人工智能的发展背景

自上世纪50年代图灵测试诞生以来,科技人员一直在试图让计算机可以像人类一样思考。通俗地说,人工智能(AI)是指通过快速采集信息,然后把信息转化为知识,最后应用到商业决策过程中的技术

然而,在接下来的几十年里,人工智能的发展速度并没有快速增长,甚至陷入两次低?#20445;?#26399;间以1997年战胜国际象棋世界冠军的IBM深蓝为发展的顶点。

传统AI研究是基于人类的逻辑思维,将人类的逻辑模式计算机化。深蓝是传统AI的典型代表,基于规则,可以逻辑?#38382;?#34920;达的白规则。深蓝内部实?#33267;?#22269;际象棋的全部规则,再加上无情绪、体力干扰,所以深蓝战无不胜。简单一句话,传统AI适用于白盒领域。对于现实世界中更多的黑盒灰盒领域,如模式识别、围棋、商业决策等只可意会不可?#28304;?/span>的领域,传统AI显得无能为力。

2016年是AI发展进程的关键一年,AlfaGO战胜围棋冠军李世石。AlfaGO及后续版本的成功,宣告人工智能领域跨越传统AI的低谷,从?#24605;?#36895;增长。AI取得重大突破,依赖?#26053;?#20960;个领域取得的成就。首先,在认知上,人工智能可以超越人类认知难以精?#35775;?#36848;的边界。表现在计算机技术上,就是AI可?#21592;?#20154;类懂得多。再者,在机器学习,特别是深度神经网络领域,无论是算法还是计算能力都取得重大进展。机器学习,结合大数据理念与技术,使得AI摆脱了白规则的限制,完全进入了黑盒灰盒领域,从而具备了大规模商用的能力。

银行业需要智能化转型

中国银行业一直是国民经济的重要支柱,伴随着过去几十年中国经济的高速增长,银行业也经历了快速扩张和高盈利的时期。同样,面对经济发展新常态,银行业正处于前所未有的剧变时期。同?#20445;?#36328;界的新竞争者带来全方位的冲击,尤其是在支付、贷款和投资等方面。与此同?#20445;?#23458;户变?#20204;?#25152;未有的强大,更加自主化和数字化,传统金融机构所提供的客户体验?#23545;?#36319;不上数字世界不断推高的客户期望。

随着人工智能技术能力的提升,金融行业智能化发展正成为大势所趋。国内外金融领域已经大量引入人工智能,用于业务流程化处理和智能决策,大大提高了金融效率,降低了人力成本。

智能银行即人工智能与银行的全面融合,以人工智能、大数据、云计算、区块链等高新科技为核心要素,全面赋能银行机构,提升银行的服务效率,拓展银行服务的广度和深度,使得全社会都能获得平等、高效、专业的金融服务,实现金融服务的智能化、个性化、定制化。

智能银行,本质上就是发挥数据价值,利用数据分析挖掘来实现银行的数字化转型。想要充分实现智能银行,数据、?#25945;ā?#32452;织、人才这些基本因素必不可少。

2017年贵阳数博会上,BAT三巨头就数据、技术、场景哪个更重要展开深入讨论。实际上,这三者本身就是互相融合,属于一个商业解决方案中必不可少的组成部分。举个餐馆的例子,原材料、大厨水准、客户满意度,三者相互依赖,只是关注?#23884;?#19981;同。

智能银行转型的业务场景选择

智能银行的关键是人工智能与银行的融合,融合的基础就是业务场景。业务场景,是指在一定的时间、空间内,相关方与银行之间发生的一定的任务行动或相关方关系的变化。场景有大?#34892;。?#22823;粒度的场景可能是为某类客户提供贷款服务,小粒度的场景可能是客户在网点排?#37038;?#30340;贴心服务。

当前智能银行的转型主要发生在下列银行场景。

当前智能化转型的问题

银行业作为信息化程度非常高的行业,在智能银行转型中首先从IT?#20302;?#19978;进行了升级改造。目前,大部分银行基于IaaS?#25945;ǎ?#22522;础设施即服务)、PaaS?#25945;ǎㄆ教?#21450;服务)以及数据?#25945;?#24320;展包括渠道、开放、存贷款业务、风控、运营等各项活动,主要涉及智能营销、智能客服、智能风控等场景。

上述智能银行转型过程中,大多是从IT?#20302;?#20986;发,本质上,是从现有组织结构、业务模式出发,?#23884;?#29616;有流程、功能的大数据强化和人工智能强化,并没有体现人工智能与银行的融合,从而相互促进,最终提升银行的金融服务能力。

那么,如何选择业务场景来开启智能银行的建设之旅呢?这里我们给出了三种智能化场景选择策略。

业务策略:从客户生命周期出发

任何一个企业的核心目的就是:创造客户,银行也不例外。银行需要按照时间与空间两个维度,全面梳理客户服务的生命周期体系,沿着客户服务需求的时间轴,分析每个服务场景的流程、功能、组织、数据、产出等信息。在这个过程中,要聚焦核心业务,核心客户、核心?#26041;冢没方?#30340;重点在哪里?难点在哪里?。

