交通銀行資訊科技管理部副總經理張漫麗：交通銀行“大資料+人工智慧”應用研究...

文 | 交通銀行資訊科技管理部副總經理張漫麗

大資料隱含著巨大的社會、經濟、科研價值，已引起了各行各業的高度重視。如果能通過人工智慧技術有效地組織和使用大資料，將對社會經濟和科學研究發展產生巨大的推動作用，同時也孕育著前所未有的機遇。

在過去的五年中，雲端計算、大資料及人工智慧的發展催生了金融行業的一系列產品和業務模式創新，可以預見，迅猛發展的大資料和人工智慧技術未來可能使整個金融環境和交易模式產生徹底性的、顛覆式的改變。2016年，AlphaGo把人工智慧推向了風口浪尖，AlphaGo圍棋的獲勝體現的不僅是人工智慧的水平，更是背後雲端大資料處理和分析能力的提升。

一、“大資料和人工智慧”金融行業發展現狀

1.銀行轉型改革恰逢“大資料+人工智慧”全面崛起

近年來，我國經濟金融形勢都呈現出新的態勢，銀行業面臨經濟增速放緩、結構調整加快、化解產能過剩和金融改革等諸多挑戰。加上全球金融監管日趨嚴格、新巴塞爾協議對資本的約束，銀行業金融機構面臨著前所未有的壓力和風險。市場競爭空前激烈，不僅銀行之間的競爭愈發激烈，銀行與非銀行金融機構、類金融機構的跨界式競爭也愈演愈烈。依靠規模和高速擴張的外延式發展方式已嚴重透支，銀行紛紛開始主動或被動地進行內涵式發展轉型。

統計顯示，全國小微企業貸款覆蓋率僅21.6%，還有78.4%的小微企業得不到銀行資金的支援。這表明銀行服務覆蓋的廣度、深度還遠遠不夠，仍存在巨大的服務空間。但在規模和效益驅使下，銀行基於傳統風險和成本考量，仍難以有效開拓維護小微客戶。

伴隨著高質量的大資料積累，同時得益於強大的平行計算能力，特別是深度學習演算法上的突破，人工智慧技術近年來全面崛起。“大資料+人工智慧”的相關理論與分析方法，很好地彌補了資料獲得的時間連續性、資料的地理位置分佈、資料樣本的覆蓋程度等傳統分析方法中的不足，其精準度更高、覆蓋面更廣和響應速度更快的特點，有助於銀行優化資源配置，降低服務成本，提高服務效率，豐富風控手段。將其定位為降本增效、提升體驗、擴大獲客的有效工具，運用到銀行運營、營銷及服務等業務中將大有裨益。

2.金融同業應用探索

銀行是資訊密集型服務產業，其資料強度高踞各行業之首——銀行業每創收100萬美元，平均就會產生820GB的資料，在整體價值、企業平均資料量、績效波動性、交易密度等方面遙遙領先於其他行業。人工智慧所展示的機器深度學習能力讓大資料處理呈現了新的方向。

無論是大型銀行還是中小股份制銀行都開始大範圍地嘗試通過大資料來驅動業務運營，比如工商銀行的大資料風控、建設銀行的大資料模型實驗室、招商銀行利用大資料開展小微貸款、光大銀行建立社交網路資料庫等。人工智慧機器人也走進交通銀行、農業銀行、浦發銀行等各家銀行營業網點。2016年12月招商銀行強勢釋出了財富管理應用摩羯智投，推出了中國銀行業的首個智慧投顧，例項證明金融科技將為金融產業帶來新生。

二、交通銀行探索實踐和發展思路

交通銀行在業務發展過程中首先積累了海量的客戶資訊、交易資訊等各種資訊，具有資料優勢;

其次擁有資料倉儲處理傳統海量結構化資料的經驗，經過幾年的整合，交通銀行資料資訊管理工作已經形成了以資料標準制定、資料資訊採集、資料資訊工具設計、資料資訊質量控制為主線的資料集中管理模式，為基礎資料資訊同源統一提供了基本條件。

加上近年來大資料多維查詢、搜尋、圖計算等技術的興起,對資訊檢視多層次、靈活化的訴求提供了有力的技術支援;

最後是IT技術和人才儲備相對充裕，具備實施大資料的基本條件和巨大發展潛力，在發展模式轉型、金融創新和管理升級等方面充分利用人工智慧技術、運用大資料思維更具潛在價值和針對性。目前交通銀行也在上述領域進行了探索，並取得了一些成果。

1.建立“頂層設計，自上而下”的創新組織體制

交通銀行高度重視金融科技創新工作，2010年就成立產品創新與推進委員會(簡稱“創新委”)，目前基本建立了自上而下分三層的矩陣式創新組織體制，以專案制改革大力推動重點產品創新。

