數(shù)據(jù)科學(xué)正從這七個(gè)方向顛覆金融界
大數(shù)據(jù)文摘出品
編譯：浩哥兒、笪潔瓊、夏雅薇
近年來，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)在應(yīng)對(duì)金融領(lǐng)域諸多任務(wù)的處理能力已經(jīng)成為大家關(guān)注的焦點(diǎn)。公司希望知道新技術(shù)能夠?yàn)楣編硎裁锤倪M(jìn)以及它們?nèi)绾沃厮芄镜慕?jīng)營策略。
我們準(zhǔn)備了一份數(shù)據(jù)科學(xué)案例清單，這幾個(gè)案例已經(jīng)在金融領(lǐng)域內(nèi)產(chǎn)生了巨大影響。它們涵蓋了從數(shù)據(jù)管理到交易策略等各個(gè)不同的業(yè)務(wù)方面，擁有廣泛的前景。
自動(dòng)化風(fēng)險(xiǎn)管理
風(fēng)險(xiǎn)管理是金融機(jī)構(gòu)非常重要的領(lǐng)域，它要為公司的安全、可信度和戰(zhàn)略決策負(fù)責(zé)。過去幾年來，進(jìn)行風(fēng)險(xiǎn)管理的方式發(fā)生了重大變化，甚至直接改變了金融公司的性質(zhì)。從未像今天這樣，公司可以通過機(jī)器學(xué)習(xí)模型來承載業(yè)務(wù)發(fā)展。
風(fēng)險(xiǎn)可以來源于很多方面，比如競(jìng)爭(zhēng)對(duì)手、投資者、監(jiān)管機(jī)構(gòu)或公司的客戶都可能產(chǎn)生風(fēng)險(xiǎn)。除此以外，風(fēng)險(xiǎn)的重要性和可能帶來的潛在損失也不完全正向相關(guān)。因此，主要的風(fēng)險(xiǎn)管理步驟一般是識(shí)別風(fēng)險(xiǎn)、優(yōu)先級(jí)排序和監(jiān)控風(fēng)險(xiǎn)，而這正好是機(jī)器學(xué)習(xí)所擅長(zhǎng)的任務(wù)?；诤Ａ康目蛻魯?shù)據(jù)、金融借貸數(shù)據(jù)和保險(xiǎn)結(jié)果數(shù)據(jù)進(jìn)行訓(xùn)練，使得這些算法不僅可以改善風(fēng)險(xiǎn)評(píng)價(jià)模型，還可以增加效率和可持續(xù)性。
數(shù)據(jù)科學(xué)和人工智能(AI)在風(fēng)險(xiǎn)管理中最主要的應(yīng)用就是判斷潛在客戶的信譽(yù)度。企業(yè)使用機(jī)器學(xué)習(xí)算法來分析特定客戶在過去的支出行為和方式，以此建立恰當(dāng)?shù)男庞妙~度值。這種方法同樣適用于新客戶或者信用記錄比較簡(jiǎn)單的客戶。
在金融領(lǐng)域，盡管風(fēng)險(xiǎn)管理數(shù)字化和自動(dòng)化還處于早期階段，但潛力巨大。金融機(jī)構(gòu)仍然需要通過核心流程自動(dòng)化，提高團(tuán)隊(duì)的分析能力以及戰(zhàn)略性技術(shù)投資，來為變革做好準(zhǔn)備。只要公司開始朝著這個(gè)方向發(fā)展，那么離盈利也就不遠(yuǎn)了。
管理客戶數(shù)據(jù)
對(duì)于金融公司來說，數(shù)據(jù)是最重要的資產(chǎn)。因此高效的數(shù)據(jù)管理是企業(yè)成功的關(guān)鍵。今天我們擁有海量多樣化的金融數(shù)據(jù)：從社交媒體活動(dòng)數(shù)據(jù)和移動(dòng)設(shè)備通聯(lián)數(shù)據(jù)到市場(chǎng)交易數(shù)據(jù)和交易詳情信息。金融專家經(jīng)常需要處理各種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，而且手動(dòng)處理這些數(shù)據(jù)是一個(gè)巨大的挑戰(zhàn)。
