雷鋒網(wǎng)AI金融評(píng)論按：什么是知識(shí)圖譜？簡(jiǎn)單的說(shuō)，知識(shí)圖譜是信息（實(shí)體）本身以及信息（實(shí)體）之間的關(guān)聯(lián)，是計(jì)算機(jī)實(shí)現(xiàn)智能的基礎(chǔ)。知識(shí)圖譜之于計(jì)算機(jī)，就好比知識(shí)之于人類(lèi)，而金融行業(yè)的特點(diǎn)決定了其對(duì)金融知識(shí)圖譜的剛性需求。此文為整理業(yè)內(nèi)專(zhuān)業(yè)人士觀點(diǎn)分享。

深度分析金融知識(shí)圖譜創(chuàng)業(yè)：需從“數(shù)據(jù)”競(jìng)爭(zhēng)跨向“技術(shù)”競(jìng)爭(zhēng)

人類(lèi)天生擅長(zhǎng)將信息進(jìn)行分類(lèi)、關(guān)聯(lián)，但并不擅長(zhǎng)記憶、處理海量碎片化的信息，但計(jì)算機(jī)可以。所以當(dāng)前越來(lái)越多的AI創(chuàng)業(yè)公司開(kāi)始致力于攻克構(gòu)建知識(shí)圖譜的底層技術(shù)。

不同于擁有大量C端數(shù)據(jù)的BAT，該領(lǐng)域的創(chuàng)業(yè)公司往往從垂直領(lǐng)域的企業(yè)級(jí)服務(wù)切入。目前在國(guó)內(nèi)，金融、法律、醫(yī)療、智能客服、安防等行業(yè)都已經(jīng)有了致力于該領(lǐng)域知識(shí)圖譜構(gòu)建的AI創(chuàng)業(yè)公司，但金融行業(yè)由于其行業(yè)特點(diǎn)將成為該領(lǐng)域創(chuàng)業(yè)最大的藍(lán)海。  

圖1：知識(shí)圖譜的構(gòu)建與應(yīng)用

半自動(dòng)化構(gòu)建知識(shí)圖譜的代表 數(shù)據(jù)供應(yīng)商面臨三大痛點(diǎn)

金融行業(yè)的特點(diǎn)決定了其對(duì)金融知識(shí)圖譜的剛性需求。

首先，金融行業(yè)擁有海量的包含各行各業(yè)的數(shù)據(jù)信息，而且這些信息又以各種形式（如文字、表格、圖形等）存儲(chǔ)在大量的文檔上，這些都是非標(biāo)準(zhǔn)化、碎片化的信息，需要被整理成標(biāo)準(zhǔn)化的、相關(guān)聯(lián)的金融知識(shí)圖譜，才便于金融從業(yè)者使用。

其次，金融行業(yè)的公開(kāi)文檔具有一定的法律效應(yīng)，故對(duì)于數(shù)據(jù)的精確性、時(shí)效性有很高的要求。

目前，整理這些數(shù)據(jù)的工作主要還是由金融數(shù)據(jù)供應(yīng)商來(lái)完成的。

而其中的明星級(jí)代表就是萬(wàn)得（Wind）。它所采用的是數(shù)據(jù)爬蟲(chóng)技術(shù)，從公開(kāi)渠道第一時(shí)間獲得企業(yè)工商信息、財(cái)務(wù)報(bào)告等數(shù)據(jù)，再由大量人工進(jìn)行整理和分類(lèi)，以“人力模式”結(jié)構(gòu)化這些信息，再通過(guò)萬(wàn)得終端提供給金融從業(yè)者使用。萬(wàn)得作為當(dāng)前最大的金融數(shù)據(jù)擁有者，通過(guò)多年在金融行業(yè)中的經(jīng)營(yíng)與積累，擁有了豐富的金融知識(shí)圖譜數(shù)據(jù)以及大量的金融客戶(hù)，但其知識(shí)圖譜的構(gòu)建卻是半自動(dòng)的過(guò)程，仍需要人工操作。

