360金融首发融合中台,金融科技后浪席卷而至

技术的终极目标在于重新定义未来,在于敢去思考如何改变现有做事的方式。

作为2019年科技圈公认的最火概念,“数据中台”在各大行业数字化转型舞台C位当仁不让。众多以技术能力自持的机构纷纷开始加紧布局,一时间开启了行业头部企业对数据中台的探索热潮。在随后如火如荼的实操较量中,市场也在不断加深认知的前提下得以回归理性。然而日前360金融首席科学家张家兴提出的“融合中台”概念,再次将中台热度推向高潮。

如今,传统的互联网金融公司转型金融科技公司已成大势,纷纷为自己打下以技术为中心的标签。但是,以业务为主导,追求技术架构快速迭代的传统方式,不足以支撑金融科技公司继续壮大发展。根据360金融多年实践经验,张家兴总结认为,随着业内中台化趋势加剧,单一中台在业务赋能中的劣势初露端倪,以架构性思维预见行业发展,融合中台或将成为通往未来的“高速路”。

360金融首席科学家 张家兴

数据AI 2 in 1的时代之选

数据中台的核心价值,在于帮助企业将分散的业务数据进行统一的规划、管理、整合,形成企业独有的“数字资产”;与此相对的AI中台,则是一个用来构建大规模智能能力的“基础设施”。业内单独建设数据中台或AI中台的企业不胜枚举。

阿里巴巴为例,其数据中台系统由多元数据采集和接入、公共数据中心、统一数据服务三个核心板块构成,主要应用于整体的商业生态当中,从而为其新零售、金融、旅游、健康等板块实现业务数据化和数据业务化,为业务前台和云端双向赋能。阿里以外,京东的数据中台建设速度也较快。2017年末京东内部将技术团队拆分为前台与中台两大板块,前台对应商城各事业部、中台服务于共性需求。

不同于数据中台对企业自身业务的绝对依托,AI中台分内外部两种形式发展壮大,一种通过第三方机构科技赋能形式出现,如旷视、商汤、科大讯飞等;另一种则是以企业内部AI Lab闻名,如阿里达摩院,腾讯AI Lab,百度IDL,微软MSR,谷歌 Google Brain等。

在此背景下,张家兴提出融合中台概念,通过数据和AI的2 in 1组合实现价值最大化,同时也实现了金融科技业务驱动1.0时代到数据智能2.0时代的过渡。

张家兴认为:“数据本身不等于数据资产,AI本身也无法发挥价值。单独依靠数据中台,虽可打通、整合企业内部数据,但却缺少技术辐射能力,很难实现最大化的业务赋能。从技术角度本身而言,只有打通从数据到计算,再到模型这个数据加AI链路,才能更好的赋能业务,提升运营效率。”

融合中台并非1+1等于2

“基于整个公司的技术框架来说,AI中台是绝对的‘中间’力量,向下接受不同种类、不同属性的数据支持,之后通过机器人、推荐、圈人等具体AI能力,向上支撑特定业务。因此,数据和AI的融合并进是业务发展到一定阶段的优选之路,融合中台并非1+1等于2那么简单。”

从张家兴对360金融融合中台的阐释中可以窥见,这是一个功能复杂、多技术、全场景的赋能平台,也是一个糅合了传统数据挖掘、大数据、深度学习自然语言处理等能力的多维度平台。

智能平台矩阵因此,可以从以下三个维度来总结数据AI中台的能力:

——数据维度:数据处理的全生命周期

AI中台具备数据接入、特征处理、模型训练、建模分析、线上业务接入等数据处理的全生命周期的能力。

——场景维度:跨业务的基础平台

融合中台不会局限在某一个特定的业务线,它将服务于360金融所有业务,但这不是“中台万能理论”的依据。融合中台发挥作用的必要性前提,一是要有很多业务线,二是各业务线之间有一定相似性,三是有可能还会产生新的业务线。360金融通过融合中台“大中台,小前台”概念的统一调配,增强了技术的通用性。这也反应了公司灵活的组织架构优势:一切以业务发展为目标,中台模式也更容易推进。

——技术维度:数据+算力+算法三位一体

“数据+算力+算法”构成了智能金融的核心技术体系。首先,数据是一切金融服务与金融安全的基础,是金融科技得以有效落地的核心生产资料。其次,以分布计算、GPU为代表的算力,为处理海量数据提供了有力保障。第三,以机器学习、图学习、强化学习自然语言处理为代表的算法技术帮助金融行业细分领域发现规律并提供智能决策支持。甚至可以说,金融科技在三者互为要素、互为支撑的世界中,变革了金融业的发展要素。

智能金融全链路上的分久必合

“统一”是张家兴在2020年第一季度的关键词和重要指标:把贴近业务目标为主的数据和AI统一中台化,包括统一整个公司的数据仓库,统一投放系统,统一语音外呼平台和统一图数据等。

在智能万物时代大潮下,360金融要做的是在海量互联网用户与金融产品之间建立一个桥梁。一方面,面向全网,找到有真实金融需求的用户,另一方面要把借贷、保险、理财等各种金融产品提供给他们。融合中台的搭建也将助力打通智能金融全链路的各个环节,实现数据与AI分久必合的大势。