總行創新委是全集團產品創新工作的決策機構，下設公司、零售、同業三個產品創新委員會，並設有創新專案評估與推進委員會，作為集團創新專案評估和推進的議事、協調和決策機構。各省直分行也參照設定了相應創新委員會，統籌分行層面產品創新工作。初步形成了突出重點、分類管理的創新產品體系，建立了重大創新專案、常規創新專案、創新實驗專案三大產品創新體系。

首批明確了七項重大創新專案，成立了重大創新專案制改革試點領導小組，出臺了指導意見，通過專項團隊、專項授權、專項政策、專項資源、專項考核的“五專機制”集中資源重點突破，著力打造品牌產品。同時依託產品創新實驗專案機制，總分聯合快速研發了二十餘項創新產品，經創新產品釋出會釋出後在各省直分行大力推廣，取得了良好的市場反響。

2.依託創新實驗室開展大資料和人工智慧基礎研究

密切關注全球金融科技的創新與應用，內部設立主題創新課題群，關注市場熱點、研究業務重點、突破技術難點，強化交通銀行在雲端計算、大資料和人工智慧新興領域的自主技術儲備。加強與外部金融科技企業的連線，實時掌握最新的金融科技發展趨勢，打造快速獲取新科技並轉化為銀行產品服務應用的能力。不斷搜尋數字化合作機遇與夥伴，佈局金融科技生態圈。開展科技為引領的“跨界”創新研究，在風險可控的前提下，通過創新實驗室這片試驗田“先行先試”，不斷培養自身運用新一代技術的能力。

目前，交通銀行已依託創新實驗室對區塊鏈、人工智慧等新興技術開展基礎研究，對大資料、生物識別等已有儲備技術開展在金融業的綜合應用研究。同時與金融科技企業、高校保持良好的溝通互動，積極開展重點金融科技相關領域的聯合創新，建立快速獲取新科技並轉化為銀行產品服務應用的能力。

3.完善大資料平臺，促進和支撐業務創新

建設集團統一、資料標準、執行高效、技術強大的資料服務平臺。完善大資料應用環境，支援對使用者資料進行超百萬維度的資料建模，深刻洞察使用者的行為和特徵，為全新價值點、商業決策以及新業務商機的挖掘提供更加科學、全面的業務支援，為集團經營管理、業務發展和內部控制提供良好的技術支援和服務。

4.整合外部資料豐富銀行資料資源，健全客戶資訊統一檢視

聯合業務部門及分行共同進行大資料的蒐集、整理、儲存、分析和應用，全面採集、多方式整合行內外各類有價值資料，增加外部資料業務檢視和資料探查功能，為各部門在業務開展過程中查詢和使用外部資料提供便利。將金融服務與社交網路、電子商務、行動網路等深度融合，與行內資料形成有效互補，充分發揮外部資料資產價值，實現廣義通用的客戶資訊統一檢視。

5.依託大資料技術實現客戶行為分析及精準營銷

在產品開發、營銷方面,通過對客戶在交通銀行及關聯單位的海量交易、行為、及訪問足跡資料進行收集、分析和挖掘，科學構建資料模型，使不同層級客戶的差異化金融需求可以得到充分展示，進而針對客戶需要、市場需求研發產品、開展營銷，真正做到以客戶為中心進行產品開發設計，實現精準營銷，而不是以銀行為中心製造、推銷產品。通過對智慧感知技術、互聯互通技術和智慧洞察技術的綜合應用，實現對使用者的行為感知和需求預測，從而提供新型的主動推送或推薦式金融服務，實現對特定族群的精準營銷，提升客戶交叉銷售率。

6.推進風險管理的精細化

當前銀行的貸前授信和貸後監控，無論從深度和廣度均有不足，交通銀行著重研究銀行業風險發展方向和趨勢，以大資料思維將現場調查與非現場資料探勘分析相結合，更加全面地評估客戶風險狀況，大幅提升貸前風險判斷和貸後風險預警能力，實現對潛在風險的及時防控。

首先，結合挖掘的外部資料進行客戶關聯畫像，將企業登記狀態、資金、信用、聲譽、徵信、股東、法人、主要管理人員、控股及關聯企業等資訊均納入風險監測系統中，有效提升客戶識別及風險預警水平。

其次，依據預先設定的風險指標及已知的風險客戶評級，通過機器學習演算法進行近似性匹配，完成資料探勘分析，並依據機器學習的結果，逐步調整指標範圍和關聯程度，完善機器學習的風險模型及演算法，以實現機器學習結果與人工認定結果達成極高匹配為目標，訓練出更精準的風險防控模型。

