21世紀(jì)經(jīng)濟(jì)報(bào)道記者陳植上海報(bào)道
隨著AI在數(shù)據(jù)分析的應(yīng)用日益廣泛，眾多金融場(chǎng)景受益匪淺。
【資料圖】
普華永道數(shù)字化總監(jiān)黃旭向記者透露，目前不同金融機(jī)構(gòu)在AI+數(shù)據(jù)應(yīng)用方面成效顯著，比如一家大型股份制銀行正將數(shù)據(jù)智能應(yīng)用在反欺詐風(fēng)險(xiǎn)防控。具體而言，這家股份制銀行一方面運(yùn)用知識(shí)圖譜技術(shù)，解決電信詐騙數(shù)據(jù)拓展問(wèn)題，從而更高效地識(shí)別查詢新開戶風(fēng)險(xiǎn)賬戶與僵尸賬戶，一方面根據(jù)風(fēng)險(xiǎn)特征建立模型庫(kù)，將后續(xù)案例數(shù)據(jù)，通過(guò)實(shí)時(shí)計(jì)算當(dāng)前案例與歷史場(chǎng)景特征的偏離值，計(jì)算案例的涉案概率同時(shí)，運(yùn)用大數(shù)據(jù)與人工智能技術(shù)，快速建立個(gè)人及時(shí)風(fēng)險(xiǎn)預(yù)警規(guī)則等模型，對(duì)風(fēng)險(xiǎn)事件進(jìn)行實(shí)時(shí)分析和決策。
“目前，這家股份制銀行已建立反欺詐防控策略和規(guī)則模型的企業(yè)級(jí)統(tǒng)籌管理架構(gòu)，并賦能電信詐騙業(yè)務(wù)場(chǎng)景的風(fēng)險(xiǎn)挖掘，完成個(gè)人涉案賬戶風(fēng)險(xiǎn)控制的數(shù)字及智能化轉(zhuǎn)型?！彼嬖V記者。
此外，保險(xiǎn)公司在AI+數(shù)據(jù)方面也頗有建樹。比如一家大型保險(xiǎn)公司針對(duì)持有一款財(cái)產(chǎn)保險(xiǎn)的客戶，將他們的基本信息、保單信息、車輛信息、理賠信息、險(xiǎn)種纖細(xì)等數(shù)據(jù)進(jìn)行整合，探查這款產(chǎn)品生效后一年內(nèi)的客戶加保壽險(xiǎn)的可能性。在AI+數(shù)據(jù)的加持下，保險(xiǎn)公司通過(guò)針對(duì)性營(yíng)銷，令相關(guān)客戶的加保成功率大幅上升，保險(xiǎn)代理人的人均產(chǎn)能也隨之提升約25%。
值得注意的是，AI+數(shù)據(jù)的日益普及，也考驗(yàn)各行各業(yè)企業(yè)機(jī)構(gòu)的綜合能力。
近日，從事仿真、高性能計(jì)算 (HPC)與人工智能 (AI) 解決方案研發(fā)的Altair（ALTR.Nasdaq）發(fā)布一項(xiàng)國(guó)際調(diào)查顯示，盡管全球多數(shù)企業(yè)廣泛采用并實(shí)施企業(yè)數(shù)據(jù)與AI戰(zhàn)略，但它能否成功，主要取決于組織、技術(shù)和財(cái)務(wù)等三大方面。
就組織方面而言，眾多受訪企業(yè)正在努力填補(bǔ)數(shù)據(jù)科學(xué)領(lǐng)域大量的職位空缺，但人才短缺和提升現(xiàn)有員工AI技能水平所需的時(shí)間，仍是企業(yè)采用 AI+數(shù)據(jù)戰(zhàn)略所面臨的普遍問(wèn)題；就技術(shù)方面而言，逾半數(shù)受訪企業(yè)表示企業(yè)面臨諸多技術(shù)限制，極大地阻礙AI+數(shù)據(jù)計(jì)劃的發(fā)展；就財(cái)務(wù)問(wèn)題而言，盡管受訪企業(yè)希望擴(kuò)大AI+數(shù)據(jù)戰(zhàn)略，但團(tuán)隊(duì)與技術(shù)人員都面臨著來(lái)自財(cái)務(wù)方面的層層阻礙。
