做銀行家裡的資料專家:ING探索大資料時代下的金融最佳實踐
大資料文摘出品
記者:高延
6月18-21日,O’Reilly AI Conference在北京召開。大會上,來自荷蘭的金融公司ING的IT主管Bas Geerdink帶來了《關於數字驅動企業》的主題分享。
進入網際網路大資料時代後,ING目標明確的要把自己打造成一家資料驅動型企業,將分析技能作為首要戰略重點,並投資於人工智慧、大資料分析,希望能借此最佳化業務流程。
現在,AI已經逐漸發展成ING業務的核心,公司內部有著大量關於資料分析及人工智慧在專案在進行著。正如他們自己所言,他們是一家IT公司——An IT company with a banking lisence.
Bas Geerdink從WHY、WHAT、HOW三個角度分享了ING在數字化轉型中的思考與實踐。
以下是演講全文,大資料文摘在不改變原意的前提下進行了編輯。
演講內容
WHY:ING的挑戰和機遇
有著160多年曆史的ING見證的銀行業的發展與變革,從最早期的客戶因信任扛著資產到銀號進行儲存;到後來一張張小小的卡片和客戶經理成了銀行和客戶之間的紐帶;再到如今,很多客戶根本就沒有在銀行體驗過實體的服務,他們和銀行的互動只是一個應用程式罷了。因此,如何靠應用程式吸引客戶並建立穩定的客戶關係,是他們最關心的問題之一。
另外,金融行業的競爭也在不斷的加劇,想在比荷盧經濟聯盟以外的地區站穩腳跟並非易事,Bas Geerdink特別強調到亞洲市場,這是塊很有吸引力但又充滿挑戰的市場,他還提到了阿里和騰訊,這兩家公司以網際網路的基因做著金融的業務,無論是成本還是使用者基礎上他們都充滿優勢,想要他們那分一杯羹,ING必須花更大心思充分理解當地客戶,並用上最新的IT技術手段。
當然,作為金融行業老人,卓越的遠見自然是它屹立不倒的重要原因,所以ING早13年就制定了數字化戰略,計劃抓住資料和AI的機遇,結合自身在金融領域的百年經驗,將資料融入產品,建立穩固的客戶關係,給客戶打造更可靠、更便捷的服務體驗,為客戶提供整合化商務平臺,從而為客戶的資產賦能。
WHAT:ING產品上的AI應用
案例1:Actionable Insight,這是一項基於歷史資料的預測產品,ING會基於使用者歷史的銀行資金資料,對使用者接下來一個月的經濟狀況作出預測,如果根據近期的消費模式預測出可能會有財務問題,便會提早給客戶提示,讓客戶今早調整財務計劃。
想必還是有很多小夥伴會期待這種智慧提醒吧,至少筆者這樣的月光黨還是很需要被敲黑板的。
案例2:Real-time Forecasting,這是一個推薦服務,這是嵌入在ING移動產品裡的,它用的是實時資料進行推薦,推薦的是使用者可能需要的ING服務,假象一下你的定位發生了大面積轉移,又消費了外幣,這時它就會預測你或許是在一次國際旅行上,然後傳送當地的ING網點給你,附上跨國購匯取款等操作指導,很暖心有沒有。
案例3:Instant Mortgages,貸款購房這是不管放到哪個國家都是人生大事,ING會基於PSD2的交易資料評估出客戶的貸款能力,為客戶推薦量身定製的貸款數額,最關鍵的是它很快,分分鐘解決你的顧慮,不需要再像以前那樣擠出時間找顧問諮詢啦。
HOW:ING在IT技術和工作模式上的最佳實踐
Bas Geerdink說到,以前的ING是金融公司,而現在卻不僅僅如此了,因為這些年在企業內部建立起了強大的IT技術團隊,不再使用以前的外包形式,再加上大資料平臺的建立和AI技術的應用,一家高科技公司妥妥的。
