郵儲銀行第四屆數(shù)據(jù)建模大賽決賽評選圓滿落幕
2023-12-06來源：中國郵政網(wǎng)郵儲銀行第四屆數(shù)據(jù)建模大賽以助力集團公司、郵儲銀行圓滿郵儲銀行2023年重點工作實施為目標，第屆大賽通過大賽營造大數(shù)據(jù)應用氛圍，數(shù)據(jù)提升員工專業(yè)技術能力和水平，建模決賽增強數(shù)字化轉(zhuǎn)型動能。評選大賽決賽設置“數(shù)據(jù)建模”和“價值創(chuàng)造”雙賽道。落幕其中，郵儲銀行圓滿“數(shù)據(jù)建模”賽道重在考察建模方案的第屆大賽創(chuàng)新性、準確性和實用性，數(shù)據(jù)而“價值創(chuàng)造”賽道重在考察應用方案實施情況及成效。建模決賽
大賽兩個賽道的評選決賽評選已于11月29日和11月30日分別完成。價值創(chuàng)造賽道評選出一等獎4名，落幕二等獎8名，郵儲銀行圓滿三等獎14名，第屆大賽數(shù)據(jù)建模賽道評選出一等獎4名，數(shù)據(jù)二等獎8名，三等獎14名。同時，大賽評選出15名在本屆賽事中營造良好數(shù)據(jù)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(xiāng)村振興、服務實體經(jīng)濟、風險合規(guī)”戰(zhàn)略方向，助力數(shù)據(jù)賦能郵政金融各機構(gòu)的日常管理經(jīng)營，進一步推動數(shù)據(jù)應用成果向基層落地。
為確保競賽的“公平、公正、公開”，大賽組委會決定對兩個賽道擬獲獎及最佳組織獎擬獲獎名單進行公示。如對評選結(jié)果存在異議，可在12月12日前，以書面形式將意見通過電子郵件反饋至大賽組委會辦公室。反饋意見需真實、具體，反饋人員需署真實姓名，并提供有效聯(lián)系方式，以便大賽組委會進行后續(xù)調(diào)查與反饋。
大賽組委會辦公室E-mail:huangpengken@psbcoa.com.cn。
第四屆數(shù)據(jù)建模大賽價值創(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 | 建模領域 | 項目名稱 | 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(xiāng)村振興 | 活牛金融價值模型 | 91.50 | 1 |
| 數(shù)能生巧 | 總行個人金融部 | 零售金融 | 基于IVL模型的客戶細分及價值挖掘 | 90.38 | 2 | |
| 展金隊 | 總行資產(chǎn)負債管理部 | 其他 | 未來現(xiàn)金流模型應用 | 88.50 | 3 | |
| 希望的田野 | 云南分行 | 鄉(xiāng)村振興 | “云品”產(chǎn)業(yè)貸及收單業(yè)務拓展應用 | 88.13 | 4 | |
| 二等獎 （8名） | 蘇農(nóng)振興 | 江蘇分行 | 鄉(xiāng)村振興 | 基于三農(nóng)大數(shù)據(jù)的江蘇特色白名單貸款——郵農(nóng)貸 | 88.00 | 5 |
| 點石成金 | 總行網(wǎng)絡金融部 | 零售金融 | 借記卡快捷支付非活躍客戶的精準定位與"回流"運營的應用推廣 | 88.00 | 5 | |
| 名師出高圖隊 | 總行軟件研發(fā)中心 | 風險合規(guī) | 基于關聯(lián)圖譜的涉案賬戶排查模型 | 87.63 | 7 | |
| 貸來希望 | 遼寧分行 | 鄉(xiāng)村振興 | 鄉(xiāng)村振興普惠金融數(shù)智化營銷 | 87.38 | 8 | |
| 惠農(nóng)先鋒 | 陜西分行 | 鄉(xiāng)村振興 | 服務“鄉(xiāng)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 | 服務實體經(jīng)濟 | 地方債“融資+融智”全生命周期服務管理模型 | 87.00 | 10 | |
| 數(shù)幣福爾摩斯 | 總行數(shù)字人民幣部 | 風險合規(guī) | 基于多維度算法模型的數(shù)字人民幣智能風控體系建設 | 87.00 | 10 | |
| 大語言模型銀擎隊 | 北京分行 | 零售金融 | 基于大語言模型的營銷運營體系研究 | 86.63 | 12 | |
| 三等獎 （14名） | 普惠數(shù)智風控者 | 總行普惠金融事業(yè)部 | 風險合規(guī) | 中小微企業(yè)貸后風控預警體系構(gòu)建 | 86.63 | 12 |
| 數(shù)智風控隊 | 陜西分行 | 風險合規(guī) | 信用卡客戶風險識別及價值提升分析 | 86.50 | 14 | |
| 風險捕手隊 | 江西分行 | 風險合規(guī) | 江西個人賬戶風險監(jiān)測平臺 | 86.50 | 14 | |
| 行遠隊 | 江蘇分行 | 風險合規(guī) | 賬戶智能化風險防控平臺 | 86.38 | 16 | |
| 數(shù)海揚帆隊 | 山西分行 | 鄉(xiāng)村振興 | 基于多模型復合應用的信用戶潛在用信客戶營銷 | 86.13 | 17 | |
| 八卦爐 | 總行授信管理部 | 風險合規(guī) | 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(shù)據(jù)獵手 | 總行數(shù)字人民幣部 | 零售金融 | 數(shù)字人民幣客戶向借記卡引流營銷策略 | 85.88 | 19 | |
| 隨風郵無險 | 總行信用卡中心 | 風險合規(guī) | 風險收益模型應用 | 85.63 | 20 | |
| 心中郵數(shù)隊 | 總行軟件研發(fā)中心 | 風險合規(guī) | 基于chatGLM大模型的法律文本智能審查 | 85.38 | 21 | |
