互联网

摸象大数据高鹏:数据智能在金融行业的应用落地

来源:网络    作者:      2020年07月06日 16:56

导语:


摸象大数据高鹏:数据智能在金融行业的应用落地


  近日,中国工程院院士、浙江大学计算机学院潘云鹤教授作为通讯作者,与其他人工智能领域学者在《自然》子刊《机器智能》发表题为《中国迈向新一代人工智能》文章,全景扫描了中国新一代人工智能形成过程和发展现状,指出大力培养人工智能本土一流人才、加强学科交叉下人工智能理论突破、规范人工智能伦理以及构建人工智能发展生态是今后中国新一代人工智能发展面临的挑战。

  人工智能已经成为世界工业和经济发展转型的主要驱动力,世界各国正在奋力拥抱人工智能革命为本国经济社会发展带来的澎湃动能,已经产生并将不断催生各领域的新产品、新技术、新业态。

摸象数据智能在金融行业的应用落地

作者:高鹏 潘晶

  如何将数据智能与金融完美融合,提升金融机构的服务效率,降本增效的拓展金融服务的广度和深度,全面赋能金融机构,实现金融服务的智能化、个性化、定制化等金融数据智能应用的落地,这是“浙大系”金融智能联合实验室高鹏、潘晶等人,一直在研究和推进的智能金融新时代。

  在本报告中,高鹏、潘晶等人,将从数据智能本质入手,数据智能历史进程回顾等方面,针对银行、金融机构客户企业遇到的各种问题,力图给出当前市场竞争格局下的速赢策略、应对策略以及未来数据智能在金融行业的应用,帮助金融机构更好的驾驭数据智能,领跑数据智能时代。

  ▉ 什么是数据智能(Data Intelligence)

  从技术的角度来看,数据智能(Data Intelligence)是指基于大数据引擎,融合应用云计算、大数据、知识图谱和大规模机器学习等多种技术,由机器决策实现数据驱动的场景业务流,即可称为数据智能。它可通过大规模机器学习和深度学习等技术, 对海量数据进行处理、分析和挖掘,提取数据中所包含的有价值的信息和知识,使数据具有“智能”,并通过建立模型寻求现有问题的解决方案以及实现预测等。

  简单讲,数据智能就是大数据和人工智能技术的融合。数据智能将随着数据量的高速增长,直接驱动应用于场景之中,提升运营效率,它的终极目标就是利用一系列智能算法和信息处理技术实现海量数据条件下的人类深度洞察分析和总结,得出结论,最终实现智能决策。

  例如摸象大数据的“无相盘”就是立足于数据直接驱动金融场景,建立了一套从云-边-端的全自动数据驱动的自动化运营体系,一切基于数据来进行资源的调配和参数调优。在用户端,可根据消费者行为和场景数据进行实时的个性化产品匹配和推荐,在银行端,利用数据和算法实现产品供应链上每个价值环节的机器决策和自动优化,以数据智能为“引擎”,实现海量数据条件下的人类深度洞察和决策智能化,最终走向普适的人机智能融合,进一步驱动金融机构生态系统重构和商业模式创新。

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:摸象大数据无相盘系统架构)

  ▉ 数据智能的发展进程

  数据智能的标志是数据驱动决策,让机器具备推理等认知能力,大数据能够指导决策。同时完成了业务数据化进程,开始进入到业务智能化,依靠数据嵌入场景和驱动业务。

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:数据智能的发展进程)

  第一阶段:数据的收集、清洗和存储,代表企业有数据堂、九次方等,同时金融机构也开启了数据仓库的建设;

  第二阶段:商业BI阶段。数据的展现、监测、图形化、可视化,机器帮助人类决策;

  第三阶段:数据与业务场景的结合,数据挖掘和数据建模时代,大数据公司开启了数据中台的建设,将AI建模平台内化成自身的能力,基于AI建模平台形成解决方案,帮助企业客户落地大数据应用。明略数据、百分点、同时在这阶段又得到了大发展;

