隨著技術的發展，有些金融公司利用分析結果切入到核心交易系統，例如用于做實時風險定價，利用分布式交易系統用于新客戶的開戶、消費貸款業務、資訊實時推送等。到目前為止，金融機構在智能客服、智能營銷、智能化風險這幾大業務板塊也開始嘗試新技術了。經過多年發展，大數據迎來了3.0時代。星環科技CEO孫元浩日前在接受采訪時表示，在目前大數據技術日趨成熟的條件下，AI技術已從多個維度應用于金融機構。

通過AI技術和人工智能，金融機構在精準獲客、智能服務、用戶畫像和風險控制等多個場景取得長足發展。未來，分布式框架代替傳統數據庫、通過云服務提供數據分析、AI與圖分析技術的結合，將是大數據3.0時代的發展趨勢。立于2013年的星環科技，是一家專注于企業級容器云計算、大數據和人工智能核心平臺研發的公司。目前為止，公司產品已經廣泛應用于20多個行業，使用用戶超過1600家。其中，客戶當中，又以金融機構較為典型。

孫元浩表示，按照美國知名機構對大數據的分類，從技術發展和開發難度上來看，目前已經進入了技術的3.0時代。“在1.0時代，大數據只是作為技術而非產品在使用，管理難度非常大。到了2.0時代，大數據逐漸開始產品化，其中又以世界500強企業為代表。而到了3.0時代，則是技術的普及化，通過微服務和云服務，即使業務人員也能使用大數據和人工智能技術。”

在具體應用層面，孫元浩表示，AI技術已獲得廣泛應用。以金融機構為例，該技術已應用于運營的各個環節，如平臺服務、客戶服務、經營分析以及風險管理。通過構建在線交易、實時計算、在線分析、數據倉庫、NoSQL分析等9種場景，金融機構在精準營銷、客戶的精準畫像、績效考核等多個方面取得長足發展。對于大數據技術的未來發展趨勢，孫元浩認為分布式框架代替傳統數據庫、通過云服務提供數據分析、AI與圖分析技術的結合，將是大數據三大發展趨勢。

大數據迎來3.0時代

AI、Big data（大數據）、Cloud（云服務），這是星環科技一直在重點布局的“ABC”業務。以分布式技術為基礎，經過多年發展，目前該公司已經建立起數據采集、存儲、加工、挖掘、提供價值的一條龍服務，并形成大數據、AI和云等多種產品形態。這似乎與全球的大數據發展脈絡一脈相承。

孫元浩表示，大數據技術去年被美國一個知名機構從兩個維度分成三代。第一個維度是從開發的容易程度，從早期大數據、人工智能技術最早在互聯網公司、在大型科技公司他們有比較大的IT合作研發團隊，作為一個技術還不是作為一個產品在使用，它的管理也是非常復雜的，通常規模也是比較大，幾千臺到上萬臺的規模。

“到了2.0的時代這個技術逐漸開始產品化，開始有更多的企業在使用了，特別是500強企業在使用這個技術了。但是這個技術仍然過于復雜，對客戶的要求非常高。”孫元浩援引該機構觀點。

“到了3.0的時代，這個也是市場的一個需求，大家希望這個技術能夠開發越來越容易，甚至業務人員不是IT人員都能使用大數據和人工智能的技術，可以通過微服務和通過云的方式對外提供”，孫元浩表示，“從這個意義上來說，從運維和開發的難易程度來看國外的分析機構把大數據分成了這三代。今天我們正處在第三代的過程中，技術越來越成熟，產品的應用型也越來越強。”

不過，從技術的開發和使用角度來看，孫元浩認為，統一的數據操作語言和查詢語言，統一的計算語言將是未來的發展趨勢。按照應用場景，大數據可分為交易型和分析型兩種，具體細分為九類應用場景，包括在線交易、實時計算、在線分析、數據倉庫、數據集市、NoSQL分析、預測性分析、視頻語音文本分析和數據探索。在數據操作語言和查詢語言方面，目前主要是SQL，此外還有機器學習語言R/Python語言等。而在計算引擎方面，主要分為用于統計分析的數據計算引擎和用于視頻、圖像、文本分析的深度學習語言。在孫元浩看來，無論是操作語言、查詢語言，還是計算引擎，基于技術的發展趨勢，未來實現統一將是必然趨勢。

