郵儲銀行第四屆數(shù)據(jù)建模大賽初賽評選順利結(jié)束
2023-08-02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2023年重點工作實施為目標(biāo)，通過大賽激發(fā)廣大員工創(chuàng)新活力，提升員工專業(yè)技術(shù)能力和水平，助力重大戰(zhàn)略實施及推動企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。本屆大賽打造“數(shù)據(jù)建?！焙汀皟r值創(chuàng)造”雙賽道，引導(dǎo)隊伍在數(shù)據(jù)建模的同時，充分注重應(yīng)用環(huán)節(jié)產(chǎn)生的實效。
兩個賽道初賽評選已于7月28日全部完成。價值創(chuàng)造賽道初賽從150支參賽隊伍中評選出108支隊伍擬晉級復(fù)賽。數(shù)據(jù)建模賽道初賽從210支參賽隊伍中評選出100支擬晉級復(fù)賽。晉級的項目充分聚焦“零售金融、鄉(xiāng)村振興、服務(wù)實體經(jīng)濟、風(fēng)險合規(guī)”戰(zhàn)略方向，圍繞企業(yè)發(fā)展重點，兼顧創(chuàng)新性與實用性，為郵政金融各機構(gòu)的經(jīng)營管理等提供有力支撐。
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晉級復(fù)賽及初賽評選候補隊伍名單進行公示。如對評選結(jié)果存在異議，可在8月9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，并提供有效的聯(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)造賽道擬晉級復(fù)賽隊伍名單
| 序號 | 賽區(qū) | 隊名 | 主創(chuàng)人員所在單位 | 建模領(lǐng)域 | 建模選題 |
| 1 | 總部 | 數(shù)能生巧 | 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 |
| 2 | 隨風(fēng)郵無險 | 信用卡中心 | 風(fēng)險合規(guī) | 風(fēng)險收益模型應(yīng)用 | |
| 3 | 照妖鏡 | 網(wǎng)絡(luò)金融部 | 風(fēng)險合規(guī) | 黑產(chǎn)社區(qū)內(nèi)團伙識別及受害者事前提醒的實踐 | |
| 4 | 數(shù)智體驗隊 | 網(wǎng)絡(luò)金融部 | 零售金融 | 基于客戶實時評價模型改進客戶體驗 | |
| 5 | 點石成金 | 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 | |
| 6 | 集兔郵禮 | 網(wǎng)絡(luò)金融部 | 零售金融 | 基于郵政特色場景的零售客戶價值提升 | |
| 7 | 數(shù)幣福爾摩斯 | 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) | |
| 8 | 卡幣同行數(shù)據(jù)獵手 | 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 | |
| 9 | 普惠數(shù)智風(fēng)控者 | 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 | |
| 10 | 主辦行客戶服務(wù)隊 | 公司金融部 | 服務(wù)實體經(jīng)濟 | 全面推廣公司金融“1+N”經(jīng)營與服務(wù)新體系，持續(xù)提升主辦行客戶綜合服務(wù)能力 | |
| 11 | 財多多 | 公司金融部 | 服務(wù)實體經(jīng)濟 | 地方債“融資+融智”全生命周期服務(wù)管理模型 | |
| 12 | 強軍郵我 | 公司金融部 | 服務(wù)實體經(jīng)濟 | “融”出新發(fā)展，“合”出新動能——數(shù)智化模型助力為軍金融服務(wù)生態(tài)圈高質(zhì)量發(fā)展 | |
| 13 | 欣欣向農(nóng) | 公司金融部 | 鄉(xiāng)村振興 | 高標(biāo)準(zhǔn)農(nóng)田及耕地項目資金監(jiān)管模型 | |
| 14 | 神機百煉 | 交易銀行部 | 服務(wù)實體經(jīng)濟 | 基于大數(shù)據(jù)分析，實現(xiàn)對公客群“線上+線下”聯(lián)動的數(shù)字化營銷 | |
| 15 | 八卦爐 | 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 | |
