银行跨界玩AI，如何实现金融数据价值最大化？

（原标题：银行跨界玩AI，如何实现金融数据价值最大化？）

金融脱媒、银行业正加速数字化转型。财联社记者近日了解到，银行机构在AI领域布局已有初步成果。数据爆炸式增长，商业银行对数据的运用达到了前所未有的高度。科技重塑银行，数据驱动决策，已成为银行业数字化的前沿方向。

然而，数据的运用也存在诸多难题，其中隐私保护更是重中之重。微众银行首席人工智能官杨强团队致力于发展第三代的隐私计算技术，通过联邦学习这一算法实现“数据不出本地”，通过加密模型参数交换建立全局模型，赋能小微企业。通过隐私计算，实现金融数据价值最大化。

科技重塑银行业，AI应用正当时

科技已成为数字经济时代生产力最重要的驱动因素，交行行长刘珺表示，资金不再是稀缺资源，银行的作用相应下降，出现了脱媒现象。在全球化进程进入下半场之际，科技将发挥重要作用。

全球化上半场的重点在于生产，一定程度上导致了经济发展不平衡、贫富分化、气候变化等问题；进入下半场后，要求兼顾生产和分配、效率和公平。此过程会更复杂，AI与数字经济发展要体现科技向善，促进权利平等，推动实现平衡、绿色和可持续的发展。

当前，数据正以几何级数、甚至幂级数爆炸式增长，数据运用也提升到前所未有的高度。金融机构之前以处理资产负债表、损益表、现金流量表中的结构性数据为主，后加入电力使用、能源使用、运输等结构性数据；未来，还将处理行为模式、情绪偏好等非结构性数据。

这意味着，数据或成为新经济的“石油”。因此金融机构一定要学会运用数据资产，学会定价数据资产，学会对数据资产进行有效风险管理，充分运用数据资产赋能金融。

交行副行长钱斌表示，人工智能技术作为数字经济中领先技术的代表，正在重塑包括商业银行在内的各行各业。人工智能应用在商业银行智能营销、智能风控、智能客服、智能运营等多方面。然而，即便是人工智能技术发展迅速，但依然任重道远。

一是通用性不足，现阶段人工智能专业化，都是边界清晰、定义明确的单一任务模型。一旦任务变化，效果就会“打折扣”。二是可解释性不足，目前得出的最终模型往往让人们抱有一丝不信任感，因此，在医疗诊断、法律判决等容错率苛刻的领域，AI的应用较为慎重。

三是隐私安全问题，在使用一款新APP时往往被询问是否允许开启当前定位，是否允许访问照片，是否允许访问通讯录等，人们在享受便利的同时，也产生了一丝被窥视的不安全感。

钱斌认为，金融与人工智能互助共生相向而行，AI需要金融，金融也需要AI。金融一直是最被看好的人工智能落地场景，毕竟商业银行信息化系统起步早，成熟度较高，数据积累较为丰富，AI应用于金融领域正当其时。

数据驱动决策，AI如何赋能银行？

数库科技总裁沈鑫表示，如今是数据驱动决策时代，无论是银行寻找优质企业进行贷款，还是政府招商引资强链补链，亦或大型企业实现智能化供应链风控及管理，其决策本质都是不断定位及跟踪动态发展中的优质企业或潜在风险点。

因此，通过扎实的数据智能搭建形成完整的产业画像和企业画像，实现对产业及企业周边的实时资讯动态解析及跟踪，进而对目标企业的快速定位及评估就成为了产融数字化决策中的核心能力。

数据驱动决策时代下，数据如何赋能银行业务决策？招行人工智能实验室负责人李金龙介绍，招行于2000年开始建设数据仓库，五年前开始布局人工智能。目前，招行AI Lab已发展到两三百人的规模，落地场景超百个，包括客户营销、风控管理，产品投研、投顾、量化投资等，在内部实现了较大的业务价值。