  第四阶段:大数据驱动机器自动决策阶段,让机器具有推理能力,数据智能嵌入场景,直接驱动业务。这是在大规模数据处理、数据挖掘技术、机器学习技术、人机交互技术、NLP技术都逐步发展起来的情况下,实现的高级、实时的机器决策能力,数据智能的出现博士将带来业务和商业模式的重构。

  未来,随着技术更加成熟,很多执行环节都可以由机器来实现,但只有数据智能具有主动驱动业务的能力之后,才能算是机器自动决策,也就意味着数据智能进入了一个新的层次。

  ▉ 金融是最早运用全自动数据智能的行业

  金融作为现代经济核心,汇聚海量场景和用户数据,同时业务具有可标准化的特征,是最符合数字化转型条件的行业之一,目前,几乎所有的科技巨头公司都在布局金融,绝大多数银行都在贯彻数字化战略。

  金融行业成为各巨头科技公司抢占布局的市场,有以下三个原因:第一,金融行业资产、交易、产品甚至是用户,都是数字领域的,定义既垂直且清晰,可计算的“原料”多。二是金融是最无摩擦的领域,钱进钱出,这里没有生产、仓储和物流,一旦形成数据闭环会产生巨大的效率提升;三是金融行业是万亿级的市场,跑道足够宽阔。

  进入金融智能化的这一阶段后,可以观察到,整个金融行业呈现出以下几个态势:

  第一,多技术融合。目前很多金融大数据公司具备了深度学习、NLP、知识图谱等原先被认为是AI技术的能力;从客户需求来看,为了指导决策,需要汇聚海量多源数据,其中必然会涉及到非结构化数据的处理,基于复杂网络的推理和决策,单一技术很难解决问题;

  第二,新商业模式的形成。当数据智能可以嵌入到场景中去,并支持机器自动决策的时候,整个金融行业的运营模式会发生巨大的变化,从原有的数据辅助人类决策,升级为客户在场景全自动无感使用个性化的业务,因此,金融机构的产业形态和运营模式都会发生巨大的变化,甚至被催生出新物种。

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:数据智能时代的新商业模式)

  其中,摸象大数据提供的无相盘实时推荐,无相盘商机挖掘引擎,无相盘NLP三大引擎,运用“大脑+工具+场景”闭环模式,基于大数据基础平台结合营销+RPA,运用云计算、大数据、知识图谱和大规模机器学习等多种技术,对于收集的客户交易、消费、网络浏览等行为数据利用深度学习相关算法进行模型构建,帮助金融机构与渠道、人员、产品、客户等环节相联通,从而可以覆盖更多的用户群体,为消费者提供千人千面、个性化与精准化的营销服务。

  ▉ 数据智能在金融领域的落地和无相盘实施案例

  在金融行业里,目前已经可通过数据可以进行预测、判断、决策、分析等,银行的风险控制、智能营销、反欺诈等都是通过数字化与AI来实现。而数据智能在金融行业落地会带来以下新的改变:

  一、未来在新金融中,数据将被孕育为新的生产要素。数据日益成为核心生产要素加入到金融产品中。在新金融背景下,基于场景的实时推荐,使人、产品、场景可以全面自动调度,很大程度上数据智能将带来的边际效率改善和全要素生产率的提高;

  二、新金融中数据智能会带来更大的“乘数效应”。在金融产品的数字化运营过程中,将数据进一步直接驱动场景,极大突破了金融产品相互联系的时空约束,形成智能化的动态金融产品的诞生;

  三、数据智能帮助用户实现多产品组合的规划,让每一个人都可以拥有一个AI理财顾问。AI可以完全实时地对每一个人提供个性化服务,能够有效突破金融长尾用户的服务局限性。综上所述,数据智能可支撑数字金融加快发展,可以推动新金融的产品变革、效率变革、动力变革,给我国金融数字化智能化提供新的技术支撑。

  摸象大数据在金融行业落地的“无相盘”,就是一个数据智能驱动的全自动运营平台,它通过自动挖掘客户、自动触达客户、自动跟进客户、自动数据回溯四大功能,形成整个场景完全由数据智能来驱动的全闭环流程。整个过程完全不需要人类的干预,一切基于数据来进行资源的调配和参数调优。具体全自动流程如下:

