首页 > 调研

第四范式王卫:未来银行网点不会消失,而是转型做不同的事情 | 兵器谱访谈录

调研 雨林 零壹财经 2019-07-10

关键词:转型未来银行兵器谱访谈录网点

银行人工智能应用不完全指南。
 

Fintech正越来越深刻地改变着金融行业的生态,各家机构都在数字化转型中快速迈进。针对这一转型大潮,Fintech公司基于人工智能、大数据、云计算、区块链等技术,助力金融业务的数字化、智能化,创新产品和服务,这些产品和服务,正如一件件提升效率的“兵器”。

基于此,零壹财经推出零壹兵器谱项目,调研和报道那些走在创新前沿的Fintech公司。



科学研究所遵从的理论基础和实践规范被称为“范式”。图灵奖获得者吉姆·格雷把人类科学的发展阶段分为四个范式,即经验科学范式、理论科学范式、计算科学范式和数据密集型科学范式,他认为当前人类科学已经进入第四范式时代。在人工智能行业内也有个“第四范式”,不过这是一家专注于人工智能技术与服务的提供商。

2018年12月,“第四范式”成为了国有五大行均参投的科技类企业。当前,智慧银行、开放银行等理念正在银行业掀起转型的浪潮,“第四范式”有哪些吸引银行业对其持续加码的独门秘笈?在人工智能技术上和对银行业发展方向的判断上又有哪些独到的认识?日前,零壹财经对第四范式应用创新部的咨询总监王卫进行了一次专访,期待能通过他的解读为上述问题找到一些答案。

提问者|零壹财经
受访者|王卫(第四范式应用创新部咨询总监)


以下为对话实录:

零壹财经:您如何看待“人工智能”“机器学习”“深度学习”这些概念?

王卫:人工智能是20世纪50年代由美国科学家提出来的一个综合性的概念,覆盖了机器人学、计算机视觉、人机智能交互、知识推理、自然语言识别等丰富内容。比如银行的机器人客服、通过自助机具做信用卡开卡时用到的人脸识别技术等,都属于人工智能的技术应用。

机器学习是人工智能范畴内最核心的底层技术,通过对历史样本数据的学习获得的经验,再用于数据分析获取理想的识别或预测结果,获取的经验越多分析的结果就越准确。

深度学习是机器学习的一个子集,它来源于神经网络的发展。简单地来说,深度学习的工作机理和人脑一样,建立一个网状的层级关系进行学习探索,模仿人脑的机制来解释如图像、声音、文本等类型的数据。与机器学习相比,深度学习需要更大量的数据来进行训练和学习,AlphaGo就是深度学习的一个例子。并且深度学习对资源的消耗较大,尤其是对硬件资源的需求(需要GPU资源)。此外,深度学习的模型进行计算的时间也会比较长。

对于图像、声音、文本识别等计算机视觉类的应用,深度学习具有自己的优势。而机器学习更多的是运用在传统的决策类应用领域,比如银行业务中的反欺诈、产品营销等场景。但并不是说机器学习和深度学习是严格割裂开的,比如第四范式的“先知”机器学习平台就嵌入了深度学习的计算框架。

零壹财经:银行业有没有哪些业务场景不适合人工智能?

王卫:理解了人工智能应用的本质就能够相应地理解哪些场景适合应用人工智能,或者有哪些场景是不适合的。人工智能核心目标是以机器的计算能力替代人力去实现业务价值,因此业务需求就决定了人工智能的应用场景。

人工智能有效发挥作用的业务场景分为两类,一类是以机器的算力去替代人工操作,提升效率,降低成本。银行的运营部门目前仍需要投入大量的人力对文本数据做审核,举个简单的例子,支票的手写体金额识别,银行的运营部门需要大量人工做审核与录入。我们可以通过人工智能替代人力,用机器识别文字,以节省人力资源降低成本。

另一类是利用人工智能实现比“专家规则”更好的效果。银行传统的营销或反欺诈是通过“专家规则”建立的模型提升业务效果,但“专家规则”下的模型存在很多条件的约束和限制。千人千面的产品推荐、广告推送,或者提高反欺诈等风控场景的效率,人工智能要比传统的“专家规则”带来更好的业务效果。

如果某类业务场景下样本数据的积累很少,就不一定适合用机器学习的方法提供决策依据。

零壹财经:第四范式在银行业比较有代表性的项目有哪些?

