金融與大數據有何新玩法？縱深紮根仍是不二法則

【賽迪網訊】日前，2018年胡潤新金融百強榜單揭曉，行業內外均認為，大數據、雲計算、物聯網、區塊鏈等技術支撐對金融行業的推動和變革。在多種變革驅動力中，大數據對金融行業實現「數字化」的貢獻和推動不可小覷，特別是在精準營銷和智能風控上作用尤為突出。

面對金融行業紛繁複雜的個性化需求，只有腳踏實地沉潛下來的數據科學平台提供商才能走到最後，走的更遠。

今天，賽迪網團隊帶著探尋金融與大數據的背後故事的初心，走進「北京九章雲極科技有限公司」(以下簡稱「九章雲極」，)與其CEO方磊博士深入交流，從公司的創立初心和心路歷程了解如何「5分鐘擁有大數據能力」，讓我們對再熟悉不過的「大數據」有了深層理解。

九章雲極CEO方磊

與「數據」的不解結緣立足「三個轉變」「縱深」紮根金融

在方磊博士介紹公司歷程和產品平台之前，首先提及「數據」和「金融」兩個關鍵詞，這也讓我們好奇為何公司在「金融行業」堅守至今。

後來得知，這離不開方磊之前的「數據」工作經歷。作為早期參與微軟雲計算平台研發的團隊成員，積累了對大數據不同的認知。而後來在微軟必應(Bing)搜索任資深開發工程師經歷讓他深入參與了開發、設計基於下一代大數據技術的索引處理架構的研發工作。與「大數據」的不解之緣不僅具備了對大數據未來發展趨勢和下一代處理架構的敏銳嗅覺，也讓他在創立公司初期迅速找到合適賽道，選擇為金融行業服務。他相信憑藉金融行業目前的良好數據基礎，可藉助智能平台深挖「大數據」中蘊含的無限寶藏，這終將讓企業煥然一新、壯大發展，同時也讓九章雲極擁有行業內的一席之地。

選定金融行業的海洋後，接下來就是對「智能分析」的漫漫攻關之路。雖然大數據分析平台在人工智慧、企業信息化、數字經濟的概念下被炒得火熱，但早已不是報表、統計表的時代，現如今的「智能」更應符合行業信息化和數字化轉型的剛需和痛點，這背後可用 「三個轉變」概括，這也是攻關克難之路上的指路燈。

方磊博士介紹到，現在大數據分析模型需要著重提供大量可視化服務、從離線服務變為實時、在線服務為主，從單機管理到分散式管理，這三個轉變意味著傳統的人工「看報表」、「審核」的模式亟待轉型。簡單的人工如何高效準確處理「大數據」，特別是金融行業每秒產生成千上萬的交易數據，這無疑是巨大挑戰。

以銀行為例，原來是多個獨立資料庫存儲業務數據和運維數據，形成數據倉庫，一旦有調用需求則由人工選取數據生成報表，最終交給審核人和企業領導查看。可以看到，人工操作貫穿始終。

但現在，日常業務數據、報表數據和運維日誌數據會採用SQL查詢，通過Hadoop新一代超融合架構，查詢性能單機數據掃描量可達到350MB/秒，這正是九章雲極核心明星產品——DataCanvas智能數據平台，讓金融行業面對業務高峰不再無所適從，而是集中整合數據資源從而改進營銷活動、激發客戶新需求。

　DataCanvas

在數據預處理之後可大浪淘沙留下最有價值的元數據，接下來是金融業對大數據分析最為渴求的「可視化展現」。數據科學家藉助平台提供的超過140個的機器學習演算法模塊和可視化圖標創建及數據預覽、數據準備、數據建模、演算法運行等多種功能一體的管理界面。讓企業用戶拖拽演算法模塊即可完成數據分析流，自動構建用戶畫像、精準營銷。

金融行業面對高峰業務量的另一剛需則是「實時處理」，以往批量化輸出分析結果的做法早已過時，DataCanvas[zI5] RT實時處理平台則藉助機器學習、深度學習構成的數據模型實現流數據實時處理，離線系統對接功能還可全面貼合生產化業務場景，讓企業隨時隨地享受便捷。

