上回談到今年的目標(biāo)里面有一個是實時推薦模型的研究與落地，這里展開討論一下，涉及大數(shù)據(jù)應(yīng)用發(fā)展層次、用戶數(shù)字化轉(zhuǎn)型、微服務(wù)架構(gòu)等內(nèi)容。保持一貫的非科普與非學(xué)術(shù)，快速閱讀大約耗時10分鐘。
為什么是流數(shù)據(jù)挖掘與實時推薦呢? 直接上結(jié)論先，我們認(rèn)為從技術(shù)視角來看，這代表著傳統(tǒng)銀行在大數(shù)據(jù)應(yīng)用領(lǐng)域的高階能力。做完這個，那基本上從技術(shù)上已經(jīng)沒有太多難點可以挑戰(zhàn)了，關(guān)鍵問題徹底變成如何轉(zhuǎn)化先進生產(chǎn)力了。至于更加復(fù)雜的算法或模型，都是工具而已。
銀行數(shù)字化轉(zhuǎn)型的關(guān)鍵要素
銀行數(shù)字化轉(zhuǎn)型是體系化的事情，強調(diào)極致客戶體驗、全面創(chuàng)新文化、內(nèi)部有機協(xié)作、外部市場拓展等問題。再詳細(xì)一些，可以看下面這張圖，具體來源見上面的標(biāo)注。數(shù)字銀行的實施將以三個方面為基礎(chǔ)，其中客戶中心性和開放式創(chuàng)新這兩個方面與大數(shù)據(jù)息息相關(guān)，下面特別說明一下。（原文寫的挺好，直接引用。）
以客戶為中心在銀行數(shù)字化轉(zhuǎn)型中體現(xiàn)著兩個方面：一個是關(guān)注客戶體驗，另一個是深入分析分支機構(gòu)的作用。了解客戶體驗對于銀行實施數(shù)字化轉(zhuǎn)型至關(guān)重要，具體又三個成功因素。首先是將業(yè)務(wù)目標(biāo)設(shè)定為更接近客戶的期望和預(yù)期，這需要改變現(xiàn)有的觀念和做法，讓客戶真正成為銀行的中心；其次是充分利用技術(shù)創(chuàng)新帶動客戶體驗的大幅度進步，銀行應(yīng)用的技術(shù)必須是前沿的；最后是重新思考分支機構(gòu)的作用，傳統(tǒng)的分支網(wǎng)絡(luò)體現(xiàn)了銀行品牌呈現(xiàn)為一個整體機構(gòu)，改變分支機構(gòu)意味著改變分支機構(gòu)員工的習(xí)慣、信念、激勵和經(jīng)驗。
針對開放式創(chuàng)新，可以結(jié)合IT和營銷人員組成數(shù)字化團隊，幫助客戶制定具體的創(chuàng)新方案。這有點類似敏捷開發(fā)的概念，也符合我們一貫的觀點，那就是雙贏前提下發(fā)揮各自的優(yōu)勢。集成IT和營銷人員，致力于創(chuàng)建一個敏捷的組織或團隊，將客戶需求與解決方案交付結(jié)合起來，以盡快提供新服務(wù)以滿足客戶需求。過程中充分結(jié)合內(nèi)部知識與外部市場信息，以促進更有價值的創(chuàng)新。
大數(shù)據(jù)與客戶認(rèn)知
大數(shù)據(jù)領(lǐng)域的創(chuàng)新實踐與銀行數(shù)字化轉(zhuǎn)型息息相關(guān)，因為大數(shù)據(jù)是企業(yè)開放式創(chuàng)新的重要落腳點，更是實現(xiàn)以客戶為中心的基礎(chǔ)和關(guān)鍵。大數(shù)據(jù)與客戶認(rèn)知，體現(xiàn)了業(yè)務(wù)視角的大數(shù)據(jù)價值，也涵蓋了技術(shù)視角下數(shù)據(jù)采集、加工、整合、應(yīng)用。
大數(shù)據(jù)能夠全面深入的了解客戶，并提供有針對性的服務(wù)。我們認(rèn)為，大數(shù)據(jù)視角下的客戶認(rèn)知可以通過建立客戶畫像標(biāo)簽體系來實現(xiàn)和深化，如圖所示可以分為兩層，其中基礎(chǔ)層包括靜態(tài)屬性和行為屬性，反映數(shù)據(jù)采集范圍；衍生層包括情緒屬性、價值觀屬性、道德觀屬性，反映的是數(shù)據(jù)應(yīng)用的深度，也就是數(shù)據(jù)價值挖掘?qū)崿F(xiàn)的層次。
從數(shù)據(jù)范圍的廣度和數(shù)據(jù)應(yīng)用的深度來建立客戶畫像標(biāo)簽體系，體現(xiàn)了大數(shù)據(jù)時代4V特性的精髓，其中Volume、Variety、Velocity三個屬性主要對應(yīng)客戶基礎(chǔ)層標(biāo)簽中靜態(tài)或行為數(shù)據(jù)的增加，Value屬性對應(yīng)衍生層的數(shù)據(jù)分析挖掘內(nèi)容。從另外一個視角來看，衍生層對應(yīng)客戶認(rèn)知的深度，同時也對應(yīng)數(shù)據(jù)應(yīng)用的廣度，進而促進基礎(chǔ)層數(shù)據(jù)采集的廣度，二者呈相輔相成的良性關(guān)系。
