金融大數據智能發(fā)展現狀與未來趨勢

　　對銀行等金融行業(yè)來說，哪些數據資產能促進人工智能的長期發(fā)展呢?先思考下這個問題，然后再分析人工智能的下一步發(fā)展思路，這個問題的答案需要從大數據的視角來進行思考。

　　從電子化到信息化的發(fā)展歷程，金融一直是最喜歡擁抱創(chuàng)新科技的傳統(tǒng)行業(yè)之一。在進軍數字化時代的過程中，金融科技無疑是助力企業(yè)轉型的強有力的工具。面臨來自內外部的各種壓力和困境，銀行等金融機構也需要重新定位金融科技，制定適合自己的發(fā)展策略，通過應用大數據、人工智能等典型技術來驅動業(yè)務進行變革。

　　信息科技創(chuàng)新與金融業(yè)務開展，從上個世紀八九十年代起一直攜手并進，二者的關系也逐漸從輔助支持轉變?yōu)橄嗷ト诤稀萍紒碚f，金融屬于傳統(tǒng)行業(yè)，其重點是實實在在的應用價值，因此技術創(chuàng)新要與業(yè)務場景進行緊密結合。對金融來說，科技發(fā)揮支持與驅動的力量，科技或許不能輕易改變金融的底層邏輯，但能夠促成金融去改變自身。在金融科技的各個領域，大數據與人工智能最為關鍵且密不可分，同時結合企業(yè)自主可控的發(fā)展視角，最后選擇“大數據智能”這一頗接地氣的詞匯作為本文的重點討論內容。

　　金融科技發(fā)展最有力的路徑是金融和科技的融合發(fā)展，在這個過程中技術和資本都并非壁壘，發(fā)揮關鍵作用的將是金融行業(yè)的科技人員。目前工行、建行、中行、光大、招商、平安、民生、興業(yè)等各大銀行紛紛成立科技公司，通過科技創(chuàng)新支持傳統(tǒng)企業(yè)的業(yè)務轉型，同時還承擔對外技術賦能輸出的使命和職責。光大科技是其中的典型示例，2017年掛牌光銀科技，2018年升級為集團一級子公司，整體定位是光大集團科技創(chuàng)新發(fā)展的基礎平臺，助力集團數字化轉型，打造科技創(chuàng)新賦能平臺。對于身處其中的科技人員來說，在大數據智能研究與應用的過程中，最重要的任務是從實際出發(fā)探索技術的潛在應用場景，將其轉換為可實現的需求并進行落地，是否具備主動意識和創(chuàng)新能力將成為影響未來工作成效的關鍵因素。

　　一、大數據智能發(fā)展趨勢

　　1.基礎AI與行業(yè)AI

　　最近幾年人工智能對各行各業(yè)的影響很大，但實際上人工智能并沒有統(tǒng)一的定義，因此帶來了很多概念上的混淆與困惑。對大多數傳統(tǒng)行業(yè)來說，人工智能有三個重要的時間節(jié)點，1956年達特茅斯會議誕生了人工智能這個概念，2006年Hinton等人提出深度學習的概念，2016年的AlphaGo讓人工智能迅速推廣。人工智能的發(fā)展歷史悠久，參與者眾多，其角色背景各有不同，因此對人工智能的基礎定義和發(fā)展理念都會有很大的分歧。從金融業(yè)實踐應用角度，我們覺得在概念上可以更加包容一些，以實現業(yè)務價值為目標導向，在過程中尋求最廣泛的協作。

　　從技術視角出發(fā)，我們習慣將人工智能應用分為基礎AI和行業(yè)AI兩種。基礎AI代表行業(yè)發(fā)展的前沿程度，并且能夠整合到應用系統(tǒng)中，比如人臉識別、語音識別等。對于基礎AI，核心技術掌握在少數公司手中，金融應用更多是使用商業(yè)化的技術組件。行業(yè)AI更具業(yè)務屬性，比如反欺詐、智能推薦、智能投顧等。

　　目前，主流的人工智能技術都是數據驅動的機器智能，兩種AI技術應用的區(qū)別主要在于數據掌握在誰手里，或者說誰來運用數據產生AI模型。特別說明一下，本文的重點是從企業(yè)應用視角對人工智能進行討論，或者說企業(yè)視角的“大數據智能”，同時這類應用是銀行系科技公司的發(fā)力重點，能夠最大化發(fā)揮自身特點。

