演讲提纲：

1. 金融数字营销 4ACT 方法论框架
2. 基于图挖掘链式营销的潜客识别
3. 基于聚类和分类融合的批量获客
4. 基于分配规律挖掘升级交叉销售
5. 基于量子科技升级客户流失预测

听众受益:

• 一是立足金融业务实践，形成金融数字营销方法论，为将大数据、人工智能等技术批量化引入金融数字营销领域提供指引
• 二是面向潜客识别、批量获客、交叉销售等典型应用场景，形成基于大数据、人工智能等技术的实战解决方案
• 三是创新将量子科技引入客户流失领域，为金融数字营销提供新思路

围绕“大型银行对公、零售数智应用经验，践行大行责任，对中小金融机构搭建企业级数智平台的建议”展开分享。主要介绍国家政策对智能风控的要求，金融机构数智转型的困难，怎样打造全方位的数智风控产品。

演讲提纲：

1. 中小金融机构在数据、模型、系统等方面面临的问题与挑战
2. 大型银行在数据、模型、系统建设方面的实践经验
3. 金融机构业务对数据、模型、系统的需求
4. 工银科技融安e防数据、模型、系统综合的解决方案

听众受益：

• 建立数据、规则、模型的概念，阐述什么是模型，建立向量和距离的思维方式
• 介绍数智系统中决策引擎的重要性，围绕不同业务需求明确系统建设的技术边界

新能源汽车发展迅猛，但新能源车险却一直面临“车主喊贵、车企叫亏”的局面，由于缺乏精准定价的能力，各财险保司不得不提高新能源车的投保门槛、提高车险报价，从而导致新能源车主普遍感受到投保难、保费贵。

为了解决这一问题，蚂蚁车险联合行业头部保司，落地了联合定价解决方案。一方面，通过深度应用隐私计算解决数据孤岛问题；另外采用了创新的AI风控模型，综合考虑了车主和驾驶行为的风险因素，弥补了保司的短板；最后，通过自动化机器学习（autoML）实现了人工专家的替代，提升定价建模效率10倍以上，帮助保司更快更及时的进行价格的动态调整和运营。

演讲提纲：

1. 介绍新能源车险面临的困境与原因
   • 行业综合成本率现状
   • 车主与保司的“矛盾”
   • 行业困境的原因内核
2. 剖析车险精准定价能力缺失的原因
   • 数据缺失、数据孤岛和经验式建模
   • 风险模型的迭代效率
   • 可能的解法
3. 蚂蚁联合定价案例实践
   • 联合定价架构方案
   • 隐私计算与精算定价的结合
   • 风险量化建模的创新
   • AutoML，全链路自动化提效
4. 展望
   • 围绕数据AI，持续打磨风险量化能力
   • 从精算到经营，全链路联合经营

听众受益：

• 深入剖析车险行业的困境，推导内在原因
• 车险行业在风险量化能力建设上面临的痛点和解决方案
• 深度拆解车险联合定价的成功创新案例，为金融数字化转型和普惠金融提供新思路