郵儲銀行第四屆數據建模大賽決賽評選圓滿(mǎn)落幕
2023-12-06來(lái)源：中國郵政網(wǎng)
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)大賽營(yíng)造大數據應用氛圍，提升員工專(zhuān)業(yè)技術(shù)能力和水平，增強數字化轉型動(dòng)能。大賽決賽設置“數據建?！焙汀皟r(jià)值創(chuàng )造”雙賽道。其中，“數據建?！辟惖乐卦诳疾旖７桨傅膭?chuàng )新性、準確性和實(shí)用性，而“價(jià)值創(chuàng )造”賽道重在考察應用方案實(shí)施情況及成效。
大賽兩個(gè)賽道的決賽評選已于11月29日和11月30日分別完成。價(jià)值創(chuàng )造賽道評選出一等獎4名，二等獎8名，三等獎14名，數據建模賽道評選出一等獎4名，二等獎8名，三等獎14名。同時(shí)，大賽評選出15名在本屆賽事中營(yíng)造良好數據應用氛圍的參賽單位獲得最佳組織獎。大賽獲獎項目及隊伍充分聚焦“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，助力數據賦能郵政金融各機構的日常管理經(jīng)營(yíng)，進(jìn)一步推動(dòng)數據應用成果向基層落地。
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)賽道擬獲獎及最佳組織獎擬獲獎名單進(jìn)行公示。如對評選結果存在異議，可在12月12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:huangpengken@psbcoa.com.cn。
第四屆數據建模大賽價(jià)值創(chuàng )造賽道擬獲獎名單
| 擬推薦獎項 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 項目名稱(chēng) | 決賽得分 | 得分排名 |
| 一等獎 （4名） |
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 | 91.50 | 1 |
| 數能生巧 | 總行個(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 | 90.38 | 2 | |
| 展金隊 | 總行資產(chǎn)負債管理部 | 其他 | 未來(lái)現金流模型應用 | 88.50 | 3 | |
| 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 | 88.13 | 4 | |
| 二等獎 （8名） |
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 | 88.00 | 5 |
| 點(diǎn)石成金 | 總行網(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 | 88.00 | 5 | |
| 名師出高圖隊 | 總行軟件研發(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 | 87.63 | 7 | |
| 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) | 87.38 | 8 | |
| 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 | 87.13 | 9 | |
| 財多多 | 總行公司金融部 | 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 | 87.00 | 10 | |
| 數幣福爾摩斯 | 總行數字人民幣部 | 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 | 87.00 | 10 | |
| 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 | 86.63 | 12 | |
| 三等獎 （14名） |
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)貸后風(fēng)控預警體系構建 | 86.63 | 12 |
| 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 | 86.50 | 14 | |
| 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 | 86.50 | 14 | |
| 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 | 86.38 | 16 | |
| 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) | 86.13 | 17 | |
| 八卦爐 | 總行授信管理部 | 風(fēng)險合規 | 行業(yè)景氣度模型在授信管理工作中的應用 | 86.00 | 18 | |
| 卡幣同行數據獵手 | 總行數字人民幣部 | 零售金融 | 數字人民幣客戶(hù)向借記卡引流營(yíng)銷(xiāo)策略 | 85.88 | 19 | |
| 隨風(fēng)郵無(wú)險 | 總行信用卡中心 | 風(fēng)險合規 | 風(fēng)險收益模型應用 | 85.63 | 20 | |
| 心中郵數隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 基于chatGLM大模型的法律文本智能審查 | 85.38 | 21 | |
| 數智體驗隊 | 總行網(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 | 85.25 | 22 | |
| 智郵派 | 總行財務(wù)會(huì )計部 | 其他 | 集中報賬自動(dòng)化智能運營(yíng)模型 | 85.00 | 23 | |
