大数据与AI双引擎加速金融科技发展

/资讯中心/趋势研究/大数据与AI双引擎加速金融科技发展

发布时间：2019-09-05 分类：趋势研究

2019年是金融科技的变革之年，这种变革不仅体现在监管层对金融科技的重视，也体现在行业本身发生的种种变化。一周前，央行刚刚发布了《金融科技（FinTech）发展规划（2019-2021年）》，这是我国金融科技行业的首个发展规划和顶层设计，为行业发展指明了方向。

在行业领域，互联网巨头深耕垂直领域、银行系金融科技公司加快布局、众多科技公司开启转型突围，新技术不断催生金融科技新物种、新模式、新产业。AI正在影响传统行业的经营模式，特别是金融行业，从最初的颠覆恐慌，到如今的变革、融合、共建新生态。

刚刚落下帷幕的2019世界人工智能大会，是集最高级别AI学术研讨、最高水平AI技术博览会、最活跃的AI产业合作和未来AI社会超前体验于一身的人工智能盛会。其间联合国数字合作高级别小组联合主席马云和特斯拉联合创始人兼首席执行官埃隆·马斯克（ElonMusk）的“双马”对话，展现了科技与世界连接的无限可能。

众所周知，人工智能发展至今，主要体现为智能交互、智能决策和智能行动三大应用领域。其中智能决策，即打造企业大脑，是一家企业商业价值和商业智慧的体现，因而难度最大。“未来会发生什么？什么时候发生？最好的发生方式是怎样的？”对于一家企业而言，要通过建模的方式做出上述预测，从而做出决策，面临的挑战是显而易见的。

近两年开始，谷歌将AutoML这一名词带入更多人的视野，其用AutoML命名了探索自动设计机器学习模型的方法，也就是让机器自动完成特征工程、模型训练、自动调参的工作，使整个机器学习过程更加自动化。在AI人才紧缺的情况下，降低对AI科学家的依赖。这种方法已经引起国内外科技巨头广泛关注。

目前，市场主流建模平台厂商大致分为三种类型。第一类是大数据分析型，主要是由传统BI厂商转型成分析建模平台，主打开源、低价，以传统建模方法为主，缺乏自研算法，竞争门槛低；第二类是AI驱动型，AI平台厂商涵盖从数据到模型上线的完整建模流程，自研优化机器学习算法，但往往流程和概念复杂，平台难以上手，学习成本较高；第三类则是大数据与AI结合型，在大型金融机构积累了大数据和AI实践经验，根据应用落地全流程自研平台，此类平台自动化程度高，更贴合企业实际应用需要。

在人工智能赋能金融的应用中，智能理财、智能营销、智能风控将是一大蓝海。随着人工智能与金融的深度融合，未来基于银行开展的一些服务很可能变成自主和自助的，比如银行理财、帮助做投资咨询的背后不再是理财专员，而是智能大脑，也就是机器人，今后我们都要学习和机器相处。

关于迪蒙

热门文章