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(tuán)公司、郵儲銀行圓滿郵儲銀行2023年重點工作實施為目標(biāo)，第屆大賽通過大賽營造大數(shù)據(jù)應(yīng)用氛圍，數(shù)據(jù)提升員工專業(yè)技術(shù)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(shè)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(zhǔn)確性和實用性，數(shù)據(jù)而“價值創(chuàng)造”賽道重在考察應(yīng)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(yīng)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(wù)實體經(jīng)濟(jì)、風(fēng)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(jìn)一步推動數(shù)據(jù)應(yīng)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(jìn)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(jìn)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(lǐng)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(xì)分及價值挖掘 | 90.38 | 2 | |
| 展金隊 | 總行資產(chǎn)負(fù)債管理部 | 其他 | 未來現(xiàn)金流模型應(yīng)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(wù)拓展應(yīng)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(luò)金融部 | 零售金融 | 借記卡快捷支付非活躍客戶的精準(zhǔn)定位與"回流"運營的應(yīng)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(guī) | 基于關(guān)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(wù)“鄉(xiāng)村振興”的授信用信預(yù)測模型應(yīng)用 | 87.13 | 9 | |
| 財多多 | 總行公司金融部 | 服務(wù)實體經(jīng)濟(jì) | 地方債“融資+融智”全生命周期服務(wù)管理模型 | 87.00 | 10 | |
| 數(shù)幣福爾摩斯 | 總行數(shù)字人民幣部 | 風(fēng)險合規(guī) | 基于多維度算法模型的數(shù)字人民幣智能風(fēng)控體系建設(shè) | 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(fēng)控者 | 總行普惠金融事業(yè)部 | 風(fēng)險合規(guī) | 中小微企業(yè)貸后風(fēng)控預(yù)警體系構(gòu)建 | 86.63 | 12 |
| 數(shù)智風(fēng)控隊 | 陜西分行 | 風(fēng)險合規(guī) | 信用卡客戶風(fēng)險識別及價值提升分析 | 86.50 | 14 | |
| 風(fēng)險捕手隊 | 江西分行 | 風(fēng)險合規(guī) | 江西個人賬戶風(fēng)險監(jiān)測平臺 | 86.50 | 14 | |
| 行遠(yuǎn)隊 | 江蘇分行 | 風(fēng)險合規(guī) | 賬戶智能化風(fēng)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(fù)合應(yīng)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(fēng)險合規(guī) | 行業(yè)景氣度模型在授信管理工作中的應(yīng)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(fēng)郵無險 | 總行信用卡中心 | 風(fēng)險合規(guī) | 風(fēng)險收益模型應(yīng)用 | 85.63 | 20 | |
| 心中郵數(shù)隊 | 總行軟件研發(fā)中心 | 風(fēng)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(luò)金融部 | 零售金融 | 基于客戶實時評價模型改進(jìn)客戶體驗 | 85.25 | 22 | |
| 智郵派 | 總行財務(wù)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(hù)者 | 安徽分行 | 風(fēng)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(wù)開展差異化寄遞服務(wù)獲客 | 83.88 | 25 | |
| 對對隊 | 中郵理財 | 其他 | 資訊數(shù)據(jù)網(wǎng)關(guān) | 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(lǐng)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(fēng)險合規(guī) | 基于單節(jié)點低算力的AIGC應(yīng)用突破：合規(guī)管理新藍(lán)海 | 89.00 | 1 |
| 金盾隊 | 總行授信管理部 | 風(fēng)險合規(guī) | 大模型技術(shù)在個人貸款不良預(yù)測中的探索與應(yīng)用 | 88.75 | 2 | |
| 最懂你 | 集團(tuán)總部金融業(yè)務(wù)部 | 零售金融 | 基于AI+大模型的客戶畫像與需求預(yù)測 | 88.63 | 3 | |
| 數(shù)戰(zhàn)數(shù)決 | 總行資產(chǎn)負(fù)債管理部 | 服務(wù)實體經(jīng)濟(jì) | 公司信貸全流程儲備分析與預(yù)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)實體經(jīng)濟(jì) | "1+N"新體系中基于因果推斷模型的產(chǎn)業(yè)金融鏈?zhǔn)酵乜秃团懵?lián)動研究 | 88.00 | 5 |
| 網(wǎng)之一目 | 總行網(wǎng)絡(luò)金融部 | 風(fēng)險合規(guī) | 手機銀行渠道主動配合的“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(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(luò)金融部 | 風(fēng)險合規(guī) | 手機銀行聯(lián)合欺詐風(fēng)險防控模型及應(yīng)用 | 87.50 | 8 | |
| AI慧眼隊 | 廣東省郵政分公司 | 風(fēng)險合規(guī) | AI視頻監(jiān)控預(yù)警 | 87.38 | 9 | |
| 長纓在手 | 江西分行 | 鄉(xiāng)村振興 | 交易鏈視角下預(yù)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(xué)習(xí)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(fēng)險合規(guī) | 基于客戶全面關(guān)系的個人信貸風(fēng)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(wù)實體經(jīng)濟(jì) | 基于對公渠道和遠(yuǎn)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(zhǔn)挖掘 | 86.00 | 15 | |
| 你是我的眼 | 河南分行 | 風(fēng)險合規(guī) | 基于深度學(xué)習(xí)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(shè)與應(yīng)用 | 85.63 | 17 | |
| 春風(fēng)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(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(xí)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(fēng)險合規(guī) | 基于機器學(xué)習(xí)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(guī) | 不法貸款中介團(tuán)伙挖掘 | 85.13 | 22 | |
| 心中郵數(shù)隊 | 總行信用卡中心 | 風(fēng)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(jì)--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(fēng)險合規(guī) | 基于機器學(xué)習(xí)進(jìn)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(fēng)險合規(guī) | 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(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(tuán)公司 | 集團(tuán)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 |
