DataCanvas王俊鵬：機器學習時代下金融行業(yè)的創(chuàng)新探索

5月8日-11日，由廣東省粵港澳合作促進會金融專業(yè)委員會主辦的“2019年數(shù)字金融信息化創(chuàng)新論壇”在廣州隆重舉行，論壇吸引500余位來自政府、金融監(jiān)督機構(gòu)、港澳地區(qū)金融機構(gòu)的專家領導，以及全國各省區(qū)銀行、證券、保險等金融系統(tǒng)主管領導，和信息科技、電子銀行、互金、零售、風控等業(yè)務負責人出席，引起行業(yè)廣泛矚目。

DataCanvas九章云極受邀出席本次論壇，與行業(yè)大咖分享交流前沿金融科技發(fā)展。DataCanvas九章云極副總裁王俊鵬發(fā)表了《機器學習時代下金融行業(yè)的創(chuàng)新探索》精彩演講，將機器學習在金融行業(yè)的創(chuàng)新實踐和創(chuàng)新探索，向與會嘉賓和大咖娓娓道來。

數(shù)字化轉(zhuǎn)型的關鍵在于人工智能

仰賴于智能技術的推動，智能經(jīng)濟將在2015年產(chǎn)生23萬億美金的新增長空間。在大數(shù)據(jù)技術驅(qū)動下，全球金融科技企業(yè)已覓得先機，紛紛開展從支付、貸款、理財、征信，到銀行、基金、金融、保險等業(yè)務?，F(xiàn)在幾乎所有零售銀行功能都能由Fintech(金融技術)替代，F(xiàn)intech的顛覆性影響亦普遍存在于中小金融機構(gòu)中。

金融機構(gòu)數(shù)字化轉(zhuǎn)型，關鍵在于人工智能。以數(shù)字化銀行為例，數(shù)字化銀行的背后是適應數(shù)字經(jīng)濟的智能開放平臺。構(gòu)建、迭代和運營此類平臺需要利用一整套新型技術實現(xiàn)數(shù)字化的戰(zhàn)略措施，而核心正是AI。

AI將改變?nèi)藗兣c科技的交互方式，不僅是改變技術的后端，同時使人們的工作變得更加高效?？蛻魺o需理解和學習復雜的交互界面，極大地提升了體驗。另一方面，銀行金融服務的核心是信息系統(tǒng)上的數(shù)據(jù)、規(guī)則、模型、程序，AI技術能夠與既有技術進行集成、替代或融合，將使商業(yè)銀行從數(shù)據(jù)時代快速走向智能時代，進一步發(fā)揮銀行原有的綜合金融牌照、客戶、數(shù)據(jù)上的優(yōu)勢。

從BI到AI,企業(yè)大數(shù)據(jù)建設進入數(shù)據(jù)科學時代

數(shù)據(jù)是數(shù)字化轉(zhuǎn)型的核心資產(chǎn)，數(shù)據(jù)分析即是如何將資產(chǎn)效能最大化的手段和途徑。區(qū)別于通過報表、儀表板展示已經(jīng)發(fā)生了什么的描述性BI分析，數(shù)據(jù)科學可以通過一系列數(shù)據(jù)處理、建模分析做出診斷性分析——為何會發(fā)生，預測性分析——將要發(fā)生什么，和決策性分析——如何使它發(fā)生，這就是AI分析。

數(shù)據(jù)科學平臺的應用，是數(shù)據(jù)分析從BI到AI的轉(zhuǎn)變，不僅是技術驅(qū)動，更是日益增高的市場需求驅(qū)動。

AI落地四大要素：數(shù)據(jù)、人才、算法模型、AI平臺

企業(yè)AI應用落地的四大要素中，數(shù)據(jù)，正在源源不斷被收集整理;人才，盡管增設數(shù)據(jù)科學專業(yè)的院校從15年的3所增值18年的443所，滿足市場需求仍需時日;而算法模型，以往是個繁雜耗時的高智商大工程，需要數(shù)據(jù)科學家團隊歷經(jīng)數(shù)月甚至一年的時間，經(jīng)過問題定義、問題抽象、數(shù)據(jù)探查、數(shù)據(jù)集處理、特征處理、算法選擇、效果對比、模型部署等環(huán)節(jié)最終生成……

能否加速落地應用，補足人才和算法模型的短板，AI平臺成為企業(yè)AI應用落地的關鍵。“它是一個具有凝聚力的軟件應用程序，圍繞著機器學習，提供模塊化融合的能力，既可以創(chuàng)建各種數(shù)據(jù)科學的解決方案，又可以將這個解決方案集成到業(yè)務流程及所涉及的周邊基礎設施及產(chǎn)品中去。” Gartner在2017年第一次這樣定義數(shù)據(jù)科學和機器學習平臺。

一個好的機器學習平臺需要覆蓋機器學習的全生命周期，從開源的大規(guī)模機器學習算法算子定制，海量多源異構(gòu)數(shù)據(jù)應用，數(shù)據(jù)和模型資產(chǎn)復用，到數(shù)據(jù)準備、特征工程、模型訓練等全程可視化，模型API發(fā)布和部署，再到模型倉庫的管理，使它能夠服務于數(shù)據(jù)科學分析的各類用戶，讓數(shù)據(jù)建模從以往的“高大上的單反調(diào)參”變成“傻瓜相機式的一鍵操作”，直接降低使用門檻。

DataCanvas數(shù)據(jù)科學平臺：三位一體建模&AutoML

提升效能永遠是金融行業(yè)的制勝關鍵。據(jù)Gartner預測，到2020年超過 40% 數(shù)據(jù)科學任務將會被自動化以提升數(shù)據(jù)分析效能，并廣泛的被平民數(shù)據(jù)科學家使用。DataCanvas數(shù)據(jù)科學平臺產(chǎn)品除了提供模型全生命周期服務、進行AI數(shù)據(jù)數(shù)據(jù)準備和AI建模的DataCanvas APS機器學習平臺，DataCanvas RT實時決策中心還能夠支持實時AI、做出實時決策。

為了滿足不同專業(yè)背景的使用者能夠更快捷地在平臺上建模、協(xié)作， DataCanvas數(shù)據(jù)科學平臺具備“三位一體”建模功能：面向數(shù)據(jù)科學家的編碼建模，面向IT工程師的拖拽式建模以及面向業(yè)務人員的自動機器學習建模，三種建模方式在同一平臺均可實現(xiàn)。

為了實現(xiàn)效能最大化，DataCanvas數(shù)據(jù)科學平臺還運用AutoML技術，替代數(shù)據(jù)科學家，自動進行數(shù)據(jù)探查、特征工程、模型選擇、模型訓練、模型評估等操作，全面節(jié)約時間和人力成本，亦實現(xiàn)了平民數(shù)據(jù)科學家只需一鍵操作即可輸出模型成果。

目前，DataCanvas數(shù)據(jù)科學平臺已落地應用于金融行業(yè)的智能投顧、智能投研、智能信貸風控、智能監(jiān)控、智能檢測、智能運維、精準營銷、客戶流失預警、反欺詐、文本分析、輿情監(jiān)控等場景，以及政府、交通、地產(chǎn)、IoT等行業(yè)的百余場景中，均受到廣大客戶和業(yè)內(nèi)專家的認可。

未來，DataCanvas九章云極將繼續(xù)作為數(shù)據(jù)科學平臺行業(yè)的領軍者，通過自主研發(fā)的數(shù)據(jù)科學產(chǎn)品，從用戶場景出發(fā)，賦能更多行業(yè)客戶，賦能企業(yè)AI。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。