  S1自动挖掘:利用银行的海量数据进行算法挖掘,同时将推逻辑扩展到基于就像timeline的事件流进行挖掘,最终完成对用户多维度特征的深度学习验证,挖掘出每一个具体业务的不同潜客群体数据;

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:摸象大数据无相盘S1)

  S2 自动触达:对于每一个不同具体业务的潜客群体,DI将对应不同的业务推荐策略,无相盘建设了整个业务体系的产品推荐知识图谱,并采用电话机器人的方式进行用户的触达和营销;

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:摸象大数据无相盘S2)

  S3自动跟进:基于机器人和目标用户的NLP交互过程,DI进一步标注出用户对每一个业务的兴趣程度和兴趣偏好标签,并驱动下一环节进行跟进;

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:摸象大数据无相盘S3)

  S4自动回溯:当DI驱动的触达和跟进流程都完成之后,后续成功营销的用户将会被自动标注,同时DI将会基于分层分桶的A/B test算法,有效保证大批量推荐策略测试后能快速收敛于最有策略。

摸象大数据高鹏:数据智能在金融行业的应用落地

(图表:摸象大数据无相盘S4)

  以上四个环节全部由数据智能实现自动驱动,该四个环节可连接亿级的用户触点,渗透入银行网点、电话营销、网络营销微信等各个渠道,可有效提高银行的运营效率30%以上。

  ▉ 数据智能时代的新商业模式

  首先,数据智能时代,将会有新的商业模式诞生。

  由于数据智能是深刻嵌套于业务场景和流程之内的,因此除了原有提供解决方案为主的技术赋能模式,在数据智能时代,会逐步出现合作分成、联合运营的新模式,合作分成会极大提升数据智能公司的天花板。合作分成意味着数据智能公司可以获得企业的业务预算,而不仅仅是IT预算,能够大幅提升数据智能公司在单一行业的天花板。

  合作分成会是一种全新的模式。数据、技术和应用场景结合以机器决策赋予场景以智能,提升整个场景的运营效率,从而实现与企业客户的合作分成。

  合作分成提升客户黏性,有利于数据智能公司立足行业。合作分成意味着数据智能公司深入到业务场景中。数据智能公司对客户应用场景理解能力已接近企业客户本身,远远超出其他供应商。

  其次,实现数据智能新商业模式的条件。

  要实施合作分成、联合运营等数据智能新商业模式,需要满足三大条件:

  1、做增量市场才能合作分成。做增量大于做存量,对企业客户而言,利润中心的价值大于成本中心。因此,帮助企业开拓新业务、提高原有业务的产能,才能够进行合作分成。帮助企业降低成本是无法合作分成的,因为本身存在很明显的天花板。

  2、需要搭建覆盖“云-边-端”的全场景覆盖。覆盖全场景,落实数据全闭环才能证明数据智能公司的价值,才能量化成果,基于可量化的成果,数据智能公司才能与企业客户进行合作分成。

  3、具备业务运营能力。合作分成意味着数据智能公司要长期参与到业务过程中,具备业务运营能力,能够根据企业客户的需求,快速开发新产品及应用,不断迭代升级,满足企业的需求。

  就金融领域而言,将数据、算法深度绑定业务场景之中,让数据本身成为业务的一部分,例如场景内的实时推荐能力、风控能力、动态利率计算能力,从而实现业务收益的持续提升,甚至催生出新的金融业务。

作者简介

  高鹏:人工智能专家,摸象大数据创始人兼董事长,师从潘云鹤院士,1998年荣获浙大计算机学院博士学位,是国内第一套移动Boss计费系统模型创建者

  潘晶: 浙江大学数字图书馆国际合作计划 对外合作与交流部主任,曾带领浙大学生团队参加大学生创业(SRTP)项目,并分别取得校内和省内金奖等荣誉


(文章为作者独立观点,不代表艾瑞网立场)
  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。
     关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 广告赞助| 友情链接

Copyright© 沪公网安备 31010402000581号沪ICP备15021772号-10

扫一扫,或长按识别二维码

关注艾瑞网官方微信公众号