| 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 | 84.75 | 24 | |
| 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 | 83.88 | 25 | |
| 對對隊 | 中郵理財 | 其他 | 資訊數據網(wǎng)關(guān) | 81.88 | 26 |
第四屆數據建模大賽數據建模賽道擬獲獎名單
| 擬推薦獎項 | 隊名 | 主創(chuàng )人員所在單位 | 建模領(lǐng)域 | 項目名稱(chēng) | 決賽得分 | 得分排名 |
| 一等獎 （4名） |
智能合規先鋒隊 | 江蘇分行 | 風(fēng)險合規 | 基于單節點(diǎn)低算力的AIGC應用突破：合規管理新藍海 | 89.00 | 1 |
| 金盾隊 | 總行授信管理部 | 風(fēng)險合規 | 大模型技術(shù)在個(gè)人貸款不良預測中的探索與應用 | 88.75 | 2 | |
| 最懂你 | 集團總部金融業(yè)務(wù)部 | 零售金融 | 基于A(yíng)I+大模型的客戶(hù)畫(huà)像與需求預測 | 88.63 | 3 | |
| 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 | 88.25 | 4 | |
| 二等獎 （8名） |
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 | 88.00 | 5 |
| 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 | 88.00 | 5 | |
| 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 | 87.88 | 7 | |
| 繼往開(kāi)來(lái)隊 | 總行網(wǎng)絡(luò )金融部 | 風(fēng)險合規 | 手機銀行聯(lián)合欺詐風(fēng)險防控模型及應用 | 87.50 | 8 | |
| AI慧眼隊 | 廣東省郵政分公司 | 風(fēng)險合規 | AI視頻監控預警 | 87.38 | 9 | |
| 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 | 87.13 | 10 | |
| 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 | 87.00 | 11 | |
| 寧夏群英創(chuàng )新工作室 | 寧夏分行 | 鄉村振興 | 畜牧業(yè)估價(jià)通用模型 | 86.38 | 12 | |
| 三等獎 （14名） |
幀察 | 山東分行 | 風(fēng)險合規 | 基于客戶(hù)全面關(guān)系的個(gè)人信貸風(fēng)險防控模型 | 86.38 | 12 |
| 數字普惠隊 | 總行軟件研發(fā)中心 | 服務(wù)實(shí)體經(jīng)濟 | 基于對公渠道和遠程銀行的小微易貸“增強型智能外呼再營(yíng)銷(xiāo)”模型研究 | 86.38 | 12 | |
| 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 | 86.00 | 15 | |
| 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 | 85.75 | 16 | |
| 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 | 85.63 | 17 | |
| 春風(fēng)化雨隊 | 江蘇省郵政分公司 | 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 | 85.50 | 18 | |
| 中郵理財投研分析隊 | 中郵理財 | 零售金融 | 機器學(xué)習算法優(yōu)選“好”基金 | 85.50 | 18 | |
| 挖呀挖呀挖隊 | 總行個(gè)人金融部 | 零售金融 | 保險客戶(hù)滄海遺珠打撈計劃 | 85.38 | 20 | |
| 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 | 85.38 | 20 | |
| 挖呀挖隊 | 河北分行 | 風(fēng)險合規 | 不法貸款中介團伙挖掘 | 85.13 | 22 | |
| 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 | 85.13 | 22 | |
| 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 | 84.25 | 24 | |
| 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 | 84.13 | 25 | |
| 發(fā)際線(xiàn)與我作隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規 | 基于局部合力的異常風(fēng)險捕獲模型研究 | 83.63 | 26 |
第四屆數據建模大賽最佳組織獎擬獲獎名單
| 序號 | 機構屬性 | 獲獎單位 |
| 1 | 集團公司 | 集團公司總部金融業(yè)務(wù)部 |
| 2 | 廣東省郵政分公司 | |
| 3 | 郵儲銀行總行 | 總行信用卡中心 |
| 4 | 總行網(wǎng)絡(luò )金融部 | |
| 5 | 總行公司金融部 | |
| 6 | 總行風(fēng)險管理部 | |
| 7 | 總行軟件研發(fā)中心 | |
| 8 | 郵儲銀行一級分行 | 山西分行 |
| 9 | 江蘇分行 | |
| 10 | 安徽分行 | |
| 11 | 江西分行 | |
| 12 | 山東分行 | |
| 13 | 湖南分行 | |
| 14 | 陜西分行 | |
| 15 | 寧夏分行 |