平安张慎:战略驱动投入大数据和AI 场景应用到
新闻
快住有房-全新移动租房交易平台
睡到12点
2017-07-27 10:40

  在大数据和人工智能的浪潮下,银行业正在进行一场裂变。

  而放眼整个行业,在这场裂变中,有的选择与拥有技术的新兴公司合作,希望借助外部的力量实现大数据和人工智能的入门来促进转型,有的则试图在内部启动相应的技术投入来进行转型的摸索。当问及平安银行零售风险管理部总经理张慎,平安银行属于哪一种路线时,张慎果决地回答称,哪一种都不是。

  张慎表示,表面看起来,平安似乎是第二种,但实际上,无论是从技术认知的角度,还是技术应用投入的角度,平安银行内部对于大数据和人工智能的摸索已达四五年之久。

  “如果要对当下平安内部大数据和AI的发展赋予一个阶段性的定义,那么所谓的入门或者摸索已经不能完全概括平安目前的状态,平安当下在做的,是在过去多年积累的基础上,继续稳步推进智能银行转型的目标,深化大数据和AI在零售场景中的应用。“张慎说。

  文化基因和战略推动平安率先投入

  对于平安银行为何能够在行业内较早展开大数据和AI的研发,张慎表示,这缘于两个大的前提。

平安银行兼信用卡中心风险总监张慎

  第一大前提是平安文化基因中始终保持的危机感,使得平安习惯性地会对行业的趋势有所把控,提前展开布局。张慎介绍:“银行未来唯一的出路是拥抱大数据和AI,优化客户体验、提升效率、降低成本,借此改变和颠覆自我,携带着传统银行的优秀基因进化成为一家行业领先的Fintech公司。”

  第二大前提,是平安董事长马明哲对于大数据和人工智能将来在零售业务中所扮演角色的深刻理解。这些都直接地使得平安较早地就对大数据和AI未来前景的理解上了跑道。

  但仅有跑道还是不够,张慎表示,在不断地摸索中,平安深刻地意识到,想要把大数据和AI真正运用到业务中,必须要克服三大阻碍。

  首先,是银行基础系统层面的巨大投入,无论是大数据和AI都需要银行基础系统从底层到前端应用都具备适用性,这就一定程度上需要银行对旧有的系统进行大量投入来进行改良,甚至是颠覆。而这是在大数据和AI深入场景应用前,所有银行都必须解决的问题。

  其次,则是人才的缺乏,目前市场上既懂业务、又懂大数据或者AI的人凤毛麟角,如何建立一支专业的大数据AI团队,是一个比较难克服的障碍,平安在这方面的举措,是不惜高价从美国挖掘一流的人才,这些人才往往都已具备在大数据和AI方面的研发经验,就以张慎为例,他本人此前曾主导开发了运通公司目前主要的信用和伪冒大数据风险模型体系,并主管运通公司除美国市场以外全球所有21个市场的风险审批与额度管理。

  最后,是业务架构和公司文化的改变,张慎强调,在大数据和AI驱动的业务模式和思考逻辑,与传统银行的思维是非常不同的,这也是传统银行最难逾越的障碍。

  “而要克服上述这三大阻碍,都需要一定的时间。早启动也是早些面对障碍的过程,也就可以早点解决。如果到当下再去解决,将会面临巨大的时间成本。”张慎直言。

  回顾从最早的启动到如今的场景应用深化,张慎认为,平安银行能够在零售转型过程中保持同业中的领先地位,最核心的还是非常注重对传统思维的自我颠覆,并在系统、人才、技术方面进行了大规模的投入,且依靠背后强大的平安集团的支持,平安银行才能在这些方面取得较好成绩。

  三阶段深化大数据和AI场景应用

  张慎表示,无论对大数据和AI做多大的投入,平安银行最终的目标都是成为让消费者信赖的智能银行,而为了达到这一目标,按照平安银行内部的规划,平安对于大数据和AI应用已历经了三个阶段:风险管控、人脸识别技术、千人千面的智能化服务。

  在风险管控方面,张慎称,平安银行不仅使用了逻辑回归和决策树一类的传统模型技术,同时也掌握了包括GBM,链式聚类分析等在内的前沿大数据模型技术,并在此基础上,更进一步,利用模型集群技术将这两类模型结合。而结合的最终的结果,是平安已经在全行全量客户的各个结点上,部署了约40多套的风险模型来全方位的监控和评估风险。

  “这些模型已经成为我们风险管理及伪冒防范体系的基石。”张慎说。

  而在以领先行业的速度实现风险管控的大数据应用后,平安又进一步深化了在AI领域的研发,引入了人脸识别技术。作为行业最早开始在零售场景中大规模使用人脸识别技术的银行,平安从2015年年初就开始了大规模的测试,不仅在前期通过对约一个亿的正负人脸比对样本的测试实现了对模型的精准性的检测,同时还在此基础上建立了人脸识别风险应用策略。