做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

大数据文摘出品

记者:高延

6月18-21日,O’Reilly AI Conference在北京召开。大会上,来自荷兰的金融公司ING的IT主管Bas Geerdink带来了《关于数字驱动企业》的主题分享。

进入互联网大数据时代后,ING目标明确的要把自己打造成一家数据驱动型企业,将分析技能作为首要战略重点,并投资于人工智能、大数据分析,希望能借此优化业务流程。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

现在,AI已经逐渐发展成ING业务的核心,公司内部有着大量关于数据分析及人工智能在项目在进行着。正如他们自己所言,他们是一家IT公司——An IT company with a banking lisence.

Bas Geerdink从WHY、WHAT、HOW三个角度分享了ING在数字化转型中的思考与实践。

以下是演讲全文,大数据文摘在不改变原意的前提下进行了编辑。

演讲内容

WHY:ING的挑战和机遇

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

有着160多年历史的ING见证的银行业的发展与变革,从最早期的客户因信任扛着资产到银号进行存储;到后来一张张小小的卡片和客户经理成了银行和客户之间的纽带;再到如今,很多客户根本就没有在银行体验过实体的服务,他们和银行的交互只是一个应用程序罢了。因此,如何靠应用程序吸引客户并建立稳定的客户关系,是他们最关心的问题之一。

另外,金融行业的竞争也在不断的加剧,想在比荷卢经济联盟以外的地区站稳脚跟并非易事,Bas Geerdink特别强调到亚洲市场,这是块很有吸引力但又充满挑战的市场,他还提到了阿里和腾讯,这两家公司以互联网的基因做着金融的业务,无论是成本还是用户基础上他们都充满优势,想要他们那分一杯羹,ING必须花更大心思充分理解当地客户,并用上最新的IT技术手段。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

当然,作为金融行业老人,卓越的远见自然是它屹立不倒的重要原因,所以ING早13年就制定了数字化战略,计划抓住数据和AI的机遇,结合自身在金融领域的百年经验,将数据融入产品,建立稳固的客户关系,给客户打造更可靠、更便捷的服务体验,为客户提供集成化商务平台,从而为客户的资产赋能。

WHAT:ING产品上的AI应用

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

案例1:Actionable Insight,这是一项基于历史数据的预测产品,ING会基于用户历史的银行资金数据,对用户接下来一个月的经济状况作出预测,如果根据近期的消费模式预测出可能会有财务问题,便会提早给客户提示,让客户今早调整财务计划。

想必还是有很多小伙伴会期待这种智能提醒吧,至少笔者这样的月光党还是很需要被敲黑板的。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

案例2:Real-time Forecasting,这是一个推荐服务,这是嵌入在ING移动产品里的,它用的是实时数据进行推荐,推荐的是用户可能需要的ING服务,假象一下你的定位发生了大面积转移,又消费了外币,这时它就会预测你或许是在一次国际旅行上,然后发送当地的ING网点给你,附上跨国购汇取款等操作指导,很暖心有没有。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

案例3:Instant Mortgages,贷款购房这是不管放到哪个国家都是人生大事,ING会基于PSD2的交易数据评估出客户的贷款能力,为客户推荐量身定制的贷款数额,最关键的是它很快,分分钟解决你的顾虑,不需要再像以前那样挤出时间找顾问咨询啦。

HOW:ING在IT技术和工作模式上的最佳实践

Bas Geerdink说到,以前的ING是金融公司,而现在却不仅仅如此了,因为这些年在企业内部建立起了强大的IT技术团队,不再使用以前的外包形式,再加上大数据平台的建立和AI技术的应用,一家高科技公司妥妥的。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

优秀的数据驱动公司的标志之一就是能管理好历史数据,银行业务的特性使得ING面临多种业务系统的数据,形式各有不同,而且近两年数据井喷的环境下的fast data和过往的historical data得采用不同的处理方式,它们采用了数据湖的方式处理这些多源异构数据,用不同的技术处理对应的数据,最终以统一的标准呈现给应用层。这对ING至关重要,因为这是一切分析或AI的基石,正如Bas Geerdink一再强调的,只有做到这点才能避免训练模型时“rubbish in rubbish out”

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

前面讲到了ING用数据湖打下坚实的数据基础,这里再抛出他们的另一把利器——实时数据流平台,按Bas Geerdink的说法,为了让应用能够提供更及时准确的数据服务,必须把数据采集、存储、模型训练、迭代、应用微服务这个链路完整地串联起来,他把这称为“人工智能生产流水线”,Flink的出现大大推动了他们数据平台的升级,让数据高效地指导业务和服务客户。

做银行家里的数据专家:ING探索大数据时代下的金融最佳实践

ING在工作模式上遵循了DevOps方法,如Bas Geerdink的PPT所示,在平时工作中,他们会按业务范畴将业务人员、数据科学家、开发、运维组成作战小分队,使得成员间得以高效紧密的配合,另外,在相应的知识领域,他们又会按照职能划分小组,进行技术或业务的交流经验分享。ING正是这样很好地贯彻了优质的IT管理理念,使得他们敏捷地在数字化转型和AI应用的道路上。

相关推荐