這一切塑造了全能型的DataCanvas 智能數據平台，這背後同樣代表了「縱深戰略」的另一層深意。方磊博士說道，很多公司都是橫向戰略，就像沖咖啡，不斷加入各種配料，最終讓用戶可以一飲而盡。但九章雲極的思路不同，縱深了解用戶後，提供用戶所需多個模塊，之後不再需要「加料」，而是直接飲用，像 「喝咖啡」一樣，便捷享受。

所以，方磊博士帶領公司團隊深入分析銀行客戶提供的交易數據、外匯儲備數據、儲戶脫敏的可公開的個人數據、風險控制數據、信用評價數據等細分數據，看似領域「小」，但紮根進去會獲得不一樣的「大數據」。

直擊「智能」核心完善「二次開發」

所謂人無我有、人有我優，數據服務平台琳琅滿目，在「縱深」戰略引導下，公司仍舊從「數據」本質研發核心優勢，因此方磊博士提出，現在和未來的產品迭代還需緊貼金融行業面臨每秒海量交易數據的實時處理之需，通過海量大數據不斷訓練計算機，數據科學家優化數據分析模型，讓機器學會「智能、自主」。

自然語言處理、機器學習、神經網路、遺傳演算法等眾多人工智慧技術可用於金融新興業務中。在股票價格、交易量、宏觀數據、上市公司賬目等數據量化成各類指標後，改進金融行業的多因子模型和理解文本的能力。大數據不斷訓練之後，數據分析模型可靈活處理更多維度數據和多樣化場景，像人類大腦一樣自主決策、自動觸發相應指令。人力在此基礎上可尋找深層規律，完成創造性工作，解放人工。未來還可開發出風險量化模型體系、精準營銷模型體系、智能投顧模型體系以及用戶洞察模型體系等，擁有更強智能。

憑藉穩定性和標準化的服務流程，計算機在每個特定場景下準時觸髮指令，例如向高精準客戶推送消息等，計算機可100%執行，這比人力貫穿的模式著實提效不少。

當然，「分析模型」需要不斷迭代、優化升級，同時用戶的需求也是紛繁複雜，這就引出公司研發的另一重點——二次開發功能。

眾多銀行客戶都會出於安全考慮將數據布置在私有雲之上，甚至每個分公司的數據並不連通。方磊博士談到，這意味著此前簡單的一個借口、一個指令、一行代碼可以迭代的應用和服務，現在需要一個團隊、多次完善、不斷磨合和溝通才能完成，但其實是提高產品性能的絕佳機會。與不同金融企業的反覆磨合、適應中痛並快樂著，方磊博士始終堅信，沒有真正的捷徑，捷徑都是時間和心血的沉澱。

人工智慧並非絕對至上

正如同產品平台和研發從數據出發一樣，方磊博士對當下新興技術的看法也從「數據」講起。

在人類對「智能」的理解尚未深刻和統一之時，不能簡單將人工智慧擺在絕對至上位置，並非凌駕一切的神聖。目前，深度學習演算法從2010年以來的確取得進展，但在可解釋性上還存在前進空間，不能因為機器學會交互就判定具有智能，智能和行為不能完全等同。

信息化為行業提供大數據基礎，智能分析平台讓數據互聯、與業務形成閉環，閉環提高企業產品和服務的迭代效率。人工智慧的意義則是通過大數據不斷訓練計算機快速掌握自主學習能力，像人類大腦般可基於歷史數據總結超乎想像的規律，達到資源的優化配置。

堅守縱深戰略從一而終，以更優化的演算法模型和更高性能的計算存儲能力從容應對多樣化、個性化金融行業用戶需求，這是九章雲極簡單而獨特的心路歷程。大數據與金融的深度結合，勢必會造就未來更大的產業變革，這也推動著「縱深」戰略的繼續加深，吸引行業內外隨之深入了解更多細節。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！