優秀的資料驅動公司的標誌之一就是能管理好歷史資料,銀行業務的特性使得ING面臨多種業務系統的資料,形式各有不同,而且近兩年資料井噴的環境下的fast data和過往的historical data得采用不同的處理方式,它們採用了資料湖的方式處理這些多源異構資料,用不同的技術處理對應的資料,最終以統一的標準呈現給應用層。這對ING至關重要,因為這是一切分析或AI的基石,正如Bas Geerdink一再強調的,只有做到這點才能避免訓練模型時“rubbish in rubbish out”
前面講到了ING用資料湖打下堅實的資料基礎,這裡再丟擲他們的另一把利器——實時資料流平臺,按Bas Geerdink的說法,為了讓應用能夠提供更及時準確的資料服務,必須把資料採集、儲存、模型訓練、迭代、應用微服務這個鏈路完整地串聯起來,他把這稱為“人工智慧生產流水線”,Flink的出現大大推動了他們資料平臺的升級,讓資料高效地指導業務和服務客戶。
ING在工作模式上遵循了DevOps方法,如Bas Geerdink的PPT所示,在平時工作中,他們會按業務範疇將業務人員、資料科學家、開發、運維組成作戰小分隊,使得成員間得以高效緊密的配合,另外,在相應的知識領域,他們又會按照職能劃分小組,進行技術或業務的交流經驗分享。ING正是這樣很好地貫徹了優質的IT管理理念,使得他們敏捷地在數字化轉型和AI應用的道路上。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31562039/viewspace-2648714/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 大資料時代下,金融行業資料安全防護如何落地?大資料行業
- 雲時代的資料庫客戶端 —— CloudQuery最佳實踐資料庫客戶端Cloud
- 大資料時代的資料治理!大資料
- 小牛線上解述大資料時代的金融科技大資料
- 乾貨分享:智慧工廠時代下大資料 + 智慧的深度實踐大資料
- 大資料時代,如何做資料探勘與分析!大資料
- 物件代理資料庫:大資料時代下的應需之作物件資料庫大資料
- 大資料智慧:金融行業使用者畫像最佳實踐大資料行業
- 資料治理:管理資料資產的最佳實踐框架框架
- 探索AntDB:資料驅動時代的引擎
- B 站構建實時資料湖的探索和實踐
- 資料庫治理的探索與實踐資料庫
- 聚焦資料安全,探索最佳實踐 |《資料安全專刊》第二期正式釋出
- 中小銀行資料倉儲建設 | 最佳實踐
- 圖資料庫——大資料時代的高鐵資料庫大資料
- 專家觀點|張 樺:築基拓新,AntDB資料庫的實踐與探索資料庫
- 從 ClickHouse 到 ByteHouse:實時資料分析場景下的最佳化實踐
- 大資料時代下如何保障資訊保安?大資料
- 網易數帆實時資料湖 Arctic 的探索和實踐
- 理解大資料:數字時代的資料和隱私(附下載)大資料
- 科技金融時代下:銀行的智慧金融之路(附下載)
- 火山引擎雲原生大資料在金融行業的實踐大資料行業
- 前端資料層的探索與實踐(一)前端
- 前端資料層的探索與實踐(二)前端
- 大資料開發的儲存技術探索與實踐大資料
- 微服務的【資料庫管理】最佳實踐微服務資料庫
- 阿里專家分享:企業級大資料輕量雲實踐阿里大資料
- 資料分析師、資料科學家、大資料專家三個職位的區別資料科學大資料
- GMTC 大前端時代前端監控的最佳實踐前端
- 資料測試實踐:從一個bug開始的大資料引擎相容性探索大資料
- DataPipeline在大資料平臺的資料流實踐API大資料
- 基於雲原生的大資料實時分析方案實踐大資料
- 蛛網時代:資料大爆炸下的資料視覺化視覺化
- 大資料實踐解析(下):Spark的讀寫流程分析大資料Spark
- Bond——大資料時代的資料交換和儲存格式大資料
- 大資料時代,資料倉儲究竟是幹嘛的?大資料
- 大資料開發平臺(Data Platform)在有讚的最佳實踐大資料Platform
- 大資料時代來臨大資料