與“數(shù)據(jù)”的不解結(jié)緣立足“三個(gè)轉(zhuǎn)變”“縱深”扎根金融?

在方磊博士介紹公司歷程和產(chǎn)品平臺(tái)之前，首先提及“數(shù)據(jù)”和“金融”兩個(gè)關(guān)鍵詞，這也讓我們好奇為何公司在“金融行業(yè)”堅(jiān)守至今。

后來(lái)得知，這離不開方磊之前的“數(shù)據(jù)”工作經(jīng)歷。作為早期參與微軟云計(jì)算平臺(tái)研發(fā)的團(tuán)隊(duì)成員，積累了對(duì)大數(shù)據(jù)不同的認(rèn)知。而后來(lái)在微軟必應(yīng)（Bing）搜索任資深開發(fā)工程師經(jīng)歷讓他深入?yún)⑴c了開發(fā)、設(shè)計(jì)基于下一代大數(shù)據(jù)技術(shù)的索引處理架構(gòu)的研發(fā)工作。與“大數(shù)據(jù)”的不解之緣不僅具備了對(duì)大數(shù)據(jù)未來(lái)發(fā)展趨勢(shì)和下一代處理架構(gòu)的敏銳嗅覺，也讓他在創(chuàng)立公司初期迅速找到合適賽道，選擇為金融行業(yè)服務(wù)。他相信憑借金融行業(yè)目前的良好數(shù)據(jù)基礎(chǔ)，可借助智能平臺(tái)深挖“大數(shù)據(jù)”中蘊(yùn)含的無(wú)限寶藏，這終將讓企業(yè)煥然一新、壯大發(fā)展，同時(shí)也讓九章云極擁有行業(yè)內(nèi)的一席之地。

選定金融行業(yè)的海洋后，接下來(lái)就是對(duì)“智能分析”的漫漫攻關(guān)之路。雖然大數(shù)據(jù)分析平臺(tái)在人工智能、企業(yè)信息化、數(shù)字經(jīng)濟(jì)的概念下被炒得火熱，但早已不是報(bào)表、統(tǒng)計(jì)表的時(shí)代，現(xiàn)如今的“智能”更應(yīng)符合行業(yè)信息化和數(shù)字化轉(zhuǎn)型的剛需和痛點(diǎn)，這背后可用 “三個(gè)轉(zhuǎn)變”概括，這也是攻關(guān)克難之路上的指路燈。

方磊博士介紹到，現(xiàn)在大數(shù)據(jù)分析模型需要著重提供大量可視化服務(wù)、從離線服務(wù)變?yōu)閷?shí)時(shí)、在線服務(wù)為主，從單機(jī)管理到分布式管理，這三個(gè)轉(zhuǎn)變意味著傳統(tǒng)的人工“看報(bào)表”、“審核”的模式亟待轉(zhuǎn)型。簡(jiǎn)單的人工如何高效準(zhǔn)確處理“大數(shù)據(jù)”，特別是金融行業(yè)每秒產(chǎn)生成千上萬(wàn)的交易數(shù)據(jù)，這無(wú)疑是巨大挑戰(zhàn)。

以銀行為例，原來(lái)是多個(gè)獨(dú)立數(shù)據(jù)庫(kù)存儲(chǔ)業(yè)務(wù)數(shù)據(jù)和運(yùn)維數(shù)據(jù)，形成數(shù)據(jù)倉(cāng)庫(kù)，一旦有調(diào)用需求則由人工選取數(shù)據(jù)生成報(bào)表，最終交給審核人和企業(yè)領(lǐng)導(dǎo)查看。可以看到，人工操作貫穿始終。

但現(xiàn)在，日常業(yè)務(wù)數(shù)據(jù)、報(bào)表數(shù)據(jù)和運(yùn)維日志數(shù)據(jù)會(huì)采用SQL查詢，通過(guò)Hadoop新一代超融合架構(gòu)，查詢性能單機(jī)數(shù)據(jù)掃描量可達(dá)到350MB/秒，這正是九章云極核心明星產(chǎn)品——DataCanvas智能數(shù)據(jù)平臺(tái)，讓金融行業(yè)面對(duì)業(yè)務(wù)高峰不再無(wú)所適從，而是集中整合數(shù)據(jù)資源從而改進(jìn)營(yíng)銷活動(dòng)、激發(fā)客戶新需求。