然而，大多數(shù)公司都將機(jī)器學(xué)習(xí)技術(shù)和管理過程進(jìn)行整合，以此從數(shù)據(jù)中提取有價(jià)值的信息。以自然語言處理，數(shù)據(jù)挖掘和文本分析技術(shù)為代表的一些人工智能技術(shù)，能夠?qū)?shù)據(jù)轉(zhuǎn)換為有價(jià)值的信息，進(jìn)而取得更智能的數(shù)據(jù)治理方式和更好的業(yè)務(wù)解決方案，從而提高公司的盈利能力。例如，機(jī)器學(xué)習(xí)算法可以通過對(duì)客戶過去的金融數(shù)據(jù)進(jìn)行學(xué)習(xí)，以此來分析一些特定金融趨勢(shì)和市場(chǎng)發(fā)展的影響。最后，這些技術(shù)也可用于報(bào)告自動(dòng)生成。
預(yù)測(cè)分析
當(dāng)前金融服務(wù)的核心就是分析。特別值得關(guān)注的是預(yù)測(cè)分析，它揭示了數(shù)據(jù)的特定規(guī)律，并能夠預(yù)測(cè)未來發(fā)生的事件，這樣就可以提前采取行動(dòng)。通過掌握社交媒體、新聞趨勢(shì)和其他數(shù)據(jù)源，這些復(fù)雜的分析技術(shù)已經(jīng)成功應(yīng)用于各種場(chǎng)景，比如價(jià)格預(yù)測(cè)、客戶價(jià)值預(yù)測(cè)、未來生活事件、預(yù)期流失率和股票走勢(shì)。最重要的是，這種技術(shù)可以告訴我們：如何人為干預(yù)才能取得最好結(jié)果。
實(shí)時(shí)分析
實(shí)時(shí)分析從根本上改變了金融處理流程，它通過分析不同來源的大量數(shù)據(jù)，快速識(shí)別任何變化并得出與其相對(duì)應(yīng)的最好應(yīng)對(duì)措施。在金融領(lǐng)域的實(shí)時(shí)分析應(yīng)用主要有三個(gè)方面：
(1) 欺詐識(shí)別
金融公司有責(zé)任向其用戶提供最高級(jí)別的安全保障。公司面臨的主要挑戰(zhàn)就是要找到一個(gè)很好用的欺詐檢測(cè)系統(tǒng)，因?yàn)樽锓缚偸菚?huì)采用新的方法設(shè)置新的陷阱來進(jìn)行黑客攻擊。
只有有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家才能夠創(chuàng)建完美的算法來檢測(cè)預(yù)防用戶的異常行為或者正在進(jìn)行的各種欺詐程序。例如，針對(duì)指定用戶進(jìn)行交易異常報(bào)警或者禁止大額現(xiàn)金提款，除非用戶確認(rèn)他們的操作。在股票交易市場(chǎng)，機(jī)器學(xué)習(xí)工具能夠通過交易數(shù)據(jù)識(shí)別那些可能存在股票操縱的行為方式，并提示員工對(duì)其進(jìn)行調(diào)查。然而，這種算法最大的優(yōu)勢(shì)是其自我學(xué)習(xí)能力，隨著時(shí)間的推移，這些算法可以變得更加有效和智能化。
(2) 消費(fèi)者分析
實(shí)時(shí)分析還有助于更好的了解客戶及其個(gè)性化需求。復(fù)雜的機(jī)器學(xué)習(xí)算法和客戶情緒分析技術(shù)能夠通過客戶行為、社交媒體互動(dòng)和他們的反饋意見中獲得感知，能夠有效的滿足個(gè)性化需求并提高利潤。由于數(shù)據(jù)量巨大，只有經(jīng)驗(yàn)豐富的科學(xué)家才能準(zhǔn)確解決這一問題。
(3) 交易算法
這個(gè)領(lǐng)域受實(shí)時(shí)分析的影響最大，因?yàn)槊棵攵己荜P(guān)鍵。通過分析傳統(tǒng)和非傳統(tǒng)中最新的數(shù)據(jù)信息，金融機(jī)構(gòu)可以實(shí)時(shí)做出有用的決策。同時(shí)因?yàn)檫@些數(shù)據(jù)只在短時(shí)間內(nèi)具有價(jià)值，所以如果想在這個(gè)方面具備競(jìng)爭(zhēng)力意味著必須使用最快的方法去分析數(shù)據(jù)。
