大数据、人工智能、区块链，谁将成为金融行业的标配

为了更好的迎接挑战，银行业采取了构建电商平台、发展互联网交易银行、建立综合金融服务模式等方式，并希望通过云计算、大数据、人工智能、区块链等新的技术，变革原有的产品、服务和风险管理。那么，这些新兴技术的发展情况如何？在金融行业的应用情况又是如何？在日前的之金融科技­商业价值探索高峰论坛上来自民生银行、恒丰银行、阳光财险、华瑞银行等专家以及天云大数据、星环科技、百分点等企业高层对此发表了各自独到的见解。

先说说什么是大数据、人工智能和区块链

大数据是什么？麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

细分下来，大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。如今，有人把数据比喻为“蕴藏能量的煤矿”，但处理的方式不同发挥的价值也就不一样。对于银行业而言，如何有效的利用自有的大规模数据进行精准营销、风险控制、运维管理是关键。

业内人士把整个大数据产业分为四个层次：第一层是平台、数据库、分布式计算架构等等；第二层是工具；第三层是应用；第四层是应用的开发和云服务。星环科技董事、高级副总裁张月鹏认为在未来2-3年的时间里，大数据领域会有三种新趋势。第一个是SQL，利用过去旧的代码迁移到Hadoop平台；第二个是内存，实时的研究会逐步替代T+1批量研究，即时的研究会越来越流行；第三个是人工智能会在语音、视频等细分领域开花结果。 

虚拟聊天机器人、无人驾驶汽车、智能语音助手……人工智能已经慢慢走进人们的生活。美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作。

那么，对于各行各业，人工智能扮演的角色是什么？数据驱动对于业务流程冲击的变化更多是由人工智能带动的，这是从人做决策的过程向自动化实施过程的转变，天云大数据CEO雷涛如是说。

说完大数据、人工智能，再来说说区块链，区块链技术发源于比特币，其本质在于创造一种去中心化的货币系统。区块链不仅仅是一种技术，更是自由的化身。区块链的本质就是去中心化，该技术不依赖中央集权就能自发地实现大规模社会协作。

大数据在金融数字化转型的过程中扮演的角色

对于银行来说，数字化转型之路是从其信息创造方式的改变开始的。民生银行公司业务管理部数字化中心总经理王彦博表示，物联网、区块链、大数据、人工智能等都是非常具有战略意义的技术。

从营销角度，交易产生的丰富数据是银行的重要资产，在互联网时代，银行还可以充分利用搜索引擎和爬虫技术，收集客户以及潜在客户的数据。把原有数据和外在数据相结合，通过数据再利用和数据重组，分析客户的消费偏好，实现精准营销；

从产品角度，大数据应用将为银行业务的发展推波助澜，开发出更具有竞争力的产品。举个简单的例子，社交媒体的兴起为银行创造了全新的客户接触渠道，人们的支付习惯已经发生了很大的变化。去年，招商银行与滴滴进行了战略合作，达成了客户消费地理相关大数据产品的重构；

从风控角度，通过网页爬虫技术获得更多企业信息，并与已经购买的外部数据相结合，对其进行分析得出画像，观察企业的异常情况，进行实时预警；

从运维角度，利用大数据技术在运维领域做监控系统，通过日志分析结果观察系统的运行状态；利用大数据技术对安全态势进行感知，在安全事件发生前做好防护；

从管理角度，银行积累了关于资产、负债、评级等各种数据资产，通过对行内大数据进行有效的统计、分析、评估，以及内外部大数据的结合，为银行业务发展、市场营销、资产负债管理、客户关系管理等方面提供有效的预测分析及决策支持；

需要强调的是，外部数据对于银行业来说是一个重要组成部分。恒丰银行科技开发部副总经理赵毅表示，银行数据更多的是金融数据，在做一些客户画像，营销和风控的时候，可能也需要更多的外部数据。

金融行业在BI失效的前提下如何利用AI

机器学习是人工智能的核心。“在过去几十年里，计算机被广泛用于完成自动化任务，后者是被清晰的规则和算法描述的，如今机器学习技术允许我们在难以精确描述规则的边界内完成同样的任务。”亚马逊创始人贝索斯说。

众所周知，传统BI阶段中的规则是由人定的，小数据时代离不开老三样，即一套SAAS保险平台、一批科学团队做数据科学服务和基于这两者生产出来的规则，并把生产出来的清晰评分卡等内容交给自动化策略引擎。大数据时代，虽然只有少量图象，但是后台却反馈出了非常丰富的语义环境。当这些特征和内容很难被人类用简单的、清晰的语言描述出来的时候，BI失效的前提下我们该怎样用AI的方法提供更大规模的计算？

对于这个问题，来听听天云大数据CEO雷涛怎么说：第一是离线抽样to在线全量，在这里不要把人工智能局限在客服机器人、人脸识别等狭窄的应用的场景里面，而是应该考虑怎样利用机器学习来支撑企业的流程改造和BI升级；第二是从静态个体到动态关联。金融行业面临的挑战有很多，比如数据维度不够、处理信息的方法效率低等。传统的方式是从头读到尾，但是在大量的信息里面，复杂的高维结构很难量化和处理，需要进行动态关联；第三是基于统计思路开始逐步进入到大规模的学习阶段。在AI领域，最有效的方式是将答案交给机器，重复输入大规模数据，这样一来深度学习的层级网络会把这些隐含的金融属性特征表达出来。

综上所述，从传统的BI分析模式到数据交互模式的转变，最终的目的是为了发现数据之间的血缘关系，这是金融行业做好数据资产管理的重要途径。

区块链能否成为金融机构的标配

每年全球欺诈事件带来的损失将近3.7万亿美金，这个数字和银行业息息相关；信用卡等银行产品支付交易成本居高不下、交易效率低下造成了很多机构、个人不愿意使用信用卡；金融机构的基础设施频繁被黑客攻击，安全问题一直得不到很好的解决……

从应用场景最为成熟的金融领域来看，区块链可以帮助银行业系统性地解决这些痛点和顽疾。之所以能解决，要得益于区块链的分布式去中心化，具备的加密安全性；低成本、低风险和低复杂度；监管透明，共同执行可信流程等特点。

最早使用区块链技术的是银行业。据了解，民生银行、中国平安、招商银行、中国邮储银行、微众银行、浙商银行等都已经实现了区块链落地应用，在国内已有多个区块链联盟组织。

其实不光是银行业，农业、物联网、分享经济等行业都是区块链技术的使用范畴。在区块链的应用上，美国FinTech4Good创始人张晓晨总结出了6个方向：数字货币、数字身份、数字资产、智能合约、移动支付和登记认证。

虽然区块链技术发展的态势良好，但在应用中仍面临一些挑战。业内专家表示，区块链技术仍面临计算性能低、空间占用大、算法灵活性差、无法以净头寸结算等问题，目前应用主要局限于虚拟货币、初步的交易结算和信息公证等方面；监管仍处于模糊状态。由于技术尚未定型，导致各个国家监管机构态度不一，增大了市场风险。看来，区块链成为金融机构的标配还需一些时日。

现在，大数据、人工智能、区块链在金融行业的应用已经如火如荼地展开了，想必在不久的将来，这些新型技术的使用将会彻底颠覆原有的金融业务模式。