云棲號資訊：【點擊查看更多行業(yè)資訊】
在這里您可以找到不同行業(yè)的第一手的上云資訊，還在等什么，快來！

全球數(shù)據(jù)智能趨勢一覽

?

筆者在搜索了眾多機構發(fā)表的數(shù)據(jù)智能發(fā)展趨勢報告，并做了篩選和甄別后，參考了公開發(fā)布的八份高質量行業(yè)報告，總結出以下關鍵結論：

數(shù)據(jù)科學家進入 2.0 時代

相比較起過去的數(shù)據(jù)科學家角色，在更加強大的算力、更海量的數(shù)據(jù)、更優(yōu)化的算法之下，數(shù)據(jù)科學家將更加關注業(yè)務價值、強化數(shù)據(jù)能力、建立工程能力。

持續(xù)智能崛起

人工智能技術將加速在不同領域的應用規(guī)模化，所以，以 ML Ops 為代表的的持續(xù)智能技術將快速崛起并被眾多大型企業(yè)采用。通過使用這樣的智能基礎架構和工具鏈，人工智能技術能夠自動化、閉環(huán)、規(guī)模化地賦能業(yè)務。

以聯(lián)合計算為代表的安全隱私人工智能技術將大行其道

隨著行業(yè)對于數(shù)據(jù)安全隱私愈發(fā)重視，數(shù)據(jù)的交易和交換將越來越成為人工智能應用中訓練數(shù)據(jù)構建、融合的壁壘。這種背景下，以聯(lián)合計算為代表的的分布式人工智能技術，能夠兼顧數(shù)據(jù)安全和模型優(yōu)化，將大行其道。

疫情推動了 AI-Powered Chatbots 的發(fā)展

疫情的出現(xiàn)，讓線下業(yè)務全面轉為線上化智能化。越來越多企業(yè)，特別是金融企業(yè)，通過智能 Chatbots 來替代人工的服務和流程，在后疫情時代，智能的聊天機器人將成為重點發(fā)展方向。

后疫情時代金融數(shù)智化趨勢展望

?

《銀行 4.0》一書在 2019 年席卷全球，這本書的副標題是“銀行業(yè)務將無所不在，除了‘銀行’以外”。沒想到，疫情影響之下，所有線下銀行網(wǎng)點全部關閉，真的印證了這句話。

前幾天萬向控股董事長的講話中有一個觀點，筆者覺得很有道理，那就是：疫情之后，企業(yè)的數(shù)字化轉型，已經(jīng)成為了數(shù)字化“遷徙”，所有傳統(tǒng)業(yè)務都要全面遷徙到數(shù)字化世界。

而對于大部分銀行來講，數(shù)字化基礎相對于別的行業(yè)會好一些，有兩點趨勢需要關注：

• 后疫情時代要求銀行加速對于新技術的應用，同時要提升降成本的效率
• 云計算和 AI 技術的應用程度將成為很長一段時間內銀行差異化競爭力的體現(xiàn)

眾多先進的銀行已經(jīng)在加快應用人工智能等技術，數(shù)字化“遷徙”，正在被規(guī)模化的智能化“遷徙”所替代，人工智能技術正在全面賦能銀行業(yè)務。

在參考眾多銀行業(yè)數(shù)據(jù)智能技術的趨勢報告并對他們的實踐案例進行總結后，我們發(fā)現(xiàn)了人工智能應用于銀行的三個重點趨勢：NLP、異常檢測和機器學習平臺。

NLP 技術進一步擴大應用場景

?

以 Chatbot 為代表的自然語言處理技術，在后疫情時代充當著連接用戶與銀行、提供更好的用戶體驗的角色，未來 NLP 技術將進一步擴大在銀行里的應用場景。

像富國銀行、美國銀行、匯豐、萬事達、花旗銀行、摩根大通、蘇格蘭皇家銀行等眾多全球頭部銀行，都全面構建了自己的聊天機器人，為客戶提供各種線上智能服務，比如自動賬戶服務、預測性分析、金融投顧服務、問題跟蹤等。

與此同時，NLP 技術也在廣泛的應用場景中獲得了突飛猛進的發(fā)展，監(jiān)督學習和非監(jiān)督學習技術不斷深度應用到 NLP 中，而自然語言理解、自然語言生成、語音識別等領域也成為了下一個階段的重點發(fā)展領域。

異常檢測在風控和反欺詐領域發(fā)揮更多價值
全球知名的人工智能研究和咨詢公司 EMERJ 在 2020 年做了一個分析，在全美 TOP7 的銀行，人工智能供應商服務的業(yè)務領域分布如下圖所示：

?