在这个通过业务找问题、通过问题找方法的过程中,基于大数据、AI、物联网、区块链等提供的各种可能性,结合银行内部数据、技术、业务、管理的现状,有规划地开展智能银行的转型之旅。

数据策略:从大数据出发

银行业提到大数据?#20445;?#24120;常指银行业的外部数据,如电商数据、政府数据、公共事业数据等等。同?#20445;?#25105;们也要看到,哪怕是客户、账户、交易数据,银行往往关注金额、利率这?#26234;?#37329;融属性的信息,而客户与客户之间、账户与账户之间、产品交?#23383;?#38388;关联信息,都还在数据?#25945;?#37324;面?#20102;?#32780;恰恰是这些弱金融属性信息,在客户营销、风险管理中起到重大作用。

大数据不是用来回答问题的,也不是用来去下结论的,大数据挖掘是基于海量数据用来洞察、预测和发现问题的,发现问题之后银行分析人员结合实际业务过程去进行分析得出结论,之后再去优化银行的产品、流程,然后再分析再预测和再验证,逐步提升银行的智能化水平的一个过程。

行业策略:从?#29575;?#20303;行出发

前面的从客户生命周期出发,是站在客户金融需求的?#23884;?#19978;。为了提高客户的最终满意度,银行也应?#30740;?#21521;实,从客户的?#29575;?#20303;行等各个方面寻找更好地服务客户的机会。这个过程中,银行需要和其他行业进行密切合作。

附录:文思海辉BUBA

文思海辉商业智能团队作为国内最大的金融数据服务团队,一直和各家银行一起努力提升智能化水平,特别在智能数据?#25945;ā?#26234;能风控、智能营销领域?#35856;?#29087;的规划实施方法论和众多成功案例。

案例:某银行数字化智能银行

某银行2015年启动数字化智能银行项目,智能银行的定义是以客户为?#34892;模?#20381;托智能方法和数据处理技术,主动、及时、智慧地进行资源整合、流程优化,为客户提供随心而至的定制化金融服务,营造超的客户体验。其中蕴含着三个层面的含义:

  • 一.以客户为?#34892;模?#26500;建知你所想,给你所需的客户服务能力,创造客户价值;
  • 二.创新是根本,通过产品、渠道、流程、制度的创新,构建随需而变的智能化管理和决策能力;
  • 三.智能是方法体系,智能技术是支撑,数据处理技术是用以感知客户、市场、风险的基础。

文思海辉BUBA与客户一起,围绕数字化智能银行,开展了智能化服务管理体系的建设。数据服务管理体系定位于构建数据服务技术、管理机制、专业人才三位一体的综合能力体系,即以数据技术为手段、管理机制为保障、专业人才为支撑,通过数据服务技术、服务机制和人员能力的不断自我优化和提升,三者相互协同、相互作用、相互促进,实现体系整个智能化能力的螺旋式上升。项目中在已经完成的工作包括:

  1. 构建数据?#25945;?#33021;力框架,实现完整的数据服务能力
  2. 以个金部和小金部优选业务需求为试点,支撑业务需求,推动业务发展,初现数据服务管理体系业务价值
  3. 支撑统一报表?#25945;?#21644;准实时管理驾驶舱建设,降低数据服务投入的人工成本,提升管理效率
  4. 结合个金部在业务拓展、管理决策等智能化业务需求,通过整合数据和大数据?#25945;?#33719;取用于支持业务分析、建模的数据,进行数据挖掘模型开发。

产品:金融云AI营销决策?#25945;?/span>

围绕移动互联、云技术、大数据和社交应用趋势,融合开源和商业化技术,文思海辉正陆续推出金融PaaS、企业统一前端、大数据基础服务?#25945;ā?#24320;放?#25945;?#31561;基础技术?#25945;ǎ?#20174;应用软件领域进入基础软件领域,同?#20445;?#20026;文思海辉金融解决方案向数字化服务、云计算的全线架构转型提供坚实的技术基础。

文思海辉金融云AI营销决策?#25945;?#22522;于大数据分析驱动,具有AI人工智能、实?#26412;?#31574;的交互特性,为社交媒体的广泛传播性研发设计,采取全渠道协作模式,使营销决策实时、自动化和流程化、全面提升金融机构的客户体验,优化客户需求服务管理。是企业数字化营销转型不可或缺的?#25945;?#32423;应用。AI营销决策?#25945;?#30340;主要功能包括:

  • 场景化营销
  • 接触点营销
  • 营销活动自动化
  • 全渠道协同
  • 实时指标流计算
  • 实时CEP事件管理
  • 人工智能决策、风险预警
  • 实时服务推荐
  • 营销效果评估