| 16 | 智媒絕倫 | 軟件研發(fā)中心 | 風(fēng)險合規(guī) | 基于AI的雙錄全流程風(fēng)險管理模型 | |
| 17 | 名師出高圖隊 | 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 | |
| 18 | 心中郵數(shù)隊 | 軟件研發(fā)中心 | 風(fēng)險合規(guī) | 法律文本智能審查 | |
| 19 | 流水不爭先隊 | 軟件研發(fā)中心 | 零售金融 | 手機銀行流量運營探索與實踐 | |
| 20 | 數(shù)智未來 | 數(shù)據(jù)中心 | 風(fēng)險合規(guī) | 基于異常檢測的智能分析預(yù)警平臺 | |
| 21 | 超能陸戰(zhàn)隊 | 數(shù)據(jù)中心 | 其他 | 人工智能助力數(shù)據(jù)中心能效提升 | |
| 22 | 深藏blue隊 | 數(shù)據(jù)中心 | 其他 | 工單滿意度提升分析及工單預(yù)警模型 | |
| 23 | 展金隊 | 資產(chǎn)負(fù)債管理部 | 其他 | 未來現(xiàn)金流模型落地應(yīng)用 | |
| 24 | 智郵派 | 財務(wù)會計部 | 其他 | 集中報賬自動化智能運營模型 | |
| 25 | 養(yǎng)在未老 | 金融業(yè)務(wù)部 | 零售金融 | 高潛力養(yǎng)老目標(biāo)客戶挖掘與需求分析模型應(yīng)用 | |
| 26 | 對對隊 | 中郵理財 | 其他 | 資訊數(shù)據(jù)網(wǎng)關(guān) | |
| 27 | 北部 | 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 |
| 28 | 智數(shù)營銷 | 北京分行 | 其他 | 基于知識圖譜的客戶裂變及粘性提升 | |
| 29 | 津門之星 | 天津分行 | 零售金融 | 基于信用卡前置系統(tǒng)的客戶場景生態(tài)圈建設(shè) | |
| 30 | 天津另一只眼 | 天津分行 | 風(fēng)險合規(guī) | 基于大數(shù)據(jù)的零售貸款客戶行為識別與風(fēng)險研究 | |
| 31 | 冀州風(fēng)云 | 河北分行 | 零售金融 | 基于策略評優(yōu)的零售客戶建聯(lián)體系建設(shè) | |
| 32 | 挖呀挖隊 | 河北分行 | 風(fēng)險合規(guī) | 不法貸款中介團伙挖掘 | |
| 33 | 監(jiān)管之眼隊 | 河北分行 | 風(fēng)險合規(guī) | 監(jiān)管數(shù)據(jù)質(zhì)量全流程管理體系 | |
| 34 | 落地生根隊 | 河北分行 | 鄉(xiāng)村振興 | 基于EAST的對公涉農(nóng)貸款一體化解決方案 | |
| 35 | 數(shù)指乾坤隊 | 山西分行 | 零售金融 | 基于網(wǎng)格化營銷平臺的社區(qū)金融生態(tài)圈應(yīng)用 | |
| 36 | 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 | |
| 37 | 數(shù)探天涯隊 | 山西分行 | 零售金融 | 基于手機銀行發(fā)展目標(biāo)的潛在活躍客戶體系化營銷 | |
| 38 | 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 | |
| 39 | 綠數(shù)成蔭 | 遼寧分行 | 其他 | 遼寧數(shù)據(jù)共享基層服務(wù)平臺 | |
| 40 | 啄木鳥 | 遼寧分行 | 風(fēng)險合規(guī) | 員工異常行為動態(tài)甄別及梯次應(yīng)用 | |
| 41 | 吉風(fēng)勁草 | 吉林分行 | 風(fēng)險合規(guī) | 基于復(fù)雜網(wǎng)絡(luò)的智能風(fēng)控體系建設(shè) | |
| 42 | 一網(wǎng)打盡 | 吉林分行 | 風(fēng)險合規(guī) | 基于多主體交易監(jiān)測的地下錢莊預(yù)警模型 | |
| 43 | 一統(tǒng)數(shù)海 | 吉林分行 | 其他 | 基于規(guī)則模型的監(jiān)管統(tǒng)計報送數(shù)字化應(yīng)用成果 | |
| 44 | 數(shù)往知來 | 黑龍江分行 | 鄉(xiāng)村振興 | 基于農(nóng)機大數(shù)據(jù)營銷與風(fēng)控的“智慧芯”應(yīng)用項目 | |
| 45 | 冰雪智用隊 | 黑龍江分行 | 零售金融 | 五四青年客群綜合精準(zhǔn)營銷模型應(yīng)用 | |
| 46 | 冰城破風(fēng)者 | 黑龍江分行 | 風(fēng)險合規(guī) | 基于房貸大數(shù)據(jù)的違約風(fēng)險防控 | |
