从近十年的科技发展趋势来看，日渐成熟的大数据、人工智能（ArtificalInteligence,AI）技术在社会经济的各个领域得到广泛应用，正不断打破和重构金融行业的边界、研究范式。
大数据、AI等金融科技的应用是深化金融供给侧结构性改革，增强金融服务实体经济能力的重要驱动力，对银行业改变传统态势，优化体系结构、提升服务效率，促进实体经济的发展，带来诸多积极影响，为银行提供了改革的动力和路径，也提升了银行产品服务的广幅与纵深。
二、大数据及人工智能对银行业的影响
大数据、人工智能技术从本质上来讲都是利用技术手段解决银行的效率问题，不同之处在于大数据通过解决信息不对称的问题从而加快基于信息流动的决策效率，人工智能的应用往往通过对传统的业务流程进行重构来提升效率。随着银行金融科技数字化转型的不断深入，银行内部以及不同业务场景之间的竖井被打破，数据层面形成更加广泛的融合，基于数据挖掘、机器学习的大数据建模和分析提供了传统的数据分析手段无法胜任的大数据分析和洞察能力；同时，对传统的银行产品和服务流程原子化重构以API组件的方式形成产品工厂，通过不同API与大数据分析结果、人工智能技术相互组装形成新的更加智能、体验更好的产品和服务，大量逻辑明确、重复性的工作被程序所取代。在这个过程中人工智能技术和大数据相互共同作用形成有机整体，基于大数据的决策结果与基于人工智能的业务智能处理更多地融合并衔接在同一个业务模式的流程中。
2.1大数据对银行业影响分析
金融业从本质上讲，属于不断寻求信息对称来开展服务的行业，而大数据将从效率根本上提升服务精准性和风控有效性。
2.2人工智能对银行业影响分析
与传统行业相比，银行业务数字化程度相对较高、业务形态复杂，人工智能技术的特点使其天然存在较多潜在应用场景。人工智能的广泛应用可以促使银行在同质化的竞争中优先升级客户体验和服务质量，继而带动其内部经营管理模式和战略规划的同步创新与变革，最终实现银行效率的全面提升和产能释放。
人工智能促进银行经营思维的深化，重塑银行传统的业务模式。生物识别、模式识别技术的逐渐成熟，使得过去靠人工难以完成的部分工作成为了可能，例如通过生物特征的快速准确识别客户身份，对语音、图片等海量非结构化数据的处理，也给银行传统业务流程带来了创新的思路。通过在传统业务流程中引入人工智能技术，实现智能化业务流程处理，塑造新的业务模式，从而能达到改善业务处理效率、提升客户体验的目的。
人工智能将对逻辑简单清晰且重复性程度高的操作性传统作业模式形成大的冲击。类似于RPA之类的人工智能技术具有可编程、自动化、效率高的特点，对重复性操作类的人工工作具有天然的替代效应。未来银行员工的工作将更多地摆脱重复性、操作性简单劳动而更加聚焦投入于发挥创造性的工作中，因此银行员工也面临知识技能和工作内容的转型，例如更多地转向RPA编程、监测人工智能工作数据以及参数调优等工作中。
2.3大数据、人工智能的融合及影响分析
随着物联网、边缘计算等高新技术的出现，5G网络也逐步成熟并走入我们的生活，人工智能+5G技术的成熟，能让网点的所有设备能接入网络，实时收集网点数据形成集风险控制、安保协同、数据监控、远程控制、客户画像等能力的大数据决策平台，融合客户生物识别、机器人视觉等人工智能技术，从客户踏进网点的那一刻开始即可对客户的业务习惯进行识别并实现业务的智能化办理，通过多设备协同自动化处理、RPA、OCR等技术大大简化客户的操作，让“无人网点”成为可能，客户业务自助化程度和服务体验将大幅提升。
三、国内外银行在大数据及人工智能方面的探索
