數(shù)字經(jīng)濟(jì)時代，數(shù)字化轉(zhuǎn)型已成為銀行業(yè)轉(zhuǎn)型升級的戰(zhàn)略手段。數(shù)字化轉(zhuǎn)型背景下，技術(shù)創(chuàng)新、組織創(chuàng)新、融合創(chuàng)新、跨界創(chuàng)新等快速締造形成了新的發(fā)展趨勢。2022年初，中國人民銀行和銀保監(jiān)會先后印發(fā)了《金融科技發(fā)展規(guī)劃（2022—2025年）》和《關(guān)于銀行業(yè)保險業(yè)數(shù)字化轉(zhuǎn)型的指導(dǎo)意見》，給銀行業(yè)未來數(shù)字化轉(zhuǎn)型提供了戰(zhàn)略藍(lán)圖和行動指南。
面對銀行數(shù)字化轉(zhuǎn)型新階段與新挑戰(zhàn)，商業(yè)銀行需要把握數(shù)字化階段客觀規(guī)律，聚焦數(shù)字化通用核心能力體系建設(shè)，激活數(shù)字化內(nèi)生動能，逐步探索形成符合自身特色的數(shù)字化轉(zhuǎn)型之路。
銀行數(shù)字化轉(zhuǎn)型是一個以客戶體驗(yàn)為中心，通過數(shù)據(jù)和技術(shù)雙要素的驅(qū)動，對業(yè)務(wù)模式和管理模式進(jìn)行創(chuàng)新和重構(gòu)，進(jìn)而持續(xù)提升全渠道、無縫式、定制化的金融服務(wù)質(zhì)量和效率的過程。
據(jù)有關(guān)統(tǒng)計，未來銀行半數(shù)以上的應(yīng)用是實(shí)時相關(guān)的。未來銀行的實(shí)時化能力是指實(shí)時感知和響應(yīng)客戶需求。銀行通過場景感知，實(shí)時捕捉、識別和判斷客戶需求，實(shí)時從決策引擎中獲取風(fēng)險回報平衡決策，并通過集中的后臺服務(wù)實(shí)時響應(yīng)客戶需求。實(shí)時智能決策與分析領(lǐng)域的提前布局，充分挖掘“熱數(shù)據(jù)”價值進(jìn)而實(shí)現(xiàn)“熱知識”快速迭代，是銀行數(shù)字化轉(zhuǎn)型的關(guān)鍵舉措。
一、實(shí)時決策領(lǐng)域的痛點(diǎn)
從趨勢的角度上說：銀行業(yè)本身是數(shù)據(jù)密集型行業(yè)，在經(jīng)營過程中積累了大量跨周期的金融交易數(shù)據(jù)，具備數(shù)字化轉(zhuǎn)型的先天優(yōu)勢。結(jié)合銀行的實(shí)際情況，如何進(jìn)一步充分發(fā)揮數(shù)據(jù)要素價值化和賦能商業(yè)決策是一個痛點(diǎn)。
從競爭的角度上說：各家銀行產(chǎn)品同質(zhì)化嚴(yán)重、網(wǎng)點(diǎn)布局重疊、利率價格趨同和獲客成本走高，這些都加劇了行業(yè)間的競爭程度。如何擺脫競爭中的痛點(diǎn)，需要銀行從智慧化、在線化、以及實(shí)時化的角度加大投入，尋求差異化。
從市場的角度上說：近些年來，融合互聯(lián)網(wǎng)和大數(shù)據(jù)的新金融、類金融迅猛發(fā)展，對銀行業(yè)務(wù)產(chǎn)生沖擊，銀行業(yè)正在面臨越來越多的跨業(yè)競爭甚至無邊界競爭的挑戰(zhàn)。銀行服務(wù)需要應(yīng)對互聯(lián)網(wǎng)化的沖擊，實(shí)時決策是一個重要的抓手。
從客戶的角度上說：隨著90后和00后的陸續(xù)出現(xiàn)，他們都是互聯(lián)網(wǎng)的數(shù)字原住民，從小和互聯(lián)網(wǎng)一起生活和成長。如何能夠在激烈的市場競爭中，獲得客戶的認(rèn)可和信任，增強(qiáng)客戶的粘合度，這是一個大的痛點(diǎn)，了解他們的特性，并賦予合適的場景營銷和產(chǎn)品定位。新客戶特別是年輕客戶的獲得需要更實(shí)時化，個性化的銀行服務(wù)能力。
從自身的角度上說：在當(dāng)下決策驅(qū)動的銀行業(yè)務(wù)領(lǐng)域內(nèi)，知識迭代速度太慢仍是一大痛點(diǎn)，且通常至少要以月為單位進(jìn)行時間計量。目前大部分銀行的業(yè)務(wù)專家可在已有指標(biāo)集的基礎(chǔ)上配置生產(chǎn)級業(yè)務(wù)規(guī)則并即刻上線，然而指標(biāo)增刪改嚴(yán)重依賴科技人員的配合，難以滿足業(yè)務(wù)規(guī)則模型快速迭代的要求。此外，由于需要多部門、多角色協(xié)同才能完成業(yè)務(wù)規(guī)則的迭代上線，通常伴隨著冗長的開發(fā)及上線流程，信息傳遞的不通暢進(jìn)一步降低了知識迭代速度。
