金融創新
以往不少分析都可能經一兩天才獲得結果。但不少分析愈來愈實時，特別是虛擬銀行興起，加上「轉數快」，金融系統透過流動平台服務客戶，不少必須自動化，全天候實時作出決定。
金融數碼化步伐加快，而監管愈來愈嚴格。金融機構監管愈來愈嚴格，尤其在「認識你的客戶」（KYC）和「反洗黑錢」（AML），遵守多項規定。近年本港金管局介面多種監管科技（Regulatory technology），以數碼科技自動化執行監管，以取代人手。
SAS是老牌的數據分析公司，發展不少分析算法。預測性分析大行其道，SAS在防詐騙和反黑錢都開發了數據分析工具，凖確預測詐騙和洗黑錢活動。
SAS香港區總經理鄭國強說，以數據分析，反洗黑錢是SAS較突出的技術範疇；亦提供針對風險及合規、實時建議、欺詐及保安情報等金融數碼工具。
香港SAS超過6成收入，來自金融服務，而8家新發牌虛擬銀行，5家正採用SAS方案。SAS在反洗錢尤其成功，本港有35家金融機構均為其客戶。
疫情壓力測試
不少金融分析已經直接用於支援決策，交易是否涉及洗黑錢，又或貸款風險是否改變，是否符合法規，都可實時以數據分析，獲得實時決策支援。
數據分析在金融業應用廣泛；例如計算借貸的風險，貸款有否違約或倒閉的風險。數碼化後黑客有機會攻擊銀行，盗用戶口，數據分析可找出可疑交易。
SAS發現，金融機構疫情期間，關注客戶的信用管理，客戶受疫情影響，償還能力可能出現變化。
「金融機構會定期向客戶信貸打評分，決定發放信貸的條件。不過金融機構以特定模型計算信貸評分。模型通常數月更新一次，疫情中來勢洶洶，趕不及更新模型，信貸部門日以繼夜更新模型。」
疫情導致金融業更迫切數碼化；設定預早警報系統，以機器學習提示有機會違約的客戶。另一個範疇則分析資本和流動比率。
疫情下信貸質素轉差，須及早分析行業或客戶的周轉，資本質素變壞，影響流動性比率。信貸評分亦與資本比率有直接關係，收緊信貸亦代表壞賬比率上升，直接影響資本充足。
「金融機構在不確定環境，只好以模擬方式壓力測試，假設各個壞賬水平，或者疫情持續某段時間，對於評分和資產質素的影響。」
評分引擎智能決策
金融業利用流動技術，改善客戶關係體驗。疫情下，金融機構更關注數碼轉型，保持客戶關係，以數據分析促進客戶關係。
鄭國強說，金融機構也期望通過數據分析，可達到「智能決策」（Intelligent decisioning），即以數據分析直接支援日常的決策。
智能決策通過數種數碼具備達致；包括了建立「規則引擎」（Rule engine），一般反欺詐交易，就是通過規則偵破。其次則是評分引擎（Scoring Engine），從評分估計可能性，評分就是數據，以統計學獲得估計。
「目前金融機構考慮，最重要是實時決策，實時決定客戶身份，決定是否開戶，或促成某宗交易；網上更講求即時建議和交易的實時性。」銀行從網上服務，智能決策更是關鍵。
SAS香港客戶諮詢高級經理滕嘉敦說，銀行以流動平台服務客戶，不法分子有可乘之機；虛擬銀行全天候以靠流動平台經營，更須全面自動化；本港眾安銀行（ZA Bank）就以SAS 反洗錢解決方案助開拓業務，ZA Bank去年獲金管局發牌，是香港首批獲發牌照的虛擬銀行。
虛擬銀行網上經營，須自動化反黑錢活動和調查客戶身份，不過以系統偵察犯罪活動，可能出現不少誤報，浪費人力逐項調查。而「轉數快」等即使過數，金融交易實時進行，檢查可疑交易耗費人力，銀行須以RPA等工具，自動化人手審核程序。
金融犯罪以有組織方式，須對交易關連人物作360度調查，數碼技術可以重構人物之間關係，解破金融犯罪組織。金融機構開始利用人工智能和機器學習，簡化上述的調查，新一代AML甚至利用了自然語言分析，加上網絡分析，購買外部情報，以決定戶口身份，以審查交易。
鄭國強說，AI/ML利用數據建立決策的模型，消費行業已應用作決策或購買推薦，金融應用模型則要求更高。
「雖然AI/ML普遍應用，監管機構要求決策，必須追索原因（Traceable），所以即使數學模型指出，客戶或交易是高度可疑，監管機構要求解決原因，決策不能黑盒作業。」