這種模式現(xiàn)在看起來(lái)似乎沒(méi)什么問(wèn)題，但其中存在三個(gè)最大的痛點(diǎn)：

• 第一，數(shù)據(jù)供應(yīng)商不能夠“實(shí)時(shí)、敏捷”地提供金融知識(shí)圖譜。由于半自動(dòng)化的知識(shí)圖譜構(gòu)建技術(shù)，需要人工將金融文檔中的信息提取出來(lái)，快則數(shù)小時(shí)，慢則好幾天，還容易出錯(cuò)。這就無(wú)法滿(mǎn)足一些對(duì)準(zhǔn)確性、及時(shí)性、無(wú)人工等有高要求的應(yīng)用場(chǎng)景，比如金融監(jiān)管、機(jī)密文檔復(fù)核、內(nèi)部審計(jì)等。

• 第二，數(shù)據(jù)供應(yīng)商所擁有的知識(shí)圖譜僅包含了公開(kāi)數(shù)據(jù)，大量機(jī)密的、內(nèi)部的、更為重要的數(shù)據(jù)不能被外部數(shù)據(jù)供應(yīng)商整理成知識(shí)圖譜。

• 第三，人工無(wú)法整理所有數(shù)據(jù)。以萬(wàn)得為例，由于受到人工能力限制，其整理的數(shù)據(jù)僅包含資產(chǎn)負(fù)債表、利潤(rùn)表、現(xiàn)金流量表中的主要數(shù)據(jù)，無(wú)法提煉出企業(yè)報(bào)告中其余上百個(gè)表格數(shù)據(jù)以及隱藏在大量自然文本段落中的信息，而這些信息正是深入分析該企業(yè)的業(yè)務(wù)和財(cái)務(wù)狀況的底層數(shù)據(jù)。

簡(jiǎn)而言之，以萬(wàn)得為代表的數(shù)據(jù)供應(yīng)商還不具備實(shí)時(shí)、全面地“構(gòu)建知識(shí)圖譜”的能力和技術(shù)，出售的仍然是數(shù)據(jù)本身。

所以，面向企業(yè)級(jí)服務(wù)的AI創(chuàng)業(yè)公司都致力于能夠全自動(dòng)化的構(gòu)建金融知識(shí)圖譜，解決上述三大痛點(diǎn)。但是目前該市場(chǎng)還是處于需求大大高過(guò)供給的情況，這或許是由于全自動(dòng)構(gòu)建知識(shí)圖譜的這項(xiàng)底層技術(shù)實(shí)際上在學(xué)術(shù)界都是一個(gè)難點(diǎn)。

全自動(dòng)化構(gòu)建知識(shí)圖譜的核心技術(shù)是NLP與CV的融合

人們?cè)陂喿x金融文檔的時(shí)候，對(duì)其中的自然段落、圖表中的信息在很短的時(shí)間內(nèi)便能理解其中的意思，但對(duì)于計(jì)算機(jī)來(lái)說(shuō)，這中間還有幾個(gè)轉(zhuǎn)換步驟。 

圖2：全自動(dòng)化構(gòu)建知識(shí)圖譜的過(guò)程

首先，當(dāng)計(jì)算機(jī)看到一份金融文檔的掃描圖片時(shí)，看到的僅僅是圖片中所有光點(diǎn)所呈現(xiàn)的數(shù)字矩陣；然后，通過(guò)OCR（Optical Character Recognition，光學(xué)字符識(shí)別）技術(shù)，將龐大的數(shù)字矩陣轉(zhuǎn)換成包含字符以及字符的位置信息的矢量文檔，比如金融行業(yè)最常見(jiàn)的PDF格式的文檔就是矢量化的文檔。但是，在此階段，計(jì)算機(jī)看到的僅僅是一個(gè)一個(gè)的文字以及該文字的位置，并不能知道哪些字符組成了主語(yǔ)，哪些字符是謂語(yǔ)動(dòng)詞，哪些數(shù)字是關(guān)鍵信息，文檔的哪些部分是表格。

接下來(lái)，需要讓計(jì)算機(jī)將這些零散的單個(gè)字符組合成金融知識(shí)圖譜，這就需要用到富格式文檔(Richly Formatted Data)處理技術(shù)。在這個(gè)階段，就是計(jì)算機(jī)將零散的字符提煉成信息的階段，也是技術(shù)上的難點(diǎn)。因?yàn)楦黝?lèi)披露的金融文檔呈現(xiàn)為富格式文本的形式，包含篇章結(jié)構(gòu)、文字段落、數(shù)據(jù)表格等各類(lèi)形式，而計(jì)算機(jī)對(duì)于不同形式的文本需要使用不同的處理技術(shù)；同時(shí)不同渠道獲得的金融文檔內(nèi)容還可能出現(xiàn)不一致的地方，這還需要AI模型能夠分辨矛盾數(shù)據(jù)、噪音數(shù)據(jù)。