　　2.行業(yè)智能三階段

　　對銀行等金融行業(yè)來說，哪些數據資產能促進人工智能的長期發(fā)展呢?先思考下這個問題，然后再分析人工智能的下一步發(fā)展思路，這個問題的答案需要從大數據的視角來進行思考。依據業(yè)務發(fā)展水平，我們將人工智能的應用簡單分為三個階段：業(yè)務自動化、大數據智能和全渠道智能決策。

　　以業(yè)務智能化水平為評判依據，第一個階段是業(yè)務自動化，這是一個很普遍的概念，在業(yè)界也有一些分歧。通過AI技術實現產品和流程革新，逐步代替那些重復性的操作環(huán)節(jié)，生產效率就可以得到持續(xù)的改進與提升。另外，在手機銀行、智能柜臺等項目中引入生物識別技術能夠解決客戶驗證的關鍵問題，從而極大的提升用戶體驗。人臉識別等基礎AI技術的引入能夠促進業(yè)務流程的優(yōu)化，也為后續(xù)大數據智能的應用提供更好的土壤。

　　大數據智能是人工智能發(fā)展的下一階段，技術革新能夠帶來更豐富的業(yè)務場景，這些場景也需要大數據智能的支持和驅動。實際上，企業(yè)對于大數據的研究與應用要早于人工智能，目前的重點就是融合基礎AI和行業(yè)AI技術，從而為客戶提供更好的智能化服務。

　　第三個階段的特征是實現全渠道的智能決策，將客戶識別、行為預測與各種渠道無縫對接，同時根據客戶響應進行動態(tài)的優(yōu)化更新。路漫漫其修遠兮，最終的目標是實現客戶多點觸達的智能化體驗。各種渠道系統(tǒng)進行有機的協同整合，背后對應著高水平的信息科技治理能力。這個階段中每個應用的負責人都會很多，從業(yè)務流程到系統(tǒng)開發(fā)，從產品設計到營銷支持，從數據分析到數據挖掘，都充分體現著產品經理的理念。因此，對于傳統(tǒng)企業(yè)來說，首先要在思想認識上達成一致，然后努力建立有效的協作機制。

　　二、智能中臺與應用場景

　　1.大數據智能化“中臺”

　　大數據與人工智能相生相伴，在大數據上應用機器學習等技術，充分利用產生的機器知識最終構建我們想要的人工智能應用，實際就是大數據智能的應用邏輯。這個邏輯非常通順，簡單描述了數據的作用以及數據驅動的大致方法，數據實際上是人類建造文明的基石，應用人工智能技術能夠轉化為有效的生產力。最近幾年大數據在諸多領域得到了廣泛的應用，企業(yè)大數據團隊的交付物從數據分析報告發(fā)展到數據挖掘模型，再到這兩年重點發(fā)力的數據產品，整體目標是充分發(fā)揮數據價值。

　　企業(yè)發(fā)展大數據智能包括三個基本要素：數據、算力和模型。三者相互支撐、缺一不可。其中，算力是大數據智能的根基，計算能力的飛躍發(fā)展使得更巨量的數據和更復雜的算法得以實現;數據是匹配算力和應用算法的依據;模型則是整體核心，無論再強的算力、再多的數據，無法形成智能化模型就都毫無價值。此外，還需要相輔相成的業(yè)務場景IT構建能力，簡單說就是要具備將“智能”轉化為業(yè)務場景的推送能力，要形成“接觸-采集-智能決策-反饋推送-再接觸”的在線、實時的閉環(huán)業(yè)務場景。在這個背景下，大數據、人工智能、物聯網的融合將是下一步科技創(chuàng)新的熱點領域。

　　推薦閱讀：《金融發(fā)展評論》(月刊)創(chuàng)刊于2010年，由中國金融學會;新疆金融學會主辦。以遵寧憲法、法律、法規(guī)和國家政策為宗旨，遵守社會遵循時尚，以馬克思列寧主義，毛澤東思想，鄧小平理論為指導堅持理論聯系實際的學風。