| 47 | 大連分行一隊 | 大連分行 | 風(fēng)險合規(guī) | 銀行從業(yè)人員道德風(fēng)險預(yù)警模型 | |
| 48 | 金戈鐵馬隊 | 內(nèi)蒙古自治分行 | 零售金融 | 客戶綜合復(fù)用及資產(chǎn)提升分析 | |
| 49 | 東部 | 皖郵數(shù)智隊 | 安徽郵政分公司 | 零售金融 | 基于大數(shù)據(jù)的收單多維度質(zhì)效評估模型構(gòu)建 |
| 50 | 數(shù)智農(nóng)場開拓隊 | 山東郵政分公司 | 鄉(xiāng)村振興 | 數(shù)智農(nóng)場賦能普惠金融生態(tài)圈 | |
| 51 | 數(shù)智爭先隊 | 山東郵政分公司 | 零售金融 | 基于電商包裹客戶的數(shù)智化線上協(xié)同營銷 | |
| 52 | 數(shù)智護衛(wèi)隊 | 山東郵政分公司 | 零售金融 | MGM線上數(shù)智化營銷 | |
| 53 | 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 | |
| 54 | 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 | |
| 55 | 重劍無鋒 | 江蘇分行 | 零售金融 | 快捷支付消費提升全流程管理平臺 | |
| 56 | Fancy到底隊 | 江蘇分行 | 風(fēng)險合規(guī) | 反洗錢智能甄別分析平臺 | |
| 57 | 綠水青山隊 | 浙江分行 | 風(fēng)險合規(guī) | 風(fēng)險管理平臺 | |
| 58 | 浙江一隊 | 浙江分行 | 零售金融 | 個人客群數(shù)字運營 | |
| 59 | 流水直通車 | 浙江分行 | 零售金融 | 基于金綜鏈實現(xiàn)的個人賬戶跨行流水驗真與額度測算。 | |
| 60 | 郵行智投隊 | 安徽分行 | 零售金融 | 基于手機銀行點擊行為的潛在客戶營銷助手 | |
| 61 | 郵鏈萬家 | 安徽分行 | 服務(wù)實體經(jīng)濟 | 基于產(chǎn)業(yè)鏈的公司客戶上下游營銷助手 | |
| 62 | 貸后守護者 | 安徽分行 | 風(fēng)險合規(guī) | 小額貸款貸后輔助管理工具 | |
| 63 | 數(shù)據(jù)運營助豐收 | 安徽分行 | 鄉(xiāng)村振興 | 基于數(shù)字化運營的產(chǎn)業(yè)鏈開發(fā)平臺 | |
| 64 | 活力滿滿 | 安徽分行 | 零售金融 | 基于支付結(jié)算場景建設(shè)聯(lián)動的活期高質(zhì)量發(fā)展 | |
| 65 | 風(fēng)控先鋒 | 安徽分行 | 風(fēng)險合規(guī) | 賬戶分級監(jiān)測系統(tǒng) | |
| 66 | 護城河 | 福建分行 | 風(fēng)險合規(guī) | 護城河綜合風(fēng)險防控 | |
| 67 | 洞悉先機 | 福建分行 | 服務(wù)實體經(jīng)濟 | 小企業(yè)數(shù)字風(fēng)控全流程管理 | |
| 68 | 拌粉瓦罐湯隊 | 江西分行 | 鄉(xiāng)村振興 | 交易鏈視角下的預(yù)授信客群價值提升策略 | |
| 69 | 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 | |
| 70 | 稅是稅非 | 山東分行 | 風(fēng)險合規(guī) | 以金融科技之石 精琢己身之玉 ---反洗錢智能監(jiān)測分析及應(yīng)用 | |
| 71 | 數(shù)智火花隊 | 山東分行 | 風(fēng)險合規(guī) | 時序感知的個貸數(shù)字化風(fēng)控應(yīng)用 | |
| 72 | 無人駕駛 | 山東分行 | 其他 | AI驅(qū)動的金融業(yè)務(wù)處理效能提升新范式實踐 | |
| 73 | 尋真 | 山東分行 | 零售金融 | 潛在高價值客戶畫像與價值提升 | |
| 74 | 天一隊 | 寧波分行 | 鄉(xiāng)村振興 | 基于政務(wù)大數(shù)據(jù)的三農(nóng)客群挖掘與營銷 | |
| 75 | 數(shù)據(jù)先鋒3隊 | 青島分行 | 風(fēng)險合規(guī) | 重點業(yè)務(wù)押品全流程監(jiān)測模型 | |
| 76 | 中南 | 外拓風(fēng)控隊 | 廣東郵政分公司 | 風(fēng)險合規(guī) | 代理金融外拓活動風(fēng)險預(yù)警 |
| 77 | 云游風(fēng)行 | 云南郵政分公司 | 風(fēng)險合規(guī) | 綜柜履職管理 | |
| 78 | 逐鹿中原 | 河南分行 | 零售金融 | 基于本地服務(wù)的數(shù)字場景建設(shè)和客群精細(xì)化運營 | |
