从大数据到人工智能 华为向金融业提供新动能
2017年以来,金融科技的发展持续爆发,其中一个典型的标志就是金融业正进入一个大数据驱动的人工智能新时代。新技术在金融业的应用,创新了服务手段和方式,提高了金融业服务实体经济的能力。
来自波士顿咨询公司(BCG)最新发布的《2017年全球零售银行业报告:加速智能化转型》证实了这一新趋势:零售银行业必须尽快推动大数据、人工智能等新技术的应用,以加速智能变革,优化业务前景。报告还指出,到2020年,智能变革能够为零售银行增加30%的经营净利润。
如今,传统金融行业正在显现出前所未有的强大创新驱动力,其发展速度和数字化进程也相对于其他行业更快一步,科技对传统生产力的替代预期和替代程度在金融企业内部正慢慢强化。在这一趋势下,一直致力于为金融业提供数字化转型解决方案的华为,也积极从大数据和人工智能两个层面入手,为金融业提供新技术的支撑,帮助金融业走向新的金融科技时代。
Fintech时代
新技术加速传统金融业变革
中国金融行业正在步入一个崭新而振奋人心的金融科技(Fintech)时代 , 以大数据、云计算、人工智能等为代表的信息技术正在与传统金融业深度融合,金融行业的业务模式已经离不开技术创新,数字化转型由此成为中国金融行业的必由之路。
来自IDC金融行业的研究报告显示,2016年中国银行业IT解决方案市场继续保持健康平稳的良好局面,整体上保持相对旺盛的增长态势。2016年中国银行业IT解决方案市场的整体规模达到277.23亿元人民币,相比2015年增长23.1%。IDC预测该市场2017到2021年的年均复合增长率为21.35%,到2021年该市场规模将达到736.99亿元人民币。
在Fintech时代,金融行业的业务模式已经离不开技术创新。其中,大数据和人工智能技术的运用正在给金融业带来前所未有的变革。借助大数据、人工智能等,金融业可以对客户进行画像并实施精准营销,不仅可以提高普惠金融服务的能力,还能提升金融服务效率、降低金融服务成本,并有效防控金融风险。
以大数据为例,当金融机构积累起越来越多的业务数据之后,大数据的应用正在帮助金融机构进一步发掘数据价值,并成为他们开展业务创新、产品优化、决策支持以及风险控制等的重要手段。利用数据分析技术来挖掘有价值的交易数据和外部数据,可以实现以客户为中心的精准营销,有限资源的合理配置和科学治理,利润最大化目标下的风险管控等。
在人工智能领域也不例外,在大量数据以及机器学习与应用规则的支撑下,人工智能金融行业的应用越来越多,而金融行业数据全、规模大、维度多、可数据化的程度高,这为人工智能与金融的结合提供了有利条件,比如在客户信用分析、反欺诈、客户营销、智能投顾操作等应用场景,都可以更好地与人工智能结合。目前,人工智能已经可以替代一部分人工,降低人力成本,延长交易时间,提升交易效率,进而降低交易成本。
面对风起云涌的金融科技大潮,越来越多的IT解决方案厂商开始将目光聚焦在金融业,IT解决方案的市场竞争正日趋激烈。尤其在新技术不断涌现的今天,IT解决方案提供商必须紧跟时代潮流,不断提升自己的专业积累与专业化服务能力,提升实施能力与服务水平,只有及时把握金融企业客户创新需求、与客户共同成长才能保证基业长青。
华为推动大数据
深入应用于金融业务场景
金融业对大数据应用正在逐渐深入,传统的数据分析的方法已无法满足金融业务的要求,必须采用更先进的大数据技术对交易系统和管理系统日益增加的海量数据(包括结构化、非结构化、半结构化数据,如交易记录、日志流水、客户信息、管理信息等)进行存储、分析、挖掘、应用。
为此,已经将大数据看做是ICT战略重要支柱的华为公司,正积极推动大数据在金融科技领域的研发和应用。据华为公司大数据专家郑伊磊介绍,如今华为已经在全球拥有8个研究所,保持每年超过1000人的研发投入;同时,华为还拥有社区Committer、IEEE Fellow等世界级数据挖掘和人工智能专家。截至2016年12月,华为大数据取得专利已经超过190个,其中发明公布136件,发明授权54件。