最後，深度挖掘歷史資料，並逐步擴充套件機器學習所涉及的資料範圍，做出更專業的判斷，使風險識別、防範、決策更加可靠、更加貼近實際。

7.強化分散式架構研究，擴充資料實時處理展示範圍

近年來，IT系統面對的資料量越來越大，業務對處理時效要求越來越高，資料量和處理時效的矛盾越來越突出。目前銀行傳統應用由於在事物一致性方面的要求，基本仍然採用集中式應用架構，但是隨著網際網路金融的發展，資料分析正在向更多型別的分散式架構和實時智慧服務發展，通過實時的智慧服務可以支援實時的決策制定。從而最終優化和解決處理資料越來越大、處理時效要求越來越高的問題。

前期已實現的交通銀行頭寸、銷售、授信等資訊實時展示獲得行內各部門一致好評。搭建的實時資料服務系統專注於處理實時和準實時資料需求，支援CDC、MQ等多種準實時同步技術，儘可能壓縮傳統業務鏈條，應用大資料的處理模式，以高實時性的中間資料層為媒介，引入機器學習和資料湖概念，建立效率更高、實時性更強、管理者自定義程度更深的商業智慧系統，實現報表的實時化、移動化、定製化。

8.研究和擴充人工智慧應用場景

充分利用大資料平臺研究成果，結合人工智慧在語音識別、語義處理、生物識別、機器學習、專家系統等方面的核心技術，圍繞資料跨界融合和深度挖掘進行應用探索，進一步升級和優化大資料平臺功能與模型，並重點應用在客戶畫像、需求挖掘、精準營銷、服務質檢、智慧投顧等環節，為客戶提供定製化、智慧化、有管控的金融服務，綜合提升交通銀行服務創新和產品營銷能力。

交通銀行於2014年6月率先在業內建立了全行統一的生物識別身份認證平臺。該平臺是以虹膜、人臉、指紋及指靜脈等多種生物識別技術為核心的跨平臺的、開放的、可擴充套件的統一身份認證平臺，實現了客戶身份安全便捷、真實、準確認證。通過與現有業務系統對接，大大提高了客戶的滿意度、忠誠度和舒適度。目前，人臉識別技術已在全行智慧櫃、ITM機、個性化髮卡機上推廣使用，提升身份認證效率的同時，有效挖掘了各個渠道潛在的客戶營銷資訊。

未來，交通銀行準備在如下場景擴充人工智慧應用：一是結合多種生物識別技術，如語音識別或聲紋識別技術，來提高金融中心或客服中心的質檢水平和服務質量。二是結合私人銀行部多年資產管理經驗、大資料分析及人工智慧技術研發智慧財富管理系統，為中產階級客戶提供更加全面和優質的投資顧問服務，提升客戶忠誠度及黏度。三是通過人工智慧技術和大資料風控，將曾經繁瑣的業務審批流程自動化處理，通常數十秒即可完成，其中超過85%的審批都不需要人工操作，純自動化實現。

三、挑戰和機遇

1.面臨的挑戰

(1)雖然銀行經過多年資料倉儲建設對資訊、流程及渠道進行了全面整合，構建了統一的資料標準和資訊模型，但目前的資料結構基本上是條塊分割的，“線下為主”的體制對網際網路資料價值的不適應，資料規劃、清洗和標籤不盡合理，將這些資料進行大資料分析，現實情況下仍不盡如人意。

(2)客戶行為偏好資料往往隱藏在海量的行動網路裝置及社交網路之中，現有銀行系統難以有效分析和利用。最好的行為資料在BAT，但BAT不會與銀行分享。目前主流的資料來源供應模式包括感測終端、網際網路、政府機關、運營商等，主要是以資料為產品輸出，不涉及資料的分析處理，但資訊保安的政策風險較高，市場空間有限，特別是《中華人民共和國網路安全法》將於今年6月1日起正式生效，為涉及客戶隱私的大資料合作畫上了紅線。

(3)資料探勘和深度學習方面的專家目前非常稀缺，一個好的平臺需要好的人才方能發揮最大效用，目前銀行主要以軟體開發人員為主，缺乏資料和演算法方面的人才，特別是真正的資料專家在銀行不是很多，頂尖的資料科學家更是稀缺。

2.存在的機遇

正如網際網路和電子商務曾經風靡一時一樣，雖然“大資料+人工智慧”如今方興未艾，但作為人工智慧發展的原動力，大資料正在史無前例地聚集，我們有理由相信只要它朝著健康的方向發展，未來必將成為社會發展的新引擎。

本文出處：暢享網

本文來自雲棲社群合作伙伴暢享網，瞭解相關資訊可以關注vsharing.com網站。