| 79 | 流量護衛(wèi)隊 | 河南分行 | 零售金融 | 基于智慧魔方的高價值快捷支付客戶營銷 | |
| 80 | 精耕細(xì)收隊 | 河南分行 | 零售金融 | 基于活躍收單商戶畫像的商貿(mào)客群營銷維護策略 | |
| 81 | 豫知風(fēng)險 | 河南分行 | 風(fēng)險合規(guī) | 平臺合作類業(yè)務(wù)合規(guī)風(fēng)險識別 | |
| 82 | 正宗武漢挖呀挖隊 | 湖北分行 | 風(fēng)險合規(guī) | 可疑賬戶預(yù)警排查 | |
| 83 | 預(yù)取天下 | 湖北分行 | 風(fēng)險合規(guī) | 小企業(yè)客戶逾期風(fēng)險預(yù)警模型優(yōu)化 | |
| 84 | 挖礦小分隊 | 湖南分行 | 零售金融 | 基于郵益助的營銷數(shù)字化信貸營銷 | |
| 85 | 反詐先鋒 | 湖南分行 | 風(fēng)險合規(guī) | 賬戶風(fēng)險監(jiān)測應(yīng)用 | |
| 86 | 金盆洗手 | 廣東分行 | 風(fēng)險合規(guī) | 地下錢莊可疑賬戶預(yù)警 | |
| 87 | 精益求精 | 廣東分行 | 零售金融 | 信貸白名單優(yōu)選 | |
| 88 | RUN | 廣東分行 | 零售金融 | 快捷支付提升 | |
| 89 | 老友隊 | 廣西分行 | 風(fēng)險合規(guī) | 欺詐賬戶異常行為預(yù)警模型應(yīng)用 | |
| 90 | 一往有黔隊 | 貴州分行 | 零售金融 | 基于客戶AUM提升的分析及結(jié)果運用 | |
| 91 | 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 | |
| 92 | 灣區(qū)之光 | 深圳分行 | 服務(wù)實體經(jīng)濟 | 深圳分行數(shù)字供應(yīng)鏈金融發(fā)展與應(yīng)用 | |
| 93 | E貸添膠 | 海南儋州分行 | 鄉(xiāng)村振興 | 打造海南橡膠數(shù)字化生態(tài)，激活鄉(xiāng)村金融高質(zhì)量發(fā)展 | |
| 94 | 西部 | 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 |
| 95 | 渝智數(shù)金融建模隊 | 重慶分行 | 其他 | 基于AI大語言模型的企業(yè)經(jīng)營分析 | |
| 96 | 四川分行一隊 | 四川分行 | 零售金融 | 基于信用卡客戶權(quán)益活動的消費提升及后評估 | |
| 97 | 四川分行二隊 | 四川分行 | 風(fēng)險合規(guī) | 社交網(wǎng)絡(luò)模型在車貸風(fēng)控的應(yīng)用研究 | |
| 98 | 四川分行三隊 | 四川分行 | 風(fēng)險合規(guī) | 基于分行數(shù)據(jù)集市的涉賭涉詐風(fēng)險畫像系統(tǒng) | |
| 99 | 四川分行四隊 | 四川分行 | 鄉(xiāng)村振興 | 三農(nóng)營銷平臺 | |
| 100 | 勇于前行隊 | 陜西分行 | 風(fēng)險合規(guī) | 基于平滑移動模型實現(xiàn)企業(yè)網(wǎng)銀智能化限額管控應(yīng)用 | |
| 101 | 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 | |
| 102 | 水到渠成 | 陜西分行 | 風(fēng)險合規(guī) | 基于智能推薦的綠色金融業(yè)務(wù)落地實踐 | |
| 103 | 數(shù)智融合隊 | 陜西分行 | 零售金融 | 代發(fā)客群的數(shù)智化營銷 | |
| 104 | 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 | |
| 105 | 星火燎原 | 甘肅分行 | 鄉(xiāng)村振興 | 信用村智能化移動營銷平臺 | |
| 106 | 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 | |
| 107 | 銀稅直聯(lián)隊 | 寧夏分行 | 服務(wù)實體經(jīng)濟 | 銀稅直聯(lián)項目綜合營銷 | |
| 108 | 金智系統(tǒng)V1版 | 寧夏分行 | 服務(wù)實體經(jīng)濟 | 金智智能精準(zhǔn)營銷推送及機器學(xué)習(xí)系統(tǒng) |
第四屆數(shù)據(jù)建模大賽價值創(chuàng)造賽道初賽評選候補隊伍名單
| 序號 | 賽區(qū) | 隊名 | 主創(chuàng)人員所在單位 | 建模領(lǐng)域 | 建模選題 |