二、“熱數(shù)據(jù)”與“熱知識”
為解決上述問題，我們提出了兩個關(guān)鍵概念，“熱數(shù)據(jù)”以及“熱知識”。
所謂“熱數(shù)據(jù)”是指那些OLTP系統(tǒng)剛產(chǎn)生（通常在秒級以及毫秒級）的數(shù)據(jù)，是“熱乎乎”的，這時的價值最大，隨時間流逝其價值會指數(shù)級下降。為讓“熱數(shù)據(jù)”直接產(chǎn)生業(yè)務(wù)價值，需進(jìn)行兩階段的建設(shè)：
（1）初始建設(shè)階段：簡單而言，就是讓銀行的OLTP系統(tǒng)實(shí)時（秒級）接上OLAP系統(tǒng)，并具備產(chǎn)生實(shí)時業(yè)務(wù)價值的能力。具體而言，可從實(shí)時旁路采集、實(shí)時數(shù)據(jù)加工、實(shí)時指標(biāo)計算以及實(shí)時業(yè)務(wù)決策等不同層級分開建設(shè)。
（2）持續(xù)強(qiáng)化階段：隨著實(shí)時業(yè)務(wù)開展的不斷深入，持續(xù)接入各類業(yè)務(wù)場景，最終形成銀行自有的事件體系、指標(biāo)體系、規(guī)則模型體系；持續(xù)深入挖掘數(shù)據(jù)的價值，從復(fù)雜計算、時間窗口、多層關(guān)聯(lián)、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)等眾多技術(shù)領(lǐng)域進(jìn)行探索，從而達(dá)成“熱數(shù)據(jù)價值最大化”的目標(biāo)。
當(dāng)然，除了“熱數(shù)據(jù)”以外，通常意義上，還有“溫數(shù)據(jù)”以及“冷數(shù)據(jù)”的概念，分別是表示一天以內(nèi)的數(shù)據(jù)以及一天以后的數(shù)據(jù)，這部分?jǐn)?shù)據(jù)也需要持續(xù)存儲，為其他業(yè)務(wù)場景賦能。
所謂“熱知識”是指知識在運(yùn)行過程隨著數(shù)據(jù)不斷產(chǎn)生，知識自身在不斷回饋修正，整個回饋的過程控制在秒級。同理，也有溫知識以及冷知識。熱知識是一個趨勢，是人工智能技術(shù)發(fā)展到高階段的體現(xiàn)。在“熱數(shù)據(jù)”初步建成的基礎(chǔ)上，才可以讓知識熱起來，為達(dá)成此目標(biāo)，需進(jìn)行三個階段的建設(shè)：
（1）初級階段：指標(biāo)層、決策層開放給業(yè)務(wù)專家使其可自由配置指標(biāo)及規(guī)則模型；建成標(biāo)簽回饋系統(tǒng)，讓業(yè)務(wù)專家可自行打標(biāo)。在該階段，業(yè)務(wù)專家具備周級到天級的知識迭代能力。
（2）中級階段：在已有指標(biāo)特征集的基礎(chǔ)上，選擇有監(jiān)督機(jī)器學(xué)習(xí)算法，通過實(shí)時回饋的標(biāo)簽自動完成模型更新；在特定業(yè)務(wù)領(lǐng)域的督導(dǎo)下，在時間、算子、關(guān)聯(lián)等維度進(jìn)行自動化特征枚舉，從而讓自動化機(jī)器學(xué)習(xí)更進(jìn)一步；在特定業(yè)務(wù)領(lǐng)域通過“蜜罐”等技術(shù)手段建設(shè)自動標(biāo)簽系統(tǒng)。在該階段，業(yè)務(wù)專家具備分鐘級甚至秒級的知識迭代能力。
（3）高級階段：通過深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)以及更加強(qiáng)大的算力支持達(dá)成完全自動化的實(shí)時知識迭代階段，該階段是“熱知識”的最終形態(tài)，尚無先例可供借鑒。
“熱數(shù)據(jù)”及“熱知識”提供“一站式”的實(shí)時數(shù)據(jù)應(yīng)用能力，賦能業(yè)務(wù)專家，為銀行數(shù)字化轉(zhuǎn)型提供強(qiáng)大的助力。
三、“流批一體”實(shí)時智能決策與分析體系