王卫:第四范式成立有四年多的时间,服务过众多银行客户,分享两个典型的应用场景。一个是为一家国有大行做的精准营销项目,这是机器学习在以客户为中心,向客户推荐合适的产品场景下的应用,也是机器学习在“长尾客户”营销方面的典型案例。“长尾客户”指资金量比较少的普通客户,银行业目前的竞争压力让很多银行对长尾客户营销的关注度越来越高。

通过机器学习构建模型并经过业务验证,我们最终实现了营销成功率相比于过去的专家规则提升575%;在同样激活客户数量的情况下,外呼营销量减少了99%;通过模型的自学习能力,经过三个月的自学习迭代,前10%的客户的响应率提升了一倍。因此在这样一个“长尾客户”营销的案例里,银行一方面实现了降本增效,另一方面又促进了销售、增加了营销成功率。

再看一个风控类应用的例子,这是我们为一家股份制银行的信用卡中心做的一个事中交易反欺诈项目。在银行的事中交易反欺诈场景下,平台必须具备实时欺诈交易侦测的能力,最终实现的效果是99.9%的交易在20毫秒内完成,实现了高性能的实时处理能力。

零壹财经:第三方科技公司在“开放银行”下的机会有哪些?

王卫:从银行来说,现在在做“开放银行”的业务转型。过去银行都是在自己的营业网点、手机银行上面提供服务;现在银行开始向智慧银行、开放银行等方向转型。在开放银行背景下,银行一方面可以提供自己的开放服务平台,让第三方参与服务;另一方面银行可以将自身业务服务嵌入到第三方的应用场景中。

银行面向第三方场景拓展服务的时候,就会带来一些新的衍生机会。一方面,各类第三方平台的流量本身对银行的业务具备价值;另一方面,银行与第三方服务平台的对接,会产生更多更丰富的数据,相对于银行传统应用系统积累的数据,现在有了来自于互联网、来自于更多业务场景的数据。在这些数据的基础上,我们可以帮助银行在人工智能上做的事情会更多,开发出新的业务场景,预测分析更精准。

零壹财经:不同类型的银行对人工智能的需求是否存在一致性?

王卫:应该说不同的银行,包括一些其他的金融机构,由于市场规模、IT成熟度以及数据的积累等各方面的不同,使得它们应用人工智能的门槛是不一样的,需要各自面对不同的挑战。但一个共性就是银行业拥有海量的数据,所以银行业对应用人工智能技术和服务的需求可以说是非常大的。

今天的银行面临越来越大的市场竞争压力,它们需要建立更敏捷的市场反应机制,需要从主要面向头部客户提供服务转向对长尾客户提供个性化服务。因此银行的业务转型和数字化转型的发展战略中对人工智能的需求普遍从尝试探索已经转变为积极拥抱。

另外我们看到,业务需求带来更多的人工智能的应用场景,而人工智能应用本身带来的业务价值和治理的需求,也影响了银行业务的转型发展。今天不同体量、不同规模的银行虽然对人工智能的需求不同,但它们需求的方向是一致的。银行在面向人工智能转型过程中都需要有一个企业级的平台,以帮助它快速地建立人工智能业务的场景,提升业务价值,并且在自主可控的前提下实现规模化的发展,这是银行在人工智能应用上的一个共同点。

零壹财经:银行如何才能更好地支撑人工智能应用?