| 數(shù)智體驗隊 | 總行網(wǎng)絡金融部 | 零售金融 | 基于客戶實時評價模型改進客戶體驗 | 85.25 | 22 | |
| 智郵派 | 總行財務會計部 | 其他 | 集中報賬自動化智能運營模型 | 85.00 | 23 | |
| 貸后守護者 | 安徽分行 | 風險合規(guī) | 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)務開展差異化寄遞服務獲客 | 83.88 | 25 | |
| 對對隊 | 中郵理財 | 其他 | 資訊數(shù)據(jù)網(wǎng)關 | 81.88 | 26 |
第四屆數(shù)據(jù)建模大賽數(shù)據(jù)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 | 建模領域 | 項目名稱 | 決賽得分 | 得分排名 |
| 一等獎 （4名） | 智能合規(guī)先鋒隊 | 江蘇分行 | 風險合規(guī) | 基于單節(jié)點低算力的AIGC應用突破：合規(guī)管理新藍海 | 89.00 | 1 |
| 金盾隊 | 總行授信管理部 | 風險合規(guī) | 大模型技術在個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)務部 | 零售金融 | 基于AI+大模型的客戶畫像與需求預測 | 88.63 | 3 | |
| 數(shù)戰(zhàn)數(shù)決 | 總行資產(chǎn)負債管理部 | 服務實體經(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 | 服務實體經(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)動研究 | 88.00 | 5 |
| 網(wǎng)之一目 | 總行網(wǎng)絡金融部 | 風險合規(guī) | 手機銀行渠道主動配合的“本人”操作風險識別 | 88.00 | 5 | |
| 協(xié)同風控隊 | 陜西分行 | 風險合規(guī) | 基于“心電圖”模式的賬戶反詐偵測識別分析 | 87.88 | 7 | |
| 繼往開來隊 | 總行網(wǎng)絡金融部 | 風險合規(guī) | 手機銀行聯(lián)合欺詐風險防控模型及應用 | 87.50 | 8 | |
| AI慧眼隊 | 廣東省郵政分公司 | 風險合規(guī) | AI視頻監(jiān)控預警 | 87.38 | 9 | |
| 長纓在手 | 江西分行 | 鄉(xiāng)村振興 | 交易鏈視角下預授信客群價值提升策略 | 87.13 | 10 | |
| 山西分行1隊 | 山西分行 | 零售金融 | 基于聯(lián)邦學習的潛在快捷支付活躍客戶提升 | 87.00 | 11 | |
| 寧夏群英創(chuàng)新工作室 | 寧夏分行 | 鄉(xiāng)村振興 | 畜牧業(yè)估價通用模型 | 86.38 | 12 | |
| 三等獎 （14名） | 幀察 | 山東分行 | 風險合規(guī) | 基于客戶全面關系的個人信貸風險防控模型 | 86.38 | 12 |
| 數(shù)字普惠隊 | 總行軟件研發(fā)中心 | 服務實體經(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銷”模型研究 | 86.38 | 12 | |
| 郵相伴糧歸倉隊 | 安徽分行 | 鄉(xiāng)村振興 | 基于夏秋糧上下游產(chǎn)業(yè)鏈的客戶精準挖掘 | 86.00 | 15 | |
| 你是我的眼 | 河南分行 | 風險合規(guī) | 基于深度學習圖像處理助力印鑒檔案管理 | 85.75 | 16 | |
| 快上車 | 總行消費信貸部 | 零售金融 | 汽車金融智能反欺詐體系建設與應用 | 85.63 | 17 | |
| 春風化雨隊 | 江蘇省郵政分公司 | 鄉(xiāng)村振興 | 鄉(xiāng)村農(nóng)業(yè)場景開發(fā)數(shù)據(jù)模型及風險策略研究 | 85.50 | 18 | |
| 中郵理財投研分析隊 | 中郵理財 | 零售金融 | 機器學習算法優(yōu)選“好”基金 | 85.50 | 18 | |
| 挖呀挖呀挖隊 | 總行個人金融部 | 零售金融 | 保險客戶滄海遺珠打撈計劃 | 85.38 | 20 | |
| 眼鏡代表隊 | 總行金融同業(yè)部 | 風險合規(guī) | 基于機器學習算法對利率走勢的分析 | 85.38 | 20 | |
| 挖呀挖隊 | 河北分行 | 風險合規(guī) | 不法貸款中介團伙挖掘 | 85.13 | 22 | |
| 心中郵數(shù)隊 | 總行信用卡中心 | 風險合規(guī) | 利率市場化背景下郵儲銀行信用卡最優(yōu)化定價研究 | 85.13 | 22 | |
| U我養(yǎng)老 | 江西分行 | 零售金融 | 養(yǎng)老經(jīng)濟--個人養(yǎng)老金客戶挖掘及價值提升 | 84.25 | 24 | |
| 行為深藏Blue隊 | 總行運營管理部 | 風險合規(guī) | 基于機器學習進行異常行為監(jiān)測 | 84.13 | 25 | |
| 發(fā)際線與我作隊 | 總行軟件研發(fā)中心 | 風險合規(guī) | 基于局部合力的異常風險捕獲模型研究 | 83.63 | 26 |
第四屆數(shù)據(jù)建模大賽最佳組織獎擬獲獎名單
| 序號 | 機構(gòu)屬性 | 獲獎單位 |
| 1 | 集團公司 | 集團公司總部金融業(yè)務部 |
| 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)絡金融部 | |
| 5 | 總行公司金融部 | |
| 6 | 總行風險管理部 | |
| 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 |
