田江

信息产业最大的应用方向应该在金融领域，金融领域常提一个词叫“金融科技”，相比其他行业，银行应该是最喜欢拥抱高科技的行业。下面就银行在大数据与人工智能方面做的工作做一些分享。整体分三部分：第一介绍光大银行人工智能技术的探索和研究，第二结合一些案例讲数据产品实现大数据智能风控，最后是大数据与人工智能技术应用展望。

银行经历了从电子化到信息化到数字化的过渡，这个历程仅仅只有二十多年。电子化最早从上世纪90年代就开始了，一个企业一旦完成数据仓库建设，完成数据集中，便进入信息化。现在我们提银行数字化转型，未来银行的数字化分前台、中台、后台，前台是手机应用，中台是大数据、人工智能，后台为API平台。大数据催生了“数据挖掘”，而人工智能则带来“机器学习”。对于一个企业来说，人工智能是为了解决实际问题，否则意义不大。现在对人工智能有一些分歧和争端，其实我觉得人工智能第一步是解决效率问题，对企业来说如果能够通过高科技的手段提高效率，已经完成了第一部分。

第二部分是我们要做风控，现在银行竞争异常激烈，中国从大到小有上千家银行，尤其是存款成本越来越高，放贷压力越来越大，风控肯定是考量未来银行或者未来金融企业最核心的一种能力。增强风控很显然前景远大，把外面更先进的技术与银行内部数据相互结合，做一些创新的应用。

第三部分是我们要做产品创新，驱动客户价值增值，主要做一些客户运营，还有一些客户营销方面的工作。目前，从我们行来讲，比较活跃的是第一部分和第三部分。

关于应用场景，主要包括智能客服、金融预测反欺诈、融资授信决策、智能投顾、人像等生物识别、网点智能机器人等方面。比较典型的是智能客服，信用卡智能提醒，到期智能催收。風控反欺诈包括审批反欺诈和交易反欺诈两部分，银行交易端反欺诈问题不大，主要问题来自审批端，现在黑产相当厉害，其分工明确、操作精细。我跟同事戏称，风控专家跟做黑产的以前可能都是同学或者是一个实验室出来的。目前，银行智能投顾可以解决效率问题。

关于生物识别，现在每家银行的手机银行基本上都自带刷脸指纹功能，一是确保安全，二是提高效率。识别VIP客户，VIP客户一旦进入我们的网点，摄像头便会立即捕捉图片，通过后台的识别，及时地把这个信息推荐给客户经理。网点智能机器人，主要还是以点缀为主，比如招行推出了智能网点。

光大银行建立了一个大数据、AI技术的互联环境，做数据仓库、边缘数据平台、外部数据管理平台、非结构化数据平台等。大数据管理是AI建设的基石，从数据到机器到知识。一个企业做人工智能，数据没有进行有效整合和管理，可能就是空中楼阁，或者做起来会出现很多问题。我们光大银行最开始就做数据标准，2012年做了体系规划、外部数据管理及数据安全。

如何通过数据产品化实现大数据智能风控？阿里巴巴最早提出了数据产品理念，我们效仿阿里巴巴，早期做数据分析，后来做数据挖掘，最后聚焦数据产品。数据产品定义简单，即把仪表盘、报表、可视化模型面向场景进行快速封装，做成数据产品。数据产品分项目型、创新型、敏捷型三类。

我们通过数据产品建立了大数据智能风控价值的输出通道，将风控模型、大数据分析的结果通过数据可视化方式直观展现给业务用户，也通过后台接口、系统嵌入的方式对接业务系统应用。数据产品有滤镜、风险共同体族谱、征信大数据、贷款资金去哪儿了、辛普森私售侦探等。

滤镜是我行很典型的一款数据产品，基于我行客户，判断其风险状况，我们背后用了三类风险大数据模型，即复杂循环担保、风险共同体、特殊交易对手，来筛选数据。为了做这三类模型，我们有效利用了我行内部数据、企业工商注册数据、法院披露数据以及互联网舆情数据，前端输出全量和增量两份清单，让管理人员通过手机就能查看企业风险情况，给企业挽回大量损失。我们一直强调初心，什么叫初心？初心就是服务，我们顶着高科技光环，做好企业服务，这也是我们做数据产品最核心的理念。

关于风险共同体，关系图谱是大数据智能风控的核心技术。基于我行大数据应用开发平台，通过采用复杂网络、图计算等大数据算法，把企业间多种关系关联叠加计算，通过可视化方法展示计算结果，可以发现企业间的隐性联系，识别风险共同体内风险传播的特征，及时作出风险预判。

最后，谈一下展望，当前和未来金融业都处于AI应用的领导行业，人工智能在金融科技领域进程将不断加快，伴随着深度学习算法、高质量大数据和高性能计算资源的日益成熟，智能化技术将开启银行商业模式、服务创新的全新模式。总体来讲，大数据和人工智能非常有前景，大数据和人工智能的发展场景将会越来越丰富。

（根据演讲内容整理，未经本人审核）