“招行AI三·三规划”体现了招行人工智能的发展思路。最上层是客服云、舆情云、视觉云，可对标互联网公司或一般性企业；第二层是知识管理方案、营销解决方案、大财富投研；底层是支撑性能力，包括人工智能中台、资源管理平台、学术科研平台。

关于知识管理方案，李金龙表示，银行是知识密集型行业，要遵守的规章制度能达到一两万份，最复杂的上岗培训可能要两三年。招行AI Lab历时三四年把要遵守的制度结构化、规则化，以此赋能到流程，进行智能审核工作。这是AI+RPA能够发挥作用的一项基础性工作。

他指出，人工智能若想在银行发挥作用，首先一定要把知识解析成规则，让机器理解制度，这是银行发展人工智能的重要基础。营销解决方案有应用层、算法层和底部的数据层，体现在应用方面，包括零售业务的亿级客群策略平台和对公营销平台“天玑”。

第三个方案是招行的大财富价值循环链的战略方向，有反映整体社会经济运行、各个产业链运行的实际数据的采集、整理等的基础性研究，；也有在此基础上结合宏观数据，并用经济学的方法论去加工、分析，助力客户选到更适合自己的金融产品。

通过隐私计算，实现金融数据价值最大化

数据运用过程中尚有诸多问题亟待解决。如何确权？如何保证数据拥有者的应有权利？如何保护数据的隐私和安全？数据如何进行价值交易？如何抵抗大数据的马太效应？如何建立小数据的联邦生态，把小数据聚沙成塔变为大数据？如何能够解决冷启动的问题？

2018年，欧洲推出《通用数据保护条例》，对个人数据和企业数据有着非常严格的规定；2019年，我国国家互联网信息办公室起草发布《数据安全管理办法(征求意见稿)》，国内监管趋严，数据在安全合规的前提下自由流动，成为大势所趋。

微众银行首席人工智能官杨强团队致力于发展第三代的隐私计算技术。他认为，隐私计算是数据的责任感，AI责任感的重要侧面。据他介绍，上世纪七八十年代就出现了隐私计算，主要考虑精确计算和数据查询，实用中存在很多缺陷，几乎不能大规模使用。

因此催生了第二代，即通过硬件加持的隐私计算数据。这种技术使得多方数据汇聚在一个秘密屋中进行运算，过程不可见结果可见，效率较第一代大为提升。但它有一个严重的缺陷，就是需要把数据聚合到一处，违反了“数据不出本地”的要求。

杨强表示，第三代隐私计算技术最重要的一个算法是联邦学习，思路是“数据不动模行动”，不同数据方建立不同模型，通过交换加密模型参数建立全局模型。微众银行通过联邦学习技术实现隐私保护，在“数据不出本地”前提下进行精准评估，赋能了众多小微企业，。

此外，IDC中国金融行业研究总监高飞分享了《关于开放金融数据共享中隐私计算平衡之道》并表示，国内“开放银行”源于中银的开放平台API。2018年，工行ECOS、浦发API bank以及平安、招行均就“开放银行”的落地进行了有益尝试。

在“开放银行”生态下，以客户为主推荐金融产品，金融产品具有可组合性。传统银行业务扩展到保险、投资类产品甚至是金融衍生品，不同银行的产品和服务可以进行拆解和组合，通过数据共享实现了从“开放银行”到“开放金融”的跨越。

如何以客户为中心，通过多方数据建模，更精准、准确、完整体现客户需求及风险，是近年金融业关注的热点。此过程中涉及到诸如个人隐私泄露，数据风险，原始数据被复制，都是金融充分有效利用数据生产要素进行融通应用过程中要解决的关键问题。

他认为，隐私保护计算为开放金融实现数据价值最大化提供了可行之道。例如，浦发银行和蚂蚁集团针对零售贷款业务开发了一整套风险评估解决方案，采用多方安全计算的风险模型，利用浦发银行及其合作方的数据来共同提高模型的有效性，保证数据的安全性和隐私性。