2018金融科技發展之我見

回顧一下2017,收穫著實不少,公眾號上的一系列文章就是直接的證明。對於大數據、人工智慧在銀行的應用,通過實踐與思考有了進一步的認知。元旦後花了很多精力在盤點今年的工作,加上近期和同事的一些討論,最終定下這個題目,白紙黑字的寫下來作為後面的規劃吧。

目前金融科技(Fintech)中ABCD四項技術最為熱門,分別是人工智慧AI、區塊鏈Blockchain、雲計算CloudComputing和大數據Big Data。插個題外話,我覺得如果用DLT代替Blockchain,那ABCD連起來感覺更通順一些。除了雲計算外,其他三個都有涉獵,公眾號上也有文章發布;現在區塊鏈的陣地基本由貝龍同學主持了,雲計算方面爭取找個靠譜的朋友來寫點東西。

從電子化到信息化的發展歷程,銀行一直是很喜歡擁抱創新科技的傳統行業。在進軍數字化時代的過程中,金融科技無疑是助力銀行轉型的強力工具。面臨來自內外部的各種壓力和困境,銀行也需要重新定位金融科技,制定適合自己的發展策略,通過應用ABCD等典型技術來驅動業務進行變革。

上面的話稍顯正統一些,下面把金融科技拆開成兩個詞來理解一下。對科技來說,金融算是傳統行業,重點是實實在在的應用,從長期來看場景和數據要比演算法重要的多。對金融來說,科技是支持與驅動力量,科技或許不能輕易改變金融的底層邏輯,但其價值在於促成金融去改變自身。

因此,金融科技發展最有力的路徑是金融和科技的融合發展,在這個過程中技術和資本都並非壁壘,發揮關鍵作用的將是金融行業的科技人員。對於這些科技人員來說,最重要的任務是從實際出發挖掘技術應用的潛在場景,將其轉換為可實現的需求並進行落地,因此是否具備主動意識和創新能力將成為影響工作成效的關鍵因素。

一、進軍下階段的人工智慧

2017年人工智慧很火,但人工智慧並沒有統一的定義,因此帶來了很多概念上的混淆與困惑。對大多數傳統行業來說,人工智慧有三個重要的時間節點,1956年人工智慧的概念,2006年的深度學習,最終2016年的AlphaGo讓人工智慧迅速推廣。概念普及是好事,過程中也帶來了新的問題。人工智慧發展很悠久,參與者眾多、角色背景各有不同,因此對於同一事情是否歸屬人工智慧會有很大的分歧。我個人覺得應該更加寬容一些,在新技術應用過程中應該保持足夠的謙遜;相互理解、攜手共進。

從技術視角,我們曾將人工智慧分為基礎AI和行業AI兩種。目前主流的人工智慧技術都是數據驅動的機器智能,那兩種AI的區別主要在於數據掌握在誰手裡。對銀行甲方來說,哪些數據資產能促進人工智慧的長期發展呢?先思考下這個問題,然後再分析人工智慧的下一步發展思路。

從發展水平來看,我們將人工智慧的應用分為三個階段,如下圖所示:

橫軸是時間,縱軸是業務智能化水平。看到第一個是不是有點尷尬了,我一直覺得現階段以smart或robo開頭的名詞,都對應著自動化的基本目標,例如smart contract,還有robo-advisor。通過AI技術實現產品和流程革新,逐步代替那些重複性的勞動,畢竟生產效率的改進永無止境,效果也立竿見影。另外,在手機銀行、智能櫃檯等項目中應用生物識別技術能夠解決客戶驗證的一些問題,極大的提升用戶體驗。基礎AI技術的引入能夠促進業務流程的優化,也為後續大數據智能的應用提供更好的土壤。技術引進帶來更豐富的業務場景,同時這些場景也需要大數據智能的支持和驅動。

下一個階段是大數據智能,實際上很多企業都是在同步開展相關的工作,目前的重點應該是融合基礎AI和行業AI技術,從而為客戶提供更好的智能化服務。簡單舉個例子,客戶到達網點後利用人臉識別完成客戶確認,通過數據挖掘實現客戶行為預測並推薦相應的產品和服務,最後通過櫃面渠道進行反饋。這個階段是通過大數據智能加持基礎AI技術應用,提升系統產品和業務流程的智能化水平,並逐步實現銀行自主可控的AI研發能力。

