|
自“电子化”伊始，数据认知及其实践就逐步成为银行运营和发展的关键能力。进入AI时代，银行业“数字化”变革面临哪些机遇与挑战？5月24日金科创新社举办主题为“AI大数据的银行业落地实践”的“2019银行科技创新实战沙龙”，笔者应邀在沙龙上阐释了AI大数据在银行业的核心价值、发展现状和应用前景，分享了对于AI时代商业银行风控和营销领域大数据实践的思考。 “变与不变”之中，“变”是主旋律，怎么变是关键问题？比如最近很火的瑞幸咖啡在招股书中提出的“颠覆性新零售商业模式”，其核心思路为大数据和人工智能驱动下的业务运营创新，数据挖掘被广泛应用到智能定价、客户留存等主题。同样对于金融行业，“颠覆性”更多在于技术与应用结合的创新，而非底层技术的创新。 那么AI的应用对金融业带来哪些变化？又应该坚守哪些原则？演讲从“思考方式的改变、能力驾驭范围的改变、数据挖掘深度的改变、大数据商业模式的改变、AI文化的改变”五变，以及“金融科技的初心不变、循序渐进的思路不变、求真务实的理念不变、循序渐进的规律不变、深耕场景的工匠思维不变、安全合规稳定可靠的底线不变”五不变分别进行论述。 第一变：AI带来思考方式的改变 银行业从电子化、信息化到数字化，本质都是数据的持续积累和应用。当前银行业务转型的过程离不开大数据智能的支持，即要充分利用内外部数据资源，通过大数据分析挖掘，支持客户深度挖掘、客户服务、普惠金融、电子渠道转型、智能财务、智能反洗钱、信用卡数字化转型等业务。光大银行提出“构建智慧金融大脑”，就是面向智能营销、智能运营、智能风控、智能决策等提供“精确制导式”的数据火力支持。 新时期，如果说大数据是企业的血液，那么AI就是一种生产力。AI作为生产力改变了生产关系，进而带来思考方式的改变。对于AI与大数据的关系，笔者给出了自己的观点：数据挖掘和机器学习的结合为机器带来知识，进而产生机器的智能，最终实现人工智能。了解AI的工作原理之后，我们就可以清晰地知道什么样的任务是一个AI任务。
第二变：能力驾驭范围的改变 AI的核心能力包括三方面：数据、算力和模型。三个方面逐层递进、相互支撑、缺一不可。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”运用到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。 算力、数据和模型三者的关系。AI的本质是智能化模型的训练，算力是AI的根基，正是因为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AI的核心，无论再强的算力、再多的数据，无法形成AI模型就都是空中楼阁毫无价值。 数据是最重要的基础支撑，对数据管理水平的衡量可以参考“数据管理能力成熟度模型（ Data ManagementCapability Maturity Model ，DCMM，GB/T 36073-2018）”：针对一个组织数据管理、应用能力的评估框架，通过数据管理能力成熟度模型，组织可以清楚的定义数据当前所处的发展阶段以及未来发展方向。企业AI应用能力的上限由其数据管理能力决定，数据管理能力不足的企业根本无力开展大规模AI应用建设。
第三变：数据挖掘深度的改变
光大银行在实践中研发“会思考”的信用卡反欺诈模型，结合传统风险管控和社交网络分析技术，加工基础维度信息和社交维度信息特征指标组成反欺诈客户画像，并应用随机森林等分布式机器学习算法建立欺诈风险预测模型。不同于传统风控模型以年为单位的更新优化周期，智能化预测模型每天都能够进行“思考”，通过更新网络关系并重新训练模型确定最新的欺诈预测思维模式。模型在研发和使用的过程中灵活运用机器学习和社交网络分析技术，催生新型数据产品的开发与应用从而带动传统业务流程的优化。
第四变：大数据商业模式的改变 光大银行数据应用早期是沿用数据产品化、数据产品生态化的建设思路，主要服务于内部应用。然后逐步开始探索数据业务化，也就是尝试讨论数据变现，目前合规问题是最大的挑战。最后是数据能力服务化，这也是目前光大科技大数据部门的主要工作之一。 光大科技承建集团数据港，旨在为光大集团提供数据连接和数据服务，打通光大集团内外部数据实现数据资源共享，通过API接口实现集团及各子公司间的数据标签调阅。另外就是最近比较火的“数据中台”，光大科技会探索构建适合自己的数据中台架构，为光大集团各公司业务开展提供智能化模型支持。 光大科技大数据部门以平台能力、模型能力、创新能力为核心能力，在支持光大集团和各子公司大数据项目建设过程中，逐步探索数据能力服务化的商业模式。提供涵盖数据整合、数据治理、数据服务、数据挖掘的综合解决方案能力，赋能光大集团业务转型，同时也逐步向外进行输出。
第五变：AI文化的改变 大数据商业模式的改变带来AI文化的改变，主要体现在两个方面。 一是建立大数据创新社区和大数据实验室。光大银行大数据创新社区的口号是“像外行一样思考，像专家一样实践”，通过科技与业务的融合，实现以互联网产品理念为中心，以业务创意碰撞融合为驱动力，打造大数据项目孵化机制，加速产品创新。未来大数据创新社区将推广到整个光大集团，目标是通过大数据支持集团业务转型。 二是打造创新孵化能力。外部资源引进方面，开展校企合作和生态伙伴合作，广泛对接合作高校、大数据相关科研机构、创业公司，建立人才储备、科研合作、孵化培育的机制，为创新沉淀资源；通过不断丰富外部数据来源、拓展大数据服务能力和实施能力，为创新打通渠道。内部机制建设方面，推进观念创新，完善创新激励机制，调动一切可用资源，不断培养、发展创新的文化氛围，为创新提供土壤。 五不变：变是主旋律，不变是基础和保障。 第一是金融科技的初心不变。AI应用的根本在于业务价值的实现，金融科技公司能否实现自身快速发展，关键在于能否把握客户需求进而创造价值。银行里面的AI价值实现主要体现在三个方面，一是提高服务流程效率，降低运营成本；二是增强风险控制能力，提高风险收益；三是促进产品创新，驱动客户价值增值。 第二是求真务实的理念不变。启动一个AI项目，首先判断是否为数据驱动型项目，然后看是否有足够丰富、质量合格的数据支持解决方案的实现。结合实际情况选择适合的算法模型，能够解决实际问题的方案就是好方案。 第三是循序渐进的规律不变。AI的发展与大数据、云计算、区块链等技术紧密相关，企业需要打造自主可控的AI能力，实现需求->大数据->智能模型->业务场景->生产力的链条，并在上述基础上逐步构建良性运转的价值闭环。 第四是深耕场景的工匠思维不变。深耕业务需求，发现AI应用场景。怎样用数据去描述业务形态？怎么设计数据应用场景？怎样构建数据挖掘模型？怎样构建数据驱动的业务模式？解决这些问题才是AI建设的关键。无论多么先进的技术平台也要落到合适的工匠手里，才能发挥出应有的价值。 第五是安全、合规、稳定、可靠的底线不变。关乎职业操守，在任何时代都有需要遵守的底线。
至此，演讲主体内容基本结束。在技术发展日新月异的时代，“变与不变”是任何角色都应该思考的永恒主题。大家都应该尽快找到使用新技术的切入点，踏上AI时代的浪潮，这样组织和自身都会从中受益。 最后还有一句话，“这是一个最好的时代，也是一个最坏的时代；这是智慧的年代，这是愚蠢的年代。” |
|
|