所以，想要將這些文檔上的字符歸納提煉成為標(biāo)準(zhǔn)化的、相關(guān)聯(lián)的、準(zhǔn)確的信息，需要AI領(lǐng)域中的自然語(yǔ)言處理（NLP）技術(shù)與計(jì)算機(jī)視覺(jué)深度（CV）的技術(shù)的融合。

也就是說(shuō)，在全自動(dòng)構(gòu)成知識(shí)圖譜的過(guò)程中，真正的難點(diǎn)在于計(jì)算機(jī)如何從含有復(fù)雜格式的大量資料中，快速地“理解”、“讀懂”人類(lèi)語(yǔ)言，甚至是對(duì)經(jīng)過(guò)復(fù)雜演算的數(shù)據(jù)結(jié)果進(jìn)行“糾錯(cuò)”。攻破這些技術(shù)難點(diǎn)的創(chuàng)業(yè)公司就將擁有核心的“技術(shù)”競(jìng)爭(zhēng)力，也就是說(shuō)它們將不再出售數(shù)據(jù)本身，而是出售“構(gòu)建數(shù)據(jù)”這項(xiàng)技術(shù)。而各家創(chuàng)業(yè)公司的技術(shù)硬實(shí)力，將會(huì)成為其占領(lǐng)該領(lǐng)域的真正壁壘。

全自動(dòng)構(gòu)建金融知識(shí)圖譜將使金融機(jī)構(gòu)提升運(yùn)營(yíng)效率、節(jié)約合規(guī)成本

當(dāng)全自動(dòng)構(gòu)建知識(shí)圖譜的技術(shù)開(kāi)始真正滲透到金融機(jī)構(gòu)中，金融行業(yè)才能真正實(shí)現(xiàn)智能化的飛躍，大幅提升行業(yè)運(yùn)營(yíng)效率。

圖3：全自動(dòng)構(gòu)建知識(shí)圖譜在金融機(jī)構(gòu)及金融監(jiān)管場(chǎng)景的應(yīng)用

一方面，如果全自動(dòng)構(gòu)建金融知識(shí)圖譜的數(shù)據(jù)的技術(shù)私有化部署在公司內(nèi)部，則內(nèi)部機(jī)密數(shù)據(jù)的標(biāo)準(zhǔn)化整理、識(shí)別、關(guān)聯(lián)、分析將能夠被計(jì)算機(jī)替代。其應(yīng)用場(chǎng)景可以涵蓋從內(nèi)部繁復(fù)的文檔整理復(fù)核工作到內(nèi)部合規(guī)審核。數(shù)據(jù)顯示，中國(guó)證監(jiān)會(huì)僅在2017年就作出行政處罰決定224件,罰沒(méi)款金額74.79億元,同比增長(zhǎng)74.74%；而因?yàn)槠渌虺霈F(xiàn)了細(xì)微錯(cuò)誤的財(cái)務(wù)報(bào)告也會(huì)讓企業(yè)成為媒體和公眾討伐的對(duì)象。如果企業(yè)能將合規(guī)的審核交給計(jì)算機(jī)，則企業(yè)內(nèi)部為繁瑣文檔工作付出的人力成本、為合規(guī)處罰付出的經(jīng)濟(jì)成本等等，都將被節(jié)省下來(lái)。

再就是即便對(duì)已公開(kāi)的金融文檔，全自動(dòng)構(gòu)建知識(shí)圖譜的技術(shù)也將能夠使企業(yè)大大縮短獲得關(guān)鍵信息的時(shí)間。如果是運(yùn)用外部的數(shù)據(jù)供應(yīng)商，從企業(yè)年報(bào)PDF上網(wǎng)公開(kāi)，到萬(wàn)得（Wind）的財(cái)報(bào)數(shù)據(jù)入庫(kù)，快則需要幾個(gè)小時(shí)，慢則需要數(shù)天。但金融行業(yè)一直是分秒都很“貴”的地方，如果能通過(guò)全自動(dòng)知識(shí)圖譜構(gòu)建技術(shù)讓財(cái)報(bào)數(shù)據(jù)在2分鐘之內(nèi)即可被金融從業(yè)者獲取及應(yīng)用，無(wú)疑將大大提高金融機(jī)構(gòu)內(nèi)部的運(yùn)營(yíng)效率。

