0
銀行為什么需要中臺？
360數科首席科學家張家興表示：中臺在金融行業(yè)的價值體現于對數據、技術、人才進行聚焦、打通、提效。
銀行擁有著大量的數據、技術和人才，但是這些資源往往“各行其是“。銀行的部門與部門之間沒有配合意識、獨立造煙囪；技術流于表面，無法鏈接、深入，這造成了銀行資源的大量浪費。
張家興表示，中臺可以很好解決這一痛點，形成聚集的效果。既能做好每一方面的技術，還能輻射到不同的業(yè)務，更好地賦能金融。
在中臺建設方面，360數科于2020年下半年推出數據AI融合中臺，針對金融機構業(yè)務痛點，打造360金融大腦，為金融機構提供數字化營銷方案、數字化運營方案、數字化風控方案、數字化貸后方案，以及智能金融全鏈路五大解決方案，幫助金融機構向數字化、智能化轉型升級。
適逢新年，雷鋒網《AI金融評論》邀請到張家興參加「銀行業(yè)AI生態(tài)云峰會」，他給大家?guī)砹?60數科在數據中臺以及多個銀行場景下的AI落地實踐經驗。
以下為張家興的演講內容，雷鋒網AI金融評論作了不改變原意的編輯：
大家好，今天我們一起來探討一下數據AI在普惠金融中的思考和實踐。
首先，什么是金融遭遇中臺？
中臺是近5年一個比較熱門的話題。當時，阿里巴巴提出了業(yè)務中臺、數據中臺，以及后來的碎片中臺等等各種中臺概念。
在這個過程中，一些反對的聲音則稱中臺實際上沒有那么多的價值，在一些傳統行業(yè)，尤其在一些傳統行業(yè)落地的過程中也遇到了一些阻礙。
那么對金融而言，中臺到底具有怎樣的價值，好還是不好呢？
金融，是一個很古老的行業(yè)。狹義的金融就是將貸款、保險理財等產品推薦給個人和企業(yè)，并對其提供金融服務。
現代的金融則得益于科技的支撐，包括智能獲客、智能運營、智能風控、智能貸后、智能服務、智能理賠和智能投顧等等。
科技在支持金融發(fā)展的過程中，反過來對科技中臺提出了要求。
支撐所有這些智能能力的，實際上就是數據中臺、智能平臺、機器學習、計算機視覺、自然語言、對話機器人等等人工智能以及大數據技術。
為什么當科技支持金融的時候，我們需要中臺？
我認為中臺在其中體現出的價值就是三個關鍵詞——聚焦、打通、提效。我們到底對什么進行聚焦、打通和提效，實際上是對數據、技術、人才進行聚焦、打通、提效。
在金融領域里，數據本身被應用到多方業(yè)務，如何將在業(yè)務里所產生的數據聚集在一起、打通，提升數據的使用效率，就是中臺要起到的作用。
從人才的角度而言，中臺除了是一種技術手段，其更多體現的是一種組織架構。中臺支持的是各種不同的業(yè)務、技術，這些業(yè)務與技術實際上具有一定的關聯性。
如果為每個業(yè)務都獨立地造煙囪，最終每一方面的技術都浮于表面，無法繼續(xù)深入。所以，我們希望能把相同技術的人聚集在一起，在中臺形成聚集的效果。既能做好每一方面的技術，還能輻射到不同的業(yè)務，更好地賦能金融。
為什么數據AI要融合，當討論數據與AI的時候，實際上有兩種關系，一種被稱作數據的AI，就是數據本身很有價值。比如做智能圈人、營銷圈人，其中的數據是用戶的行為數據，是非常有價值的。
為了將數據發(fā)揮出它的價值，這時才需要模型。比如我們可以根據這些數據，進行一些轉化預測和實際的判斷。
另外一種關系被稱為AI的數據。一個典型例子，對話機器人在金融領域的催收、電銷方面扮演著非常重要的作用。
如果想體現出一些AI的能力時，反之希望用數據來支持。包括訓練的語料、知識庫，這時反而是數據對模型起到了支持的作用。
所以，數據與AI兩者之間融合得非常緊密，如果單獨建設一個數據中臺，再另外建設一個AI中臺，兩者之間將不可避免地存在割裂的現象。
360數科進行了一個實踐，我們將數據與AI融合在一起，形成了一個數據AI融合平臺，這樣兩者都能更好地體現出各自的價值。