在這個統(tǒng)計分析中，我們發(fā)現(xiàn)，反欺詐、風險管理、合規(guī)管理占據(jù)了 46.1% 的比例，這說明銀行對于異常檢測（Anomaly Detection）技術的需求是在不斷增長的。

?

丹麥最大的銀行，丹斯克銀行，是北歐領先的金融服務機構，利用異常檢測的技術，每天減少了 1200 次誤報，將誤報率降低了 60%，將真實欺詐的檢測率提高了 50%；摩根大通利用異常檢測技術檢測網(wǎng)絡釣魚郵件，規(guī)避對銀行員工的惡意欺詐，實時對交易進行檢測及預警，實現(xiàn)反洗錢及自動終止欺詐；花旗銀行也廣泛地將異常檢測技術應用到控制所有交易，在不減慢理賠流程的情況下，提供風險和欺詐檢測服務。

在各家銀行都廣泛應用異常檢測技術的基礎上，異常檢測技術也呈現(xiàn)了以下四個方面的發(fā)展趨勢：

• 高響應

“道高一尺，魔高一丈”，各種欺詐、攻擊的形式層出不窮，需要異常檢測技術有更高的響應力，從而更快、更準的應對各種新手段和方法。

• 更實時

為了盡可能降低風險、欺詐檢測給客戶帶來的損失，異常檢測技術與流數(shù)據(jù)處理技術緊密結合，提供更實時的服務，能夠在第一時間終止欺詐行為。

• 去中心化

從原來中心化的訓練、分析、建模、應用，走向去中心化的異常檢測應用，從而縮短處理鏈，提高響應力，并提供更加個性化的服務。

• 基于機器學習

從原來的專家系統(tǒng)、業(yè)務規(guī)則配置結合的方式，更多地走向以機器學習為中心的異常檢測技術。

機器學習平臺將成為智能規(guī)模化的必備基礎架構

銀行是人工智能規(guī)模化應用的前沿陣地，各種數(shù)據(jù)智能技術生長發(fā)展的沃土。如何加速各種新技術在銀行的規(guī)模化應用呢？

我們發(fā)現(xiàn)，很多銀行已經(jīng)或者正在構建企業(yè)級的機器學習平臺。

?

通過企業(yè)機器學習平臺的建立，為所有的業(yè)務部門、領域提供一站式、端到端的，從業(yè)務場景識別、數(shù)據(jù)試驗，到數(shù)據(jù)采集、數(shù)據(jù)訓練集構建、數(shù)據(jù)模型訓練、算法調優(yōu)，到模型調優(yōu)、模型發(fā)布的連貫自動化人工智能生產線。

比如，摩根大通建立了一個名為 OminiAI 的平臺，能夠自動識別和提取相關數(shù)據(jù)，用來自動訓練 AI 模型，這個平臺為它節(jié)約了近 1.5 億美元的開支。

所以，我們能看到，企業(yè)級機器學習平臺已經(jīng)成為銀行智能應用規(guī)模化的必備基礎架構。

后記

在后疫情成為常態(tài)的情況下，麥肯錫提出四個戰(zhàn)略領域需要所有的企業(yè)予以關注，“恢復收入、重建運營、重構組織、加快全面數(shù)字化”，而緊抓數(shù)據(jù)智能的發(fā)展趨勢，將人工智能技術快速應用到銀行業(yè)務場景，是實現(xiàn)這四個戰(zhàn)略的加速器。數(shù)字化轉型正在進入“智能化遷徙”的時代，每一個銀行都需要全力以赴，爭取成為這場遷徙的排頭兵，才能在數(shù)字化世界里占據(jù)優(yōu)勢地位。

【云棲號在線課堂】每天都有產品技術專家分享！
課程地址：https://yqh.aliyun.com/live

立即加入社群，與專家面對面，及時了解課程最新動態(tài)！
【云棲號在線課堂 社群】https://c.tb.cn/F3.Z8gvnK

原文發(fā)布時間：2020-07-09
本文作者：史凱
本文來自：“infoq”，了解相關信息可以關注“infoq”

如果您發(fā)現(xiàn)本社區(qū)中有涉嫌抄襲的內容，歡迎發(fā)送郵件至：yqgroup@service.aliyun.com 進行舉報，并提供相關證據(jù)，一經(jīng)查實，本社區(qū)將立刻刪除涉嫌侵權內容。

原文鏈接
本文為云棲社區(qū)原創(chuàng)內容，未經(jīng)允許不得轉載。

總結

以上是生活随笔為你收集整理的后疫情时代，银行从数字化转型到智能化“迁徙”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。