第三個階段的特徵是實現全渠道的智能決策,將客戶識別、行為預測與各種渠道無縫對接,同時根據客戶響應進行動態的優化更新。這個過程不可能一蹴而就,路漫漫其修遠兮,目標是實現客戶多點觸達的智能化體驗,當然也包括智能化的風控和營銷發揮中樞大腦作用,最終轉化為企業的核心競爭力。在這個階段每個應用的干係人都會很多,因此對於傳統企業來說,首先要在思想認識上達成一致,然後努力建立有效的協作機制。

二、全面落地的大數據

數據是我的本職工作,因此也具備更加完備的知識體系和配套能力,不限篇幅的話可以寫很長,這裡簡單聊一下基本的發展框架。大數據與人工智慧相生相伴,在大數據上應用機器學習技術,充分利用產生的機器知識最終構建我們想要的人工智慧應用。這個邏輯非常通順,畢竟「數據是人類文明的基石」。

最近幾年,大數據在銀行風控、運營、營銷等諸多領域得到了廣泛的應用,交付物從數據分析報告到數據挖掘模型,再到這兩年重點發力的數據產品,永恆的主題就是致力於充分發揮數據的價值。在各領域的應用中數據、場景和模型是三個基本要素,分別從這三個要素出發都可以驅動大數據產品的研發。將業務需求轉換為大數據應用場景,適合於銀行傳統業務過程中的數據分析;從企業內外部數據資產應用出發尋找應用切入點,尤其適合於目前產融結合過程中的大數據風控、營銷等領域;最後是從創新模型與技術應用出發,用新方法解決新問題。

基於80/20法則,大多數應用肯定是來源於實際的業務分析,而且也未必需要絕對的「大」數據和「高深」的機器學習技術。因此對於一個數據科學團隊來說,精通數據與業務的人是真正的團隊之寶,這裡可以對號入座了。

大數據在銀行的廣泛應用,伴隨著數據資產化管理的強烈需求。這個環節對應著兩部分的內容,首先是內外部數據共享與充分應用,其次是數據挖掘智能化模型的管理與知識遷移。一個是基礎資產,為大數據應用提供原始素材;一個是衍生資產,提供高附加值,同時還具備向外輸出的潛力。這兩部分的管理機制都還剛剛起步,距離形成成熟穩定至少還需要一兩年的努力。

在多個領域完成點的突破之後,可以嘗試構建更大的目標。例如在風控、營銷等領域,實現高效的場景化數據價值鏈條,並逐步建立AI大腦的雛形框架,對接多領域的靈活需求。這句話說的不是很明了,之前有篇文章也大致聊過風控大腦的構建思路,整體目標是實現技術、模型、數據、決策引擎的貫通。這個過程中很多硬骨頭是必須啃的,只有打好硬仗才能順利進入2019年。

為完成上述任務,要建立並充分利用大數據創新社區,調動企業各級機構成員的積極性和參與感。大數據無處不在,「我們要向外行一樣思考,像內行一樣求證」。這句話說的不錯,在今年的若干工作中並不存在明確的大數據智能化需求,這是與傳統系統開發相區別的地方,因此數據科學人員有責任、有義務去挖掘這些需求。過程中逐步建立大數據文化,讓大數據思維成為一種文化。

此外,在技術上的創新探索也不會停止,文本挖掘、遷移學習、推薦演算法、深度學習都是今年工作中需要考慮應用的方法。當然,一切技術都是為應用服務的,探索潛在的應用場景然後選擇適合的技術;切記不要以搭建技術平台為目標,拿到鎚子後看什麼都像釘子。

三、包羅萬象的雲服務

「雲」其實是互聯網的一個隱喻,「雲計算」其實就是使用互聯網來接入存儲或者運行在遠程伺服器端的應用、數據或者服務。如前文所述,這部分我並不太懂;所以銀行如何開展雲計算服務,只能隨便聊幾句,對錯請多包涵。

