金融大數據智能發展現狀與未來趨勢

　　對銀行等金融行業來說，哪些數據資產能促進人工智能的長期發展呢?先思考下這個問題，然后再分析人工智能的下一步發展思路，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展歷程，金融一直是最喜歡擁抱創新科技的傳統行業之一。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，制定適合自己的發展策略，通過應用大數據、人工智能等典型技術來驅動業務進行變革。

　　信息科技創新與金融業務開展，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為相互融合。對科技來說，金融屬于傳統行業，其重點是實實在在的應用價值，因此技術創新要與業務場景進行緊密結合。對金融來說，科技發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，同時結合企業自主可控的發展視角，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。

　　金融科技發展最有力的路徑是金融和科技的融合發展，在這個過程中技術和資本都并非壁壘，發揮關鍵作用的將是金融行業的科技人員。目前工行、建行、中行、光大、招商、平安、民生、興業等各大銀行紛紛成立科技公司，通過科技創新支持傳統企業的業務轉型，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新發展的基礎平臺，助力集團數字化轉型，打造科技創新賦能平臺。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、大數據智能發展趨勢

　　1.基礎AI與行業AI

　　最近幾年人工智能對各行各業的影響很大，但實際上人工智能并沒有統一的定義，因此帶來了很多概念上的混淆與困惑。對大多數傳統行業來說，人工智能有三個重要的時間節點，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展理念都會有很大的分歧。從金融業實踐應用角度，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，我們習慣將人工智能應用分為基礎AI和行業AI兩種。基礎AI代表行業發展的前沿程度，并且能夠整合到應用系統中，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化的技術組件。行業AI更具業務屬性，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應用視角對人工智能進行討論，或者說企業視角的“大數據智能”，同時這類應用是銀行系科技公司的發力重點，能夠最大化發揮自身特點。

　　2.行業智能三階段

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

　　以業務智能化水平為評判依據，第一個階段是業務自動化，這是一個很普遍的概念，在業界也有一些分歧。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節，生產效率就可以得到持續的改進與提升。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務流程的優化，也為后續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展的下一階段，技術革新能夠帶來更豐富的業務場景，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的優化更新。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，從業務流程到系統開發，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，對于傳統企業來說，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，企業大數據團隊的交付物從數據分析報告發展到數據挖掘模型，再到這兩年重點發力的數據產品，整體目標是充分發揮數據價值。

　　企業發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務場景IT構建能力，簡單說就是要具備將“智能”轉化為業務場景的推送能力，要形成“接觸-采集-智能決策-反饋推送-再接觸”的在線、實時的閉環業務場景。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新的熱點領域。

　　推薦閱讀：《金融發展評論》(月刊)創刊于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。