接下來，中臺應用于具體的業(yè)務——普惠金融。
縱觀整個金融的發(fā)展歷史，在遠古時代，金融最古老的形式就是借貸。
古羅馬時代出現了債券，到了大航海時代，因為需要進行跨越大洋的貿易，就出現了用股票和保險以分擔風險的金融方式。
而到了資本主義時代，誕生了現代銀行，20世紀初又出現了個人理財，事實上，所呈現的趨勢是需求在拉動著各種不同的金融形式的出現。
隨著經濟的發(fā)展，經濟風險越來越大，就需要金融對風險進行一定的保障。
之后，隨著中產階級的逐漸崛起，20世紀出現了個人理財，個人財富的逐漸增加催生了理財需求。上個世紀50年代之前，是需求在拉動著著各種金融形勢的出現。那時金融的特點是全部依賴于人工服務。
人工服務的缺陷就是人力較貴，而且人又無法看很多的數據，那個時代的金融服務注定沒法普惠，無法服務到很多的用戶和中小企業(yè)。
50年代的時候出現了電子計算機，我們進入到數字時代，自那之后，才出現了普惠金融。從那時起，我們終于可以開始擺脫人的服務，而用機器服務于人。
在機器代替人工后，機器可以更好地使用數據，用數據來更好地服務我們的用戶。
數字時代的普惠金融，從之前完全通過需求拉動人工服務的方式，演變到現在的技術推動。
在這個數字時代，底層技術使得我們可以提供更好的服務，甚至創(chuàng)造出了新的需求。在整個技術發(fā)展的過程中，不只是金融領域，幾乎所有的傳統領域都發(fā)生了相應的改變。
到底技術是如何推動普惠金融，讓其逐漸從不可能成為可能。總結起來就是三大技術——
第一，從2005年以谷歌 Bigtable、MapReduce等等為代表的大數據技術開創(chuàng)了大數據時代后，我們可以處理海量的用戶數據。
普惠金融就是要服務很多的用戶，如果不能處理海量的用戶數據，普惠金融也沒有存在的價值。
第二，從2010年起，誕生了安卓系統，有了蘋果手機以及3G、4G、5G技術相繼出現。我們開始進入到移動互聯網時代，終于可以對海量用戶進行精準觸達。
在那之前，用戶更多是通過電腦上網。如果完全依賴于電腦，其觸達的能力是很有限的。
而在移動時代，我們終于可以隨時隨地觸達到用戶，用戶也可以隨時隨地訪問到我們的服務。
這時，移動互聯網成為普惠金融第二個重要的技術拼圖。
第三，人工智能，人工智能終于使得高效服務海量用戶成為可能。
在人工智能誕生之前，客服需要坐在人工坐席來提供服務，以前的傳統銀行，就需要很多的人工客服。
如果想服務10億用戶，就需要100萬的人工嗎？今天，則利用人工智能的機器人代替人工進行提效，才使得服務海量用戶成為可能。
從2005年、2010年到2015年，每5年一次的技術變革，終于完成了今天的普惠金融。
2020年進入到5G和IOT的時代。接下來的2025年和2030年以及今后的技術變革，比如是現在已經很接近通用的人工智能的GPT-3還是量子計算，將在10年20年內有重大突破，又會給普惠金融帶來怎樣的推動作用、改變，我們拭目以待。
技術對金融的推動作用不容小覷，事實上在過去的幾十年里，技術一直在推動著金融的發(fā)展直至其成為各種可能，我們也期待著今后技術對金融不斷的新的推動作用。
在普惠金融中，以360數科為代表的金融科技公司，在其中起到了一個橋梁的作用。一端面對的是中國廣大的10億的互聯網用戶，他們都有一些貸款和保險理財等方面的需求。
另外，很多金融機構在給用戶提供所需要的金融產品時，需要一個橋梁，將這些金融機構的金融產品，能夠很好地推送給這些互聯網用戶。
作為一家兼具金融與互聯網基因的金融科技公司，360數科更多地是考慮這些互聯網用戶將會出現在哪些場景中，例如他們會出現在各種APP中，出現在抖音、快手等短視頻的網站里，或者出現在搜索引擎上。
通過與這些場景的深度合作，以及場景被賦予的各種智能能力的方式，我們實現了智能的、普惠的面向所有這種互聯網用戶的鏈接。
