论文部分内容阅读
摘要：本文首先对金融大数据智能发展现状与未来趋势进行分析，然后结合实际情况，提出几点金融大数据智能发展主要策略，希望可以对业内起到一定参考作用。
关键词：金融;大数据;智能发展;未来趋势
随着社会经济的快速发展，金融行业面临市场竞争压力逐渐增大，金融企业为实现进一步发展，需要积极应用现代信息技术，大数据技术、智能技术应用对于金融企业可持续发展与企业竞争力提高具有重要意义。
1 金融大数据智能发展现状与未来趋势
1.1 行业发展阶段
自上个世纪中后期以来，金融业务和信息科技创新开始逐渐融合。着眼于金融角度，科学技术在融合过程中应发挥出驱动力量、支持力量，避免金融底层逻辑因科学技术融合而受到影响;着眼于科技角度，应明确金融是重要传统行业，其关键在于应用价值，对此，科学技术需要密切联系金融实际业务场景。在金融大数据智能发展中，可以将其划分为三个主要阶段：
（1）业务自动化阶段。在此阶段中，其重要评判依据是业务智能化水平，是利用AI技术让产品革新、流程革新得以实现的举措，与此同时，通过将生物识别等技术引入到智能柜台建设以及手机银行项目中，还可以完成客户验证工作，提升客户体验。
（2）大数据智能阶段。金融企业对大数据的研究与应用相对较早，现阶段，金融大数据智能发展的主要目标是将大数据研究和基础AI、行业AI进行有效融合，进而提升客户服务智能化水平。
（3）全渠道智能决策阶段。在此阶段中，主要是无缝对接客户识别环节、行为预测环节及其他系统功能，依照客户响应，可以对整体系统进行动态更新，进而让智能化体验目标得以实现。
1.2 典型应用场景
在银行等金融机构中，使用大数据智能技术实现目标可以划分为三个主要层次，第一层次目标是提升服务流程效率，让企业运营成本得以降低;第二层次目标是提升风险控制水平，让企业的风险效益得以增加;第三层次是利用产品对客户起到驱动作用，让企业客户价值得以提升。依照此目标，在当前及未来发展中，金融大数据智能發展典型应用场景可以归纳为：
（1）在服务场景中，可以应用文字识别技术、人脸识别技术、图像识别技术以及语音识别技术，可以使用网点智能机器人或智能客服系统[1];
（2）在互联网信贷反欺诈以及信用卡反欺诈等场景中，可以应用深度学习技术、机器学习技术与复杂网络技术，让风险控制力度得以强化，利用图像识别技术、文字识别技术、机器学习技术，并结合大数据数据库，可以让信贷审批过程和贷后管控过程中风险预警水平得以提升。
（3）将智能分析技术应用在客户营销工作与产品设计工作中，可以对银行增值业务发展起到促进作用，可以让专业解决方案得以构建，如“智能推荐”以及“智能投顾”都是典型智能产品。
1.3 智能“中台”发展
智能“中台”是金融大数据智能发展现状主要表现，同时也是金融大数据智能未来重要发展趋势。大数据和人工智能之间具有密切联系，在大数据基础上，通过对机器学习技术予以有效应用，对机器知识进行充分使用，可以让人工智能应用体系得以构建。现阶段，在金融企业大数据智能发展进程中，其关键要素可以归纳为算力、数据与模型，三个关键要素之间具有互相支撑作用，其中算力具有根基性，伴随着计算能力的迅速提升，巨量数据计算、复杂算法应用目标可以得到有效实现;其中数据具有支持性，数据可以为算力匹配和算法应用提供依据;其中模型具有核心作用，只有让数据信息、算力形成智能模型，才能让大数据智能技术发挥出自身价值。与此同时，还应针对业务场景IT构建能力，转化智能微业务场景推送能力，让闭环业务场景得以构建，在场景中，主要包含接触部分、采集部分、智能决策部分、反馈推送部分以及再接触部分。
在金融领域中，随着资产化管理需求强烈程度的逐渐提升，金融企业在金融大数据技术应用过程中，一方面，需要积极促进内部数据、外部数据的充分共享与利用;另一方面，需要积极构建数据挖掘模型，并完成模型管理工作、知识迁移工作。在大数据技术应用中，基础资产占有重要地位，可以让原始数据素材得以提供，在此过程中，需保证数据信息具有关联性、合规性特点，与此同时，还应对衍生资产予以高度重视，对大数据高附加值予以提供，保证其具有向外输出特殊潜力。
