百分点发布 AI 决策系统，基于“大数据+ AI”的智能决策如何赋能传统金融？

雷锋网消息，近日，百分点集团在北京发布了行业 AI 决策系统 Deep Matrix ，一口气推出了针对五大行业的智能应用决策产品：智能安全分析系统Deep Finder、智能政府决策系统Deep Governor、智能全媒体服务系统Deep Editor、智能营销系统Deep Creator、智能制造大数据系统Deep Sensor，分别对应了百分点入局的几大行业。

在会上，百分点集团董事长兼CEO苏萌表示：“对企业和组织来说，终极智能是解决问题的智能，核心是‘智能决策’。基于大数据+AI 的‘智能决策’将是未来企业决策进化的方向。”

苏萌曾表示，“纯粹的通用型人工智能没有任何意义，人工智能未来的方向一定是行业化。”基于这样的想法，百分点主要聚焦在两个领域： 一个是提供大数据底层平台，百分点利用自身的产品和解决方案帮助企业搭建自己底层的数据管理平台；另一个是行业级智能场景应用。

百分点的智能决策产品主要针对五大个行业：第一个行业是做得最早的制造业，智能制造；第二个行业是金融行业；第三个是媒体行业；第四个是公共事务、公共安全；第五个是零售快消。

雷锋网了解到，金融行业是百分点入局较久的一个行业，百分点20多个客户包括了建设银行、中信银行等传统系以及国美金融、恒大金融等新兴的互联网金融系等。

人工智能的最大优点，是能剔除决断期间感情、情绪因素的干扰，完全通过数据来分析走势与期望。另一方面，目前金融行业每24小时，就产生大约2.5亿字节的数据。在现有的情况下，人工智能可以在 风控反欺诈、风险预测、精准营销、智能搜索和可视化 等方面找到用武之地。

百分点集团技术副总裁及首席架构师刘译璟表示，“很多用户都说金融行业缺数据，如果我们深入挖掘一下会发现， 金 融行业认为缺的数据，是本来就不属于他的客户数据。 我们期望的‘全维度’实际上是想说最大可能利用和挖掘手上的数据资源。银行在大数据平台建设过程中最需要考虑的是如何最大程度的整合所有数据源，特别是行内自有数据源，并且针对业务需求做出有价值的分析应用。”

对于金融业而言，利用人工智能和大数据，在前端可以使服务更加个性化，提升客户体验；在中端可以支持各类金融交易和分析中的决策，使决策更加智能化；在后端用于风险识别和防控，使管理更加精细化。在金融服务业开放政策和云计算、大数据技术双重推动下，金融领域与互联网的跨界融合已经成为一种趋势，我们且以金融行业为例，看看百分点是如何利用大数据和人工智能技术帮助传统实现战略转型。

以百分点合作的宁波银行为例，传统的区域性银行在电子渠道运营优化、提升客户维护与获客能力、风险控制等方面存在着巨大的需求。为此，百分点通过多源异构数据整合、多来源用户ID拉通、构建用户方式为宁波银行进行“大数据+AI”方面的建设。

多源异构数据整合。 在直销银行、APP等电子渠道部署数据采集工具，详细记录用户访问、浏览、交易等用户行为，结合该行内部账户，交易活动等数据，进行多来源数据整合，及相关的数据处理，将原始数据转化为可供使用的标准格式数据。

多来源用户ID拉通。 采用百分点用户ID拉通算法，将散落在银行内部各部门、各渠道以及外部第三方的用户信息，通过标识ID进行唯一身份打通，标识ID包括身份证号、手机号、Email、IMEI、银行帐户、官网注册名等，通过ID拉通，识别该行不同渠道上的同一用户，为全方位用户画像奠定基础。

用户画像。 宁波银行原来已形成一些行业用户标签，因此在已有标签基础上，采用合适的标签建模方法，优化已有的一方标签并加入百分点三方标签，融合后的标签实际标签数量超过1,000个，不仅包扩用户属性等基础类标签，还包括银行产品、渠道、风险偏好、贡献度、交易行为等统计类、衍生类标签。

百分点首席数据科学家杜晓梦认为，金融行业理财产品的同质化现象比较严重。为此，银行需要深入了解受众需求，构建用户画像，此外如何用新的技术，提升银行的工作效率，这是银行面对的“三座大山”。