近年来，国内外许多银行都已经认识到大数据和人工智能的重要性，开展了诸多有益的尝试，并取得了一定的成效。在新技术方面起步早的那些国内外银行因此获得明显的竞争优势，例如根据报告统计，近几年花旗银行亚太区有四分之一的收益来自于数据挖掘；利用大数据分析展开精准营销，汇丰银行的客户贷款产品响应率增长了五倍；交通银行通过搭建数据运用管理平台，带动AUM增长26%；三井住友银行于2017年引入RPA后仅半年就节省了40万小时工作量；平安普惠在贷款申请审批场景中植入微表情识别技术，提升了线上面审的风控水平，通过响应系统识别欺诈的准确率达80%以上，大幅降低了信贷损失。
作为银行业变革的先行者，高盛自研的先进算法能由人工智能自动完成传统交易员人工工作，在货币和期货等交易领域实现高度自动化，其集团纽约总部的现金股票交易员数量从2000年的600人精简到到仅2人，其余的工作则由200名计算机工程师所维护的自动交易程序完成。除自动化交易外，高盛还通过DigitalReasoning提供的人工智能解决方案来追踪包括通信、email、聊天甚至语音等数据，从而达到掌控防范电子证券交易所可能存在的不当行为的目标。此外，高盛通过Kensho（机器学习平台）挖掘国家劳工统计局的数据，利用13个模型将所有信息汇编成定期摘要用以预测股票走势，每次统计局发布数据后仅需9分钟就能获得预测报告。
网商银行利用大数据结合计算机视觉算法开展农村普惠金融，通过金融科技助力乡村经济发展，提升了农村贷款的业务风险管理能力。网商银行利用政府公开的农民土地登记、保险等数据，结合算法模型用以对农民进行个人信用风险评估，从而能够快速为农户发放小额普惠贷款。同时，为了解决农户的作物、牲畜、耕地等资产价值难以评估的问题，网上银行将卫星遥感技术结合计算机视觉算法全面应用于农村金融领域。农户只需拿着手机将自己的耕地在地图上圈出来，即可准确识别耕地的面积、农作物的类型，识别准确率高达93%。截至2021年4月底，全国超过160万的农户可以通过天上的卫星和手机圈定的地块评估信用，只要几分钟就可获得无接触贷款。
在国内，互联网公司出生的微众银行则利用其先天优势，通过先进的人工智能控制算法，将地表识别、地块分割、目标以及检测、路网检测、变化情况检测等技术主要应用于遥感影像等备受国内外市场监管研究机构需要重视的另类数据挖掘，对海量数据系统进行萃取、分析和可视化展现。
光大银行依托大数据平台，集成多种机器学习和复杂网络算法，推出“思考”智能信用卡反欺诈模式。通过研究数据进行调研分析构建个人客户的复杂关系管理网络，将该技术与传统风险管理相结合，形成准确、可预测的反欺诈客户画像，从而加强业务风险防控。
2019年6月，工商银行联合中国移动打造5G+智能网点，依托边缘计算、云计算能力提供沉浸式便利服务；通过人工智能大数据分析，实现机器人自动业务导航服务；依托5G网络、大数据、定位能力完善抵押资管控制能力，提升运营和资产管理能力，提高风险管控。
2020年，浦发银行信用卡中心通过RPA技术实现自动排查交易用途、合并数据等功能；中国银行云南分行通过RPA实现对公账户全流程自动化管理、信用卡自动调额流程。
四、大数据、人工智能赋能业务发展方面的思考和实践
4.1银行的大数据基础设施建设
