知道了吗？11月11日消息 经过多年发展，大数据迎来了3.0时代。星环科技CEO孙元浩日前在接受采访时表示，在目前大数据技术日趋成熟的条件下，AI技术已从多个维度应用于金融机构。通过AI技术和人工智能，金融机构在精准获客、智能服务、用户画像和风险控制等多个场景取得长足发展。未来，分布式框架代替传统数据库、通过云服务提供数据分析、AI与图分析技术的结合，将是大数据3.0时代的发展趋势。
立于2013年的星环科技，是一家专注于企业级容器云计算、大数据和人工智能核心平台研发的公司。目前为止，公司产品已经广泛应用于20多个行业，使用用户超过1600家。其中，客户当中，又以金融机构较为典型。
孙元浩表示，按照美国知名机构对大数据的分类，从技术发展和开发难度上来看，目前已经进入了技术的3.0时代。“在1.0时代，大数据只是作为技术而非产品在使用，管理难度非常大。到了2.0时代，大数据逐渐开始产品化，其中又以世界500强企业为代表。而到了3.0时代，则是技术的普及化，通过微服务和云服务，即使业务人员也能使用大数据和人工智能技术。”
在具体应用层面，孙元浩表示，AI技术已获得广泛应用。以金融机构为例，该技术已应用于运营的各个环节，如平台服务、客户服务、经营分析以及风险管理。通过构建在线交易、实时计算、在线分析、数据仓库、NoSQL分析等9种场景，金融机构在精准营销、客户的精准画像、绩效考核等多个方面取得长足发展。
对于大数据技术的未来发展趋势，孙元浩认为分布式框架代替传统数据库、通过云服务提供数据分析、AI与图分析技术的结合，将是大数据三大发展趋势。
大数据迎来3.0时代
AI、Big data（大数据）、Cloud（云服务），这是星环科技一直在重点布局的“ABC”业务。以分布式技术为基础，经过多年发展，目前该公司已经建立起数据采集、存储、加工、挖掘、提供价值的一条龙服务，并形成大数据、AI和云等多种产品形态。这似乎与全球的大数据发展脉络一脉相承。
孙元浩表示，大数据技术去年被美国一个知名机构从两个维度分成三代。第一个维度是从开发的容易程度，从早期大数据、人工智能技术最早在互联网公司、在大型科技公司他们有比较大的IT合作研发团队，作为一个技术还不是作为一个产品在使用，它的管理也是非常复杂的，通常规模也是比较大，几千台到上万台的规模。
“到了2.0的时代这个技术逐渐开始产品化，开始有更多的企业在使用了，特别是500强企业在使用这个技术了。但是这个技术仍然过于复杂，对客户的要求非常高。”孙元浩援引该机构观点。
“到了3.0的时代，这个也是市场的一个需求，大家希望这个技术能够开发越来越容易，甚至业务人员不是IT人员都能使用大数据和人工智能的技术，可以通过微服务和通过云的方式对外提供”，孙元浩表示，“从这个意义上来说，从运维和开发的难易程度来看国外的分析机构把大数据分成了这三代。今天我们正处在第三代的过程中，技术越来越成熟，产品的应用型也越来越强。”
不过，从技术的开发和使用角度来看，孙元浩认为，统一的数据操作语言和查询语言，统一的计算语言将是未来的发展趋势。
按照应用场景，大数据可分为交易型和分析型两种，具体细分为九类应用场景，包括在线交易、实时计算、在线分析、数据仓库、数据集市、NoSQL分析、预测性分析、视频语音文本分析和数据探索。
在数据操作语言和查询语言方面，目前主要是SQL，此外还有机器学习语言R/Python语言等。而在计算引擎方面，主要分为用于统计分析的数据计算引擎和用于视频、图像、文本分析的深度学习语言。
在孙元浩看来，无论是操作语言、查询语言，还是计算引擎，基于技术的发展趋势，未来实现统一将是必然趋势。
金融机构积极拥抱AI技术
在星环科技的业务版图中，200多家金融机构客户、三分之一的营收占比，使得金融机构对其业务的重要性具有举足轻重的地位。
据孙元浩介绍，金融机构拥抱大数据技术，大致经历了五个阶段。