DataCanvas

在數(shù)據(jù)預(yù)處理之后可大浪淘沙留下最有價(jià)值的元數(shù)據(jù)，接下來(lái)是金融業(yè)對(duì)大數(shù)據(jù)分析最為渴求的“可視化展現(xiàn)”。數(shù)據(jù)科學(xué)家借助平臺(tái)提供的超過(guò)140個(gè)的機(jī)器學(xué)習(xí)算法模塊和可視化圖標(biāo)創(chuàng)建及數(shù)據(jù)預(yù)覽、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模、算法運(yùn)行等多種功能一體的管理界面。讓企業(yè)用戶拖拽算法模塊即可完成數(shù)據(jù)分析流，自動(dòng)構(gòu)建用戶畫像、精準(zhǔn)營(yíng)銷。

金融行業(yè)面對(duì)高峰業(yè)務(wù)量的另一剛需則是“實(shí)時(shí)處理”，以往批量化輸出分析結(jié)果的做法早已過(guò)時(shí)，DataCanvas[zI5]? RT實(shí)時(shí)處理平臺(tái)則借助機(jī)器學(xué)習(xí)、深度學(xué)習(xí)構(gòu)成的數(shù)據(jù)模型實(shí)現(xiàn)流數(shù)據(jù)實(shí)時(shí)處理，離線系統(tǒng)對(duì)接功能還可全面貼合生產(chǎn)化業(yè)務(wù)場(chǎng)景，讓企業(yè)隨時(shí)隨地享受便捷。

這一切塑造了全能型的DataCanvas 智能數(shù)據(jù)平臺(tái)，這背后同樣代表了“縱深戰(zhàn)略”的另一層深意。方磊博士說(shuō)道，很多公司都是橫向戰(zhàn)略，就像沖咖啡，不斷加入各種配料，最終讓用戶可以一飲而盡。但九章云極的思路不同，縱深了解用戶后，提供用戶所需多個(gè)模塊，之后不再需要“加料”，而是直接飲用，像 “喝咖啡”一樣，便捷享受。

所以，方磊博士帶領(lǐng)公司團(tuán)隊(duì)深入分析銀行客戶提供的交易數(shù)據(jù)、外匯儲(chǔ)備數(shù)據(jù)、儲(chǔ)戶脫敏的可公開的個(gè)人數(shù)據(jù)、風(fēng)險(xiǎn)控制數(shù)據(jù)、信用評(píng)價(jià)數(shù)據(jù)等細(xì)分?jǐn)?shù)據(jù)，看似領(lǐng)域“小”，但扎根進(jìn)去會(huì)獲得不一樣的“大數(shù)據(jù)”。

直擊“智能”核心完善“二次開發(fā)”

所謂人無(wú)我有、人有我優(yōu)，數(shù)據(jù)服務(wù)平臺(tái)琳瑯滿目，在“縱深”戰(zhàn)略引導(dǎo)下，公司仍舊從“數(shù)據(jù)”本質(zhì)研發(fā)核心優(yōu)勢(shì)，因此方磊博士提出，現(xiàn)在和未來(lái)的產(chǎn)品迭代還需緊貼金融行業(yè)面臨每秒海量交易數(shù)據(jù)的實(shí)時(shí)處理之需，通過(guò)海量大數(shù)據(jù)不斷訓(xùn)練計(jì)算機(jī)，數(shù)據(jù)科學(xué)家優(yōu)化數(shù)據(jù)分析模型，讓機(jī)器學(xué)會(huì)“智能、自主”。

