文 | 交通銀行信息技術管理部副總經理張漫麗
大數據隱含著巨大的社會、經濟、科研價值，已引起了各行各業的高度重視。如果能通過人工智能技術有效地組織和使用大數據，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，云計算、大數據及人工智能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，迅猛發展的大數據和人工智能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把人工智能推向了風口浪尖，AlphaGo圍棋的獲勝體現的不僅是人工智能的水平，更是背后云端大數據處理和分析能力的提升。
一、“大數據和人工智能”金融行業發展現狀
1.銀行轉型改革恰逢“大數據+人工智能”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持。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，銀行基于傳統風險和成本考量，仍難以有效開拓維護小微客戶。
伴隨著高質量的大數據積累，同時得益于強大的并行計算能力，特別是深度學習算法上的突破，人工智能技術近年來全面崛起。“大數據+人工智能”的相關理論與分析方法，很好地彌補了數據獲得的時間連續性、數據的地理位置分布、數據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，有助于銀行優化資源配置，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
銀行是信息密集型服務產業，其數據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的數據，在整體價值、企業平均數據量、績效波動性、交易密度等方面遙遙領先于其他行業。人工智能所展示的機器深度學習能力讓大數據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范圍地嘗試通過大數據來驅動業務運營，比如工商銀行的大數據風控、建設銀行的大數據模型實驗室、招商銀行利用大數據開展小微貸款、光大銀行建立社交網絡數據庫等。人工智能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月招商銀行強勢發布了財富管理應用摩羯智投，推出了中國銀行業的首個智能投顧，實例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信息、交易信息等各種信息，具有數據優勢;
其次擁有數據倉庫處理傳統海量結構化數據的經驗，經過幾年的整合，交通銀行數據信息管理工作已經形成了以數據標準制定、數據信息采集、數據信息工具設計、數據信息質量控制為主線的數據集中管理模式，為基礎數據信息同源統一提供了基本條件。
加上近年來大數據多維查詢、搜索、圖計算等技術的興起,對信息視圖多層次、靈活化的訴求提供了有力的技術支持;
最后是IT技術和人才儲備相對充裕，具備實施大數據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能技術、運用大數據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，并取得了一些成果。
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，以項目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，并設有創新項目評估與推進委員會，作為集團創新項目評估和推進的議事、協調和決策機構。各省直分行也參照設置了相應創新委員會，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，建立了重大創新項目、常規創新項目、創新實驗項目三大產品創新體系。
首批明確了七項重大創新項目，成立了重大創新項目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。同時依托產品創新實驗項目機制，總分聯合快速研發了二十余項創新產品，經創新產品發布會發布后在各省直分行大力推廣，取得了良好的市場反響。
2.依托創新實驗室開展大數據和人工智能基礎研究
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，強化交通銀行在云計算、大數據和人工智能新興領域的自主技術儲備。加強與外部金融科技企業的連接，實時掌握最新的金融科技發展趨勢，打造快速獲取新科技并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伙伴，布局金融科技生態圈。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，交通銀行已依托創新實驗室對區塊鏈、人工智能等新興技術開展基礎研究，對大數據、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并轉化為銀行產品服務應用的能力。
3.完善大數據平臺，促進和支撐業務創新
建設集團統一、數據標準、運行高效、技術強大的數據服務平臺。完善大數據應用環境，支持對用戶數據進行超百萬維度的數據建模，深刻洞察用戶的行為和特征，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、全面的業務支持，為集團經營管理、業務發展和內部控制提供良好的技術支持和服務。
4.整合外部數據豐富銀行數據資源，健全客戶信息統一視圖