初始阶段，金融机构主要进行数据平台存储、收集各种类型的数据，汇集各种业务的数据，提供数据的查询服务。
随后，则开始利用新的技术来做统计分析，来做数据探索，用于运营分析和监管报错。同时，也做一些数据探索，能够对风险、对客户的画像更加精准。
到了第三个阶段，有部分的金融机构开始利用分析结果来预测业务，比如说获取更多的客户、制定贷款的价格。某种意义上来说，第三步已经开始进入到业务中去了，但是依然是离线过程、辅助决策过程。
随着技术的发展，有些金融公司利用分析结果切入到核心交易系统，例如用于做实时风险定价，利用分布式交易系统用于新客户的开户、消费贷款业务、资讯实时推送等。
到目前为止，金融机构在智能客服、智能营销、智能化风险这几大业务板块也开始尝试新技术了。
通过上述五步走的发展历程，借助大数据技术，金融机构完成了从批处理慢慢走到实时的跨越式发展。
大数据技术尤其是AI技术的大力发展，据孙元浩介绍，大大改变了金融业的发展现状。
以银行为例，借助AI、人工智能等技术，银行在平台服务、客户服务、经营分析和风险管理等方面的管理水平获得大幅改观。通过建立大数据和人工智能平台，引入九大应用场景，银行在精准获客和营销、获取客户的精准画像、绩效考核、业务统计以及贷前贷中贷后管理方面，业务水平获得大幅提升。
AI技术在金融业应用的另一个典型例子是证券行业。证券行业的新技术应用最初主要集中在基础设施、AI平台建立数据仓库和数据集市、语音识别等基本功能的建设中。最近，新技术逐渐覆盖到智能运营、智能风控、智能投研、智能投顾等应用场景。
不过，就具体机构类型而言，孙元浩表示，城商行和股份制银行在大数据和人工智能领域的应用却最多。这主要因为城商行面临的竞争环境更为激烈，他们在IT、在信息化层面没有太多的历史包袱，可以比较快地使用新技术。股份制银行也面临客户激烈竞争的相同场景。其次还有省农信，各个省农信联社是天然的数据汇集地，一个省下面有几百家农商行数据都在集中到这里，它对集中的数据管理、集中的数据分析要求也比较迫切。
此外，证券公司、农商行和保险公司，基于自身业务的不同需求，对大数据、AI技术的应用也比较多。
未来三个新的趋势
对于大数据技术未来的发展趋势，孙元浩指出，基于几百个应用场景的分析，未来的趋势将集中在三个方面：分布式架构取代传统数据库、云服务提供数据分析、AI和图分析技术的结合。
“在基础设施这一层大家逐渐开始把传统的风险核心，原来用的传统数据库开始用分布式架构来替代了”，孙元浩表示。“包括甲骨文、DB2等数据仓库版本，这些主要的动力来自于数据量偏大，需要用新的分布架构来解决。我们看到现在我们已经有一些金融客户，以往是在央企做分布式架构做数据仓库，包括监管机构，包括股份制银行、农商行开始取代传统的数据仓库了。”
在云服务提供数据分析功能方面，孙元浩认为，大数据和AI尽快地在变成微服务化，也能变成使用云服务一样便捷。
对于第三大趋势，孙元浩表示，AI和图分析技术的结合，将是一个新的应用热点。
“它的基本的思路是通过训练发现在其他场景中是否可以使用，就固化成一种模式，比如做风险定价和营销。这里面有一定的数据可以支撑。”孙元浩解释。
这其中，比较典型的是通过舆情分析预判永安药业股价的例子。通过舆情分析，孙元浩团队发现作为最大市场份额供应商的永安药业与海外牛磺酸的价格波动高度相关，海外出口占比高达22%。为此，孙元浩团队构建了知识图谱，用来预测永安药业的股价波动。结果表明，知识图谱成功预测了永安药业的股价波动。
除了用于预测股价波动，孙元浩表示，AI技术还用于做异常交易的监测。
“通过交易对象包括交易者的一些关联关系，可以构造一个图谱，同时我们可以对交易结构进行分析，看看是不是有相互的交易结构，判断它是不是关联交易或者是内部交易。同样通过机器学习识别潜在的欺诈账户，然后通过图谱找到跟它有关联的账户，这样可以扩大整个欺诈的监测范围。”孙元浩称。（完）