作为大数据生态建设的倡导者和实践者,早在2015年10月,华为就将PET(大数据挖掘隐私保护增强技术)应用于大数据领域,助力产业发展;在2016年6月,华为又将CarbonData贡献给社区,成为全球第一个由中国企业提出,被Apache社区接纳的开源组件。
FusionInsight则是华为面向行业客户推出的企业级大数据存储、查询和分析的统一平台,它可以针对金融、运营商等数据密集型行业的运行维护、应用开发等需求,帮助企业快速构建海量数据信息处理系统,通过对海量信息数据实时与非实时的分析挖掘,发现全新价值点和企业商机。华为FusionInsight具体包括FusionInsight HD、FusionInsight MPPDB、FusionInsight Miner、FusionInsight Farmer等一系列产品。
如今,包括中国工商银行、中国建设银行、招商银行、国泰君安、上海证券交易所等在内的多个金融机构,已经选择了华为的大数据解决方案。以上海证券交易所为例,基于华为FusionInsight大数据平台,采用融合架构建设的上交所大数据平台,包含实时处理平台功能和离线处理平台功能,同时支撑实时预警、运营监测等实时功能,以及Portal服务、Ad-Hoc查询、数据服务等批量应用。不仅如此,上交所还借助华为FusionInsight大数据平台的Elk分布式数据仓库,实现了TD数据仓库平台的迁移。
华为X+AI智能云平台
让企业更智能
大数据的积累、算法的优化及计算力的不断提升,正在让人工智能的发展态势从分散的单点技术向企业复杂应用场景深入展开。在华为看来,人工智能将跟水和电一样,成为企业基本的生产资料。
不过,在华为公司大数据专家郑伊磊看来,AI本身不是产品,X+AI才是产品,这里的X既包括不同的行业,也包括不同的领域,因为只有将AI应用到各行业中,才能真正发挥其价值。比如,华为通过在公司内部全球供应链应用AI实现端到端流程优化,打通从供货预测到物流、仓储到报关、运输、签收等各个环节,实现智慧化物流转型,其中通过智能装箱,使得集装箱利用率提升6%,物流费用每年节省上千万元。
为了推动人工智能技术在各行各业的应用,华为打造了X+AI智能云平台,以帮助企业走向智能化。据了解,该平台是面向企业智能化转型升级,提供AI平台、通用AI服务、行业领域AI服务的端到端垂直领域人工智能解决方案。X+AI智能云平台友好的二次开发能力可以很好地实现与各行业的集成,并提供了丰富的细粒度AI使能基本能力,如语音识别、人脸识别、OCR等。不仅如此,该平台还开放支持多平台,可以大大降低企业应用成本、提升二次开发效率。
具体而言,华为X+AI智能云平台包括机器学习服务(MLS)、深度学习平台、智能Search、图分析等。以机器学习服务为例,它可以支撑数据分析全流程,帮助用户通过机器学习技术发现已有数据中的规律,从而创建机器学习模型,并基于机器学习模型处理新的数据,为业务应用生成预测结果。
目前,人工智能除了已经应用在智慧化物流层面外,还用在了个性化推荐服务、金融风险实践和IT热线问答等层面。其中,在金融风控实践上,华为X+AI智能云平台通过对终端Vmall基于账号管理,智能化分析,识别黄牛羊毛交易,账号攻击等风险,实现公平交易;而在IT热线问答上的人工智能应用,已经使得人工替代率超过65%,大大提高了客服效率和质量,降低了客服的成本。
在大数据和人工智能等新技术逐渐应用到金融等行业过程中,它们对企业的IT基础设施也提出了新的要求。以金融行业为例,由于金融行业的交易量大、频次高,企业所应用的存储产品必须具备更好的RAS特性、更快的响应能力,容量预估要更加精准,产品之上的软件与服务能力也高更加全面。为此,华为在存储领域打造了包括拥有核心专利技术的SSD硬盘、OceanStor V3融合存储以及OceanStor Dorado全闪存阵列,真正实现了“快如闪电,稳如磐石”,为数据的价值转化和人工智能应用奠定了基础。
未来二三十年,世界将进入万物感知、万物互联和万物智能的智能社会。立志成为智能社会使能者的华为,正在通过开放能力平台,让更多的伙伴加入进来,共同推动产业升级与社会进步,在金融行业自然也不例外。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21