聯合業務部門及分行共同進行大數據的搜集、整理、存儲、分析和應用，全面采集、多方式整合行內外各類有價值數據，增加外部數據業務視圖和數據探查功能，為各部門在業務開展過程中查詢和使用外部數據提供便利。將金融服務與社交網絡、電子商務、移動網絡等深度融合，與行內數據形成有效互補，充分發揮外部數據資產價值，實現廣義通用的客戶信息統一視圖。
5.依托大數據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、及訪問足跡數據進行收集、分析和挖掘，科學構建數據模型，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制造、推銷產品。通過對智慧感知技術、互聯互通技術和智能洞察技術的綜合應用，實現對用戶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后監控，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，以大數據思維將現場調查與非現場數據挖掘分析相結合，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后風險預警能力，實現對潛在風險的及時防控。
首先，結合挖掘的外部數據進行客戶關聯畫像，將企業登記狀態、資金、信用、聲譽、征信、股東、法人、主要管理人員、控股及關聯企業等信息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，通過機器學習算法進行近似性匹配，完成數據挖掘分析，并依據機器學習的結果，逐步調整指標范圍和關聯程度，完善機器學習的風險模型及算法，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。
最后，深度挖掘歷史數據，并逐步擴展機器學習所涉及的數據范圍，做出更專業的判斷，使風險識別、防范、決策更加可靠、更加貼近實際。
7.強化分布式架構研究，拓展數據實時處理展示范圍
近年來，IT系統面對的數據量越來越大，業務對處理時效要求越來越高，數據量和處理時效的矛盾越來越突出。目前銀行傳統應用由于在事物一致性方面的要求，基本仍然采用集中式應用架構，但是隨著互聯網金融的發展，數據分析正在向更多類型的分布式架構和實時智能服務發展，通過實時的智能服務可以支持實時的決策制定。從而最終優化和解決處理數據越來越大、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、授信等信息實時展示獲得行內各部門一致好評。搭建的實時數據服務系統專注于處理實時和準實時數據需求，支持CDC、MQ等多種準實時同步技術，盡可能壓縮傳統業務鏈條，應用大數據的處理模式，以高實時性的中間數據層為媒介，引入機器學習和數據湖概念，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能系統，實現報表的實時化、移動化、定制化。
8.研究和拓展人工智能應用場景
充分利用大數據平臺研究成果，結合人工智能在語音識別、語義處理、生物識別、機器學習、專家系統等方面的核心技術，圍繞數據跨界融合和深度挖掘進行應用探索，進一步升級和優化大數據平臺功能與模型，并重點應用在客戶畫像、需求挖掘、精準營銷、服務質檢、智能投顧等環節，為客戶提供定制化、智能化、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。
交通銀行于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、可擴展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能柜、ITM機、個性化發卡機上推廣使用，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信息。
未來，交通銀行準備在如下場景拓展人工智能應用：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、大數據分析及人工智能技術研發智能財富管理系統，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。三是通過人工智能技術和大數據風控，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)雖然銀行經過多年數據倉庫建設對信息、流程及渠道進行了全面整合，構建了統一的數據標準和信息模型，但目前的數據結構基本上是條塊分割的，“線下為主”的體制對互聯網數據價值的不適應，數據規劃、清洗和標簽不盡合理，將這些數據進行大數據分析，現實情況下仍不盡如人意。
(2)客戶行為偏好數據往往隱藏在海量的移動網絡設備及社交網絡之中，現有銀行系統難以有效分析和利用。最好的行為數據在BAT，但BAT不會與銀行分享。目前主流的數據源供應模式包括傳感終端、互聯網、政府機關、運營商等，主要是以數據為產品輸出，不涉及數據的分析處理，但信息安全的政策風險較高，市場空間有限，特別是《中華人民共和國網絡安全法》將于今年6月1日起正式生效，為涉及客戶隱私的大數據合作畫上了紅線。
(3)數據挖掘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，目前銀行主要以軟件開發人員為主，缺乏數據和算法方面的人才，特別是真正的數據專家在銀行不是很多，頂尖的數據科學家更是稀缺。
2.存在的機遇
正如互聯網和電子商務曾經風靡一時一樣，雖然“大數據+人工智能”如今方興未艾，但作為人工智能發展的原動力，大數據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。
 中間件)
)