银行在数字化阶段数据产生速度持续加快，逐步积累海量结构化、非结构化的大数据，对这些数据的处理，甚至是实时分析，将是一项极具挑战性的工作，大数据的特点也决定了传统基于单台服务器的本地数据库、数据仓库应用报表、经验模型的数据基础设施难以大数据时代发挥有效作用。在大数据广泛应用的智能化新时期，为了充分挖掘海量数据中蕴含的商业价值，提升对海量数据的存储、处理能力，需要建设配套的数据科技基础设施，也即采用分布式存储、计算架构的云计算基础设施，具体包括了分布式数据处理（包括批量处理、在线实时处理）、分布式数据存储以及虚拟化技术。分布式架构的云计算具备动态可扩展、高可用、灵活性好、性价比高、资源共享、用户透明的特点，对于海量数据的存储和挖掘、大规模持续到达数据的实时处理、数据资源的分配和共享具有天然的优势，成为银行大数据基础设施建设的首选。
经过多年建设，招商银行于2018年7月正式投产分行云。自推广“分行云”服务以来，无锡招行积极应用云计算，加快建设云计算能力，真正实现了“让运维更从容，让开发更敏捷，让数据更有效”。2019年，招商银行引入数据云平台CDH与可视化数据分析平台BDP，分行数据云服务依托于ACS平台，具备快速构建数据体系的能力，从平台、数据、产品三个方面为分行赋能减负。招商银行无锡分行基于分行云平台，构建分行统一数据集市，并在云上开展数据开发、数据治理、数据分析等工作，通过数据治理实现数据“好找敢用”，通过数据分析实现精准营销。海量数据的批量处理以及高速的数据响应为业务部门决策、分析提供了强有力的支撑作用。另外，数据上云后，极大降低了分行的基础设施成本和运维成本。以往分行需要采购服务器、硬盘、内存等硬件，投入运维资源搭建服务，上云后，分行直接向总行申请虚拟机、存储等资源，让资源扩展更便捷。
4.2大数据应用赋能银行业务发展探索
大数据的本质在于通过解决信息不对称的问题，加快基于信息流动的决策效率，从而创造价值。围绕着如何加快内外部信息流动的效率，形成准确及时的决策结果，银行可以在以下方面开展数据工作。
4.2.1建设多样化的数据集市，提升非技术员工的用数效率
通过建设涵盖不同主题的数据集市，按照访问权限范围最小化原则将数据云上的数据切分为各个业务单元需要数据集，并基于数据集开展数据的清洗和加工，方便业务单元的员工使用。通过数据集市的建设，改变了银行以往过于依赖技术员工取数的数据分析工作模式，业务员工可以基于数据集市快速的取数及开发数据模型，大大提升了银行内数据使用的效率。
招商银行无锡分行持续推进数据治理和统一数据集市建设工作，依托总行云平台，在云上自行搭建了覆盖零售、批发、运营、风险、计财等各条线的数据集市。其中零售数据集市覆盖客户画像、客群分析、客户资产、交易信息、财富产品、零售人员管理等方面;批发数据集市覆盖客户基本信息、工商信息、交易信息、持有产品等方面；运营数据集市覆盖账户业务、负债业务、支付结算、基础管理、人员效能、外汇业务等方面。统一数据集市实现将数据分类整合，方便业务人员自主、敏捷用数，降低数据使用门槛，真正做到让数据多跑路，让业务人员少烦恼。
4.2.2利用可视化工具开发数据产品，解决业务问题
2020年，受疫情影响，企业复工复产延迟，一线市场经理代发工作推动不尽如人意，无锡招行信息技术部深入市场，了解一线工作的现状、痛点，紧密融合业务部门，共同推出“代发罗盘”系统，跟踪代发全流程经营，支撑全行的代发工作。代发罗盘主要涵盖代发留存经营（重点指标概览、资金流出企业分析、资金流出员工分析、资金留存营销分析）、代发流失分析、挖掘C端B端拓客商机等功能模块。截止2021年4月末，代发罗盘平均单月使用人次为4000人次，代发留存率23%，同比提升17.5%，实现了代发经营的重大破题，真正做到赋能一线。
图4.3-1招商银行无锡分行新注册企业/新卡对公户分布情况
图4.3-2招商银行无锡分行企业代发日历
