（原标题：摸象大数据高鹏：数据智能在金融行业的应用落地）

近日，中国工程院院士、浙江大学计算机学院潘云鹤教授作为通讯作者，与其他人工智能领域学者在《自然》子刊《机器智能》发表题为《中国迈向新一代人工智能》文章，全景扫描了中国新一代人工智能形成过程和发展现状，指出大力培养人工智能本土一流人才、加强学科交叉下人工智能理论突破、规范人工智能伦理以及构建人工智能发展生态是今后中国新一代人工智能发展面临的挑战。

人工智能已经成为世界工业和经济发展转型的主要驱动力，世界各国正在奋力拥抱人工智能革命为本国经济社会发展带来的澎湃动能，已经产生并将不断催生各领域的新产品、新技术、新业态。

摸象数据智能在金融行业的应用落地

如何将数据智能与金融完美融合，提升金融机构的服务效率，降本增效的拓展金融服务的广度和深度，全面赋能金融机构，实现金融服务的智能化、个性化、定制化等金融数据智能应用的落地，这是“浙大系”金融智能联合实验室高鹏、潘晶等人，一直在研究和推进的智能金融新时代。

在本报告中，高鹏、潘晶等人，将从数据智能本质入手，数据智能历史进程回顾等方面，针对银行、金融机构客户企业遇到的各种问题，力图给出当前市场竞争格局下的速赢策略、应对策略以及未来数据智能在金融行业的应用，帮助金融机构更好的驾驭数据智能，领跑数据智能时代。

▉ 什么是数据智能（Data Intelligence）

从技术的角度来看，数据智能（Data Intelligence）是指基于大数据引擎，融合应用云计算、大数据、知识图谱和大规模机器学习等多种技术，由机器决策实现数据驱动的场景业务流，即可称为数据智能。它可通过大规模机器学习和深度学习等技术， 对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等。

简单讲，数据智能就是大数据和人工智能技术的融合。数据智能将随着数据量的高速增长，直接驱动应用于场景之中，提升运营效率，它的终极目标就是利用一系列智能算法和信息处理技术实现海量数据条件下的人类深度洞察分析和总结，得出结论，最终实现智能决策。

例如摸象大数据的“无相盘”就是立足于数据直接驱动金融场景，建立了一套从云-边-端的全自动数据驱动的自动化运营体系，一切基于数据来进行资源的调配和参数调优。在用户端，可根据消费者行为和场景数据进行实时的个性化产品匹配和推荐，在银行端，利用数据和算法实现产品供应链上每个价值环节的机器决策和自动优化，以数据智能为“引擎”，实现海量数据条件下的人类深度洞察和决策智能化，最终走向普适的人机智能融合，进一步驱动金融机构生态系统重构和商业模式创新。

（图表：摸象大数据无相盘系统架构）

▉ 数据智能的发展进程

数据智能的标志是数据驱动决策，让机器具备推理等认知能力，大数据能够指导决策。同时完成了业务数据化进程，开始进入到业务智能化，依靠数据嵌入场景和驱动业务。

（图表：数据智能的发展进程）

第一阶段：数据的收集、清洗和存储，代表企业有数据堂、九次方等，同时金融机构也开启了数据仓库的建设；

第二阶段：商业BI阶段。数据的展现、监测、图形化、可视化，机器帮助人类决策；

第三阶段：数据与业务场景的结合，数据挖掘和数据建模时代，大数据公司开启了数据中台的建设，将AI建模平台内化成自身的能力，基于AI建模平台形成解决方案，帮助企业客户落地大数据应用。明略数据、百分点、同时在这阶段又得到了大发展；

第四阶段：大数据驱动机器自动决策阶段，让机器具有推理能力，数据智能嵌入场景，直接驱动业务。这是在大规模数据处理、数据挖掘技术、机器学习技术、人机交互技术、NLP技术都逐步发展起来的情况下，实现的高级、实时的机器决策能力，数据智能的出现博士将带来业务和商业模式的重构。