Page 127 - 金融科技力

得申請者 較快獲得 貸款准駁 的結果， 也幫助銀 行減少由 於信用評
分評估有誤，導致違約或流失商機的可能性。

使用傳統 信用評分 模式，潛 在借款人 必須有足 夠的歷史 信用

資訊，若借款人缺乏這種資訊，將 無法獲得授信及建立信用記錄。
透過使用 替代資料 來源和應 用機器學 習來評估 償還能力 和意願，
金融機構也許能夠作出以前不可能作出的放貸決定。

以個人信 貸與信用 卡為例， 目前台灣 大多數銀 行的信用 評分

制度，均 仰賴以聯 合徵信中 心的資料 作為主要 評分的參 數。由於
客戶當前 面對的市 場與消費 環境日趨 複雜多樣 ，傳統上 以信用記

錄為主的 評分方式 ，對於不 使用信用 卡或較少 與銀行往 來 的 客
戶，其辨 識能力不 足。若能 觀察個人 的社群、 行動通訊 、消費資

料，或是 企業戶的 支付、會 計帳務資 料，將可 提昇對客 戶信用的
鑑別力。 同時，如 果能知道 客戶的消 費內容， 以及客戶 的消費型

態與信用 風險的關 係，銀行 可以思考 如何在取 得客戶授 權及個資
保護的前 提下，尋 求與其他 的數據擁 有者例如 第三方支 付商、票

證支付公 司、電信 公司、公 用事業公 司、大賣 場、購物 商城、社
群例如 Facebook、LINE 等社群媒體、醫院等合作以獲取資料 ，

再配合結 構化的信 用資料， 便可發展 出全方位 的信用評 分系統，
對於各項業務的推展會有實質的幫助。

5.反詐欺：

針對常見 詐騙如信 用卡詐欺 、冒貸及 惡性倒閉 詐欺等， 利用

深度學習 技術，從 各方資料 平臺 (如 客戶交易 資訊、線 上申請 紀
錄等 ) 綜 合彙整客 戶資訊， 深度挖掘 ，抽取風 險特徵指 標， 再 由

認知計算模型的分析，協助金融業快速、準 確地識別出異常行為，
一旦發現，便可提醒銀行，採取因應措施。

6. 身分識別：

利用生物 辨識技術 ，包含臉 部、語音 聲紋、虹 膜、靜脈 、指

紋等生物 特徵，作 為客戶進 行金融交 易及特定 場域安全 防護時，
身分辨識 的主要方 式。以語 音辨識身 分為例， 透過人工 智慧的語

113