在過去的幾年中，360數科在普惠金融中取得了一些成就，一些三農小微企業(yè)和社會上的貧困人群也能被金融所普惠到，如果沒有像360數科這樣的金融科技公司，將存在一些金融服務的盲區(qū)。我們通過技術幫助金融機構覆蓋到這些金融盲區(qū)。
實際上，普惠金融技術在其中起到了智能驅動引擎的作用。
因為普惠金融主要是面向廣大的互聯網用戶和小微企業(yè)，技術在其中起到的作用，一個是找到人，另一個就是看準人。
找到人就是要觸達人，找到那些真正有金融服務訴求的人群。包含以下3個環(huán)節(jié)：
第一，精準投放，在互聯網的各種場景中，找到那些當前正在對金融服務有需求的人。事實上，每個人在其一生中都會有金融服務的訴求，但不是隨時隨地都有訴求。
如果他現金充足就不需要貸款，他現在沒有什么風險則不需要保險，但是在某一時刻他是需要的。
所以在精準投放中很重要的一點就是，要找到此時此刻正好有金融訴求的這些人，這個過程被稱作大海撈針。如果把我們的廣告投放給根本沒有需要的人，實際上就是在浪費流量，我們也得不到想要的用戶。
第二，智能運營，360數科有一億多的注冊用戶，我們根據他們平時的行為知道用戶當前是否有金融服務方面的訴求?？梢詫τ脩衾斫獾酶泳珳?，可以更好地篩選用戶。
第三，高效觸達，無論是在精準投放還是在智能運營的過程中，很重要的一點就是要能夠觸達到用戶，金融類APP的一個特點就是用戶平時的訪問率并不高，只有在有訴求的時候才會訪問。
所以，我們就需要通過包括短信、電話等方式主動地觸達到用戶。一個標準的金融科技公司或者是互聯網金融公司，每天可能會有千萬級別的觸達的需要，觸達如何更高效，也是在找到人這個環(huán)節(jié)中必須要做的。
在找到人之后，我們還要對這個人群進行風險評估，即看準人，其中很重要的就是進行精準風控，我們要做機器學習，一個典型的金融科技公司的數據應該是幾十PB的規(guī)模，通過數據的學習，我們對人群進行畫像，對人的風險進行評估。
當用戶接受了我們的金融服務，我們也要對用戶的全生命周期進行管理，比如用戶貸后沒有還錢，我們也需要在貸后的環(huán)節(jié)，通過機器對貸后進行提效。
整個過程體現了在普惠金融中，金融科技特別重要的精準化和自動化。要想使得活性成為可能，我們必須使這兩點在技術上使其成為可能。
精準化既在找到人和看準人這兩個環(huán)節(jié)上一定要非常的精準，面對眾多的人群，如果不加以選擇和評估，那么就會面臨很大的風險。
自動化即在服務眾多人群時，更多的是通過人工智能使得整個過程盡量不費人力。
所有的一切都是圍繞著精準化和自動化這兩個技術來實現的。
為了實現普惠金融進入底層技術的引擎，360數科打造了數據AI融合中臺以實現搭鏈路、建平臺的目的。
搭鏈路既從找到人和看準人的環(huán)節(jié)來看，普惠金融就是通過智能投放、智能運營、智能風控、智能貸后，使得整個過程變得更加的全面和智能化以實現精準、自動。
在整個過程中我們搭建了機器學習、語音機器人、視頻音頻技術、計算機視覺以及數據中臺，使其成為一個平臺矩陣以支撐整個智能鏈路，讓鏈路變得更加高效。
接下來，重點探討一下數據AI融合中臺。
首先，為什么在金融環(huán)節(jié)里需要數據中臺？
所有數據中臺的存在都表明了業(yè)務繁多，在金融場景里，信貸、保險、理財這些不同的業(yè)務，在細分之后也有不同的信貸產品，第一要務就是將這些眾多的業(yè)務打通，這是數據中臺存在的第一個價值。
數據中臺在金融領域的另外一個價值，就是大多數金融公司無法只依賴于自己的數據，我們還要依賴于第三方的數據，這樣才能對用戶在找到人和看準人這兩個環(huán)節(jié)進行精準刻畫。
數據中臺在金融領域的第三個角色，因為面對的是海量用戶，所有的互聯網用戶都是金融服務的潛在用戶。
如果潛在有10億的互聯網用戶，如何對10億互聯網用戶進行充分地理解，就需要加以精準地刻畫。
