數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字化轉(zhuǎn)型已成為銀行業(yè)轉(zhuǎn)型升級(jí)的戰(zhàn)略手段。數(shù)字化轉(zhuǎn)型背景下，技術(shù)創(chuàng)新、組織創(chuàng)新、融合創(chuàng)新、跨界創(chuàng)新等快速締造形成了新的發(fā)展趨勢(shì)。2022年初，中國(guó)人民銀行和銀保監(jiān)會(huì)先后印發(fā)了《金融科技發(fā)展規(guī)劃（2022—2025年）》和《關(guān)于銀行業(yè)保險(xiǎn)業(yè)數(shù)字化轉(zhuǎn)型的指導(dǎo)意見》，給銀行業(yè)未來(lái)數(shù)字化轉(zhuǎn)型提供了戰(zhàn)略藍(lán)圖和行動(dòng)指南。
面對(duì)銀行數(shù)字化轉(zhuǎn)型新階段與新挑戰(zhàn)，商業(yè)銀行需要把握數(shù)字化階段客觀規(guī)律，聚焦數(shù)字化通用核心能力體系建設(shè)，激活數(shù)字化內(nèi)生動(dòng)能，逐步探索形成符合自身特色的數(shù)字化轉(zhuǎn)型之路。
銀行數(shù)字化轉(zhuǎn)型是一個(gè)以客戶體驗(yàn)為中心，通過(guò)數(shù)據(jù)和技術(shù)雙要素的驅(qū)動(dòng)，對(duì)業(yè)務(wù)模式和管理模式進(jìn)行創(chuàng)新和重構(gòu)，進(jìn)而持續(xù)提升全渠道、無(wú)縫式、定制化的金融服務(wù)質(zhì)量和效率的過(guò)程。
據(jù)有關(guān)統(tǒng)計(jì)，未來(lái)銀行半數(shù)以上的應(yīng)用是實(shí)時(shí)相關(guān)的。未來(lái)銀行的實(shí)時(shí)化能力是指實(shí)時(shí)感知和響應(yīng)客戶需求。銀行通過(guò)場(chǎng)景感知，實(shí)時(shí)捕捉、識(shí)別和判斷客戶需求，實(shí)時(shí)從決策引擎中獲取風(fēng)險(xiǎn)回報(bào)平衡決策，并通過(guò)集中的后臺(tái)服務(wù)實(shí)時(shí)響應(yīng)客戶需求。實(shí)時(shí)智能決策與分析領(lǐng)域的提前布局，充分挖掘“熱數(shù)據(jù)”價(jià)值進(jìn)而實(shí)現(xiàn)“熱知識(shí)”快速迭代，是銀行數(shù)字化轉(zhuǎn)型的關(guān)鍵舉措。
一、實(shí)時(shí)決策領(lǐng)域的痛點(diǎn)
從趨勢(shì)的角度上說(shuō)：銀行業(yè)本身是數(shù)據(jù)密集型行業(yè)，在經(jīng)營(yíng)過(guò)程中積累了大量跨周期的金融交易數(shù)據(jù)，具備數(shù)字化轉(zhuǎn)型的先天優(yōu)勢(shì)。結(jié)合銀行的實(shí)際情況，如何進(jìn)一步充分發(fā)揮數(shù)據(jù)要素價(jià)值化和賦能商業(yè)決策是一個(gè)痛點(diǎn)。
從競(jìng)爭(zhēng)的角度上說(shuō)：各家銀行產(chǎn)品同質(zhì)化嚴(yán)重、網(wǎng)點(diǎn)布局重疊、利率價(jià)格趨同和獲客成本走高，這些都加劇了行業(yè)間的競(jìng)爭(zhēng)程度。如何擺脫競(jìng)爭(zhēng)中的痛點(diǎn)，需要銀行從智慧化、在線化、以及實(shí)時(shí)化的角度加大投入，尋求差異化。
從市場(chǎng)的角度上說(shuō)：近些年來(lái)，融合互聯(lián)網(wǎng)和大數(shù)據(jù)的新金融、類金融迅猛發(fā)展，對(duì)銀行業(yè)務(wù)產(chǎn)生沖擊，銀行業(yè)正在面臨越來(lái)越多的跨業(yè)競(jìng)爭(zhēng)甚至無(wú)邊界競(jìng)爭(zhēng)的挑戰(zhàn)。銀行服務(wù)需要應(yīng)對(duì)互聯(lián)網(wǎng)化的沖擊，實(shí)時(shí)決策是一個(gè)重要的抓手。