金融機構積極擁抱AI技術

在星環科技的業務版圖中，200多家金融機構客戶、三分之一的營收占比，使得金融機構對其業務的重要性具有舉足輕重的地位。據孫元浩介紹，金融機構擁抱大數據技術，大致經歷了五個階段。初始階段，金融機構主要進行數據平臺存儲、收集各種類型的數據，匯集各種業務的數據，提供數據的查詢服務。隨后，則開始利用新的技術來做統計分析，來做數據探索，用于運營分析和監管報錯。同時，也做一些數據探索，能夠對風險、對客戶的畫像更加精準。

到了第三個階段，有部分的金融機構開始利用分析結果來預測業務，比如說獲取更多的客戶、制定貸款的價格。某種意義上來說，第三步已經開始進入到業務中去了，但是依然是離線過程、輔助決策過程。

以銀行為例，借助AI、人工智能等技術，銀行在平臺服務、客戶服務、經營分析和風險管理等方面的管理水平獲得大幅改觀。通過建立大數據和人工智能平臺，引入九大應用場景，銀行在精準獲客和營銷、獲取客戶的精準畫像、績效考核、業務統計以及貸前貸中貸后管理方面，業務水平獲得大幅提升。AI技術在金融業應用的另一個典型例子是證券行業。證券行業的新技術應用最初主要集中在基礎設施、AI平臺建立數據倉庫和數據集市、語音識別等基本功能的建設中。最近，新技術逐漸覆蓋到智能運營、智能風控、智能投研、智能投顧等應用場景。

不過，就具體機構類型而言，孫元浩表示，城商行和股份制銀行在大數據和人工智能領域的應用卻最多。這主要因為城商行面臨的競爭環境更為激烈，他們在IT、在信息化層面沒有太多的歷史包袱，可以比較快地使用新技術。股份制銀行也面臨客戶激烈競爭的相同場景。其次還有省農信，各個省農信聯社是天然的數據匯集地，一個省下面有幾百家農商行數據都在集中到這里，它對集中的數據管理、集中的數據分析要求也比較迫切。此外，證券公司、農商行和保險公司，基于自身業務的不同需求，對大數據、AI技術的應用也比較多。

未來三個新的趨勢

對于大數據技術未來的發展趨勢，孫元浩指出，基于幾百個應用場景的分析，未來的趨勢將集中在三個方面：分布式架構取代傳統數據庫、云服務提供數據分析、AI和圖分析技術的結合。

比較典型的是通過輿情分析預判永安藥業股價的例子。通過輿情分析，孫元浩團隊發現作為最大市場份額供應商的永安藥業與海外牛磺酸的價格波動高度相關，海外出口占比高達22%。為此，孫元浩團隊構建了知識圖譜，用來預測永安藥業的股價波動。結果表明，知識圖譜成功預測了永安藥業的股價波動。

除了用于預測股價波動，孫元浩表示，AI技術還用于做異常交易的監測。“通過交易對象包括交易者的一些關聯關系，可以構造一個圖譜，同時我們可以對交易結構進行分析，看看是不是有相互的交易結構，判斷它是不是關聯交易或者是內部交易。同樣通過機器學習識別潛在的欺詐賬戶，然后通過圖譜找到跟它有關聯的賬戶，這樣可以擴大整個欺詐的監測范圍。”孫元浩稱。

“在基礎設施這一層大家逐漸開始把傳統的風險核心，原來用的傳統數據庫開始用分布式架構來替代了”，孫元浩表示。“包括甲骨文、DB2等數據倉庫版本，這些主要的動力來自于數據量偏大，需要用新的分布架構來解決。我們看到現在我們已經有一些金融客戶，以往是在央企做分布式架構做數據倉庫，包括監管機構，包括股份制銀行、農商行開始取代傳統的數據倉庫了。”

在云服務提供數據分析功能方面，孫元浩認為，大數據和AI盡快地在變成微服務化，也能變成使用云服務一樣便捷。對于第三大趨勢，孫元浩表示，AI和圖分析技術的結合，將是一個新的應用熱點。“它的基本的思路是通過訓練發現在其他場景中是否可以使用，就固化成一種模式，比如做風險定價和營銷。這里面有一定的數據可以支撐。”孫元浩解釋。

責任編輯：ct