在科技金融借助“互聯(lián)網(wǎng)+”迅速覆蓋各行各業(yè)的當(dāng)下，我國銀行業(yè)金融科技化轉(zhuǎn)型成效驚人。相關(guān)統(tǒng)計數(shù)據(jù)顯示，目前國內(nèi)大型商業(yè)銀行的電子渠道交易占比已超過80％。大數(shù)據(jù)應(yīng)用代替?zhèn)鹘y(tǒng)人工為銀行業(yè)帶來成本驟降的同時，大量沉淀數(shù)據(jù)也成為了各家銀行的寶貴資源，如何釋放數(shù)據(jù)的最大價值，數(shù)據(jù)如何為銀行提供精準(zhǔn)營銷、風(fēng)險管控、客戶畫像等服務(wù)，成為了每個銀行技術(shù)團(tuán)隊亟待解決的核心問題。

業(yè)內(nèi)人士認(rèn)為，人工智能進(jìn)入高速發(fā)展時期，語音識別、圖像識別、機(jī)器學(xué)習(xí)等不少細(xì)分領(lǐng)域涌現(xiàn)了大量突破性研究成果。而作為數(shù)據(jù)量龐大、風(fēng)控需求精準(zhǔn)的銀行業(yè)，人工智能有著天生的發(fā)揮優(yōu)勢。基于大數(shù)據(jù)構(gòu)建金融知識圖譜、基于社交網(wǎng)絡(luò)與銀行業(yè)核心數(shù)據(jù)識別并深度了解客戶。這些都是如今銀行業(yè)最需要實現(xiàn)落地的課題。

流程繁信貸慢 傳統(tǒng)銀行難點多

風(fēng)險是銀行機(jī)構(gòu)的固有特性，與銀行相伴而生。傳統(tǒng)信貸業(yè)務(wù)仍然是銀行盈利的主要來源，人工授信使得銀行成為人力資本最密集行業(yè)之一，大型銀行擁有大量人力資源和嚴(yán)格規(guī)范的管理流程來落實信貸風(fēng)控，但中小銀行一般需要面臨資金投入有限、管理質(zhì)量不高、對人工依賴性強(qiáng)等特色難題。某金融高管曾表示，銀行需要填寫各種資料，比較繁瑣，審批需要人工、電核，后來演變到線上。“關(guān)鍵是我們用什么方式讓這些盡量少得麻煩客戶，盡量準(zhǔn)確地?fù)踝∑墼p人群。”該高管說。

相較于短平快的互聯(lián)網(wǎng)金融，傳統(tǒng)銀行從獲客到放貸，一般要經(jīng)歷10個業(yè)務(wù)流程，流程多批貸難。某城商行零售總監(jiān)表示，信貸業(yè)務(wù)主要通過線下進(jìn)行，審批環(huán)節(jié)會篩掉10%的客戶。最終通過數(shù)據(jù)模型再次篩選客戶。對于數(shù)據(jù)來源，他表示金融機(jī)構(gòu)不是平臺性企業(yè)，其實數(shù)據(jù)鏈?zhǔn)遣煌暾?。要得到完整的客戶風(fēng)險畫像，還得多方的數(shù)據(jù)來源來拼合。

同時信貸擔(dān)保間復(fù)雜的關(guān)系也是令每個銀行人頭疼不已的難題，而這些堪比大海撈針般的關(guān)系鏈往往才是決定信貸會否失控的關(guān)鍵。除了在行業(yè)里經(jīng)營多年客戶關(guān)系的資深員工，新員工想要真正熟悉自己的客戶不僅需要時間的積累，更需要深入的調(diào)研，這些學(xué)習(xí)成本對銀行來說也是必不可少。