王卫:支撑人工智能的应用有三个支点,第一个是先进的算法,第二个是大量的数据,第三个就是充足的算力。对银行来说,现在很多都是采用标准PC服务器的方式去搭建整套的大数据平台和人工智能计算平台。整套平台体系的建立复杂度高、周期长、见效慢,并且由于人工智能平台对资源的特定需求,以标准服务器提供人工智能算力存在一定的发展空间限制。

在银行应用人工智能的场景越来越广泛的情况下,对算力的需求越来越大。在一个大行里部署几百台服务器做人工智能的支撑是很普遍的事情,甚至将来会扩充到更大的规模。为了帮助银行更快地部署人工智能的集成框架,能够更快地实现人工智能带来的业务价值,能够在整体的运维环节做到高效低成本,第四范式推出了一体机SageOne,按照人工智能应用需求对软硬件做了特别设计和优化,帮助银行客户以更低的TCO(TotalCostofOwnership,即总拥有成本,包括从产品采购到后期使用、维护的成本)构建起自己的人工智能应用平台。

SageOne一体机

零壹财经:随着人工智能等技术的发展,银行的线下网点最终会消失吗?

王卫:现在银行业是在一个快速转型的过程中,大家曾经讨论过在有了网络银行有了手机银行后银行的网点会不会消失。这不算是一个新话题了,实际上我们看到现在各大银行网点的数量并没有大量减少。

过去银行网点是以人/柜员服务的方式来提供主要服务,现在转向提供越来越多的自助设备和服务,有更多的人工智能应用场景。比如开户开卡过程前端应用人脸识别技术、后端应用客户风险评测人工智能模型,在人工智能的技术支撑下高效发展业务。所以银行业的转型,并不是说将来网点会消失,而是说网点会做不同的事情、银行会做不同的事情。在银行业转型的过程中,人工智能会越来越多地起到核心作用。

零壹财经:能否介绍下第四范式的“1+N”概念?

王卫:今天银行要做人工智能,并不是说银行的业务和服务的方方面面都会立刻用到人工智能。人工智能的发展在银行的业务领域是要有一个循序渐进的过程。所以第四范式面向银行提供人工智能服务的时候,我们会跟客户探讨一个“1+N”的业务模式,我们认为这是银行向人工智能转型的一个必然的过程。“1”是银行面向人工智能做探索转型时,需要找到适合人工智能应用的一个或者是多个核心业务场景做探索,能够让银行看到人工智能带来的直接的业务价值。围绕这些核心的业务场景,利用人工智能平台高维、实时、闭环的技术优势,把效果做到极致。

“N”是用最高的效率规模化落地尽可能多的应用场景,实现人工智能的规模化效应。当银行从发展规划层面探讨合理的人工智能建设路径时,就会推动更多的业务模块向人工智能转型,从而实现“1”带动“N”的规模化发展效应,我们认为这是银行向人工智能转型的一个必然的过程。同时人工智能还是有一些门槛的,需要大量的技术和人力投入,那么怎样才能够快速地实现规模化的人工智能应用呢?这里,一些新的技术,比如架构中底层的自动机器学习,再结合我们刚才提到的一体机算力的支撑,这样就可以帮助银行有效地降低人工智能的技术门槛,完成自动化模型训练,解决人员的瓶颈问题,快速的实现“1+N”发展战略。
扫描下方二维码添加作者,与作者沟通或加入交流群:


在科技赋能金融的大潮之下,5000+金融科技公司谁能脱颖而出?零壹财经推出金融科技兵器谱访谈录,以挖掘、记录和传播行业中的优秀企业案例。

欢迎相关企业自荐或专业人士推荐,我们将甄选符合条件的公司进行访谈,并有机会入选零壹财经金融科技兵器谱榜单。
【金融科技兵器谱访谈录案例征集】  
征集联系人:阿是 
电话:18917362618 
邮箱:liujianfang@01caijing.com  
  
扫码添加征集联系人↓↓↓    
 
 

10月30日-11月1日,零壹财经·零壹智库在上海召开“2019数字信用与风控年会暨零壹财经新金融秋季峰会”。本次峰会特邀全球领先的个人消费信用评估公司FICO教学风控管理课程,1天峰会+2天培训,兵器谱TOP20榜单+奖项,构建数字信用与风控的研讨交流契机。

上一篇>九章云极方磊:数据科学平台是大势所趋 | 兵器谱访谈录

下一篇>众邦银行李耀: 立足小微,开放银行要做到六个突破 | 兵器谱访谈录


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

消费金融十周年:风口上的竞逐(共5篇)


资讯排行

  • 48h
  • 7天



耗时 344ms