整體上是兩層體系架構(gòu)，實際應(yīng)用中還可以細(xì)分為更多的維度。以靜態(tài)屬性為例，基本定義為客戶較為固定的屬性，又可分為自然屬性、社會屬性、興趣屬性等分類，具體項目包括性別、年齡、星座、人生階段、消費水平、教育程度、所在行業(yè)、具體職業(yè)、投資情緒等。在實際應(yīng)用中，靜態(tài)屬性也并非一成不變，會隨著具體情況的變化進行動態(tài)調(diào)整，不過其頻率和范圍較行為屬性的變化要相對穩(wěn)定。對銀行客戶來說，典型的行為信息包括客戶通過某一渠道訪問或使用銀行某一產(chǎn)品、服務(wù)的事件類信息，以及伴隨對應(yīng)的時間、地點等信息；此外，大數(shù)據(jù)時代更重要的是整合企業(yè)外部數(shù)據(jù)，如社交網(wǎng)絡(luò)、地理位置服務(wù)等數(shù)據(jù)形成對應(yīng)的行為信息屬性。需要說明都是，基礎(chǔ)層的兩種分類屬性都可以結(jié)合實際訴求進行自我進化、組合，形成更加豐富的寬表屬性以滿足多種需求。
基礎(chǔ)層屬性能滿足大多數(shù)的銀行業(yè)務(wù)經(jīng)營需求，無論是營銷類分析決策，還是風(fēng)險類授信預(yù)警，都可以在基礎(chǔ)層的屬性信息上進行數(shù)據(jù)分析與挖掘。但是，客戶融合的理念在于從更深層次認(rèn)知客戶，從而提高模型算法的準(zhǔn)確性以達(dá)到實用效果。當(dāng)更多種類的挖掘算法出現(xiàn)在銀行經(jīng)營活動中，那么就能逐步實現(xiàn)數(shù)據(jù)化運營，這個過程中就需要衍生層的屬性。
衍生層的屬性主要是情緒屬性、價值觀屬性和道德觀屬性三類，情緒屬性是目前業(yè)界最為關(guān)注的熱門話題。通常將客戶的情緒分為冷靜、警惕、確信、活力、友善和幸福這六個類別，情緒信息對于客戶營銷能夠發(fā)揮關(guān)鍵的作用，不同情緒對應(yīng)不同的營銷技巧，這是零售銀行客戶發(fā)展的重要問題。價值觀屬性和道德觀屬性雖然構(gòu)建于體系中，但目前更多處于探索性階段。情緒數(shù)據(jù)能夠決定是否購買商品，但價值觀屬性能夠決定買哪種商品。與此對應(yīng)，道德觀屬性包括誠實、原則、榮譽等屬性，對于銀行客戶營銷、風(fēng)險法規(guī)等領(lǐng)域都能發(fā)揮作用。通常銀行傳統(tǒng)數(shù)據(jù)倉庫中的數(shù)據(jù)難于分析判斷客戶的價值觀傾向或者道德觀屬性，這需要更多的外部數(shù)據(jù)支持。
技術(shù)視角看大數(shù)據(jù)應(yīng)用層次
這里的大數(shù)據(jù)應(yīng)用指的是系統(tǒng)層面的應(yīng)用，到了這個層次，本身已經(jīng)說明了企業(yè)對于大數(shù)據(jù)的認(rèn)可，因為預(yù)算和投入可以反應(yīng)很多問題?，F(xiàn)在外部公開資料中銀行大數(shù)據(jù)應(yīng)用試點或場景還是不少的，但真正落實到系統(tǒng)層面的其實并不多。針對大數(shù)據(jù)應(yīng)用，我們劃分了三個層次，涵蓋了這幾年實際大數(shù)據(jù)項目建設(shè)的歸納和展望。
首先是數(shù)據(jù)整合類的大數(shù)據(jù)應(yīng)用，進行海量數(shù)據(jù)的存儲、整合和檢索。其優(yōu)勢在于Hadoop集群相對低廉的軟硬件價格，價格對比的是TD的一體機，或者GP的軟件。功能相對簡單，重在穩(wěn)定和高效。
中間是大數(shù)據(jù)專項應(yīng)用，其中從業(yè)務(wù)視角看最多的是風(fēng)控類和營銷類項目，這類系統(tǒng)的典型關(guān)鍵詞是外部數(shù)據(jù)、機器學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、精準(zhǔn)預(yù)測，至于究竟做成什么樣，只有各個銀行自己知道了。從技術(shù)視角看，部分有遠(yuǎn)見的銀行還建設(shè)了專門的大數(shù)據(jù)挖掘項目，為全行提供大數(shù)據(jù)挖掘建?；A(chǔ)技術(shù)能力；或者建設(shè)大數(shù)據(jù)治理項目，治理與應(yīng)用齊頭并進，用科學(xué)的規(guī)劃引領(lǐng)實干。
