金融大数据智能发展现状与未来趋势

　　对银行等金融行业来说，哪些数据资产能促进人工智能的长期发展呢?先思考下这个问题，然后再分析人工智能的下一步发展思路，这个问题的答案需要从大数据的视角来进行思考。

　　从电子化到信息化的发展历程，金融一直是最喜欢拥抱创新科技的传统行业之一。在进军数字化时代的过程中，金融科技无疑是助力企业转型的强有力的工具。面临来自内外部的各种压力和困境，银行等金融机构也需要重新定位金融科技，制定适合自己的发展策略，通过应用大数据、人工智能等典型技术来驱动业务进行变革。

　　信息科技创新与金融业务开展，从上个世纪八九十年代起一直携手并进，二者的关系也逐渐从辅助支持转变为相互融合。对科技来说，金融属于传统行业，其重点是实实在在的应用价值，因此技术创新要与业务场景进行紧密结合。对金融来说，科技发挥支持与驱动的力量，科技或许不能轻易改变金融的底层逻辑，但能够促成金融去改变自身。在金融科技的各个领域，大数据与人工智能最为关键且密不可分，同时结合企业自主可控的发展视角，最后选择“大数据智能”这一颇接地气的词汇作为本文的重点讨论内容。

　　金融科技发展最有力的路径是金融和科技的融合发展，在这个过程中技术和资本都并非壁垒，发挥关键作用的将是金融行业的科技人员。目前工行、建行、中行、光大、招商、平安、民生、兴业等各大银行纷纷成立科技公司，通过科技创新支持传统企业的业务转型，同时还承担对外技术赋能输出的使命和职责。光大科技是其中的典型示例，2017年挂牌光银科技，2018年升级为集团一级子公司，整体定位是光大集团科技创新发展的基础平台，助力集团数字化转型，打造科技创新赋能平台。对于身处其中的科技人员来说，在大数据智能研究与应用的过程中，最重要的任务是从实际出发探索技术的潜在应用场景，将其转换为可实现的需求并进行落地，是否具备主动意识和创新能力將成为影响未来工作成效的关键因素。

　　一、大数据智能发展趋势

　　1.基础AI与行业AI

　　最近几年人工智能对各行各业的影响很大，但实际上人工智能并没有统一的定义，因此带来了很多概念上的混淆与困惑。对大多数传统行业来说，人工智能有三个重要的时间节点，1956年达特茅斯会议诞生了人工智能这个概念，2006年Hinton等人提出深度学习的概念，2016年的AlphaGo让人工智能迅速推广。人工智能的发展历史悠久，参与者众多，其角色背景各有不同，因此对人工智能的基础定义和发展理念都会有很大的分歧。从金融业实践应用角度，我们觉得在概念上可以更加包容一些，以实现业务价值为目标导向，在过程中寻求最广泛的协作。

　　从技术视角出发，我们习惯将人工智能应用分为基础AI和行业AI两种。基础AI代表行业发展的前沿程度，并且能够整合到应用系统中，比如人脸识别、语音识别等。对于基础AI，核心技术掌握在少数公司手中，金融应用更多是使用商业化的技术组件。行业AI更具业务属性，比如反欺诈、智能推荐、智能投顾等。

　　目前，主流的人工智能技术都是数据驱动的机器智能，两种AI技术应用的区别主要在于数据掌握在谁手里，或者说谁来运用数据产生AI模型。特别说明一下，本文的重点是从企业应用视角对人工智能进行讨论，或者说企业视角的“大数据智能”，同时这类应用是银行系科技公司的发力重点，能够最大化发挥自身特点。

　　2.行业智能三阶段

　　对银行等金融行业来说，哪些数据资产能促进人工智能的长期发展呢?先思考下这个问题，然后再分析人工智能的下一步发展思路，这个问题的答案需要从大数据的视角来进行思考。依据业务发展水平，我们将人工智能的应用简单分为三个阶段：业务自动化、大数据智能和全渠道智能决策。

　　以业务智能化水平为评判依据，第一个阶段是业务自动化，这是一个很普遍的概念，在业界也有一些分歧。通过AI技术实现产品和流程革新，逐步代替那些重复性的操作环节，生产效率就可以得到持续的改进与提升。另外，在手机银行、智能柜台等项目中引入生物识别技术能够解决客户验证的关键问题，从而极大的提升用户体验。人脸识别等基础AI技术的引入能够促进业务流程的优化，也为后续大数据智能的应用提供更好的土壤。

　　大数据智能是人工智能发展的下一阶段，技术革新能够带来更丰富的业务场景，这些场景也需要大数据智能的支持和驱动。实际上，企业对于大数据的研究与应用要早于人工智能，目前的重点就是融合基础AI和行业AI技术，从而为客户提供更好的智能化服务。

　　第三个阶段的特征是实现全渠道的智能决策，将客户识别、行为预测与各种渠道无缝对接，同时根据客户响应进行动态的优化更新。路漫漫其修远兮，最终的目标是实现客户多点触达的智能化体验。各种渠道系统进行有机的协同整合，背后对应着高水平的信息科技治理能力。这个阶段中每个应用的负责人都会很多，从业务流程到系统开发，从产品设计到营销支持，从数据分析到数据挖掘，都充分体现着产品经理的理念。因此，对于传统企业来说，首先要在思想认识上达成一致，然后努力建立有效的协作机制。

　　二、智能中台与应用场景

　　1.大数据智能化“中台”

　　大数据与人工智能相生相伴，在大数据上应用机器学习等技术，充分利用产生的机器知识最终构建我们想要的人工智能应用，实际就是大数据智能的应用逻辑。这个逻辑非常通顺，简单描述了数据的作用以及数据驱动的大致方法，数据实际上是人类建造文明的基石，应用人工智能技术能够转化为有效的生产力。最近几年大数据在诸多领域得到了广泛的应用，企业大数据团队的交付物从数据分析报告发展到数据挖掘模型，再到这两年重点发力的数据产品，整体目标是充分发挥数据价值。

　　企业发展大数据智能包括三个基本要素：数据、算力和模型。三者相互支撑、缺一不可。其中，算力是大数据智能的根基，计算能力的飞跃发展使得更巨量的数据和更复杂的算法得以实现;数据是匹配算力和应用算法的依据;模型则是整体核心，无论再强的算力、再多的数据，无法形成智能化模型就都毫无价值。此外，还需要相辅相成的业务场景IT构建能力，简单说就是要具备将“智能”转化为业务场景的推送能力，要形成“接触-采集-智能决策-反馈推送-再接触”的在线、实时的闭环业务场景。在这个背景下，大数据、人工智能、物联网的融合将是下一步科技创新的热点领域。

　　推荐阅读：《金融发展评论》(月刊)创刊于2010年，由中国金融学会;新疆金融学会主办。以遵宁宪法、法律、法规和国家政策为宗旨，遵守社会遵循时尚，以马克思列宁主义，毛泽东思想，邓小平理论为指导坚持理论联系实际的学风。