人工智能的發展背景

自上世紀50年代圖靈測試誕生以來,科技人員一直在試圖讓計算機可以像人類一樣思考。通俗地說,人工智能(AI)是指通過快速采集信息,然后把信息轉化為知識,最后應用到商業決策過程中的技術

然而,在接下來的幾十年里,人工智能的發展速度并沒有快速增長,甚至陷入兩次低潮,期間以1997年戰勝國際象棋世界冠軍的IBM深藍為發展的頂點。

傳統AI研究是基于人類的邏輯思維,將人類的邏輯模式計算機化。深藍是傳統AI的典型代表,基于規則,可以邏輯形式表達的白規則。深藍內部實現了國際象棋的全部規則,再加上無情緒、體力干擾,所以深藍戰無不勝。簡單一句話,傳統AI適用于白盒領域。對于現實世界中更多的黑盒灰盒領域,如模式識別、圍棋、商業決策等只可意會不可言傳的領域,傳統AI顯得無能為力。

2016年是AI發展進程的關鍵一年,AlfaGO戰勝圍棋冠軍李世石。AlfaGO及后續版本的成功,宣告人工智能領域跨越傳統AI的低谷,從此加速增長。AI取得重大突破,依賴下面幾個領域取得的成就。首先,在認知上,人工智能可以超越人類認知難以精確描述的邊界。表現在計算機技術上,就是AI可以比人類懂得多。再者,在機器學習,特別是深度神經網絡領域,無論是算法還是計算能力都取得重大進展。機器學習,結合大數據理念與技術,使得AI擺脫了白規則的限制,完全進入了黑盒灰盒領域,從而具備了大規模商用的能力。

銀行業需要智能化轉型

中國銀行業一直是國民經濟的重要支柱,伴隨著過去幾十年中國經濟的高速增長,銀行業也經歷了快速擴張和高盈利的時期。同樣,面對經濟發展新常態,銀行業正處于前所未有的劇變時期。同時,跨界的新競爭者帶來全方位的沖擊,尤其是在支付、貸款和投資等方面。與此同時,客戶變得前所未有的強大,更加自主化和數字化,傳統金融機構所提供的客戶體驗遠遠跟不上數字世界不斷推高的客戶期望。

隨著人工智能技術能力的提升,金融行業智能化發展正成為大勢所趨。國內外金融領域已經大量引入人工智能,用于業務流程化處理和智能決策,大大提高了金融效率,降低了人力成本。

智能銀行即人工智能與銀行的全面融合,以人工智能、大數據、云計算、區塊鏈等高新科技為核心要素,全面賦能銀行機構,提升銀行的服務效率,拓展銀行服務的廣度和深度,使得全社會都能獲得平等、高效、專業的金融服務,實現金融服務的智能化、個性化、定制化。

智能銀行,本質上就是發揮數據價值,利用數據分析挖掘來實現銀行的數字化轉型。想要充分實現智能銀行,數據、平臺、組織、人才這些基本因素必不可少。

2017年貴陽數博會上,BAT三巨頭就數據、技術、場景哪個更重要展開深入討論。實際上,這三者本身就是互相融合,屬于一個商業解決方案中必不可少的組成部分。舉個餐館的例子,原材料、大廚水準、客戶滿意度,三者相互依賴,只是關注角度不同。

智能銀行轉型的業務場景選擇

智能銀行的關鍵是人工智能與銀行的融合,融合的基礎就是業務場景。業務場景,是指在一定的時間、空間內,相關方與銀行之間發生的一定的任務行動或相關方關系的變化。場景有大有小,大粒度的場景可能是為某類客戶提供貸款服務,小粒度的場景可能是客戶在網點排隊時的貼心服務。

當前智能銀行的轉型主要發生在下列銀行場景。

當前智能化轉型的問題

銀行業作為信息化程度非常高的行業,在智能銀行轉型中首先從IT系統上進行了升級改造。目前,大部分銀行基于IaaS平臺(基礎設施即服務)、PaaS平臺(平臺及服務)以及數據平臺開展包括渠道、開放、存貸款業務、風控、運營等各項活動,主要涉及智能營銷、智能客服、智能風控等場景。

上述智能銀行轉型過程中,大多是從IT系統出發,本質上,是從現有組織結構、業務模式出發,是對現有流程、功能的大數據強化和人工智能強化,并沒有體現人工智能與銀行的融合,從而相互促進,最終提升銀行的金融服務能力。

那么,如何選擇業務場景來開啟智能銀行的建設之旅呢?這里我們給出了三種智能化場景選擇策略。

業務策略:從客戶生命周期出發

任何一個企業的核心目的就是:創造客戶,銀行也不例外。銀行需要按照時間與空間兩個維度,全面梳理客戶服務的生命周期體系,沿著客戶服務需求的時間軸,分析每個服務場景的流程、功能、組織、數據、產出等信息。在這個過程中,要聚焦核心業務,核心客戶、核心環節,該環節的重點在哪里?難點在哪里?。