在這個(gè)領(lǐng)域，整合實(shí)時(shí)分析和預(yù)測(cè)分析同樣具備很大前景。在過去，金融公司不得不聘請(qǐng)數(shù)學(xué)家，讓他們開發(fā)統(tǒng)計(jì)模型并使用歷史數(shù)據(jù)創(chuàng)建預(yù)測(cè)市場(chǎng)機(jī)會(huì)的交易算法。然而，今天的人工智能技術(shù)使得這一過程更加快速，而且更重要的是，它還在持續(xù)優(yōu)化中。
因此，數(shù)據(jù)科學(xué)和人工智能已經(jīng)在推動(dòng)金融交易領(lǐng)域的改革，并創(chuàng)建了算法交易策略這一理念。世界上大多數(shù)交易所都在通過計(jì)算機(jī)相關(guān)的算法和合適的策略制定最終決策。人工智能技術(shù)能不斷地處理海量數(shù)據(jù)信息，包括微博數(shù)據(jù)、金融指標(biāo)、以及從新聞、書籍甚至電視節(jié)目中獲得的數(shù)據(jù)。因此，它能夠理解當(dāng)前全球變化趨勢(shì)，并不斷完善對(duì)金融市場(chǎng)的預(yù)測(cè)。
總而言之，實(shí)時(shí)分析和預(yù)測(cè)分析顯著改變了金融領(lǐng)域的局面。數(shù)據(jù)工程師們正在通過Hadoop、NOSQL和Storm等技術(shù)，利用傳統(tǒng)和非傳統(tǒng)的數(shù)據(jù)集以及更準(zhǔn)確的算法不斷改變著金融領(lǐng)域的工作方式。
個(gè)性化深度定制
企業(yè)逐漸認(rèn)識(shí)到，在當(dāng)今市場(chǎng)中取得競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵要素之一便是同客戶建立高質(zhì)量和個(gè)性化的關(guān)系，以此來提高客戶黏性。這種方式可以通過分析線上用戶的體驗(yàn)，并根據(jù)用戶的興趣和偏好不斷完善其信息。
人工智能技術(shù)在理解人類語言和情感方面取得重大進(jìn)展，從而將客戶個(gè)性化提升到一個(gè)全新的高度。數(shù)據(jù)工程師還可以建立模型，研究消費(fèi)者的行為并發(fā)現(xiàn)客戶在哪些方面需要財(cái)務(wù)咨詢。通過整合預(yù)測(cè)分析技術(shù)和電子調(diào)查問卷可以完成這一復(fù)雜工作，基于用戶的消費(fèi)習(xí)慣、社交趨勢(shì)、位置信息和其他偏好等信息，可以向用戶在恰當(dāng)?shù)臅r(shí)機(jī)提供最好的金融解決方案和個(gè)性化建議。
總結(jié)
對(duì)于金融機(jī)構(gòu)來說，使用數(shù)據(jù)科學(xué)技術(shù)可以為他們提供巨大的機(jī)會(huì)，讓他們能夠從競(jìng)爭(zhēng)中脫穎而出并重塑他們的商業(yè)模式。由于不斷更新的海量金融數(shù)據(jù)的存在，造就了機(jī)器學(xué)習(xí)和人工智能技術(shù)在各個(gè)方面的應(yīng)用。
我們這次只關(guān)注了金融領(lǐng)域最主要的七大數(shù)據(jù)科學(xué)應(yīng)用方向，但還有很多其他方面值得探討。如果你有任何其他想法，請(qǐng)?jiān)谠u(píng)論區(qū)分享觀點(diǎn)。
相關(guān)報(bào)道：
https://activewizards.com/blog/top-7-data-science-use-cases-in-finance/
【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