如何將用戶關系進行連通，要做到以下三通：多業(yè)務打通，內外數據互通和用戶關系連通。這是數據中臺的第一層意義。
數據中臺的另外一層意義就是各種各樣的快，因為我們整個業(yè)務都是建立在數據的基礎之上，數據做得有多好，就決定我們的業(yè)務做得有多好。
數據做得好的一個衡量標準就是快。第一重就是數據的實時處理要快，如果所有的數據都是今天發(fā)生的問題明天才能看到，那時候可能已經有很多損失了。
我們將數據實時化的原因是，不要死數據，要活的數據。
第二重即數據使用快，實際上從運營到數據分析，所做的業(yè)務都完全依賴于數據。
如何讓用戶、內部的運營、產品運營、數據分析在使用數據中更加高效，必須得讓數據快起來。
此外，數據需求響應快，互聯網公司的特點就是經常會有一些新的業(yè)務出現和調整。當出現以上兩種情況時，我們對數據就會有新的需求，這些需求如何快速得以響應，就需要數據響應快。
結合360數科的實踐，我們到底是如何做到三通三快的。
第一個，多業(yè)務打通，我們原來的數據都是分散在各個業(yè)務里并且以原始數據的形式存在。
多業(yè)務打通很重要的一點就是要做到one data，甚至是one team。
我們需要一個團隊將整個公司的數據資產進行統一管理，形成一個統一的數倉。
在統一數倉的基礎上，根據不同的業(yè)務，我們會設立主題和建設數據集市以服務業(yè)務。
實際上，很多公司在做數倉的時候，沒有做到one team，不同的業(yè)務團隊各自為政，無法形成統一，這個也是很多公司的痛點。
要想真正實現統一的數據資產體系，需要堅持 One data和one team的理念，用一個團隊來打造這樣的數據資產體系。
在統一的數據資源體系上，可以進行跨業(yè)務的數據服務，建設業(yè)務標簽、用戶標簽等等。
第二，內外數據互通，比如業(yè)務一定要結合第三方數據公司的數據，但考慮到數據的個人隱私保護等問題，我們不可能從第三方數據公司直接拿到這樣的數據。
對此，我們把數據標簽和第三方數據融合在一起建立了一個模型，服務于精準獲客、智能運營、風險控制等場景，也取得了一些不錯的效果。
第三，用戶關系聯通。通過用戶之間的相互關系，打造了一個大規(guī)模的用戶的關系網絡。其中包含了20億個節(jié)點，超過500億條邊，很快就會升至1000億條邊，這些關系可以應用于以下幾點：
第一點：為傳統模型賦能。
第二點：反欺詐，挖掘用戶的真實身份是什么？
第三點：風險社群，還可以用一些社區(qū)發(fā)現的方法發(fā)現一些風險社群。
第四點：多業(yè)務線聚合，實現多業(yè)務數據打通，通過one data和one team的方式，我們在建設數倉的時候，進行數據的打通。
如果能夠把用戶在不同業(yè)務中的關系最終聚合到一起，才能實現一個真正的更深層次的多業(yè)務的數據打通。
除了三通之外，接下來就是三快。
第一個，實時數據處理快，實時數據的價值在于真正讓它實時地跑起來，才能讓這個數據最大限度地發(fā)揮其價值。
我認為數據有兩個價值，一個是數據的內容，包括多業(yè)務打通和內外數據打通。
當數據內容在空間的層面被挖掘得差不多時，接下來就應該挖掘時間的維度，我們讓它更快起來。
如果數據既能做到內容豐富，在空間上廣泛且有深度，又能做到在時間上更快，這時候數據的價值就真正顯現出來了。
在過去的幾年里，360數科通過Kafca+Flink+ClickHouse+Redis等等，打造了這樣整個的實時數據的鏈路。
在反欺詐的環(huán)節(jié)，當用戶貸款時，我們可以快速發(fā)現他有一些被欺詐的風險，這樣就形成一個實時的鏈路。
我們立即通過短信、電話等方式回饋給用戶，搶在用戶被詐騙之前通知到他。我們一定要做到分鐘級的實施系統，幫助到我們的用戶。