| 1 | 總部 | U鏈生態(tài)金融隊 | 交易銀行部 | 服務(wù)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?zhǔn)酵乜秃团懵?lián)動研究 |
| 2 | 績效工匠隊 | 中郵理財 | 其他 | 理財投資績效多維透視模型 | |
| 3 | 北部 | 青城智匯隊 | 內(nèi)蒙古分行 | 風(fēng)險合規(guī) | 合規(guī)管理系統(tǒng)風(fēng)險數(shù)據(jù)應(yīng)用分析 |
| 4 | 東部 | 數(shù)據(jù)先鋒4隊 | 青島分行 | 風(fēng)險合規(guī) | 撥云見日-反洗錢智能監(jiān)測分析系統(tǒng)（IAS）搭建 |
| 5 | 中南 | 悅郵車行隊 | 廣東郵政分公司 | 零售金融 | 悅郵行車主數(shù)智化精準(zhǔn)營銷及應(yīng)用 |
| 6 | 西部 | WZ230609 | 新疆分行 | 鄉(xiāng)村振興 | 基于特色產(chǎn)業(yè)集群三農(nóng)潛在客識別分析 |
第四屆數(shù)據(jù)建模大賽數(shù)據(jù)建模賽道擬晉級復(fù)賽隊伍名單
| 序號 | 隊名 | 主創(chuàng)人員所在單位 | 建模領(lǐng)域 | 建模選題 |
| 1 | 最懂你 | 集團總部金融業(yè)務(wù)部 | 零售金融 | 零售客戶金融需求精準(zhǔn)識別 |
| 2 | 遼寧建模團隊 | 遼寧郵政分公司 | 風(fēng)險合規(guī) | 用于防范監(jiān)測內(nèi)部員工網(wǎng)絡(luò)直播打賞等行為 |
| 3 | 春風(fēng)化雨隊 | 江蘇郵政分公司 | 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 |
| 4 | 皖美數(shù)智隊 | 安徽郵政分公司 | 其他 | 基于數(shù)據(jù)協(xié)同的老年客戶權(quán)益模型構(gòu)建 |
| 5 | 安徽數(shù)郵挖金隊 | 安徽郵政分公司 | 零售金融 | 基于多維數(shù)據(jù)模型的財富客戶權(quán)益體系構(gòu)建 |
| 6 | 數(shù)智爭先隊 | 山東郵政分公司 | 零售金融 | 基于電商包裹客戶的數(shù)智化線上協(xié)同營銷 |
| 7 | 客戶KYC | 山東郵政分公司 | 零售金融 | 精準(zhǔn)營銷 |
| 8 | AI慧眼隊 | 廣東郵政分公司 | 風(fēng)險合規(guī) | AI視頻監(jiān)控預(yù)警 |
| 9 | 審計妙算 | 總行審計局 | 風(fēng)險合規(guī) | 非法中介團伙識別及行為預(yù)警 |
| 10 | 挖呀挖呀挖隊 | 總行個人金融部 | 零售金融 | 潛在客戶挖掘 |
| 11 | 點數(shù)成金 | 總行個人金融部 | 零售金融 | 高端客戶到訪網(wǎng)點即時營銷模型 |
| 12 | 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 |
| 13 | 云郵京數(shù) | 總行信用卡中心 | 零售金融 | 信用卡新戶激活首刷回?fù)?/td> |
| 14 | 郵你郵我 | 總行信用卡中心 | 零售金融 | 信用卡全渠道的營銷響應(yīng)提升模型 |
| 15 | 中郵地柱 | 總行信用卡中心 | 零售金融 | 基于地鐵客群識別的智能營銷模型及業(yè)務(wù)應(yīng)用 |
| 16 | 葫蘆娃隊 | 總行信用卡中心 | 零售金融 | 信用卡客戶潛在消費力期望分類模型 |
| 17 | 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 |
| 18 | 鑫中郵數(shù) | 總行信用卡中心 | 零售金融 | 數(shù)字人民幣高潛力客戶識別與營銷策略 |
| 19 | 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 |
| 20 | 數(shù)來寶 | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 大模型在基礎(chǔ)服務(wù)領(lǐng)域的應(yīng)用探索 |
| 21 | 百萬商戶保衛(wèi)隊 | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 收單商戶流失預(yù)警 |
| 22 | 繼往開來隊 | 總行網(wǎng)絡(luò)金融部 | 風(fēng)險合規(guī) | 手機銀行客戶資金保護模型及應(yīng)用 |
| 23 | 5G贏銷隊 | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 探索5G消息在營銷場景中的應(yīng)用 |