同年，无锡招行推出针对中高端客群经营的“财富云图”系统，重点围绕分行客群的客户画像、产品配置、资金流向、提升潜力模型、流失预警模型、挽回策略、理财到期对接、客户经理综合经营评价等几大模块进行数据分析和建模开发，赋能一线精准营销，有效提升高价值客群，真正做到利用大数据赋能产品经理和客群经理。
图4.3-3招商银行无锡分行企业客户画像
图4.3-4招商银行无锡分行线上客户画像
4.2.3开展机器学习，充分挖掘大数据的价值
大数据的价值集中体现在海量数据中蕴含的难以通过传统常规手段发掘的隐藏关联信息和客观规律，而这些隐藏的信息和规律有助于银行提升科学决策效率以及寻找潜在的营销线索，使大数据的价值得到真正体现。随着大数据时代的深入，大数据基础设施的逐步完善，海量数据存储和处理的能力都到大大增强，使得对复杂多样数据的深层次分析成为了可能，数据挖掘的技术也不断成熟。海量数据挖掘最主要的手段之一就是机器学习技术，这是一种在大数据时代背景下被广泛应用的智能数据分析技术，通过利用算法程序对海量数据中可发现事物的进行自动规划，高效地获取其中的隐含知识。机器学习可分析的数据种类不局限于传统的数字或是结构化数据，亦可应用于文本语义分析、情感分析、图像的检索和理解、图形和网络数据的分析，这使得大数据机器学习和数据挖掘等智能计算技术在大数据智能化分析处理应用中具有极其重要的作用。按照机器学习的学习方式进行分类，通常可以分为监督学习、无监督学习和增强学习，均适用于不同的银行业务场景。
4.2.4利用大数据解决信息不对称的问题，提升决策效率
企业内部由于存在信息孤岛，常常导致各个部门获取到的数据通常只能反映事物的某一方面而非全貌，造成了信息不对称的现象，影响企业自身的资源配置效率和决策的准确性。银行在大数据的时代背景下，应当建立及健全配套的内部数据管理机制，将数据资源作为一种战略资产进行统一管理和应用，打破不同部门间的信息竖井，在数据的层面实现融合共享，消除信息不对称带来银行在决策过程中面临“囚徒困境”的情况。
招商银行无锡分行通过建立风险全景视图，打通不通部门间存在的信息孤岛，更全面地掌握了企业的风险信息。以往，分行风险管理主要依靠各个业务板块的相互配合与支持，对公与零售、表内与表外、线上和线下往往存在一定程度上的割裂，难以实现风险的全面和集中管控。在形成分行内部数据融合开放机制的背景下，通过大数据打造覆盖全风险、全机构、全客户、全资产、全流程、全要素的“六全”风险管理体系成为了可能。招商银行无锡分行通过整合各个业务板块以及外部的风险数据，在分行范围内建立“全面风险管理台账系统”，实现对公与零售、表内与表外、线上与线下各类业务数据和风险数据的相互联通，形成了分行全面风险视图，能够实时、准确了解目标企业在招行的全部风险敞口。
4.3人工智能技术应用提升银行效能探索
传统的银行业务流程中，往往存在较多逻辑规则明确、操作简单、重复度高的环节，相对于用人工方式处理存在效率低、易差错、有操作风险（人在重复做某件简单事情的时候容易受到外界环境和自身状况的影响）甚至道德风险的潜在可能，利用人工智能的技术手段将能大大提升业务处理的效率，且准确率高，能够杜绝道德风险，在一些应用场景下能够大大提升银行员工的工作体验和客户的服务体验。人工智能技术在银行的深入应用，不是机器人对重复性操作岗位的员工进行简单替代，当前的人工智能暂时不具备人的思考能力和创造力，因此并不意味着未来银行员工面临大规模的失业下岗。从另一个角度来看这是银行操作性岗位员工知识技能转型的良好契机，人工智能技术将银行员工从简单、重复性的劳动中解放出来，从而释放银行员工的生产力和创造力，为了更好地融入金融科技的大环境，银行传统操作性岗位员工将更多地学习和掌握如何在工作中应用人工智能技术，在业务流程中设计机器人自动处理的程序，监控机器人性能并对程序参数进行调优，充分发挥个人的创造力和价值贡献，提升银行内部管理和外部服务的效率。