在“熱數(shù)據(jù)”及“熱知識”概念基礎(chǔ)上，結(jié)合團(tuán)隊(duì)十幾年在銀行業(yè)的技術(shù)深耕，我們提出了“流批一體”的實(shí)時智能決策與分析體系（簡稱實(shí)時智能），具體如下圖所示。
該體系把銀行業(yè)常見的數(shù)據(jù)資產(chǎn)分為四層，并提出了對應(yīng)的三層數(shù)據(jù)處理架構(gòu)，以知識為媒介，揉合流處理、批處理、決策等多種技術(shù)體系，是一種面向業(yè)務(wù)的流批一體的數(shù)據(jù)處理體系架構(gòu)。
該體系把數(shù)據(jù)資產(chǎn)分為以下四層：
（1) 原始數(shù)據(jù)：OLTP系統(tǒng)流入OLAP體系的原始數(shù)據(jù)集。
（2) 事件/事實(shí)：通過過濾、轉(zhuǎn)換、關(guān)聯(lián)等技術(shù)手段對原始數(shù)據(jù)進(jìn)行加工處理，從而生成事件/事實(shí)層。從原始數(shù)據(jù)到事件/事實(shí)的數(shù)據(jù)處理過程，我們稱為數(shù)據(jù)加工。
（3) 指標(biāo)/特征：通過統(tǒng)計計算、時序計算、關(guān)聯(lián)計算等技術(shù)手段在事件/事實(shí)的基礎(chǔ)上進(jìn)行多維計算而來。對應(yīng)的數(shù)據(jù)處理過程，我們稱為數(shù)據(jù)計算。
（4) 信號/標(biāo)簽；通過規(guī)則決策、機(jī)器學(xué)習(xí)模型預(yù)測以及圖模式匹配等技術(shù)手段在指標(biāo)/特征等基礎(chǔ)上進(jìn)行決策而來。對應(yīng)的數(shù)據(jù)處理過程，我們稱為業(yè)務(wù)決策。
通過信貸業(yè)務(wù)舉例簡單說明該處理體系。以借款、還款行為數(shù)據(jù)為例，原始數(shù)據(jù)包括借款時點(diǎn)、應(yīng)還時點(diǎn)、實(shí)還時點(diǎn)、交易地點(diǎn)等，將其進(jìn)行簡單的加工，將會產(chǎn)生大量事件/事實(shí)：借款、逾期、提前還款、正常還款等，如果客戶在某個應(yīng)還時點(diǎn)前多次發(fā)起借款申請，那么很可能是在“借新還舊”。運(yùn)用這些事件/事實(shí)，根據(jù)許多可以熱修改的特征工程規(guī)則，可以構(gòu)建出許多指標(biāo)/特征，如同一地點(diǎn)近若干小時內(nèi)申請次數(shù)、用戶最近一次交易消費(fèi)時間間隔以及最近若干時間內(nèi)交易總額等，通過這些指標(biāo)/特征，可以進(jìn)行決策，比如若客戶當(dāng)前處于逾期狀態(tài)，則新申請借款則可直接拒絕；比如若在同一地點(diǎn)申請過于頻繁，則有可能存在非法風(fēng)險，將生成風(fēng)險信號。這就是生成了信號/標(biāo)簽，以進(jìn)行決策或指導(dǎo)迭代優(yōu)化特征工程、算法篩選等步驟。
知識是實(shí)時智能的媒介，縱向來看分為知識應(yīng)用以及知識生成兩類場景。其中知識應(yīng)用及知識生成都可細(xì)分為在線以及離線兩類場景，這四類場景的數(shù)據(jù)處理都可橫向細(xì)化為前面提及的四層數(shù)據(jù)資產(chǎn)。
實(shí)際運(yùn)行過程中，從知識的生成到應(yīng)用，從知識的離線運(yùn)行到在線運(yùn)行，對應(yīng)的三層數(shù)據(jù)處理能力，迫切需要“流批一體”的技術(shù)能力以提升開發(fā)及運(yùn)維效率�？紤]三層數(shù)據(jù)處理對技術(shù)的要求差異巨大，“流批一體”宜分層建設(shè)，特別是業(yè)務(wù)決策層，尚未有相關(guān)的決策技術(shù)做到“流批一體”的能力；而數(shù)據(jù)計算層，開源技術(shù)中flink以及spark等技術(shù)框架對復(fù)雜的指標(biāo)/特征的高性能計算支持度一般。
實(shí)時智能的建設(shè)并非一蹴而就的，需要銀行縝密的籌劃以及長期的投入，不同銀行處于不同階段，開展的業(yè)務(wù)也不盡相同，需進(jìn)行差異化的建設(shè)。
免責(zé)聲明：市場有風(fēng)險，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