| 24 | 電子賬戶保衛(wèi)科 | 總行網(wǎng)絡(luò)金融部 | 風(fēng)險合規(guī) | 電子賬戶集中性開戶風(fēng)險識別模型 |
| 25 | 青春有你 | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 基于手機銀行青春版的青年客戶數(shù)字運營探索及應(yīng)用 |
| 26 | daydayup | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 理財流失客戶挽留模型探索與實踐 |
| 27 | super | 總行網(wǎng)絡(luò)金融部 | 零售金融 | 零售金融數(shù)字化轉(zhuǎn)型“super”指數(shù)的超級研究 |
| 28 | 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)智能盡調(diào)模型 |
| 29 | 財富展翼 | 總行公司金融部 | 服務(wù)實體經(jīng)濟 | 基于“集成學(xué)習(xí)”的公司財富管理模型——“客戶為本，千企千策” |
| 30 | 哈嘍！樹先生 | 總行交易銀行部 | 服務(wù)實體經(jīng)濟 | 企業(yè)客戶結(jié)算數(shù)據(jù)價值深度挖掘 |
| 31 | U鏈生態(tài)金融隊 | 總行交易銀行部 | 服務(wù)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?zhǔn)酵乜秃团懵?lián)動研究 |
| 32 | 投行業(yè)務(wù)我熟隊 | 總行投資銀行部 | 其他 | 基于推薦算法及AIGC/ChatGpt的投行業(yè)務(wù)智能推薦模型成果介紹 |
| 33 | 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 |
| 34 | 排隊不要插隊 | 總行金融同業(yè)部 | 服務(wù)實體經(jīng)濟 | 小企業(yè)貸款利率動態(tài)監(jiān)測分析與管控功能設(shè)計 |
| 35 | 金盾隊 | 總行授信管理部 | 風(fēng)險合規(guī) | 基于時間序列的大模型技術(shù)在個人貸款不良預(yù)測中的探索與應(yīng)用 |
| 36 | 公司掘金 | 總行金融科技創(chuàng)新部 | 服務(wù)實體經(jīng)濟 | 細(xì)分公司客戶輔助精準(zhǔn)營銷 |
| 37 | 靈犀 | 總行軟件研發(fā)中心 | 零售金融 | 基于語義分析和圖像識別的服務(wù)質(zhì)量檢查 |
| 38 | 數(shù)字普惠隊 | 總行軟件研發(fā)中心 | 服務(wù)實體經(jīng)濟 | 對公渠道一體化智能信貸營銷模型 |
| 39 | 郵刃有余 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 知識圖譜賦能國際結(jié)算業(yè)務(wù)審單智能化升級 |
| 40 | 發(fā)際線與我作隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 基于局部重力的異常風(fēng)險捕獲模型研究 |
| 41 | 網(wǎng)點挖呀挖呀挖 | 總行軟件研發(fā)中心 | 服務(wù)實體經(jīng)濟 | 基于生命周期模型的網(wǎng)點細(xì)分及價值挖掘 |
| 42 | 麻辣小龍蝦 | 總行軟件研發(fā)中心 | 零售金融 | 消費信貸客戶的營銷價值挖掘及實踐 |
| 43 | 匯融騎士 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 基于聯(lián)邦學(xué)習(xí)的新業(yè)態(tài)下的跨境反洗錢解決方案 |
| 44 | 深藏blue | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 監(jiān)管處罰數(shù)據(jù)分析與預(yù)測 |
| 45 | 安防郵我 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 面向銀行網(wǎng)點安全風(fēng)險問題的智能識別及防范模型 |
| 46 | 郵你泰酷辣 | 總行軟件研發(fā)中心 | 零售金融 | 基于多源智能融合算法的極速貸客戶精準(zhǔn)營銷 |
| 47 | 張老師YYDS | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 互聯(lián)網(wǎng)貸款欺詐識別 |