4.3.1应用RPA技术，提升工作效能
RPA（RoboticProcessAutomation，机器人流程自动化）通过用程序模拟人工的操作行为，使用户的手动操作流程得以自动化执行，可以在计算机、手机、PAD、自助机具等数字化设备的场景中按照预先设定的程序代替银行员工完成“规则确定、重复性高、附加值低”的操作性工作，从而解放银行员工的生产力。
招商银行于2017年成立了RPA卓越中心，立足科技与业务融合，通过推进RPA在各类场景的创新应用，打造技术赋能业务的快车道，大大提升了员工的工作效能，为分行的经营节省了大量的人工成本。目前，RPA技术已在运营管理、人力资源、财富管理、反洗钱等方面有超过325个业务场景落地。
图4.6招商银行海螺RPA产品架构
4.3.2创新语音识别应用，赋能业务管理
图4.8-1招商银行AI语音识别架构
图4.8-2招商银行AI语音识别技术流程
4.3.3OCR技术重塑业务流程，解放员工的生产力
图4.9招商银行OCR架构
4.4大数据、人工智能融合应用的初步探索
在银行步入数字化转型的后半段，开始推进自身业务智能化、智慧化升级，更多地将大数据模型的决策与人工智能处理能力融合应用于金融服务，以较低的人力成本为客户提供体验更佳、千人千面的智能化服务。比较典型的案例是AI机器人智能客服，将对话客户的大数据客户画像、语义识别的人工智能能力进行结合，不仅能在从客户的数字画像中全面了解客户的信息，而且能从对话的语境和上下文中识别客户的情绪和服务需求，并根据客户画像提供千人千面的差异化服务，甚至可以通过同AI机器人对话的方式完成业务的自动办理，大大提升了客户服务的响应速度，缓解了银行客服员工人力不足的压力。金融的最重要作用之一，即是服务于国家战略，招商银行无锡分行在将大数据、人工智能技术融合应用服务于国家金融战略落地方面开展了一些的有益尝试。
4.4.1老年客户智能化服务探索
为推动解决老年人在运用智能技术方面的鸿沟，让老年人更好地享受社会科技发展的成果，2020年11月国务院发布了《关于切实解决老年人运用智能技术困难实施方案的通知》。通知要求金融机构进一步解决老年人使用智能技术困难的问题，通过传统服务与智能服务相结合，为老年人客群提供更加贴心、便利的服务，招商银行无锡分行在大数据及人工智能技术应用于服务和关爱老年人客群方面进行了积极的探索。
在高龄客户网点服务的全流程中，客户在踏入网点大门的第一步，可以通过厅堂的摄像头捕捉到客户的行为模式，通过边缘计算设备的AI智能算法可以自动识别客户是否为老年客户。因当前客户人脸识别的敏感性，易造成舆论风险和客户，不使用人脸识别技术直接做身份识别，也不储存客户的影像，只利用人工智能技术学习老年客户的行为特征，自动区分行动不便的老年客户和其他客户。一旦识别出老年客户后，系统会自动将消息推送至网点老年客户服务志愿者的手机或电脑，如有行动不便的客户便会上前提供陪伴式服务，并将客户分流引导至老年客户关爱等候区。同时，厅堂监控区域的非结构化图像数据会实时传送给后台的数据分析平台，自动对接待老年客户的数量和服务及时性进行分析，对停留时长达到阈值的客户触发预警和关怀预案。
在客户叫号过程中，综合使用指纹、声纹等生物特征识别技术，为不擅长使用智能设备的老年客户提供更多可选择的取号方式，一旦后台的大数据标签确定客户符合老年客户优先办理的模型，即可为老年客户提供取优先号的特殊服务。
