机器学习、人工智能和银行数据分析的未来
2018年01月02日 由 nanan 发表
672763
0
不支持AI和投资先进数据分析能力的银行与信用合作社注定要失败。
传统的零售银行业者,由于庞大的遗留系统和繁重的规章制度而倍感压力,现在正处于尴尬的境地。金融科技的进步已经颠覆了这个行业,诱使大型金融公司和规模较小的科技创业公司应用颠覆性技术。
传统的零售银行业者为了变得更加敏捷且还要保持相关性,发现自己正在以集中的强度探索他们的技术选择。特别是,他们正在寻找洞察客户行为的方法。
答案?—先进的数据分析。
数据分析的新创新使金融机构拥有了如此聪明的系统,他们可以在围棋中学习,自动地改进算法,并随着时间的推移不断改进其结果。这不是传统的数据分析方法——电子表格、数据表和计算计算器上的数字,这是真正的AI。
如今,银行和信用合作社可以通过让数字助理有效地管理日常调查和提供个性化的建议来提高客户的粘性。所有这些都可以通过最少的日常监督实现。它在后台运行,遵守合规协议,并能够动态适应新的规定。
在自动化和以数据为主导的智能技术方面的进步,使传统机构能够触及到复杂的AI技术——那些没有研发技能和资源的机构可以在内部采取这种措施。这是因为现代的AI平台基本上可以站在数据和流程自动化技术发展趋势的前面。捕获边界和基本交互规则的数据集已经存在,并且在监管范围内。
追求AI可能是一个复杂的过程,成功主要取决于每一个组织在新技术创新方面的经验。
你多久处理一次新的IT项目?你的组织对这个过程感到满意吗?你有多效率?你能让你的项目继续前进,还是会因为长时间的拖延而停滞不前?毕竟,AI项目可以涵盖大量的数字组件,从大数据到基于云的解决方案。银行和信用合作社可以采用AI,但是他们必须问自己…
他们真的准备好了吗?他们是否恰当地定位了自己的成功?
——事实上,50%的银行业者相信AI将会对他们的商业模式产生重大影响。
根据Efma和Infosys Finacle的“零售银行创新”报告显示,即使金融机构了解AI的潜在影响和收益,但他们仍然犹豫不决。通过掌握越来越多的创新技术,他们正在逐步地向AI迈进。
但还有其他重大的进展障碍。特别是,Efma / Finacle研究发现,半数银行将其遗留系统列为他们面临的最大障碍,其次是缺乏统一的前景(44%)、技能和经验(38%)。
Efma的报告显示,58%的银行业者相信AI和其他一些技术(如高级分析、大数据和开放API)最终将对该行业产生重大影响。在自动化、机器学习和数据引导的智能领域,已经有明显的进展。尽管如此,AI还需要几年的时间才能充分发挥其潜力。
虽然金融机构估计AI的影响在不远的将来会很低,但在Infosys的另一项研究中,有37%的受访者表示他们认为其影响在未来两年会非常显着——金融服务行业在AI技术方面的投资远远超过其他行业,这些投资将继续稳步增长,因为银行业者正在接近实现完全运作的AI驱动系统。
最终,AI技术将允许零售银行业者专注于高价值的活动和围绕客户体验的创造性解决方案。AI最终将以较低的成本实现大批量、重复性任务的自动化。这也将帮助银行和信用社管理他们的监察和合规负担,产生审计线索和举报可疑行为。它甚至能够预测客户服务问题和销售查询。
这些进步在很大程度上是由于AI的许多必要成分已经存在。监管和客户交互都有详细记录——可以在创建自动化算法时挖掘数据的存储库。大数据工具可以帮助解析和分类数据进行分析。机器学习技术可以帮助梳理隐藏在数据背后的见解和背景,然后建立预测模式。
它所需要的只是一个AI解决方案来把它拼接在一起。而这正是许多金融机构陷入困境的地方。
这就是为什么在Efma的研究中,四分之三的银行(74%)认为与第三方合作将是他们获得创新技术的最佳途径,其他选择包括资助内部研发(46%)和与来自不同行业的伙伴合作(42%)。
加拿大皇家银行(Royal Bank of Canada)就是一个例子,揭示了金融机构如何试图围绕他们的AI和技术挑战展开武装。加拿大皇家银行在多伦多大学(University of Toronto)罗特曼管理学院(Rotman School of Management)的创意破坏实验室(Rotman School of Management)进行了大量投资,该实验室培育了大约50家AI公司。该银行正在与该大学合作建立自己的专注于AI的研究实验室,RBC机器学习研究中心。AI依赖于金融服务业和技术公司在技术和合作方面的进步。尽管存在着障碍,导致银行可能在数字、AI和自动化等技术方面进展缓慢,但它们正获得动力,并有可能以全新的方式塑造这一行业。