從客戶的角度上說(shuō)：隨著90后和00后的陸續(xù)出現(xiàn)，他們都是互聯(lián)網(wǎng)的數(shù)字原住民，從小和互聯(lián)網(wǎng)一起生活和成長(zhǎng)。如何能夠在激烈的市場(chǎng)競(jìng)爭(zhēng)中，獲得客戶的認(rèn)可和信任，增強(qiáng)客戶的粘合度，這是一個(gè)大的痛點(diǎn)，了解他們的特性，并賦予合適的場(chǎng)景營(yíng)銷和產(chǎn)品定位。新客戶特別是年輕客戶的獲得需要更實(shí)時(shí)化，個(gè)性化的銀行服務(wù)能力。
從自身的角度上說(shuō)：在當(dāng)下決策驅(qū)動(dòng)的銀行業(yè)務(wù)領(lǐng)域內(nèi)，知識(shí)迭代速度太慢仍是一大痛點(diǎn)，且通常至少要以月為單位進(jìn)行時(shí)間計(jì)量。目前大部分銀行的業(yè)務(wù)專家可在已有指標(biāo)集的基礎(chǔ)上配置生產(chǎn)級(jí)業(yè)務(wù)規(guī)則并即刻上線，然而指標(biāo)增刪改嚴(yán)重依賴科技人員的配合，難以滿足業(yè)務(wù)規(guī)則模型快速迭代的要求。此外，由于需要多部門、多角色協(xié)同才能完成業(yè)務(wù)規(guī)則的迭代上線，通常伴隨著冗長(zhǎng)的開發(fā)及上線流程，信息傳遞的不通暢進(jìn)一步降低了知識(shí)迭代速度。
二、“熱數(shù)據(jù)”與“熱知識(shí)”
為解決上述問題，我們提出了兩個(gè)關(guān)鍵概念，“熱數(shù)據(jù)”以及“熱知識(shí)”。
所謂“熱數(shù)據(jù)”是指那些OLTP系統(tǒng)剛產(chǎn)生（通常在秒級(jí)以及毫秒級(jí)）的數(shù)據(jù)，是“熱乎乎”的，這時(shí)的價(jià)值最大，隨時(shí)間流逝其價(jià)值會(huì)指數(shù)級(jí)下降。為讓“熱數(shù)據(jù)”直接產(chǎn)生業(yè)務(wù)價(jià)值，需進(jìn)行兩階段的建設(shè)：
（1）初始建設(shè)階段：簡(jiǎn)單而言，就是讓銀行的OLTP系統(tǒng)實(shí)時(shí)（秒級(jí)）接上OLAP系統(tǒng)，并具備產(chǎn)生實(shí)時(shí)業(yè)務(wù)價(jià)值的能力。具體而言，可從實(shí)時(shí)旁路采集、實(shí)時(shí)數(shù)據(jù)加工、實(shí)時(shí)指標(biāo)計(jì)算以及實(shí)時(shí)業(yè)務(wù)決策等不同層級(jí)分開建設(shè)。
（2）持續(xù)強(qiáng)化階段：隨著實(shí)時(shí)業(yè)務(wù)開展的不斷深入，持續(xù)接入各類業(yè)務(wù)場(chǎng)景，最終形成銀行自有的事件體系、指標(biāo)體系、規(guī)則模型體系；持續(xù)深入挖掘數(shù)據(jù)的價(jià)值，從復(fù)雜計(jì)算、時(shí)間窗口、多層關(guān)聯(lián)、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)等眾多技術(shù)領(lǐng)域進(jìn)行探索，從而達(dá)成“熱數(shù)據(jù)價(jià)值最大化”的目標(biāo)。
當(dāng)然，除了“熱數(shù)據(jù)”以外，通常意義上，還有“溫?cái)?shù)據(jù)”以及“冷數(shù)據(jù)”的概念，分別是表示一天以內(nèi)的數(shù)據(jù)以及一天以后的數(shù)據(jù)，這部分?jǐn)?shù)據(jù)也需要持續(xù)存儲(chǔ)，為其他業(yè)務(wù)場(chǎng)景賦能。