與此同時(shí)，外部數(shù)據(jù)供應(yīng)商提供的財(cái)報(bào)數(shù)據(jù)往往僅包含資產(chǎn)負(fù)債表、利潤(rùn)表、現(xiàn)金流量表里的主要數(shù)據(jù)信息，無(wú)法提煉出隱藏在幾百頁(yè)企業(yè)報(bào)告中深入分析該企業(yè)的業(yè)務(wù)和財(cái)務(wù)狀況的底層數(shù)據(jù)，但這些信息卻可以被計(jì)算機(jī)自動(dòng)提取。金融行業(yè)從業(yè)者將能夠獲得更加全面、精準(zhǔn)的信息。

知識(shí)圖譜的應(yīng)用將助力金融監(jiān)管，監(jiān)管科技市場(chǎng)前景廣闊

另一方面，對(duì)金融監(jiān)管機(jī)構(gòu)而言，基于其特殊性質(zhì)，對(duì)于外部服務(wù)商的介入會(huì)更加謹(jǐn)慎。而通過(guò)私有化部署全自動(dòng)構(gòu)建知識(shí)圖譜技術(shù)服務(wù)，利用內(nèi)部閉環(huán)程序操作，就可以在盡可能提高數(shù)據(jù)的保密等級(jí)，減少人工直接參與的情況下，及時(shí)獲得最全面、最精準(zhǔn)的標(biāo)準(zhǔn)化大數(shù)據(jù)。

同時(shí)，防范系統(tǒng)性金融風(fēng)險(xiǎn)一直是我國(guó)金融監(jiān)管的重中之重。通過(guò)構(gòu)建跨行業(yè)、跨機(jī)構(gòu)的金融知識(shí)圖譜，獲得標(biāo)準(zhǔn)化的、準(zhǔn)確無(wú)誤的、及時(shí)透明的以及數(shù)量巨大的基礎(chǔ)數(shù)據(jù)或信息，才能讓人工智能在海量的數(shù)據(jù)和信息中主動(dòng)識(shí)別和預(yù)測(cè)風(fēng)險(xiǎn)，對(duì)分散的數(shù)據(jù)進(jìn)行綜合分析以得出行為模式，這將是幫助監(jiān)管機(jī)構(gòu)防范系統(tǒng)性金融風(fēng)險(xiǎn)最為有效的金融科技。

隨著中國(guó)銀保監(jiān)會(huì)的正式掛牌，中國(guó)金融監(jiān)管進(jìn)入“一委一行兩會(huì)”的格局。統(tǒng)一化監(jiān)管、整體化監(jiān)管、穿透化監(jiān)管將成為未來(lái)金融監(jiān)管的主基調(diào)，大量跨行業(yè)、跨機(jī)構(gòu)的數(shù)據(jù)將被打通，構(gòu)建金融知識(shí)圖譜的技術(shù)將成為市場(chǎng)剛需，成為監(jiān)管科技的重點(diǎn)應(yīng)用之一。

目前，全球的監(jiān)管科技市場(chǎng)正處于一個(gè)上升階段，根據(jù)市場(chǎng)調(diào)研公司Let's talkpayment預(yù)計(jì)，到2020年，全球范圍內(nèi)監(jiān)管科技的市場(chǎng)規(guī)模將超過(guò)1000億美元。中國(guó)也將在這一領(lǐng)域迎來(lái)廣闊的市場(chǎng)。

基于此，沖破擁有金融大數(shù)據(jù)的數(shù)據(jù)服務(wù)商所構(gòu)建的商業(yè)壁壘，在技術(shù)層面已經(jīng)實(shí)現(xiàn)，金融知識(shí)圖譜的市場(chǎng)競(jìng)爭(zhēng)也正在從“數(shù)據(jù)”競(jìng)爭(zhēng)跨向“技術(shù)”競(jìng)爭(zhēng)的新時(shí)代，技術(shù)本身才是創(chuàng)業(yè)公司的壁壘。擁有核心技術(shù)，金融數(shù)據(jù)本身并不是不可替代。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。