| 48 | 天自東白 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 金融系統(tǒng)反洗錢模型研究 |
| 49 | 數(shù)據(jù)中心安全團隊 | 總行數(shù)據(jù)中心 | 其他 | 郵儲銀行全網(wǎng)網(wǎng)絡(luò)安全信息關(guān)聯(lián)分析研究與實踐 |
| 50 | 網(wǎng)絡(luò)運維隊 | 總行數(shù)據(jù)中心 | 風(fēng)險合規(guī) | 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)可觀測性模型 |
| 51 | 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 | 公司信貸全流程儲備分析與預(yù)測方案 |
| 52 | 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)進行異常行為監(jiān)測 |
| 53 | 心郵猛虎 | 總行運營管理部 | 其他 | 數(shù)贏未來——網(wǎng)點智能排班模型 |
| 54 | AIBeginner | 總行金融場部 | 服務(wù)實體經(jīng)濟 | 大語言模型在服務(wù)同業(yè)客戶方面的應(yīng)用 |
| 55 | 直濟滄海 | 總行金融場部 | 其他 | 基于風(fēng)險的大類資產(chǎn)配置策略研究 |
| 56 | 資本畫像師 | 審計局上海分局 | 風(fēng)險合規(guī) | 經(jīng)濟資本占用畫像及低效占用預(yù)警 |
| 57 | 心靈捕手 | 中郵消費 | 零售金融 | 基于智能心理洞察的個性化客戶管理模式 |
| 58 | 郵點6 | 中郵消費 | 零售金融 | 基于精細(xì)化客群劃分的貸后回款預(yù)測模型 |
| 59 | 中郵理財投研分析隊 | 中郵理財 | 零售金融 | 基于人工智能的因子分析及基金組合構(gòu)建 |
| 60 | AlphaPlus隊 | 中郵理財 | 其他 | 基于宏觀經(jīng)濟狀態(tài)判斷和概率風(fēng)險平價的資產(chǎn)配置量化模型 |
| 61 | 智能反詐 | 中郵郵惠萬家 | 風(fēng)險合規(guī) | 黑中介智能洞察 |
| 62 | 郵惠反詐小分隊 | 中郵郵惠萬家 | 風(fēng)險合規(guī) | 涉詐團伙識別模型 |
| 63 | 智數(shù)營銷 | 北京分行 | 其他 | 基于知識圖譜的客戶裂變及粘性提升 |
| 64 | 挖呀挖隊 | 河北分行 | 風(fēng)險合規(guī) | 不法貸款中介團伙挖掘 |
| 65 | 燕趙極客隊 | 河北分行 | 零售金融 | 家庭隱形關(guān)系價值挖掘 |
| 66 | 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 |
| 67 | 老有所依 | 遼寧分行 | 零售金融 | 臨退客群產(chǎn)品配置優(yōu)化模型 |
| 68 | 貸來希望 | 遼寧分行 | 服務(wù)實體經(jīng)濟 | 基于深度學(xué)習(xí)算法的普惠金融數(shù)智化模型 |
| 69 | 鳳凰社 | 吉林分行 | 風(fēng)險合規(guī) | 基于多模態(tài)的個人信用風(fēng)險評估模型 |
| 70 | 初生牛犢 | 吉林分行 | 鄉(xiāng)村振興 | 基于交易網(wǎng)絡(luò)的肉牛養(yǎng)殖產(chǎn)業(yè)鏈價值挖掘模型 |
| 71 | 數(shù)業(yè)有專攻 | 黑龍江分行 | 鄉(xiāng)村振興 | 鄉(xiāng)村振興視角下基于機器學(xué)習(xí)算法的穩(wěn)息差收益水平改善模型 |
| 72 | 信貸達人隊 | 上海分行 | 零售金融 | 郵享貸數(shù)智化運營 |
| 73 | 智能合規(guī)先鋒隊 | 江蘇分行 | 風(fēng)險合規(guī) | 監(jiān)銀聯(lián)動下基于單節(jié)點算力的AIGC應(yīng)用突破：合規(guī)管理新藍(lán)海 |
| 74 | 蘇農(nóng)振興 | 江蘇分行 | 鄉(xiāng)村振興 | 三農(nóng)信貸存量客戶挖掘 |
| 75 | 小浙AI | 浙江分行 | 其他 | 浙江嘉興郵儲AI大模型 |
| 76 | 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 |
| 77 | 智郵派 | 安徽分行 | 其他 | 集中報賬自動化智能運營模型 |
| 78 | 福建先知隊 | 福建分行 | 零售金融 | 基于微信平臺的私域客戶精準(zhǔn)營銷 |
| 79 | 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 |