大數(shù)據(jù)應(yīng)用金融 銀行實現(xiàn)彎道超車

大數(shù)據(jù)在銀行的應(yīng)用起步比互聯(lián)網(wǎng)行業(yè)稍晚，在網(wǎng)貸行業(yè)，經(jīng)過2016年的監(jiān)管升級后可以看出，強(qiáng)有力的監(jiān)管保證了科技金融的可控。銀行業(yè)在后發(fā)優(yōu)勢中學(xué)到了寶貴的經(jīng)驗，近年來，各家銀行已經(jīng)能夠成熟地運(yùn)用大數(shù)據(jù)幫助銀行進(jìn)行風(fēng)險預(yù)警，例如用大數(shù)據(jù)建模篩選信貸客戶，用行為模型做貸后管理。

同時，國內(nèi)不少銀行已經(jīng)開始嘗試通過大數(shù)據(jù)來驅(qū)動業(yè)務(wù)運(yùn)營，如中信銀行信用卡中心使用大數(shù)據(jù)技術(shù)實現(xiàn)了實時營銷，光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫，招商銀行則利用大數(shù)據(jù)發(fā)展小微貸款。中國社會科學(xué)院金融所銀行研究室主任曾剛表示：“很多民營銀行選擇了用互聯(lián)網(wǎng)方式進(jìn)行業(yè)務(wù)拓展，這種輕資產(chǎn)模式也被認(rèn)為是新銀行進(jìn)行彎道超車的較好載體。”

在經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的大環(huán)境下，多家上市銀行在運(yùn)用大數(shù)據(jù)對貸款投向進(jìn)行調(diào)整上持續(xù)加大力度。2017年中報數(shù)據(jù)顯示，上半年25家上市銀行合計實現(xiàn)營業(yè)收入19612億元。另外，上半年五大行實現(xiàn)歸屬于母公司的凈利潤為5426億元，比去年同期增加231億元，同比增速4.45%。通過大數(shù)據(jù)應(yīng)用后的銀行業(yè)交出了靚麗的“中考”成績單。

大數(shù)據(jù)應(yīng)用依然有很多的障礙需要克服，比如銀行內(nèi)各業(yè)務(wù)的數(shù)據(jù)孤島效應(yīng)嚴(yán)重、大數(shù)據(jù)人才相對缺乏以及缺乏銀行之外的外部數(shù)據(jù)的整合等問題。但我們也應(yīng)該看到，銀行的中高層開始重視大數(shù)據(jù)，未來銀行業(yè)的大數(shù)據(jù)應(yīng)用將迎來突破性的發(fā)展。

知識圖譜+NLP 大數(shù)據(jù)過渡人工智能

從大數(shù)據(jù)過渡到人工智能是科技發(fā)展的必然趨勢，除了金融業(yè)，其他行業(yè)如零售、制藥業(yè)都將在人工智能中尋找新的突破點。

在國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中，著重提出了面向2030年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點任務(wù)。人工智能在大數(shù)據(jù)應(yīng)用的基礎(chǔ)上開始逐漸滲透到金融業(yè)，如何從理論到實際運(yùn)用，文因互聯(lián)數(shù)據(jù)科學(xué)家丁海星表示：“金融領(lǐng)域?qū)⑦\(yùn)用到人工智能技術(shù)的三大方面；一、深度學(xué)習(xí)；二、知識圖譜；三、自然語言處理（NLP）。”

深度學(xué)習(xí)技術(shù)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

知識圖譜作為一種大規(guī)模的知識表示形態(tài)，其核心是以圖的方式存儲知識并向用戶返回經(jīng)過加工和推理的知識?？梢哉J(rèn)為是傳統(tǒng)數(shù)據(jù)庫的升級版。對金融領(lǐng)域，事件的發(fā)生是有征兆的，通過對事件進(jìn)行捕捉形成事理推理型的知識圖譜，可以描繪事件發(fā)生的順承關(guān)系和因果關(guān)系。

NLP是自然語言理解的簡稱。它是計算機(jī)科學(xué)，人工智能以及語言學(xué)交叉的一門學(xué)科。主要解決人和計算機(jī)如何通過自然語言進(jìn)行交流的問題。全球范圍內(nèi)，包括中國BAT等各大互聯(lián)網(wǎng)公司都在研究自然語言處理、知識圖譜和深度學(xué)習(xí)，行業(yè)目前正在爭奪落地場景。

