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

全球數據智能趨勢一覽

?

筆者在搜索了眾多機構發表的數據智能發展趨勢報告，并做了篩選和甄別后，參考了公開發布的八份高質量行業報告，總結出以下關鍵結論：

數據科學家進入 2.0 時代

相比較起過去的數據科學家角色，在更加強大的算力、更海量的數據、更優化的算法之下，數據科學家將更加關注業務價值、強化數據能力、建立工程能力。

持續智能崛起

人工智能技術將加速在不同領域的應用規模化，所以，以 ML Ops 為代表的的持續智能技術將快速崛起并被眾多大型企業采用。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、規?；刭x能業務。

以聯合計算為代表的安全隱私人工智能技術將大行其道

隨著行業對于數據安全隱私愈發重視，數據的交易和交換將越來越成為人工智能應用中訓練數據構建、融合的壁壘。這種背景下，以聯合計算為代表的的分布式人工智能技術，能夠兼顧數據安全和模型優化，將大行其道。

疫情推動了 AI-Powered Chatbots 的發展

疫情的出現，讓線下業務全面轉為線上化智能化。越來越多企業，特別是金融企業，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展方向。

后疫情時代金融數智化趨勢展望

?

《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，企業的數字化轉型，已經成為了數字化“遷徙”，所有傳統業務都要全面遷徙到數字化世界。

而對于大部分銀行來講，數字化基礎相對于別的行業會好一些，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

眾多先進的銀行已經在加快應用人工智能等技術，數字化“遷徙”，正在被規?；闹悄芑斑w徙”所替代，人工智能技術正在全面賦能銀行業務。

在參考眾多銀行業數據智能技術的趨勢報告并對他們的實踐案例進行總結后，我們發現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展，監督學習和非監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展領域。

異常檢測在風控和反欺詐領域發揮更多價值
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務領域分布如下圖所示：

?

在這個統計分析中，我們發現，反欺詐、風險管理、合規管理占據了 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絡釣魚郵件，規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了以下四個方面的發展趨勢：

• 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據處理技術緊密結合，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、業務規則配置結合的方式，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?；谋貍浠A架構

銀行是人工智能規?；瘧玫那把仃嚨?#xff0c;各種數據智能技術生長發展的沃土。如何加速各種新技術在銀行的規模化應用呢？

我們發現，很多銀行已經或者正在構建企業級的機器學習平臺。

?

通過企業機器學習平臺的建立，為所有的業務部門、領域提供一站式、端到端的，從業務場景識別、數據試驗，到數據采集、數據訓練集構建、數據模型訓練、算法調優，到模型調優、模型發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據，用來自動訓練 AI 模型，這個平臺為它節約了近 1.5 億美元的開支。

所以，我們能看到，企業級機器學習平臺已經成為銀行智能應用規?；谋貍浠A架構。

后記

在后疫情成為常態的情況下，麥肯錫提出四個戰略領域需要所有的企業予以關注，“恢復收入、重建運營、重構組織、加快全面數字化”，而緊抓數據智能的發展趨勢，將人工智能技術快速應用到銀行業務場景，是實現這四個戰略的加速器。數字化轉型正在進入“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，才能在數字化世界里占據優勢地位。

【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！
【云棲號在線課堂 社群】https://c.tb.cn/F3.Z8gvnK

原文發布時間：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”

如果您發現本社區中有涉嫌抄襲的內容，歡迎發送郵件至：yqgroup@service.aliyun.com 進行舉報，并提供相關證據，一經查實，本社區將立刻刪除涉嫌侵權內容。

原文鏈接
本文為云棲社區原創內容，未經允許不得轉載。

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站內容還不錯，歡迎將生活随笔推薦給好友。