杜晓梦向雷锋网表示，百分点在很早以前就在为银行、保险、券商、互联网金融等机构提供大数据的解决方案，这些机构在也尝试将金融行业的内部和外部数据打通，利用人工智能的算法进行智能审批、智能投顾等相关的工作。“银行最关键的需求就是 清算、营销、风控、反欺诈 ，能否把行业里边的核心痛点挖掘出来，然后根据对数据和技术的理解，帮助银行改造现有流程，创造新的业务模式，这个是非常重要的。”

传统转型并非易事，原因在于新技术的应用可能会改变银行维持了数十年的工作流程。杜晓梦坦言，很多时候遇到的困难并不是技术层面，可能是行政或者是认知上的困难。“很大一部分原因是，金融集团里数据的分散是部门之间的分离导致的，而不是说技术层面无法解决。”

另外，不同部门如何应用数据，从市场部到数据分析部再到科技部，可能会存在非常漫长的审批流程，这个流程能否缩短，更需要金融行业的从业人士从理念上去改变自己的认知。

而在人工智能和大数据技术的帮助下，宁波银行在以下三个方面实现了突破：

提升渠道运营效率 ： 直销银行网站/APP的数据采集与分析系统已完成，通过对设备、页面、路径、效果、产品、客群、渠道等维度进行数据分析，实现对申请流程转化率、交易流程转化率、活动页面转化率、流程页面流失率、广告点击效果等业务流程指标的处理、计算和监测，实时掌握网站/APP端业务的运行情况与问题，并针对性地提出优化方案。

营销智能化： 通过用户画像标签系统，该行得以深入了解现有及潜在客户的特征和需求，而通过各类营销模型的应用，该行可通过大数据支撑存量客户营销、交叉销售、精准营销等各业务场景，智能的管理和挖掘现有客户价值，同时快速拓展潜在新客户。

大数据风控： 基于百分点用户拉通及风险管理模型，该行不仅能联接行内各来源数据，综合评估特定客户风险，还可以结合第三方数据及互联网公开数据，更综合、准确、快速地评估风险，支持贷款相关业务的高效开展。

的确，银行在技术方面也存在需求。现在，百分点和建行一起研究基于GPU的高性能运算，速度上有大幅度提升。“对于提升计算效率方面的需求，银行也是非常愿意去投入的。”

杜晓梦表示，现在已经进入到大数据和AI的深水区，概念已经没有人提，而是看在各个行业不同的领域里边谁能真正深入地和业务整合，做真正这个行业和企业需要的应用出来，这是很关键的。“ 技术永远都不是壁垒，而跟行业业务深度地结合，帮他们提升效率的能力才是真正的壁垒。 “

她认为，百分点的核心优势是在于在各个行业的场景积累。百分点做行业的大数据解决方案非常早。2009年在大数据概念还没有兴起的时候，百分点已经在给电商进行个性化的推荐服务，包括后来进入金融、智能制造，零售领域。“所以我们也和行业专家做很多探索，应用了大量适用于行业、业务能够使用的大数据和人工智能技术。”

在采访中，刘译璟也谈到了这次发布的AI决策系统Deep Matrix，他表示“辅助决策系统是一个很老的概念，五十年代就已经有人提出，但是到了现在，辅助决策更多的是机器把数据整理好，人去做决策。而我们希望的是让机器自主地做决策。”这个决策系统最大的转变在于，决策是由机器做出来而不是人去做。 当然，自主的部分多数集中在战术级跟运营级别的决策上，战略级别的决策现在还是人去处理。

简言之，百分点的这套Deep Matrix AI决策系统是以自有的动态知识图谱技术构建“实体-时空-映射”关系，可以实现以动态复原现实世界的方式解决复杂、变化的现实问题。刘译璟表示，知识图谱是一个数据，而动态知识图谱是一类技术。“我们希望在一个数据化的知识图谱里把现实中的行动、相互的关系都能够表现出来。”

在刘译璟看来，“如果是一个通用的技术，Deep Matrix的价值会变得很少。金融行业只是百分点其中一个应用场景，未来，百分点会拓宽行业领域业务专家的知识范围，场景就变得很宽泛，比如说汽车召回案例，百分点已经把相当多的知识输入到与业务相关的模型里。”

。