在智能運營場景中，因為用戶的訴求并非時時刻刻會出現，我們能否在第一時間發(fā)現用戶的訴求，而不是等到用戶訴求已經出現了幾天之后才找到。
實時數據還包含了智能獲客、智能投放的環(huán)節(jié)，當我們對媒體進行廣告投放的時候，能否實時拿到媒體的反饋、轉化、授信的情況，我們通過實時數據以指導我們的互動平臺。
因為我們整個業(yè)務都是建立在數據基礎之上，所以我們也是希望數據使用得更快，需求響應得也更快。
像360數科這樣的金融科技公司，使用數據的包括BI分析、算法、產品運營人員，也包括管理層，都希望更快、更全、更及時、全面地看到數據。
針對于此，我們建立了整個數據體系，從最上層的直接支持他們的數據平臺，到中間數據服務支撐的平臺服務到整個數據資產的管理，包括元數據中心、維度管理、指標體系、數據倉庫，到最下面整個數據技術架構的設計，我們在每一層都進行了大量的工作，就是為了讓用戶在使用數據時能夠更快，并且對數據的任何一個響應，比如新建業(yè)務的需求項，可能涉及到三層，當然技術架構的變化不會很大，但是從數據資產、數據服務到數據平臺可能都要進行調整。
我們通過平臺化的建設和一些經驗的積累、標準化，讓整個數據體系變得更加規(guī)范、自動化，這樣當有一個新的需求提出來的時候，可以快速地把這個需求做出來。
在實現了“三通三快”之后，再來看看中臺所提供的人工智能的能力，中臺實際上提供了搭鏈路、建平臺，在搭鏈路的過程中，數據 AI起到了非常重要的作用。
第一個，機器學習，那么在金融領域里，機器學習有什么樣的特點？
——監(jiān)督學習，盡管監(jiān)督學習在AI領域是非常傳統的一個技術，但是在金融領域里它蠻重要的一個特點就是要從用戶的過往表現中加以學習。
通過用戶過往授信的通過與否，是否有逾期等行為，再結合用戶的特征，我們就可以訓練這樣一個模型。
其中很重要的就是我們對用戶以往表現的積累，像360數科已經在金融領域里深耕數年，已經對用戶過往的表現積累了大量數據。
因為有大量用戶的過往積累，所以使得監(jiān)督學習就有著非常大的優(yōu)勢。
——圖學習，我們建了一個很大的關系網絡，我們希望在這個關系中理解每個用戶的金融訴求和金融風險。因為圖學習是一個非常消耗資源的機器學習的任務，為了讓圖學習成為可能，我們自研了圖計算平臺。
圖計算平臺可以使得訓練效率提升10倍，在線服務也可以在50毫秒之內能夠產生我們的特征，然后通過這個特征以判斷用戶的行為。
——聯邦學習，在金融領域很重要的一點，就是要打通內外部的數據，，有些特征可能是外部的第三方數據公司所具備。如何在數據不可見的情況下把數據用起來。
我們研發(fā)了自己特有的一個聯邦學習技術——分割式神經網絡。
我們通過神經網絡在高維空間，Embedding不可逆的特性，使得不同參與的數據合作方只需要傳遞Embedding向量，見不到原始數據，但是最終可以使得模型能夠產生我們想要的效果。
在自動化方面，我們研發(fā)了語音機器人，在金融領域的語音機器人主要是應用于電銷、催收等等場景。
如何讓機器人更像人，我們自己開發(fā)了很多方面的技術，包含了語音技術，端到端的語音識別，端到端的語音合成等等。
對話機器人想達到的效果就是把機器人做得像人，并且又能夠達成我們的目標。我們在線上搞了幾十個催收機器人，形成了一個催收機器人的矩陣。
我們83%的催收金額，都是通過機器人完成的。這些催收機器人代替了相當于1000個催收員的工作。
我們的機器人技術不只是應用于自己的業(yè)務中，我們也想把這個技術回饋給社會。在疫情期間，我們做了一個“疫情通”的項目以幫助社區(qū)、公安、醫(yī)療機構，我們給其所轄的居民進行電話詢問，達到了一個很好的社會效果，在疫情最嚴重的時候，我們的機器人團隊用24小時把電銷催收機器人改造成一個針對疫情的機器人服務于社會。
