組織機構/年會活動: 中國交易銀行50人論壇 中國供應鏈金融產業聯盟中國供應鏈金融年會 中國保理年會 中國消費金融年會 第三屆中國交易銀行年會

天云數據CEO雷濤:人工智能將從底層改變金融機構的生產方式

時間: 2019-09-23 11:16:44 來源:   網友評論 0
  • 以大數據、云計算、人工智能等為代表的科學技術在重塑著企業的發展模式和風控業態。例如,我國的消費金融正是依托互聯網金融發展起來的,特別是80后、90后、00后的消費群體把中國消費金融推到了一個新高點。但是在開展業務的過程中,消費金融也存在如獲客、場景獲取和風險管理等等一些痛點。
貿易金融》記者張銘研


凱文凱利在《必然》中所說,科技進步使得越來越多的東西以指數級的速度增加。近幾年,隨著金融科技不斷深入到產業,金融業務綜合化、智能化的發展趨勢愈發明顯。反映在金融業務上,便是用戶對金融服務和產品的實時性和便捷性等體驗方面的要求越來越高。

以大數據、云計算、人工智能等為代表的科學技術在重塑著企業的發展模式和風控業態。例如,我國的消費金融正是依托互聯網金融發展起來的,特別是80后、90后、00后的消費群體把中國消費金融推到了一個新高點。但是在開展業務的過程中,消費金融也存在如獲客、場景獲取和風險管理等等一些痛點。

科技企業是如何幫助銀行等金融機構更好的開展業務?如何解決例如消費金融、供應鏈金融、小微金融業務中的一些痛點、難點?帶著這些疑問,記者走訪了天云數據CEO雷濤。

為解決國內AI技術商業實踐痛點,天云數據提出:讓企業獲取機器智能像讀書一樣簡單。

天云數據CEO雷濤對記者表示,互聯網滲透率提升帶來了數據迅猛增長,包括信息化系統里沉淀的各種交易數據,互聯網用戶產生的行為數據等。這些不斷擴大的數據資源,同時也為積極創新的廠商帶來了收入增長的機遇。

在金融機構中,銀行其實是機器學習比較成熟的使用者。西方機器學習的核心客戶群體就是銀行。這是由于銀行業務本身就具有量化分析的需求,比如信用卡額度的衡定就需要風險量化模型,所以銀行對機器學習的使用習慣已經培養起來了,再接納AI企業的商業模式就比較順暢。

當然,天云數據的步伐不止于此,2018年以來,天云數據已經實現了從金融科技,到醫藥、軍工、能源,天云的泛行業布局,進一步提高了科技對產業的滲透率。

據了解,天云數據,2013年成立以來持續深耕金融業,國內能夠同時提供分布式計算平臺產品和AI平臺基礎設施的科技廠商,并擁有博士后工作站和國家級高新企業稱號。

科技改變了傳統金融的風控方向

科技已經對金融業的風控模式進行顛覆,雷濤對記者表示,天云關注的是金融業務的數據處理,信息處理和一些業務模型。

無論消費金融還是供應鏈金融,對資產進行封裝,生產面向C端用戶或者B端用戶的金融產品,其實這也是資產的風險傳遞方向。

曾經,信用都是從主體系統、核心企業向下傳達,從甲方的真實需求向下傳遞,因為通過真實的交易,主體信用的評估可以向下傳遞,傳遞的介質就依靠這些倉單、訂單、運單等等這一系列的交易數據。而現在,因為科技發展,風控模式開始出現了一些變化。金融科技可以通過數據把信用方向自下而上傳導。

以前是從保理業務的角度,評估方式更多是基于對訂單本身,即這單生意本身的真實性。因為線下的每單的評估成本比較高,這導致只有金額足夠大的訂單才值得去做。而中國2萬多家做保理企業的業務具有“小額、高頻、海量”的特點,并且沉淀在不同產業不同區域,它的空間維度和交易的復雜、多樣性,決定了他的生意規模都是碎片化的。

物流公司每個月的上億的流水,其實真正碎片化的司機端的行為數據都是幾百塊錢的小額訂單和配送活動。他的行為已經被TMS這些信息化系統充分的數字化,它可以貫穿從甲方到第三方物流到專線甚至到司機的全行業。

在銀行信用卡業務中,通過信用卡的交易行為,而不是建立在主體信用上,從行為數據的系統上,甚至連續18個月以上的風險暴露期的所有的交易行為,利用人工智能等技術都可以去度量。在個體業務上,可以制作量化模型,像信用卡客戶的識別、額度的管理,還款意愿還款能力的這些行為的量化模型,比如額度評估模型是可以對個體業務的行為數據圖表。

實際上,天云提出是一個反向的構建風控模型的方式,不是從自上而下的主體系統向下傳導。這也正是多數大型的核心企業不愿意去做這些事,因為根本上來說,這些核心企業沒有必要為下游企業去承擔風險。

隨著產業數字化落地,企業越來越難去造假,我們通過技術手段更容易捕捉它的信用風險和交易風險。天云數據更多的是依賴于低代碼的智能化產品生產方式,這個程序可以去做金融,也可以服務于其他行業。在2018年泛行業化給自己的產能也提升了很多。

人工智能系統化提升金融機構能力

雷濤說,電商利用推薦引擎重構了零售業;傳統超市貨物擺放的最佳實踐,被淘寶的貝葉斯算法取代。人工智能可以實現對銀行里的行為數據所監控的核心指標重新構建。所以天云數據在面向小微、消費金融業務,對其資產封裝方式上更關注在數據本身,在度量風險方便更關注數據的連貫性,而不是說一次的訂單行為或者一次的交易行為。

當然,在其他行業,例如天云數據針對沒有圖紙的油氣管道,無法實現壓力差的復雜現實場景,利用隱馬爾科夫算法抽象出油氣管線泄露的風險,這些都說明算法可以重構商業實踐,具有極強的跨行業屬性。

雷濤對記者表示,在以前,金融科技企業角色更多是在背后。現在,我們開始思考如何跟行業主體的合作時不是只做一個技術目標,而是由天云數據給它提供AI服務平臺、算法模型,賦予它加工數據的處理能力。值得注意的是,隨著產業分工越來越扁平化,這是一個核心關鍵問題,這種系統化的能力開始提升產品設計的能力是更應該被關注的。

ITDT的演進時代,作為科技賦能者,天云數據強調低代碼開發模式。這個程序智能化模型的生產不是由人腦拼出來的,是有數據有算法夠自動化構建出來的。所以在交付形態和效率上,天云數據組織了一種新的生產方式。這個程序不是程序員一行一行代碼寫出來,而是由用數據用算法表達出來,并且現在已經很成功的在一些行業里落地和應用。

近幾年,天云數據已經連續三年的被畢馬威評為科技金融50強。在這個過程中,可以看到科技把金融的一些模糊的概念清晰地用量化的方式表達出來。物聯網數據看似跟金融事件沒關系,但是事實并非如此,天云數據曾給一家大型保險公司做ETC傳感器,ETC是通關開著貨車過的卡口,這些互聯網數據一樣可以處理卡車司機的行為。

人工智能并不是是聊天機器人,這些人機交互是AI第一波的短暫的價值體現,真正人工智能的價值是能夠用算法去充分量化所有的這些行為數據。這些因為數字化體系帶來痕跡,通過人工智能可以給它抽象成新的商業規則,可以去做定價、去做風險評估。



[收藏] [打印] [關閉] [返回頂部]


  •  驗證碼:
熱點文章
中國貿易金融網,最大最專業的中文貿易金融平臺
3d近50期开奖结果7