bat365中文官方网站金融科技峰会大佬干货PPT合集+领袖闭门私享课名额6月29日, 「数据猿·」之金融科技­商业价值探索高峰论坛在上海龙之梦万丽酒店落下帷幕，全程干货满满，精彩纷呈（图文直播丨视频回放）!

　　除了公开演讲嘉宾PPT之外，小猿君还开设了“领袖私享课”，往后，每期“私享课”都将邀请最受欢迎的历届数据猿活动演讲嘉宾，以及业内知名意见领袖与企业高管开课，深入剖析特定的问题与话题，展开细致、详尽的解答。

　　王彦博，英国利物浦大学计算机科学博士、曼彻斯特大学计算机科学博士后。从事数据挖掘科研及应用工作十余年，具有丰富的信息化智能分析经验，推行“智慧银行”大数据金融战略。

　　入职民生银行以前，曾任英国国家文本挖掘研究中心副研究员，兼任美国IGI Global出版社《知识社区与社会网络进展》系列丛书副主编、ACM《智能系统与技术》、英国剑桥大学《知识工程回顾》、印度DIVA《数据挖掘与新兴技术》、德国IBAI“业界数据挖掘”、IEEE“计算机应用与系统建模”等国际期刊、学术会议论文审稿专家，并担任IBAI“业界数据挖掘”业界分会场主席。

　　王彦博博士发表著作1部、著作章节3篇、学术论文40余篇、参与编写金融专业书刊2部，获国家专利1项、国家级奖励1项、省部级奖励5项。

　　说明：可针对以下嘉宾提出的观点进行留言评论，也可以针对目前金融大数据行业的所有问题进行说明，阐述自己观点

　　数据驱动对于业务流程冲击的变化更多是由AI带动的，这是从人去做决策的过程向自动化实施过程的转变，就像淘宝购物那样直接嵌入到前端。

　　现如今的人工智能，都非常清晰简单，但是在后台反馈出来的都是非常丰富的语义环境。当这些特征和内容很难被人类用简单的、清晰的语言描述出来的时候，BI失效的前提下我们该怎样用AI的方法提供更大规模的计算？针对该问题，雷涛分享了三个观点：

　　第一，离线抽样to在线全量。对于现在比较漂亮的前端应用、智能投顾项目、闪贷的项目来说，无疑都面临着即时性很大的挑战，因此我们需要将原有的抽样统计方法转变为全量数据建模；

　　第二，静态个体to动态关联。在金融业务里面，我们现在面临着太多的挑战，数据维度不够，或是处理信息的方式方法太低端。原本传统上只有一维的方式从头读到尾，二维数据标的格式bat365中文官方网站，但是大量的信息结构里面，复杂的高维结构很难量化和处理。

　　第三，统计评分to机器学习。现在在AI领域里，最成熟的技术是将答案交给机器，用一个有监督的训练方式，通过大规模的、持续的重复数据的输入，并利用深度学习的层级网络把这些隐含的我们无法定义的金融属性特征表达出来。

　　张月鹏在「数据猿·」之金融科技­商业价值探索高峰论坛上提出，大数据的整个产业共分为4个层次：

　　金融大数据由于在数据资源及计算能力方面具备的优势条件，发展更为迅速。以银行为代表的金融机构完整地经历了大数据发展的各个阶段，目前已经实现从成本中心向利润中心转变。金融大数据业务基本贯穿金融业务全程，与业务充分结合，边界越来越模糊。

　　大数据对金融行业的价值共分为7个层级，各机构数据资源基础及可对接的外部数据资源不同，可实现大数据服务层级不同。对金融行业来说，数据资产正日益成为核心竞争力，各大垂直领域都在探索大数据业务落地的结合。

　　中关村大数据联盟副秘书长颜阳表示，从消费端来讲，现在的互联网公司在数据采集端做的比较多，同时入门的门槛也比较低，但是产生变现的成本却非常高。因为在这个过程当中具有社群经济的特点，很多创业者通过互联网都能够把一些小的场景做到线上，但是后期的流量以及变现问题很难保障，且BAT公司并没有给大家留下太多的空间。

　　为什么说传统的金融机构在以前的体系里面很难做？因为产业边界没有办法模糊，一模糊相互之间职能部门就扯不清楚，更多的是陷入控制和被控制的阶段bat365中文官方网站，数据也没有办法被打通。

　　IT转型里面很重要的一块，是智能银行。智慧型的银行通过大数据技术能够提供更好的用户体验，更好的风险管理体系。

　　银行每天交易所产生的数据里面，金融领域是最多的，在各行各业里也是一样，金融基本上就是一个经营数据，而银行则是一家经营数据的企业。

　　所谓企业级模型化的推动，总结下来是4个“1”：即“一套业务模型、一套业务架构、一套工程化实施工艺以及一套企业级管理流程”。对于银行来说，数据处理的架构也是融合的架构，就是从未来TD这样的架构逐步向分布式的架构演进过程。

　　商业银行的风险管理体系经过多年不断的完善，现在已经非常成熟了。但是理想和现实之间还是存在较大的差距，主要体现在面对市场环境的变化，还有信息不对称会对银行的风控带来一系列的挑战：