在這個通過業務找問題、通過問題找方法的過程中,基于大數據、AI、物聯網、區塊鏈等提供的各種可能性,結合銀行內部數據、技術、業務、管理的現狀,有規劃地開展智能銀行的轉型之旅。

數據策略:從大數據出發

銀行業提到大數據時,常常指銀行業的外部數據,如電商數據、政府數據、公共事業數據等等。同時,我們也要看到,哪怕是客戶、賬戶、交易數據,銀行往往關注金額、利率這種強金融屬性的信息,而客戶與客戶之間、賬戶與賬戶之間、產品交易之間關聯信息,都還在數據平臺里面沉睡。而恰恰是這些弱金融屬性信息,在客戶營銷、風險管理中起到重大作用。

大數據不是用來回答問題的,也不是用來去下結論的,大數據挖掘是基于海量數據用來洞察、預測和發現問題的,發現問題之后銀行分析人員結合實際業務過程去進行分析得出結論,之后再去優化銀行的產品、流程,然后再分析再預測和再驗證,逐步提升銀行的智能化水平的一個過程。

行業策略:從衣食住行出發

前面的從客戶生命周期出發,是站在客戶金融需求的角度上。為了提高客戶的最終滿意度,銀行也應脫虛向實,從客戶的衣食住行等各個方面尋找更好地服務客戶的機會。這個過程中,銀行需要和其他行業進行密切合作。

附錄:文思海輝BUBA

文思海輝商業智能團隊作為國內最大的金融數據服務團隊,一直和各家銀行一起努力提升智能化水平,特別在智能數據平臺、智能風控、智能營銷領域有成熟的規劃實施方法論和眾多成功案例。

案例:某銀行數字化智能銀行

某銀行2015年啟動數字化智能銀行項目,智能銀行的定義是以客戶為中心,依托智能方法和數據處理技術,主動、及時、智慧地進行資源整合、流程優化,為客戶提供隨心而至的定制化金融服務,營造超的客戶體驗。其中蘊含著三個層面的含義:

  • 一.以客戶為中心,構建知你所想,給你所需的客戶服務能力,創造客戶價值;
  • 二.創新是根本,通過產品、渠道、流程、制度的創新,構建隨需而變的智能化管理和決策能力;
  • 三.智能是方法體系,智能技術是支撐,數據處理技術是用以感知客戶、市場、風險的基礎。

文思海輝BUBA與客戶一起,圍繞數字化智能銀行,開展了智能化服務管理體系的建設。數據服務管理體系定位于構建數據服務技術、管理機制、專業人才三位一體的綜合能力體系,即以數據技術為手段、管理機制為保障、專業人才為支撐,通過數據服務技術、服務機制和人員能力的不斷自我優化和提升,三者相互協同、相互作用、相互促進,實現體系整個智能化能力的螺旋式上升。項目中在已經完成的工作包括:

  1. 構建數據平臺能力框架,實現完整的數據服務能力
  2. 以個金部和小金部優選業務需求為試點,支撐業務需求,推動業務發展,初現數據服務管理體系業務價值
  3. 支撐統一報表平臺和準實時管理駕駛艙建設,降低數據服務投入的人工成本,提升管理效率
  4. 結合個金部在業務拓展、管理決策等智能化業務需求,通過整合數據和大數據平臺獲取用于支持業務分析、建模的數據,進行數據挖掘模型開發。

產品:金融云AI營銷決策平臺

圍繞移動互聯、云技術、大數據和社交應用趨勢,融合開源和商業化技術,文思海輝正陸續推出金融PaaS、企業統一前端、大數據基礎服務平臺、開放平臺等基礎技術平臺,從應用軟件領域進入基礎軟件領域,同時,為文思海輝金融解決方案向數字化服務、云計算的全線架構轉型提供堅實的技術基礎。

文思海輝金融云AI營銷決策平臺基于大數據分析驅動,具有AI人工智能、實時決策的交互特性,為社交媒體的廣泛傳播性研發設計,采取全渠道協作模式,使營銷決策實時、自動化和流程化、全面提升金融機構的客戶體驗,優化客戶需求服務管理。是企業數字化營銷轉型不可或缺的平臺級應用。AI營銷決策平臺的主要功能包括:

  • 場景化營銷
  • 接觸點營銷
  • 營銷活動自動化
  • 全渠道協同
  • 實時指標流計算
  • 實時CEP事件管理
  • 人工智能決策、風險預警
  • 實時服務推薦
  • 營銷效果評估