那么，接下來就要談到全鏈路，從最開始的智能獲客，到各方面我們要應對的事情，首先，來看看現在這個時代智能獲客面對的挑戰(zhàn)和應對是什么？
流量競爭白熱化，不只是金融領域對流量有競爭，電商游戲、在線教育都對流量有訴求。
精準人群篩選，如何在這些競爭中脫穎而出，很重要的一點就是要能夠精準找到我們所需要的人群，能否找到那些恰巧有金融訴求，而對其他訴求又沒有那么強烈的人群，這樣競爭就會相對小一些。
流量寡頭化，現在的流量越來越被一些頭部的 APP所掌握，對此，我們需要與掌握著這些流量的頭部媒體進行共贏合作。
數據稀缺，精準地刻畫用戶需要很多的數據，我們也是開發(fā)了一些包括聯合建模、聯邦學習等等技術與第三方的數據進行合作。
我們還做了一個智能投放平臺，我們針對很多的媒體進行了抽象化，針對很多的數據也進行了抽象化。
如果我們要把數據、媒體統一起來，那么，我們要做的是以下三件事。
人群包開發(fā)，為了更精準地刻畫用戶。再者是素材管理。因為素材直接決定著用戶對我們廣告是否感興趣，包括對素材的審核以確保廣告素材的質量。第三個就是出價策略，針對每個用戶有完全個性化的定價。
通過整個智能投放，使得我們的獲客成本下降了10%。
我們通過與頭條等媒體合作，在行業(yè)首創(chuàng)了RTA的模式，產生了很好的效果，最終被其他同行以及整個廣告投放領域所接受。
在獲客之后，我們所要做的就是智能運營。
智能運營的邏輯，第一個是選定人群，針對人群我們選擇策略，之后，在準備觸達用戶的時候，我們要選擇一個內容如何觸達到用戶，接下來就是真正的觸達，然后對效果進行分析，再根據分析的結果選擇人群，形成一個閉環(huán)。
傳統的做法是依賴于人工的經驗和一些定制化的數據分析、開發(fā)，效率非常低。在研發(fā)出智能運營平臺之前，一個策略的部署要花費兩周時間。需要數據人員開發(fā)人群包，工程開發(fā)人員針對策略開發(fā)線上的專有系統。
通過這個智能運營平臺，讓整個閉環(huán)自動化，就使得策略部署的時間從兩周縮短到4小時，不僅效率提升了，人均的策略個數也提升到原來的三倍。使得整個智能運營過程變得非常高效。
在智能運營的過程中再一次很好的體現了數據AI的融合，在整個閉環(huán)里，我們用數據與AI的能力在賦能，圖中的綠色的模塊是AI能力，藍色的模塊是數據能力。這些模塊混合在整個閉環(huán)中，無法拆開。
在看準人方面，我們做了一個Argus智能風控平臺，攔截了100萬的反欺詐的人，也保護了超過800億的資產等等，平臺包含了反欺詐、風險預警、信用評估等等，智能風控平臺在保障著整個服務質量。
整個鏈路的最后一個環(huán)節(jié)——智能貸后平臺，在這個環(huán)節(jié)里，貸后、催收也是蠻傳統的方向，需要很多的人工催收員，除了催收機器人在一定程度上代替人工之外，我們對整個催收員的工作流程進行優(yōu)化，提出了智能并發(fā)外呼的技術。
其中包括了“仿生”自撥，用機器模仿人進行外呼，我們還有呼叫管家、坐席感知管理、實時動態(tài)調案等等對人工進行提效。
在這個系統之前，我們做過一次數據分析，發(fā)現催收員一天中只有1/5的時間是真正在進行有效通話，剩下4/5的時間都在撥打電話，在催收環(huán)節(jié)的接通率不高。
我們通過系統模仿和代替人撥打電話，這樣的技術達到了一個很好的效果，使得我們用戶每天的有效通話時長增加50%，人均接通電話數量翻倍，催收員減少30%，用更少的催收員達到更好的效果，最終還帶來了催回率的提升。
最后，談談開放的金融科技，這個時代的AI金融科技是沒有辦法關起門來做的，現在的AI技術與20年前的IT并不一樣，IT是可以根據需求開發(fā)出來就可以了，但是在人工智能時代，我們的特點就是有一個AI飛輪，涵蓋了算法、平臺、數據。
算法賦能平臺，平臺產生數據反過來又使得算法變得更好，這樣的飛輪越轉越快，能力變得越來越強。