　　一、成本的挑战，尤其是在风险的授信和监测方面必须有技能和知识的储备，还有现场非现场的审计方面投入大量的能力满足风险监管的要求；

　　二、道德风险的问题，通过资料的造假，票据的造假，还有理财产品的造假形成道德风险。还有就是业务流程，在每个流程里面配置了一些岗位，但是由于人员的因素不能满足数量要求，导致了风险操作流程是流于形式的，这种风险是潜在风险。

　　三、风控模式很难应对市场变化，银行对于企业的授信过程是年初给一个授信额度，期间基本不再变化，但是整个市场经济的变化和市场风险是非常难以预测的，这种传统的风险授信方式会导致很大的风险隐患的发生，且使得我们无法做好一个事件的持续跟踪市场分析bat365中文官方网站。

　　大数据时代，其最大的特点就是大数据影响到几乎全社会所有的行业，特别是银行。在这样的时代下，数据量和业务量都以空前的速度增长。

　　而随着垂直技术的升级，带来了成本高昂的问题，因为本身受限制，就算是不断的升级，也很难迅速满足现有业务的发展。因此国家也提倡采用一些自主可控的技术，满足在核心方面快速查询的需求。

　　风险这个东西，看不见、摸不着，什么时候发生，到底有多大，这些问题始终困扰着金融行业的从业者们。一旦解决了这些问题，金融行业很多传统和运作模式都会被改写。在大数据的时代，通过AI的手段辅助，一定会产生更好的方法预测和管理风险，对投资研究和风险研究、风险管理有更多的辅助作用。

　　风险模型的建立首先需要企业本身的数据。市场上有大量的信息提供商，其中包括对企业进行评估的公司评级，对债券进行评估的主体评级，对项目进行评估的项目评级等。评级在金融领域扮演着非常重要的角色。企业的评级就相当于个人的征信数据，把企业和人相关的信息进行汇总。同时，它也是也是衡量数据的标尺。而征信就是数据的汇总和模型测量的过程。无论是数据汇总还是模型测量，大数据和人工智能可以对这两方面进行巨大的提升。

　　传统保险行业经历了多年发展，组织机构非常庞大，层级特别多，组织架构调整难。另外，保险是流程比较长的行业，从承保到理赔，业务人员解决问题主要依靠经验，很少用数据思维，而且很多环节数据没有形成闭环，数据是孤立的。只有数据打通才能给客户最大的价值体现。以车险为例，后服务市场信息化水平非常低，有时候想做一些数据应用工作却很有难度。

　　如何看待数据的价值呢？在桑文锋看来，数据的价值有两点：一是积累数据资产，二是数据驱动业务决策。数据更大的价值在于驱动产品智能，智能本身就是一种学习能力，这就是数据更大的价值。

　　此外，他介绍了用户常用的统计分析方案，并把它归结为三类：第一类是使用第三方的统计服务，第二类是基于业务数据库写一些脚本进行分析，第三类是基于日志，就是后台服务器搜集到的日志文件做分析。

　　接着，桑文锋还着重讲解了数据流建设的五个环节：第一个是数据采集，第二是数据传输，第三是对数据建模存储、把数据管理起来，第四是使用数据，第五是数据可视化或者是反馈。

　　关于银行技术架构的演变，张鲲认为，互联网平台是银行转型互联网所必须经历的一些步骤，它里面涉及的系统包括很多，结合场景的系统还有数据的支撑，以及一些电子商务和在移动端的应用。在互联网平台之上，想要融入到所有互联网的场景里面，就需要第二个+号，也就是开放平台。

　　接下来，他和大家探讨了新技术的应用特别是在金融行业如何应用。从大数据应用角度来讲，最重要的是以下两个环节：

　　最后，张鲲认为，区块链在银行方面还是比较早期的，想要落地还需要一段时间。目前来看，移动互联网技术在银行业是最成熟的，基于手机一些特性的使用，包括移动支付、NFC、SDK在内的技术应用都是非常成熟的。

　　对于这些问题，他说到，首先，数据越多，你的建模就越好；其次，训练数据和模型的共享以及可控的交易；最后是加密技术，同态加密、零知识证明、确保隐私的多方计算，保证各方在互相不了解数据的情况下得到正确的统计信息、计算信息。

　　接着，蔡栋讲到，为了实现对大型人群的分析，公司进行了有关计算机识别方面的人工智能的研究。这样就可以在招纳人才时把所有的工作都云化。

　　对于数据挖掘，他认为，其核心思想是面向具体的应用，按照一定的知识发现模式，从已经积累的海量大数据之中挖掘一些存在的有价值、但是人类用肉眼看不出来无法识别的隐藏的规律、规则和趋势有效的应用，来达到总结过去、预测未来的结果。既是科学也是艺术，同时也是一项工程。

　　支付行业跟保险证券不太一样，整个行业的风险是非常分散的，面临客户的结构基本没有什么共性。会上，汇付数据助理总裁陈培伦着重介绍了如何利用网页爬虫、机器学习等技术构建多层，的反欺诈体系来应对纷繁复杂的支付问题。

　　此外，陈培伦还着重介绍了在风险管理中应具备的几大核心创新技术，分别为：1.手机技术；2.底层核心技术；3.机器学习；4.数据门户；5.云计算；6.测试技术；7.用户画像；8.UED。返回搜狐，查看更多