【干货】四大胡博士谈机器学习模型管理发展！（上）
更新时间：2023-03-17 10:14:16
从国内政策来看，2020年银保监出台了《商业银行互联网贷款管理暂行办法》，《暂行办法》中首提模型管理、模型资产，这在当时可以被认为是一个指导性方向；随后在2021年，银行保险机构信息技术的一个监管流程中，对整个银行业或保险业在模型层面的具体应用、监管程度，也给出了一些指导意见。
2022年，有两份重要文件规定了模型管理的方向，一是《关于银行业保险业数字化转型的指导意见》，二是《关于进一步促进信用卡业务规范健康发展的通知》，其中《通知》第十四条确规定，银行业金融机构应当建立健全信用卡风险模型开发、测试、评审、应用、监测、校准、优化和退出的机制和流程。这表示在最新的信用卡监管中，监管部门对于整个监管的模型管理流程，将逐渐从零售金融扩展到非银金融机构。不仅仅是银行机构，保险机构以及一些数据要素等，未来都会引入模型管理体系。这是整个机器学习模型管理的发展历程。
第二个痛点，从目前大环境出发来看，二十大以后，国家确定了数据要素战略发展方向，发布了数据要素20条。模型是由数据构成的，数据要素其实也是通过原始数据结合一系列模型构建出的一种新的产品。目前来说，在模型管理方面整个行业还是处于模型应用化的管理，即这个模型怎么用，但预计在不久的将来，需要从模型应用化管理逐渐转变到模型资产化管理，也就是说将来模型不仅仅是一个应用APP，模型本身就是资产，资产如何去管理？如何去提升价值？怎么去交易？这可能是行业将来一段时间的大方向。
第三个痛点是技术上的痛点，目前各行做模型管理基本上更贴近于监控层面，但模型管理尤其针对于机器学习模型的管理，不仅仅是一个简单的监控流程，而更偏向于全流程。从模型的开发到模型的部署，再到模型的监控，及模型管理平台整个流程的确定。
因此，目前机器学习模型管理体系中存在的痛点可以总结为，第一缺少统一的管理机制，第二从模型应用化管理转变到模型资产化管理，第三则是模型全流程的连接。
该系列文（上）完毕
下周同一时间，下期Q&A内容预告：
"模型全生命周期管理对金融机构的3个层面价值"
"机器学习模型管理市场各类玩家分析"
"数据要素时代，机器学习模型管理2大发展趋势"
本文专家