所謂“熱知識(shí)”是指知識(shí)在運(yùn)行過(guò)程隨著數(shù)據(jù)不斷產(chǎn)生，知識(shí)自身在不斷回饋修正，整個(gè)回饋的過(guò)程控制在秒級(jí)。同理，也有溫知識(shí)以及冷知識(shí)。熱知識(shí)是一個(gè)趨勢(shì)，是人工智能技術(shù)發(fā)展到高階段的體現(xiàn)。在“熱數(shù)據(jù)”初步建成的基礎(chǔ)上，才可以讓知識(shí)熱起來(lái)，為達(dá)成此目標(biāo)，需進(jìn)行三個(gè)階段的建設(shè)：
（1）初級(jí)階段：指標(biāo)層、決策層開放給業(yè)務(wù)專家使其可自由配置指標(biāo)及規(guī)則模型；建成標(biāo)簽回饋系統(tǒng)，讓業(yè)務(wù)專家可自行打標(biāo)。在該階段，業(yè)務(wù)專家具備周級(jí)到天級(jí)的知識(shí)迭代能力。
（2）中級(jí)階段：在已有指標(biāo)特征集的基礎(chǔ)上，選擇有監(jiān)督機(jī)器學(xué)習(xí)算法，通過(guò)實(shí)時(shí)回饋的標(biāo)簽自動(dòng)完成模型更新；在特定業(yè)務(wù)領(lǐng)域的督導(dǎo)下，在時(shí)間、算子、關(guān)聯(lián)等維度進(jìn)行自動(dòng)化特征枚舉，從而讓自動(dòng)化機(jī)器學(xué)習(xí)更進(jìn)一步；在特定業(yè)務(wù)領(lǐng)域通過(guò)“蜜罐”等技術(shù)手段建設(shè)自動(dòng)標(biāo)簽系統(tǒng)。在該階段，業(yè)務(wù)專家具備分鐘級(jí)甚至秒級(jí)的知識(shí)迭代能力。
（3）高級(jí)階段：通過(guò)深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)以及更加強(qiáng)大的算力支持達(dá)成完全自動(dòng)化的實(shí)時(shí)知識(shí)迭代階段，該階段是“熱知識(shí)”的最終形態(tài)，尚無(wú)先例可供借鑒。
“熱數(shù)據(jù)”及“熱知識(shí)”提供“一站式”的實(shí)時(shí)數(shù)據(jù)應(yīng)用能力，賦能業(yè)務(wù)專家，為銀行數(shù)字化轉(zhuǎn)型提供強(qiáng)大的助力。
三、“流批一體”實(shí)時(shí)智能決策與分析體系
在“熱數(shù)據(jù)”及“熱知識(shí)”概念基礎(chǔ)上，結(jié)合團(tuán)隊(duì)十幾年在銀行業(yè)的技術(shù)深耕，我們提出了“流批一體”的實(shí)時(shí)智能決策與分析體系（簡(jiǎn)稱實(shí)時(shí)智能），具體如下圖所示。
該體系把銀行業(yè)常見的數(shù)據(jù)資產(chǎn)分為四層，并提出了對(duì)應(yīng)的三層數(shù)據(jù)處理架構(gòu)，以知識(shí)為媒介，揉合流處理、批處理、決策等多種技術(shù)體系，是一種面向業(yè)務(wù)的流批一體的數(shù)據(jù)處理體系架構(gòu)。
該體系把數(shù)據(jù)資產(chǎn)分為以下四層：
（1) 原始數(shù)據(jù)：OLTP系統(tǒng)流入OLAP體系的原始數(shù)據(jù)集。
（2) 事件/事實(shí)：通過(guò)過(guò)濾、轉(zhuǎn)換、關(guān)聯(lián)等技術(shù)手段對(duì)原始數(shù)據(jù)進(jìn)行加工處理，從而生成事件/事實(shí)層。從原始數(shù)據(jù)到事件/事實(shí)的數(shù)據(jù)處理過(guò)程，我們稱為數(shù)據(jù)加工。
