一、機器學(xué)習(xí)平臺與大數(shù)據(jù)平臺的關(guān)系澄清

[[346643]]

機器學(xué)習(xí)平臺和大數(shù)據(jù)平臺沒有硬性的關(guān)系，比如很多同業(yè)在沒有大數(shù)據(jù)平臺之前就借助 SAS 、 SPSS 等建模工作進(jìn)行建模，且在相關(guān)領(lǐng)域也取得了不錯的成績，比如評分卡等。在我們看來大數(shù)據(jù)平臺和 SAS 等傳統(tǒng)的建模平臺有以下差別：

但是由于近期銀行在大數(shù)據(jù)方面發(fā)力迅猛，對在銀行業(yè)的建模(機器學(xué)習(xí))的影響較大，主要方面有三：

一是大數(shù)據(jù)平臺為機器學(xué)習(xí)平臺提供了大數(shù)據(jù)支撐。好的模型是通過數(shù)據(jù)不斷的分析、迭代、優(yōu)化出來的，大數(shù)據(jù)平臺的海量數(shù)據(jù)為模型的探索提供了豐富的原材料;

二是大數(shù)據(jù)平臺上的 KAFKA 等實時數(shù)據(jù)工具為機器學(xué)習(xí)平臺提供了實時數(shù)據(jù)以及實時場景，比如在線推薦、反欺詐、實施風(fēng)控等場景;

三是大數(shù)據(jù)平臺為機器學(xué)習(xí)提供強大的算力以及處理能力。大數(shù)據(jù)采用 SPARK 方式等分布式的機器學(xué)習(xí)算法較 SAS 等單機版的計算性能有較大的提升，使得計算能力更加強大。且大數(shù)據(jù)平臺更易于圖數(shù)據(jù)庫結(jié)合，應(yīng)用圖算法將某些場景下的機器學(xué)習(xí)能力提升。

二、機器學(xué)習(xí)平臺是銀行的建設(shè)趨勢嗎?

從以上情況看來機器學(xué)習(xí)平臺是大數(shù)據(jù)的一個重要的發(fā)力點，模型比傳統(tǒng)的業(yè)務(wù)系統(tǒng)有更強的場景驅(qū)動性，業(yè)務(wù)穿透性更強。建設(shè)機器學(xué)習(xí)平臺有可能是銀行整體規(guī)劃，也有可能是偶然性的項目需求中提出的。但建議銀行可以盡早的了解學(xué)習(xí)此類平臺、技術(shù)和算法等，建立人才儲備和項目管理(建模類)機制，應(yīng)對未來的業(yè)務(wù)需求和項目風(fēng)險。

銀行如何引入機器學(xué)習(xí)平臺?情況大多是科技部驅(qū)動，較項目驅(qū)動比例略低。比如審計、分析平臺、營銷類、風(fēng)控類項目都可能包含機器學(xué)習(xí)平臺的引入，主要看業(yè)務(wù)需求是否能由傳統(tǒng)方式實現(xiàn)。

三 . 機器學(xué)習(xí)在銀行的主要應(yīng)用場景

常用的機器學(xué)習(xí)算法都可能用到，比如分類，聚類，關(guān)聯(lián)，也會用到深度學(xué)習(xí)和圖算法等。應(yīng)用場景見下表：

結(jié)合以上的場景分析，希望給大家同行在機器學(xué)習(xí)領(lǐng)域的場景研究提供參考。