客户在柜面办理业务的过程中，大数据分析模型可以根据客户在网点的历史业务办理记录、近期账户变动数据、理财产品持有信息、近期手机银行/网银的操作记录等对老年客户的本次业务办理需求进行预测，提前和老年客户沟通确认办理业务的种类，尽量避免因老年客户对银行业务不熟悉而无法准确描述所需金融服务的情况，有效减少与老年客户的沟通成本。
在开户、理财等金融服务办理中的条款、须知等环节，充分考虑老年客户存在阅读不便的情况，利用图片识别OCR技术，结合文字转语音技术，开发了“无锡老年客户语记”小程序，以语音自动朗读的形式让老年客户对条款细节有更清晰、全面的认知，老年客户还可以自行对朗读的语音、语速和音量进行调节，使老人客户享受更加人性化的智能服务。
通过大数据和人工智能的综合应用，让老年客户也能真正感受到金融科技的温暖。
4.4.2金融科技赋能乡村振兴普惠金融思考
2021年2月21日，《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》，即2021年中央一号文件正式发布。意见中明确提出坚持为农服务宗旨，持续深化农村金融改革，支持市县构建域内共享的涉农信用信息数据库，建成比较完善的新型农业经营主体信用体系，发展农村数字普惠金融，鼓励开发专属金融产品支持新型农业经营主体和农村新产业新业态等具体的要求。为积极响应中央关于乡村振兴的号召，如何利用大数据、人工智能的金融科技手段赋能乡村普惠金融是各家银行都需要重点思考的问题。
目前对于银行来说，开展乡村普惠金融的难点和痛点在于：一是缺乏有效数据的支持，未建立适合乡村居民的信用风险评价体系；二是无标准化的抵押品或者抵押品估值难导致风险管控措施有限。而从问题的本质来看，两个痛点都是银行面临的效率问题，前者是由于信息不对称导致的决策效率低下，后者是银行传统押品管理模式不适合现代乡村普惠金融而造成的业务处理流程效率低下。大数据、人工智能的技术特点能够较好地解决上述的问题，通过大数据解决乡村普惠金融存在的个人信用信息不对称问题，利用人工智能对传统的风险管理模式流程进行重构，从而整体上提升乡村振兴的金融服务的效率和水平。
在普惠金融的贷后风险管理方面，可以利用计算机视觉等人工智能技术，利用卫星图像、安装摄像头拍照、无人机拍摄等多种方式采集乡村田地（或牧场）的图像数据，并利用机器学习的算法进行建模，确定是否存在真实的生产活动，了解农作物（或牲畜）的生长情况、农作物的面积、发生自然灾害的情况等，并预测当年收成，估算的田地产出物价值。对于部分高价值的产出物，例如牲畜，可以结合传感器技术，充分了解牲畜的活动情况、生长情况、位置情况，更加准确评估押品价值。通过人工智能技术的应用，有效管控贷后风险，对抵押物的价值能够进行实时、准确的评估，并根据风险模型对农户进行大额贷款动态授信，能够彻底改变过去农村普惠金融只能进行小额信用贷款的低效率金融服务模式。
大数据、人工智能技术的合理应用，能够有效提升乡村普惠金融服务的效率，助力乡村产业发展、农民增产增收，真正做好金融科技赋能乡村振兴。
结语
随着科技的不断发展进步，金融科技必将为银行业带来更多的冲击与机遇，大数据、人工智能的不断迭代更新，也将会衍生出更加多元化的金融产品及金融服务形态，在银行的转型发展中发挥更加重要的作用。
在银行逐步完成自身转型的数字化阶段，渐渐迈入智能化、智慧化的阶段，如何提升自身金融科技应用能力，更多更好地运用大数据、人工智能技术来实现自身产品和服务能力升级，最终达到业务流程处理的智能化甚至智慧化，是值得每一家金融机构认真思索和付诸实践的课题。
未来，相信大数据、人工智能将会给人们金融生活的方方面面带来更多美好的变化，让我们拭目以待。（余晓燕）