智能金融全链路

第一环节是获客,在精准化触达用户真实金融需求的过程中,融合中台在链路中的实操面临两个难点,第一,如何通过各种数据对用户的诉求形成精准理解;第二,如何在用户刚刚出现需求的时间点做及时的触达。

第二个环节是客户经营。用户生命周期的各个阶段,其金融服务需求不尽相同。融合中台有能力不断发现用户诉求,在用户与金融产品之间,打通一条便捷、直达、高效的“快速路”。

第三个环节是风险控制,通过大数据尤其是图数据,对用户的风险进行评估。

最后一个环节是各种服务,包括智能客服、贷后沟通、保险顾问等各种与用户的沟通服务。

张家兴举例解释道,在融合中台的支撑下,智能金融全链路都将发生颠覆改变。在获客环节,传统依赖于人去优化和决策的广告投放方式,将通过算法加持变得更加自动、智能;在客户运营环节,公司可以通过实时数据平台的搭建,支持数以亿计的用户全生命周期的及时有效触达,提升运营效率;在风控上采用基于图数据的机器学习模型判定人的风险;到最后服务环节通过智能调度,引入更多对话机器人让服务变得更高效。

“这就是360金融计划打通的智能金融全链路,融合中台的搭建将使‘数据+AI’更为高效的运转,从而让整个链路实现数据化、智能化。”

技术的终极目标在于重新定义未来

在明确的应用目的和雄厚的技术积累下,360金融“分久必合”的统一为接下来的平台建设夯实了地基。据了解,360金融平台搭建计划涵盖实时数据计算平台、图数据计算平台、机器学习计算平台、智能运营平台等,这些平台将形成一个平台矩阵,全方位推动数据和AI对业务的深度赋能。“再下一步,我们会在平台上构建更多的模型,让数据AI产生应有的价值。”张家兴补充道。

在行业中摸爬滚打多年,张家兴笑称自己想要做一只怀有终极目标的初生牛犊。

“技术要想发挥价值并不仅仅是在现有的做事方式上去提效,这个能产生价值是很有限的。技术的终极目标在于重新定义未来,在于敢去思考如何改变现有做事的方式。我一直在思考学术界跟工业界之间的区别。学术界思考的是创造新方法,并且努力让这个方法被更多人广泛接受。而工业界思考的是架构,通过这个架构,将各种技术元素整合起来产生价值。学术界是创新保障,工业界是价值保障。充分容纳学术界方法创新与业界架构设计两种思维方式,才能最终把AI做好。”张家兴道。

360金融
360金融

打通金融智能全链路,破局金融科技新十年

产业360360金融金融科技AI中台数据中台
1
相关数据
科大讯飞机构

科大讯飞股份有限公司成立于1999年,是亚太地区知名的智能语音和人工智能上市企业。自成立以来,长期从事语音及语言、自然语言理解、机器学习推理及自主学习等核心技术研究并保持了国际前沿技术水平;积极推动人工智能产品研发和行业应用落地,致力让机器“能听会说,能理解会思考”,用人工智能建设美好世界。2008年,公司在深圳证券交易所挂牌上市(股票代码:002230)。

http://www.iflytek.com
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

数据仓库技术

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。 阿里巴巴集团经营多项业务,另外也从关联公司的业务和服务中取得经营商业生态系统上的支援。业务和关联公司的业务包括:淘宝网、天猫、聚划算、全球速卖通、阿里巴巴国际交易市场、1688、阿里妈妈、阿里云、蚂蚁金服、菜鸟网络等。 2014年9月19日,阿里巴巴集团在纽约证券交易所正式挂牌上市,股票代码“BABA”,创始人和董事局主席为马云。 2018年7月19日,全球同步《财富》世界500强排行榜发布,阿里巴巴集团排名300位。2018年12月,阿里巴巴入围2018世界品牌500强。

https://www.alibabagroup.com/
相关技术
百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
旷视机构

北京旷视科技有限公司是一家行业领先的人工智能公司,在深度学习方面拥有核心竞争力。旷视向客户提供包括先进算法、平台软件、应用软件及内嵌人工智能功能的物联网设备的全栈式解决方案,并在多个行业取得领先地位。2017年和2019年,旷视跻身《麻省理工科技评论》发布的两项「50大最聪明公司」榜单中。 旷视是全球为数不多的拥有自主研发深度学习框架的公司之一,旷视自研的深度学习框架MegEngine作为旷视人工智能算法平台Brain++的核心组件,为算法训练、部署及模型改进过程提供重要支持。 旷视总部位于北京,拥有 2,000 多名员工,并在北京、上海、南京、成都等地都设有研发中心。旷视的典型客户包括金融科技公司、银行、智能手机公司、第三方系统集成商、物业管理者、学校、物流公司及制造商等。

https://www.megvii.com/
京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作,1号店并入京东。

腾讯机构

腾讯科技股份有限公司(港交所:700)是中国规模最大的互联网公司,1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立,总部位于深圳南山区腾讯大厦。腾讯由即时通讯软件起家,业务拓展至社交、娱乐、金融、资讯、工具和平台等不同领域。目前,腾讯拥有中国国内使用人数最多的社交软件腾讯QQ和微信,以及中国国内最大的网络游戏社区腾讯游戏。在电子书领域 ,旗下有阅文集团,运营有QQ读书和微信读书。

http://www.tencent.com/
找到机构
推荐文章
暂无评论
暂无评论~