雲計算通常分為三個層次,IAAS、PAAS和SAAS。相比之下,銀行的IAAS層發展受到很多客觀條件的制約,包括技術壁壘,以及機房、電力等基礎設施。在設計業務應用拓展的規劃中,要首先考慮如何解決這些難題。

從Fintech視角看銀行雲計算的PAAS層,除卻標準的開發中間件,也可以作為ABD三項技術的平台。現在基於開源技術進行深度開發,完全可以實現具有自主知識產權的技術平台。對於中小銀行來說,大規模投入創新應用建設顯然不如使用大型銀行提供的PAAS平台。

最後,SAAS層提供場景化的服務,可以是雲上的業務應用,比如雲繳費(嚴格地說,雲繳費包括PAAS和SAAS兩層應用);也可以是雲上的金融科技服務,比如風控、營銷、運營等數據產品,甚至最基礎的數據服務。

四、等待好項目的區塊鏈

上個月沒寫文章,主要還是太忙,多虧貝龍那篇區塊鏈的文章幫忙維持閱讀量。文章的主題是給區塊鏈來盆冷水,將制約區塊鏈技術應用的原因歸納為兩個方面:第一方面是技術不成熟,性能、隱私、運維、運營等方面還沒達到企業級應用的水平;第二方面是業務場景尚未做好準備,多中心的場景下各方難以真正達成業務意義上的「共識」。

可以肯定的是並非區塊鏈技術不好,我覺得主要還是缺乏好的項目。區塊鏈1.0是以比特幣為代表的數字貨幣,區塊鏈2.0是以以太坊為代表的智能合約平台,區塊鏈3.0正在向密碼學、共識演算法、跨鏈融合、性能優化等方面齊頭並進。2017年區塊鏈資產的爆發,同樣為區塊鏈技術的發展帶來了極大的活力。

挑選其一二優點來看看應用方向,比如哪些場景需要解決信息不對稱問題,同時又需要通過智能合約確保交易兌付呢?這樣的場景肯定有,不過需要精心去發現和設計。電子商務的發展優勢,就是通過互聯網渠道解決信息不對稱問題,讓交易透明,同時確保兌付過程中的資金安全。這個思路同樣可以轉移到區塊鏈上,區塊鏈也對應新一代互聯網的技術,期待好的項目。

另外,法定數字貨幣CBDC的發展,會成為區塊鏈技術的一個爆發點。雖然二者並無直接聯繫,但可以預期CBDC的出現,會為現有區塊鏈應用提供更廣闊的發展空間。之前也有文章聊過,不多講,後面等專業人士分享。

最後,相比其他三項技術,區塊鏈上面的應用完全是科技驅動和主導。這麼純粹的金融科技,值得我們去努力探索應用場景。

五、壓力與期望滿滿的2018

每年開始的時候,我們都會講只要搞定今年的任務,那明年就會比較舒服了。但是,舒服的工作或許永遠都要從明年才會開始。既然如此,那就坦然接受吧。「生活是種律動,須有光有影,有左有右,有晴有雨,滋味就含在這變而不猛的曲折里。」

2018將是大數據與其他幾項熱門Fintech領域充分結合的一年,立足大數據能促進各項技術應用的融會貫通和良性循環,也適合從全局視角去思考問題和確定方向。在這樣的背景下加強協作交流是必需的手段,共贏也是基本的工作原則。

上面只是概述了個人對於未來金融科技發展的一些理解和看法,大量工作有待持續研究和落實。責任與壓力都很大,前進的路上也需要更多新鮮血液注入。令人欣慰的是光大銀行及科技子公司正在招聘數據科學家,歡迎有識之士加盟,一起來做點有趣的事。

推薦閱讀:

大數據SRE的總結(1)--部署
?FMI飛馬網 | 大數據技術教程+書籍+Hadoop視頻+大數據研報+科普類書籍
獨家 | 自然語言處理(NLP)入門學習資源清單
大數據告訴你為什麼富人更富?
機器學習+生物大數據之機遇與挑戰

TAG:金融科技 | 人工智能 | 大数据 |