大型金融集团数据科学项目群
横跨证券、外汇、信贷、保险的机器学习模型与 BI 体系落地。
挑战：
日本大型金融集团横跨证券、外汇、信贷、保险多个业务板块：数据分散在各业务线，风控审核与营销分析大量依赖人工，各部门看数据的口径也不统一。集团需要的不是一个模型，而是一套能在多个业务板块同时落地的数据科学与 BI 体系，并让业务部门自己用起来。
解决方案：
承担范围： 集团内跨业务板块的数据科学建模、BI 体系推广、数字营销分析与内部数据人才培养。
- 风控与欺诈识别： 以机器学习（自动化建模平台）构建欺诈识别模型，实现审核自动化，每月节省 20 小时以上人工审核；构建信用风险排名模型，支撑授信业务的风险评估；
- 客户与市场建模： 识别高 LTV 证券客户、研究外汇短期变动预测与交易自动化模型、分析保险业务的电话联系成功率与电视广告效果，把模型输出直接交给业务部门使用；
- BI 体系集团级推广： 在集团范围推广 Tableau / Power BI，实现日报自动化（每月再节省 20 小时以上），让各业务线在同一套口径下看数据；
- 数字营销分析： 基于 Google Analytics 与 A/B 测试提出网站 UI/UX 与营销改善方案；
- 云与 AI 落地： 在 AWS、Azure、GCP 等云环境中完成分析与机器学习项目的 POC；开展内部 AI / 大数据培训，推动数据驱动文化落地；
- 技术尽调： 以英语支持海外科技创投的技术尽职调查。
成果：
- 4 大业务板块落地： 数据分析与机器学习落地证券、外汇、信贷、保险四个板块；
- 人工时间释放： 仅欺诈识别一项每月即节省 20 小时以上人工审核，日报自动化再节省 20 小时以上；
- 体系而非单点： 从模型、BI 工具到培训与云环境，形成集团内可持续运转的数据应用能力，而不是交付后就停摆的一次性模型。
