成功可信度高
金融 · 预测与分析 / 流程自动化
旷视科技落地个人征信大模型解决方案，有效提升金融机构客户转化率20%
旷视基于LLaMA2精调，将非结构化征信数据结构化并自动筛选有效变量，基于Transformer自监督预训练理解用户行为与意图，生成个人信用评分、预测贷款意愿，帮助朴道征信客户转化率提升20%。
客户转化率提升20%
北京旷视科技有限公司发布于 2026年7月22日实施于 2023 年阅读 0
客户转化率
提升20%
来源披露
企业痛点
金融征信风控
01
业务背景
朴道征信在信贷和金融服务场景缺乏适用于不同信贷业务、全方位评估个人资质的评分。
02
遇到的问题
①大量非结构化征信数据未被有效利用；②用户行为信息颗粒度粗，客户心理状态类特征提取难。
03
AI 解决方案
LLaMA2精调；非结构化数据结构化+自动筛选变量；Transformer自监督预训练理解行为意图；生成信用评分预测贷款意愿。
- 1基于LLaMA2进行精调
- 2利用AUTOML/NER/关系抽取解析非结构数据
- 3时序模型学习个人行为精准建模
- 4自监督学习预训练缓解负样本稀缺
- 5生成个人信用评分与贷款意愿预测
04
实施结果
客户转化率：提升20%（+20%）
05
风险与边界
征信数据敏感，需严格合规与隐私保护；模型可解释性要求高。
编辑点评 · AI 辅助生成并经审核
该案例来自北京市科学技术委员会、中关村科技园区管理委员会评选的北京市典型大模型应用，由北京旷视科技有限公司落地（落地客户：朴道征信有限公司），具备较强的示范与可推广性，建议结合自身业务参考落地。
适合
征信机构、银行风控部门
前置条件
非结构化征信数据、合规授权
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。
关联报告：北京市科委、中关村管委会《北京市人工智能行业大模型创新应用白皮书（2023年）》 · 北京市科学技术委员会、中关村科技园区管理委员会 · 2023