一位國(guó)內(nèi)銀行AI風(fēng)控人員也告訴記者，為了提升針對(duì)金融欺詐團(tuán)隊(duì)的識(shí)別能力，他們一方面需引入更多結(jié)構(gòu)化異常信息（包括靜態(tài)數(shù)據(jù)、交易數(shù)據(jù)與時(shí)間序列的組合），一方面需通過(guò)構(gòu)建AI模型對(duì)交易鏈路、交易網(wǎng)絡(luò)與欺詐團(tuán)隊(duì)結(jié)構(gòu)進(jìn)行深度挖掘，但這都需要銀行提供大量資金支持與招募更多精通AI的人才，目前他們遇到的主要挑戰(zhàn)，是銀行財(cái)務(wù)人員更看中降本增效，對(duì)AI+數(shù)據(jù)所需的長(zhǎng)期資源投入“認(rèn)識(shí)不夠”。
“目前，我們一面引入第三方AI科技機(jī)構(gòu)進(jìn)行資源賦能，一面也通過(guò)內(nèi)部溝通，要求銀行增加相關(guān)AI人才招募等投入，解決當(dāng)前AI+數(shù)據(jù)的瓶頸與摩擦?！彼嬖V記者。
在業(yè)內(nèi)人士看來(lái)，盡管AI+數(shù)據(jù)模式仍面臨組織、技術(shù)與財(cái)務(wù)方面的三大挑戰(zhàn)，但全球數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)正呈現(xiàn)三大重要發(fā)展趨勢(shì)。
一是邊緣人工智能市場(chǎng)將出現(xiàn)爆發(fā)式增長(zhǎng)，即在金融等各行各業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型實(shí)踐加速與萬(wàn)物互聯(lián)的共振下，邊緣設(shè)備及其產(chǎn)生的數(shù)據(jù)量激增，但由于大量邊緣側(cè)數(shù)據(jù)轉(zhuǎn)移至某個(gè)中央的公共設(shè)備進(jìn)行處理并不現(xiàn)實(shí)，因此越來(lái)越多企業(yè)會(huì)選擇直接在靠近數(shù)據(jù)產(chǎn)生的邊緣側(cè)進(jìn)行分析，通過(guò)本地分析大大降低能源消耗，并消除將數(shù)據(jù)卸載到遠(yuǎn)程計(jì)算機(jī)系統(tǒng)所涉及的隱私問(wèn)題。未來(lái)，邊緣設(shè)備將變得更智能。
二是數(shù)據(jù)分析將驅(qū)動(dòng)業(yè)務(wù)價(jià)值，讓決策更精準(zhǔn)。即以決策為中心的數(shù)據(jù)和分析將逐漸替代以數(shù)據(jù)分析為驅(qū)動(dòng)的決策。這要求數(shù)據(jù)分析的AI人員更需“走進(jìn)”業(yè)務(wù)，讓業(yè)務(wù)人員具備數(shù)據(jù)分析能力和思維，在工作環(huán)節(jié)令決策和數(shù)據(jù)合二為一。
三是越來(lái)越多企業(yè)將使用自適應(yīng)AI系統(tǒng)應(yīng)對(duì)內(nèi)外因素變化。隨著實(shí)時(shí)數(shù)據(jù)處理、流式傳輸和共享需求的增加，推動(dòng)更多企業(yè)向數(shù)據(jù)分析驅(qū)動(dòng)型企業(yè)轉(zhuǎn)變。因此企業(yè)需部署自適應(yīng)AI系統(tǒng)以頻繁采集大量數(shù)據(jù)，并迅速適應(yīng)變化和差異。
“但要實(shí)現(xiàn)完全自動(dòng)化的決策并不容易，未來(lái)影響企業(yè)決策的因素將越來(lái)越復(fù)雜，這些因素將對(duì)決策智能模型產(chǎn)生干擾，影響最終決策的正確性，因此需要一個(gè)更靈活、更強(qiáng)大的增強(qiáng)型AI系統(tǒng)來(lái)處理這些復(fù)雜的因素，從而幫助自動(dòng)化決策智能的實(shí)現(xiàn)?！盇ltair RapidMiner產(chǎn)品開發(fā)高級(jí)副總裁Ingo Mierswa表示。