（3) 指標(biāo)/特征：通過(guò)統(tǒng)計(jì)計(jì)算、時(shí)序計(jì)算、關(guān)聯(lián)計(jì)算等技術(shù)手段在事件/事實(shí)的基礎(chǔ)上進(jìn)行多維計(jì)算而來(lái)。對(duì)應(yīng)的數(shù)據(jù)處理過(guò)程，我們稱為數(shù)據(jù)計(jì)算。
（4) 信號(hào)/標(biāo)簽；通過(guò)規(guī)則決策、機(jī)器學(xué)習(xí)模型預(yù)測(cè)以及圖模式匹配等技術(shù)手段在指標(biāo)/特征等基礎(chǔ)上進(jìn)行決策而來(lái)。對(duì)應(yīng)的數(shù)據(jù)處理過(guò)程，我們稱為業(yè)務(wù)決策。
通過(guò)信貸業(yè)務(wù)舉例簡(jiǎn)單說(shuō)明該處理體系。以借款、還款行為數(shù)據(jù)為例，原始數(shù)據(jù)包括借款時(shí)點(diǎn)、應(yīng)還時(shí)點(diǎn)、實(shí)還時(shí)點(diǎn)、交易地點(diǎn)等，將其進(jìn)行簡(jiǎn)單的加工，將會(huì)產(chǎn)生大量事件/事實(shí)：借款、逾期、提前還款、正常還款等，如果客戶在某個(gè)應(yīng)還時(shí)點(diǎn)前多次發(fā)起借款申請(qǐng)，那么很可能是在“借新還舊”。運(yùn)用這些事件/事實(shí)，根據(jù)許多可以熱修改的特征工程規(guī)則，可以構(gòu)建出許多指標(biāo)/特征，如同一地點(diǎn)近若干小時(shí)內(nèi)申請(qǐng)次數(shù)、用戶最近一次交易消費(fèi)時(shí)間間隔以及最近若干時(shí)間內(nèi)交易總額等，通過(guò)這些指標(biāo)/特征，可以進(jìn)行決策，比如若客戶當(dāng)前處于逾期狀態(tài)，則新申請(qǐng)借款則可直接拒絕；比如若在同一地點(diǎn)申請(qǐng)過(guò)于頻繁，則有可能存在非法風(fēng)險(xiǎn)，將生成風(fēng)險(xiǎn)信號(hào)。這就是生成了信號(hào)/標(biāo)簽，以進(jìn)行決策或指導(dǎo)迭代優(yōu)化特征工程、算法篩選等步驟。
知識(shí)是實(shí)時(shí)智能的媒介，縱向來(lái)看分為知識(shí)應(yīng)用以及知識(shí)生成兩類場(chǎng)景。其中知識(shí)應(yīng)用及知識(shí)生成都可細(xì)分為在線以及離線兩類場(chǎng)景，這四類場(chǎng)景的數(shù)據(jù)處理都可橫向細(xì)化為前面提及的四層數(shù)據(jù)資產(chǎn)。
實(shí)際運(yùn)行過(guò)程中，從知識(shí)的生成到應(yīng)用，從知識(shí)的離線運(yùn)行到在線運(yùn)行，對(duì)應(yīng)的三層數(shù)據(jù)處理能力，迫切需要“流批一體”的技術(shù)能力以提升開發(fā)及運(yùn)維效率?？紤]三層數(shù)據(jù)處理對(duì)技術(shù)的要求差異巨大，“流批一體”宜分層建設(shè)，特別是業(yè)務(wù)決策層，尚未有相關(guān)的決策技術(shù)做到“流批一體”的能力；而數(shù)據(jù)計(jì)算層，開源技術(shù)中flink以及spark等技術(shù)框架對(duì)復(fù)雜的指標(biāo)/特征的高性能計(jì)算支持度一般。
實(shí)時(shí)智能的建設(shè)并非一蹴而就的，需要銀行縝密的籌劃以及長(zhǎng)期的投入，不同銀行處于不同階段，開展的業(yè)務(wù)也不盡相同，需進(jìn)行差異化的建設(shè)。
免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