| 80 | 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 |
| 81 | 幀察 | 山東分行 | 風(fēng)險合規(guī) | 基于客戶全面關(guān)系的信貸風(fēng)險欺詐識別模型 |
| 82 | 專業(yè)獵手 | 山東分行 | 鄉(xiāng)村振興 | 多方數(shù)據(jù)驅(qū)動的專業(yè)市場營銷分析與應(yīng)用 |
| 83 | 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 |
| 84 | 地表最強 | 湖南分行 | 零售金融 | 基于深度神經(jīng)網(wǎng)絡(luò)及圖網(wǎng)絡(luò)的信貸營銷模型 |
| 85 | 對對對隊 | 廣東分行 | 零售金融 | 信用卡客戶活躍度提升 |
| 86 | Rkiller | 廣東分行 | 風(fēng)險合規(guī) | 信貸資產(chǎn)提升 |
| 87 | 老友隊 | 廣西分行 | 風(fēng)險合規(guī) | 基于知識圖譜的可疑賬戶關(guān)系網(wǎng)分析 |
| 88 | 建工狂魔 | 海南分行 | 服務(wù)實體經(jīng)濟 | 基于復(fù)雜網(wǎng)絡(luò)和梯度提升的農(nóng)民工資金監(jiān)管項目1+N模式探索 |
| 89 | 熊貓快跑 | 四川分行 | 零售金融 | 基于渠道活動投放預(yù)算分配及相關(guān)權(quán)益管理的實踐和分析 |
| 90 | 銷銷樂 | 貴州分行 | 零售金融 | 根據(jù)分行實際情況，挖掘客戶并進行營銷 |
| 91 | 秦小儲 | 陜西分行 | 風(fēng)險合規(guī) | 小額線上貸智能風(fēng)控模型 |
| 92 | 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 |
| 93 | 奮進新征程 | 甘肅分行 | 風(fēng)險合規(guī) | 可疑賬戶風(fēng)險評估預(yù)警處置模型 |
| 94 | 揚帆隊 | 青海分行 | 服務(wù)實體經(jīng)濟 | 基于多維度、全畫像的個人住房貸款風(fēng)險預(yù)測及精準(zhǔn)營銷模型 |
| 95 | 銀稅直聯(lián)隊 | 寧夏分行 | 服務(wù)實體經(jīng)濟 | 銀稅直聯(lián)綜合營銷 |
| 96 | 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 |
| 97 | 金智精準(zhǔn)營銷推送 | 寧夏分行 | 服務(wù)實體經(jīng)濟 | 金智精準(zhǔn)營銷推送與機器學(xué)習(xí)系統(tǒng) |
| 98 | 數(shù)據(jù)先鋒 | 青島分行 | 服務(wù)實體經(jīng)濟 | 客戶留存預(yù)測及關(guān)鍵因素分析 |
| 99 | 光芒隊 | 浙江衢州分行 | 風(fēng)險合規(guī) | 浙江省分行運用涉詐模型助力反詐工作 |
| 100 | 郵來郵往 | 浙江溫州分行 | 風(fēng)險合規(guī) | “不法貸款中介”風(fēng)險監(jiān)測模型 |
第四屆數(shù)據(jù)建模大賽數(shù)據(jù)建模賽道初賽評選候補隊伍名單
| 序號 | 隊名 | 主創(chuàng)人員所在單位 | 建模領(lǐng)域 | 建模選題 |
| 1 | 智控合規(guī) | 湖北郵政分公司 | 風(fēng)險合規(guī) | 基于數(shù)字化員工異常行為檢測AI云端識別系統(tǒng) |
| 2 | 鏈動郵我 | 總行普惠金融事業(yè)部 | 服務(wù)實體經(jīng)濟 | 基于工業(yè)互聯(lián)網(wǎng)生態(tài)的數(shù)字金融應(yīng)用場景 |
| 3 | 青云隊 | 總行軟件研發(fā)中心 | 風(fēng)險合規(guī) | 基于客戶去冗余算法的風(fēng)險客戶識別 |
| 4 | 攜手開拓 | 總行軟件研發(fā)中心 | 鄉(xiāng)村振興 | 智能信貸風(fēng)險控制模型助力三農(nóng)金融 |
| 5 | 女子探險隊 | 審計局上海分局 | 風(fēng)險合規(guī) | 信用卡分期業(yè)務(wù)風(fēng)險監(jiān)測 |
| 6 | 風(fēng)險哨兵 | 安徽分行 | 風(fēng)險合規(guī) | 基于機器學(xué)習(xí)的賬戶風(fēng)險識別建模 |
| 7 | 芳耕戰(zhàn)隊 | 寧夏分行 | 零售金融 | 消費金融客戶升級模型（以事業(yè)單位員工為例) |
友情鏈接：
中國郵政集團有限公司版權(quán)所有京ICP備15035540號
京公網(wǎng)安備11010202010949聯(lián)系我們