記者多方了解到，為了破解 AI+數(shù)據(jù)在金融、汽車設(shè)計(jì)生產(chǎn)、工業(yè)制造智能化等場(chǎng)景的瓶頸與挑戰(zhàn)，眾多科技平臺(tái)紛紛尋找技術(shù)解決方案。
“就全球視野而言，賦能企業(yè)數(shù)字化轉(zhuǎn)型的數(shù)據(jù)服務(wù)商數(shù)量眾多且類型豐富，不僅包括服務(wù)工業(yè)、金融、零售等特定行業(yè)數(shù)字化轉(zhuǎn)型起家的服務(wù)商，還包括通用型AI技術(shù)、數(shù)據(jù)分析產(chǎn)品提供商。在數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)發(fā)展和智能決策成為企業(yè)數(shù)字化轉(zhuǎn)型重要趨勢(shì)的背景下，如何將企業(yè)積累的海量且復(fù)雜的數(shù)據(jù)高效利用起來(lái)，挖掘并發(fā)揮數(shù)據(jù)的更大價(jià)值，打通企業(yè)設(shè)計(jì)研發(fā)-生產(chǎn)制造-營(yíng)銷銷售-運(yùn)維等全生命周期的數(shù)據(jù)流通和全流程數(shù)字化轉(zhuǎn)型，成為現(xiàn)階段企業(yè)亟需回答的經(jīng)營(yíng)新挑戰(zhàn)?！盇ltair大中華區(qū)總經(jīng)理劉源告訴記者。盡管眾多各行業(yè)企業(yè)都在努力實(shí)現(xiàn)全流程數(shù)據(jù)驅(qū)動(dòng)，但部門之間、人員之間仍存在孤立現(xiàn)象，令企業(yè)難以正確并高效利用快速增長(zhǎng)的數(shù)據(jù)，導(dǎo)致企業(yè)在應(yīng)用AI技術(shù)和AI產(chǎn)品過(guò)程中會(huì)產(chǎn)生多種“摩擦”。這些數(shù)據(jù)分析所存在的“摩擦”，將成為企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中的不穩(wěn)定因素，導(dǎo)致項(xiàng)目失敗、成本和人員投入浪費(fèi)等。
上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室主任肖仰華指出，數(shù)據(jù)+AI等數(shù)據(jù)智能是以數(shù)據(jù)作為分析內(nèi)容，以知識(shí)的發(fā)現(xiàn)和應(yīng)用為核心內(nèi)容的智能形式，以期讓機(jī)器具備人類的高階認(rèn)知能力，包括理解、推理、決策、解釋、規(guī)劃等。在這種情況下，數(shù)據(jù)驅(qū)動(dòng)（領(lǐng)域預(yù)訓(xùn)練大模型）與知識(shí)驅(qū)動(dòng)（動(dòng)態(tài)知識(shí)圖譜）雙系統(tǒng)的連續(xù)交互是實(shí)現(xiàn)數(shù)據(jù)智能的關(guān)鍵；低代碼、插件化、能協(xié)同、可解釋、高性能、全流程覆蓋是數(shù)據(jù)智能的功能性要求；復(fù)雜決策是數(shù)據(jù)智能的目標(biāo)。
“隨著AI技術(shù)演進(jìn)和需求的變化，數(shù)據(jù)智能應(yīng)用場(chǎng)景由智慧出行、智能搜索等大規(guī)模簡(jiǎn)單應(yīng)用場(chǎng)景逐漸向智慧醫(yī)療、智能工業(yè)等小規(guī)模復(fù)雜應(yīng)用場(chǎng)景轉(zhuǎn)變，從以人為中心逐步發(fā)展到人機(jī)物并重。要真正發(fā)揮數(shù)據(jù)智能對(duì)企業(yè)的賦能作用，數(shù)據(jù)與領(lǐng)域知識(shí)的深度融合將是必要條件?！彼麖?qiáng)調(diào)說(shuō)。
（文章來(lái)源：21世紀(jì)經(jīng)濟(jì)報(bào)道）
標(biāo)簽：