在现存难点得以突破后，在未来发展中，金融大数据智能技术将会在企业运营、风险防控以及企业营销等方面进行技术突破，让场景化数据价值链条得以构建，让大数据智能中台框架得以形成，进而打造“智能中台”，其中主要包含产品画像、客户画像以及决策引擎、数据挖掘模型等内容，在智能化发展中，数据挖掘模型占有核心地位，而在建模过程中，需要利用产品画像、客户画像为其完成特征输入提供工作。进而提升客户认知水平、算法智能水平以及决策速率。
2 金融大数据智能发展主要策略
2.1 组建科学团队
为保证金融大数据智能发展目标得以实现，金融企业应积极组建科学研究团队，首先，金融企业可以组建业务分析和模型构建团队，保证工作人员全面熟悉业务需求情况，并可以对应用场景予以准确把握;其次，金融企业可以组建数据科学团队，保证工作人员可以完成数据开发工作、复杂网络计算工作以及数据产品实现工作，让工作人员可以高效研究新型算法;最后，金融企业可以组建大数据综合团队，保证团队工作人员具有咨询、开发能力，可以让交付进度、交付质量得以把控。
2.2 营造社区文化
金融企业应积极营造社区文化，对企业发展创新起到促进作用。首先，应积极利用大数据，对社区、大数据实验室予以创建，促进业务、科技融合，在此过程中，其中心为互联网产品理念，其驱动力为业务创意碰撞，进而完成大数据项目孵化机制构建工作;其次，应积极提升自我创新孵化能力，积极联系科学研究所与高等学校，共同打造人才储备机制、科研合作机制，对大数据实施能力、服务能力提高起到促进作用[2]。
结束语：
综上所述，业务自动化阶段、大数据智能阶段以及全渠道智能决策阶段是行业发展主要环节，智能“中台”发展是未来重要趋势，通过组建科学团队以及营造社区文化的主要策略，可以帮助金融企业有效应用金融大数据智能技术，进而促进企业发展。
参考文献：
[1]田江.金融大数据智能发展现状与未来趋势[J].软件和集成电路，2019（10）：47-51.
[2]李万超，于永彤，王丹丹.大数据和人工智能在金融分析研究领域的应用：日本经验及借鉴[J].吉林金融研究，2019（07）：22-24.
关键词：金融;大数据;智能发展;未来趋势
随着社会经济的快速发展，金融行业面临市场竞争压力逐渐增大，金融企业为实现进一步发展，需要积极应用现代信息技术，大数据技术、智能技术应用对于金融企业可持续发展与企业竞争力提高具有重要意义。
1 金融大数据智能发展现状与未来趋势
1.1 行业发展阶段
自上个世纪中后期以来，金融业务和信息科技创新开始逐渐融合。着眼于金融角度，科学技术在融合过程中应发挥出驱动力量、支持力量，避免金融底层逻辑因科学技术融合而受到影响;着眼于科技角度，应明确金融是重要传统行业，其关键在于应用价值，对此，科学技术需要密切联系金融实际业务场景。在金融大数据智能发展中，可以将其划分为三个主要阶段：
（1）业务自动化阶段。在此阶段中，其重要评判依据是业务智能化水平，是利用AI技术让产品革新、流程革新得以实现的举措，与此同时，通过将生物识别等技术引入到智能柜台建设以及手机银行项目中，还可以完成客户验证工作，提升客户体验。
（2）大数据智能阶段。金融企业对大数据的研究与应用相对较早，现阶段，金融大数据智能发展的主要目标是将大数据研究和基础AI、行业AI进行有效融合，进而提升客户服务智能化水平。
（3）全渠道智能决策阶段。在此阶段中，主要是无缝对接客户识别环节、行为预测环节及其他系统功能，依照客户响应，可以对整体系统进行动态更新，进而让智能化体验目标得以实现。
1.2 典型应用场景
在银行等金融机构中，使用大数据智能技术实现目标可以划分为三个主要层次，第一层次目标是提升服务流程效率，让企业运营成本得以降低;第二层次目标是提升风险控制水平，让企业的风险效益得以增加;第三层次是利用产品对客户起到驱动作用，让企业客户价值得以提升。依照此目标，在当前及未来发展中，金融大数据智能發展典型应用场景可以归纳为：
（1）在服务场景中，可以应用文字识别技术、人脸识别技术、图像识别技术以及语音识别技术，可以使用网点智能机器人或智能客服系统[1];