自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等眾多人工智能技術(shù)可用于金融新興業(yè)務(wù)中。在股票價(jià)格、交易量、宏觀數(shù)據(jù)、上市公司賬目等數(shù)據(jù)量化成各類指標(biāo)后，改進(jìn)金融行業(yè)的多因子模型和理解文本的能力。大數(shù)據(jù)不斷訓(xùn)練之后，數(shù)據(jù)分析模型可靈活處理更多維度數(shù)據(jù)和多樣化場(chǎng)景，像人類大腦一樣自主決策、自動(dòng)觸發(fā)相應(yīng)指令。人力在此基礎(chǔ)上可尋找深層規(guī)律，完成創(chuàng)造性工作，解放人工。未來(lái)還可開發(fā)出風(fēng)險(xiǎn)量化模型體系、精準(zhǔn)營(yíng)銷模型體系、智能投顧模型體系以及用戶洞察模型體系等，擁有更強(qiáng)智能。

憑借穩(wěn)定性和標(biāo)準(zhǔn)化的服務(wù)流程，計(jì)算機(jī)在每個(gè)特定場(chǎng)景下準(zhǔn)時(shí)觸發(fā)指令，例如向高精準(zhǔn)客戶推送消息等，計(jì)算機(jī)可100%執(zhí)行，這比人力貫穿的模式著實(shí)提效不少。

當(dāng)然，“分析模型”需要不斷迭代、優(yōu)化升級(jí)，同時(shí)用戶的需求也是紛繁復(fù)雜，這就引出公司研發(fā)的另一重點(diǎn)——二次開發(fā)功能。

眾多銀行客戶都會(huì)出于安全考慮將數(shù)據(jù)布置在私有云之上，甚至每個(gè)分公司的數(shù)據(jù)并不連通。方磊博士談到，這意味著此前簡(jiǎn)單的一個(gè)借口、一個(gè)指令、一行代碼可以迭代的應(yīng)用和服務(wù)，現(xiàn)在需要一個(gè)團(tuán)隊(duì)、多次完善、不斷磨合和溝通才能完成，但其實(shí)是提高產(chǎn)品性能的絕佳機(jī)會(huì)。與不同金融企業(yè)的反復(fù)磨合、適應(yīng)中痛并快樂(lè)著，方磊博士始終堅(jiān)信，沒有真正的捷徑，捷徑都是時(shí)間和心血的沉淀。

人工智能并非絕對(duì)至上

正如同產(chǎn)品平臺(tái)和研發(fā)從數(shù)據(jù)出發(fā)一樣，方磊博士對(duì)當(dāng)下新興技術(shù)的看法也從“數(shù)據(jù)”講起。

在人類對(duì)“智能”的理解尚未深刻和統(tǒng)一之時(shí)，不能簡(jiǎn)單將人工智能擺在絕對(duì)至上位置，并非凌駕一切的神圣。目前，深度學(xué)習(xí)算法從2010年以來(lái)的確取得進(jìn)展，但在可解釋性上還存在前進(jìn)空間，不能因?yàn)闄C(jī)器學(xué)會(huì)交互就判定具有智能，智能和行為不能完全等同。

信息化為行業(yè)提供大數(shù)據(jù)基礎(chǔ)，智能分析平臺(tái)讓數(shù)據(jù)互聯(lián)、與業(yè)務(wù)形成閉環(huán)，閉環(huán)提高企業(yè)產(chǎn)品和服務(wù)的迭代效率。人工智能的意義則是通過(guò)大數(shù)據(jù)不斷訓(xùn)練計(jì)算機(jī)快速掌握自主學(xué)習(xí)能力，像人類大腦般可基于歷史數(shù)據(jù)總結(jié)超乎想象的規(guī)律，達(dá)到資源的優(yōu)化配置。

堅(jiān)守縱深戰(zhàn)略從一而終，以更優(yōu)化的算法模型和更高性能的計(jì)算存儲(chǔ)能力從容應(yīng)對(duì)多樣化、個(gè)性化金融行業(yè)用戶需求，這是九章云極簡(jiǎn)單而獨(dú)特的心路歷程。大數(shù)據(jù)與金融的深度結(jié)合，勢(shì)必會(huì)造就未來(lái)更大的產(chǎn)業(yè)變革，這也推動(dòng)著“縱深”戰(zhàn)略的繼續(xù)加深，吸引行業(yè)內(nèi)外隨之深入了解更多細(xì)節(jié)。

zhangnn