最上面一層是AI，如上篇文章所談，此時的AI更多還是Augumented Intelligence（增強智能）系統(tǒng)，可以由客戶畫像 挖掘模型 決策引擎組成，其中數(shù)據(jù)挖掘模型是智能化的核心。我們認(rèn)為，能夠把這三類大數(shù)據(jù)應(yīng)用建設(shè)好，并在一個業(yè)務(wù)應(yīng)用中進行融合，就能夠基本滿足銀行數(shù)字化轉(zhuǎn)型中的技術(shù)需求了。至于Artificial Intelligence技術(shù)在銀行中的應(yīng)用，還在持續(xù)觀望或?qū)で髴?yīng)用切入點的過程中；可以先想一下未來的場景，比如機器人、認(rèn)知計算等領(lǐng)域的創(chuàng)新能夠為銀行帶來哪些變化。
不同層次的大數(shù)據(jù)應(yīng)用對應(yīng)不同的數(shù)據(jù)維度，從基礎(chǔ)到社交，從移動到實時，業(yè)務(wù)要求和技術(shù)能力都會逐步深化和提升。回到開篇，實時推薦應(yīng)用的背后是高階技術(shù)水準(zhǔn)的大數(shù)據(jù)挖掘模型，隱含的業(yè)務(wù)需求和技術(shù)能力都是高層次的。當(dāng)然，萬丈高樓平地起，沒有前期的持續(xù)積累，技術(shù)上做不了這樣的模型，業(yè)務(wù)也不會提出這樣的需求。
數(shù)字化轉(zhuǎn)型與大數(shù)據(jù)智能化
從大數(shù)據(jù)視角切入，討論整體系統(tǒng)架構(gòu)；這僅僅是一個初步的設(shè)定，參考了開篇引用圖片的那個報告。銀行數(shù)字化轉(zhuǎn)型中需要考慮的問題很多，這里的大數(shù)據(jù)智能化系統(tǒng)重點在于發(fā)揮大腦和中樞神經(jīng)的作用，整合技術(shù)創(chuàng)新對應(yīng)的各類數(shù)據(jù)，并通過數(shù)據(jù)挖掘發(fā)揮數(shù)據(jù)的價值和力量。
后臺是敏捷核心，或者新核心系統(tǒng)，有的銀行做了，有的正在規(guī)劃中。中臺是大數(shù)據(jù)增強智能系統(tǒng)，此時的AI包括數(shù)據(jù)挖掘、客戶畫像和決策引擎。系統(tǒng)通過種類繁多的數(shù)據(jù)產(chǎn)品對接渠道類客戶端，實現(xiàn)智能決策支持。數(shù)據(jù)產(chǎn)品可以抽取AI系統(tǒng)功能封裝而成，也可以獨立開發(fā)部署；之所以用數(shù)據(jù)產(chǎn)品的形式對接前段渠道，后面還有細(xì)節(jié)討論。
談到數(shù)據(jù)產(chǎn)品，先強調(diào)一下用數(shù)據(jù)產(chǎn)品化的思維指導(dǎo)大數(shù)據(jù)分析挖掘?qū)嶋H工作的開展，同時也可以作為傳統(tǒng)業(yè)務(wù)系統(tǒng)的進化目標(biāo)參考。分析需求、確定度量、孵化模型、打磨可視化展現(xiàn)，這是數(shù)據(jù)產(chǎn)品研發(fā)過程中最關(guān)鍵的幾個步驟。數(shù)據(jù)產(chǎn)品需要具有快速迭代的特點，應(yīng)用小步快跑、灰度發(fā)布這些互聯(lián)網(wǎng)運營技巧才能滿足數(shù)字化轉(zhuǎn)型過程中以客戶為中心的目標(biāo)，底層重量級AI系統(tǒng)支持下的數(shù)據(jù)產(chǎn)品用分布式開發(fā)模式，上線、下線自有流程規(guī)則。是的，是結(jié)合微服務(wù)架構(gòu)去開發(fā)數(shù)據(jù)產(chǎn)品，每個數(shù)據(jù)產(chǎn)品組件具有自主性，具備低耦合高內(nèi)聚特征，服務(wù)彼此獨立運行，具有增加自身價值能力。當(dāng)然，還要考慮Docker技術(shù)、DevOps的落實，都是很挑戰(zhàn)、很復(fù)雜問題。
出現(xiàn)了更多的問題
小結(jié)一下，本文從一個小目標(biāo)談起，討論了大數(shù)據(jù)與客戶認(rèn)知、大數(shù)據(jù)應(yīng)用系統(tǒng)層次、銀行數(shù)字化轉(zhuǎn)型影響因素、大數(shù)據(jù)智能化系統(tǒng)、數(shù)據(jù)產(chǎn)品微服務(wù)架構(gòu)等內(nèi)容。論述了一個為什么，又提出了一堆新的為什么。
這些問題留著持續(xù)討論吧，且行且思考。
Smarter bank， the future of banking.