（2）在互联网信贷反欺诈以及信用卡反欺诈等场景中，可以应用深度学习技术、机器学习技术与复杂网络技术，让风险控制力度得以强化，利用图像识别技术、文字识别技术、机器学习技术，并结合大数据数据库，可以让信贷审批过程和贷后管控过程中风险预警水平得以提升。
（3）将智能分析技术应用在客户营销工作与产品设计工作中，可以对银行增值业务发展起到促进作用，可以让专业解决方案得以构建，如“智能推荐”以及“智能投顾”都是典型智能产品。
1.3 智能“中台”发展
智能“中台”是金融大数据智能发展现状主要表现，同时也是金融大数据智能未来重要发展趋势。大数据和人工智能之间具有密切联系，在大数据基础上，通过对机器学习技术予以有效应用，对机器知识进行充分使用，可以让人工智能应用体系得以构建。现阶段，在金融企业大数据智能发展进程中，其关键要素可以归纳为算力、数据与模型，三个关键要素之间具有互相支撑作用，其中算力具有根基性，伴随着计算能力的迅速提升，巨量数据计算、复杂算法应用目标可以得到有效实现;其中数据具有支持性，数据可以为算力匹配和算法应用提供依据;其中模型具有核心作用，只有让数据信息、算力形成智能模型，才能让大数据智能技术发挥出自身价值。与此同时，还应针对业务场景IT构建能力，转化智能微业务场景推送能力，让闭环业务场景得以构建，在场景中，主要包含接触部分、采集部分、智能决策部分、反馈推送部分以及再接触部分。
在金融领域中，随着资产化管理需求强烈程度的逐渐提升，金融企业在金融大数据技术应用过程中，一方面，需要积极促进内部数据、外部数据的充分共享与利用;另一方面，需要积极构建数据挖掘模型，并完成模型管理工作、知识迁移工作。在大数据技术应用中，基础资产占有重要地位，可以让原始数据素材得以提供，在此过程中，需保证数据信息具有关联性、合规性特点，与此同时，还应对衍生资产予以高度重视，对大数据高附加值予以提供，保证其具有向外输出特殊潜力。
在现存难点得以突破后，在未来发展中，金融大数据智能技术将会在企业运营、风险防控以及企业营销等方面进行技术突破，让场景化数据价值链条得以构建，让大数据智能中台框架得以形成，进而打造“智能中台”，其中主要包含产品画像、客户画像以及决策引擎、数据挖掘模型等内容，在智能化发展中，数据挖掘模型占有核心地位，而在建模过程中，需要利用产品画像、客户画像为其完成特征输入提供工作。进而提升客户认知水平、算法智能水平以及决策速率。
2 金融大数据智能发展主要策略
2.1 组建科学团队
为保证金融大数据智能发展目标得以实现，金融企业应积极组建科学研究团队，首先，金融企业可以组建业务分析和模型构建团队，保证工作人员全面熟悉业务需求情况，并可以对应用场景予以准确把握;其次，金融企业可以组建数据科学团队，保证工作人员可以完成数据开发工作、复杂网络计算工作以及数据产品实现工作，让工作人员可以高效研究新型算法;最后，金融企业可以组建大数据综合团队，保证团队工作人员具有咨询、开发能力，可以让交付进度、交付质量得以把控。
2.2 营造社区文化
金融企业应积极营造社区文化，对企业发展创新起到促进作用。首先，应积极利用大数据，对社区、大数据实验室予以创建，促进业务、科技融合，在此过程中，其中心为互联网产品理念，其驱动力为业务创意碰撞，进而完成大数据项目孵化机制构建工作;其次，应积极提升自我创新孵化能力，积极联系科学研究所与高等学校，共同打造人才储备机制、科研合作机制，对大数据实施能力、服务能力提高起到促进作用[2]。
结束语：
综上所述，业务自动化阶段、大数据智能阶段以及全渠道智能决策阶段是行业发展主要环节，智能“中台”发展是未来重要趋势，通过组建科学团队以及营造社区文化的主要策略，可以帮助金融企业有效应用金融大数据智能技术，进而促进企业发展。
参考文献：
[1]田江.金融大数据智能发展现状与未来趋势[J].软件和集成电路，2019（10）：47-51.
[2]李万超，于永彤，王丹丹.大数据和人工智能在金融分析研究领域的应用：日本经验及借鉴[J].吉林金融研究，2019（07）：22-24.