功，人们需要指导ML使用正确的数据来理解正确的概念。许多金融机构发现自己处在拥有大量有关其客户的数据的情况下，却不知道如何将ML或AI应用于数据，或者最初的结果令人失望。

我们自己的记者Ruby Hinchliffe探究了用于这种结果的错误类型的数据将如何产生令人失望的结果，因为她揭示了对AI被用于预测“财务风险”（例如某人获得风险的可能性）的不满。通过观察一个人的银行业务模式来实现沉默。

这种相当险恶的启示使她得出结论，如果像porce这样的事件（困扰整个英国近二分之二（42％）的婚姻）成为抵押的决定因素，那么总的来说，人们将获得更多的抵押贷款。准备把握贷款行业的偏见。

Hinchliffe和CreditEnable的首席执行官Nadia Sood都发现，该行业在旧时的人为偏见现已转变为算法偏见，这意味着黑人和少数族裔借款人每年被收取更高的利率，比白人借款人多付出五亿美元的代价。在美国拥有相似的信用评分。

但是，借贷并不是唯一一个存在问题的部门，因为金融服务业也受到滥用人工智能的困扰。SAS企业欺诈解决方案全球负责人Ian Holmes指出，数量惊人的金融机构正在利用适当的解决方案来进行身份欺诈。Aite研究表明，只有10％的组织正在积极使用ML分析来协调身份验证。尽管50％的人正在实施这些解决方案或将其纳入路线图，但令人担忧的40％的人却没有。

Holmes补充说，银行需要采取措施证明AI和高级分析的价值，并证明这些解决方案如何为客户带来更高水平的灵活性和便利性。该原则不仅应适用于身份欺诈，而且AI也应适用。

2019年11月版银行技术具有以下特点：

通过Gen Z镜头直到抵押贷款使我们分开

AI的思想领导力：这会成为力量吗？

分析AI如何增强合规性实践？

编辑的选择如何实现数字化转型

洞察力银行如何知道谁是谁？

焦点使所有人受益的通用数据格式

聚焦确保AI与传统解决方案配合使用

我只是说...超越个性化

令人深思的故事高大抱负的小故事

向专家咨询有关如何发展业务的实用，免费建议。

当然，不要忘记正规兵：

新闻–好的，坏的和丑陋的。约会–推动者和摇动者。行业活动–标记您的日历！