人工智能賦能銀行新模式

人工智能將以怎樣的方式實現(xiàn)落地？海致金融業(yè)務(wù)副總裁楊娟表示，通過多年來對銀行客戶的合作開發(fā)中的經(jīng)驗和痛點，人工智能現(xiàn)階段將通過以下四個場景幫助銀行縮短業(yè)務(wù)流程，提高業(yè)務(wù)效率。

首先是數(shù)據(jù)采集與解析。銀行的數(shù)據(jù)類型和數(shù)據(jù)特點是數(shù)據(jù)庫格式的、結(jié)構(gòu)化的、高價值的數(shù)據(jù)，這個相對于互聯(lián)網(wǎng)數(shù)據(jù)而言體量小，面對銀行數(shù)據(jù)孤島的局面，互聯(lián)網(wǎng)海量數(shù)據(jù)的采集和解析將豐富銀行數(shù)據(jù)的來源，互聯(lián)網(wǎng)數(shù)據(jù)中包含大量非結(jié)構(gòu)化數(shù)據(jù)，往往這些數(shù)據(jù)與客戶相關(guān)，例如客戶的社交網(wǎng)絡(luò)信息，同時這些信息數(shù)據(jù)也包含相關(guān)潛在客戶。非結(jié)構(gòu)化數(shù)據(jù)將通過NLP解析后作為信源補(bǔ)充，從而進(jìn)一步為銀行搭建完善的金融圖譜。

其次是金融圖譜分析與挖掘。銀行客戶間擔(dān)保關(guān)系可以通過知識圖譜進(jìn)行關(guān)聯(lián)，從而及時甄別出違規(guī)擔(dān)保圈以及擔(dān)保的風(fēng)險點，動態(tài)預(yù)警擔(dān)保風(fēng)險信號。除了貸前的風(fēng)險控制，知識圖譜也可以在貸后發(fā)揮其強(qiáng)大的作用，比如在貸后失聯(lián)客戶管理的問題上，知識圖譜可以幫助我們挖掘出更多潛在的新聯(lián)系人，從而提高催收的成功率。

第三是客戶智能標(biāo)簽的建設(shè)。通過算法導(dǎo)入客戶數(shù)據(jù)將深度學(xué)習(xí)和專家經(jīng)驗相結(jié)合，從而建立起客戶標(biāo)簽體系。在此基礎(chǔ)上可以提煉出客戶風(fēng)險價值以及營銷價值。智能標(biāo)簽的深度學(xué)習(xí)接近與阿爾法狗遍歷學(xué)習(xí)大師棋譜后自我博弈的過程，在此過程中通過神經(jīng)網(wǎng)絡(luò)的層與層的遞進(jìn)，逐漸演化出貼合企業(yè)客戶的標(biāo)簽。

第四是信貸文本智能解析。楊娟表示：“人工審閱一條審批意見平均花費(fèi)時間高于5分鐘，那12000多份報告的話，人工審閱就需要一千個小時，現(xiàn)在通過我們NLP和機(jī)器學(xué)習(xí)技術(shù)的話，這一萬多份報告5分鐘就可以處理完。”復(fù)制黏貼占據(jù)了金融從業(yè)者很大一部分的時間，在未來幾年內(nèi)，NLP可以替代掉大部分低端重復(fù)的工作，將金融從業(yè)人員從繁雜的信息搜集、清洗、核對等工作中解脫出來。

對于銀行未來智能化轉(zhuǎn)型的趨勢，楊娟表示：“大數(shù)據(jù)加營銷風(fēng)險的模型配合圖分析和圖挖掘，與銀行的內(nèi)部客戶賬戶交易去進(jìn)行一個融合，能夠為銀行帶來營銷、風(fēng)險預(yù)警、自動化處理等全方位的效率提升，所謂的AI取代的是人的一部分工作，而專業(yè)人員將會被解放出來，從而能夠以更好地效率服務(wù)更多的客戶。當(dāng)然，這也是一點一點發(fā)生的，是一個漫長的過程。”