在這個過程中，我們沒有辦法封閉的進行，無法只依賴于自己的數據，而需要多方數據的合作。
我們可以更好地篩選人群，在多個場景中進行人群的感知、評估和觸達。
在我們具備了能力之后，我們也想賦能給金融機構。
360數科在科技輸出上也做了很多的事情，我們的科技輸出被稱作樣板型科技輸出，為什么是樣板型呢？
我們賦能給金融機構，自己就是一家最好的樣板，我們也是在沒有非常好的流量與數據優(yōu)勢的情況下，通過與渠道以及第三方數據的合作，把這個事情做得很成功。
我們把能力輸出給金融機構，可以做到全渠道、全客群、精細化、智能化，我們也希望我們的輸出使得每個金融機構都能具備像360數科一樣的能力，在找到人和看準人兩個環(huán)節(jié)，真正地具備一個底層的智能驅動引擎。
我們全方位的賦能即樂高積木式的輸出，可以在咨詢、風控、運營、科技等等方面進行模塊式、選擇式的輸出。
技術與業(yè)務的思考，我在實踐的過程中，對技術與業(yè)務的關系，感受到有兩派觀點，一類是需求派，也叫做賦能派，就是業(yè)務需要技術進行賦能。
這個體現的是業(yè)務主導。
另外一類就是驅動派，從技術角度而言，技術可以從事這樣的事情，尤其是人工智能、大數據技術。
通過技術使得業(yè)務產生進步，人工智能就體現了技術驅動的思路。那么到底我們應該是需求派還是驅動派，是應該業(yè)務占主導還是技術占主導？仁者見仁，智者見智，在不同的公司不同的時期，大家都有不同的實踐。
我的總結是從短期來看，往往都是需求派占主導。業(yè)務需要在短時間之內用技術來實現。
但是長期而言是技術在驅動發(fā)展，放眼到5年10年乃至20年，普惠金融就是技術所驅動的。
對于我們做事情有怎樣的指導性的作用和方針呢？
我提出一個叫做優(yōu)勢主導定理的觀點，僅僅代表我個人的觀點，我認為如果涉及到合作的多方，不只是技術與業(yè)務，難免會有一個主導方，那么到底誰該當主導方？優(yōu)勢主導定理認為來自不同領域的合作的雙方，誰更懂得對方領域的問題和方法，那么誰就是優(yōu)勢方，就該主導合作。
在實踐中，真正采用優(yōu)勢主導方針的并不多。我們在合作中的模式不是優(yōu)勢主導，而是強勢主導。
強勢就是對這件事情具有最終價值裁判權的那一方，他在主導著事情合作的方向，如果我們一直遵循強勢主導，最終我們很難讓這件事情達到最優(yōu)。
而優(yōu)勢主導倡導合作雙方都能發(fā)揮出其價值，而且雙方都懂得對方有什么價值，才能讓雙方在合作過程中，將雙方的價值真正更好地發(fā)揮出來。
最后我引用一句來自布萊恩·阿瑟的話結束今天的分享。
“經濟并不是采用了一個新的技術體，而是遭遇了一個新的技術體。經濟是技術的一種表達，并且隨著技術的進化而進化”——《技術的本質》
其含義是，技術不僅僅是個工具，并非幫助經濟助提效了，就發(fā)現技術是個很好的工具，然后再用起來使得經濟效率更高。
而是技術發(fā)展到一定程度之后，經濟不可避免地遭遇到這樣一個技術。就像金融遭遇了大數據、人工智能、移動互聯網之后，其本身發(fā)生了變化，經濟反倒變成了技術的一種表達，因為技術的進化，經濟也產生了進化。
最近十幾年的大數據、人工智能以及移動互聯網這些技術，才讓普惠金融這個新形式出現，這個才是真正的經濟與技術的關系，也才是真正的技術的價值。
今天的金融科技，以大數據、人工智能為代表的金融科技，就是這樣一個新的技術體系。
隨著科技的發(fā)展，金融科技的技術本身也在不斷地發(fā)展，那么金融必然會不斷地改變自己的形式，成為技術的一種新的表達。我認為這是未來的一個趨勢。
欲了解更多活動詳情，可聯系作者周舟（微信：18811172358）。（雷鋒網雷鋒網）
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
