人工智能与大数据技术导论
●第二阶段（2015、2016年）：大数据生态系统建设与重点业务领域应用突破。
●第三阶段（2017、2018年）：大数据智能分析与业务全面推广应用。
目前已完成平台建设、应用试点、大数据生态系统建设和信用卡业务领域应用，即按分析与应用分离、读写分离的原则建设4个数据域。正在建设8个数据产品：客户全景视图、潜在客户视图、资金关系圈、自助分析平台、历史数据查询平台、实时营销平台、实时风控平台和客户信用评级。基于数据产品的多个业务应用正在试点或推广，并与多个外部伙伴开展了大数据合作。
13.2.2 江苏银行
江苏银行大数据平台建设起步于2014年底，2015年年中初见成效。目前，江苏银行利用大数据技术开发了一系列具有一定社会影响的大数据和人工智能应用产品，如“e融”品牌下的“税e融”“享e融”等线上贷款产品、基于内外部数据整合建模的对公资信服务报告、以实时风险预警为导向的在线交易反欺诈应用、基于柜员交易画面等半结构化数据的柜面交易行为检核系统等。
大数据和人工智能应用的本质是对客户需求的认识和释放，应用效果取决于银行的综合运营服务意识，而选择一个合适的技术平台也是大数据成功应用的不可或缺的因素之一。江苏银行在大数据技术平台建设方面进行了大量探索和思考。
- 为什么要建设大数据技术平台
江苏银行资产规模是数万亿元，积累了大量的内部数据，以往受限于高性能存储的成本和数据并行化处理能力，占总存储量80%以上的数据是“死”在系统里的。以对私客户的活期账户为例，一张拉链表的数据量就达数百GB，运行在IBMP系列小型机上的Oracle数据库统计一下表的行数就要3个小时，若需要全量回算历史数据，为避免影响生产，需要将数据导出到另外的数据库上，花费几天时间。又如，“柜员操作记录”这样的半结构化数据每天产生的数据量达几个GB，生产环境只能保留最近几天的数据，其他数据存储在磁带库上，使用时需花费大量的人力将数据从磁带库中导出。
另一方面，为减少贷前审查的录入成本，开发纯线上贷款产品等，江苏银行陆续引入了税务、法院、工商、黑名单等外部数据。随着内外部数据量的快速增长，大规模数据处理和实时响应的需求使得传统的数据处理平台遭遇瓶颈，江苏银行急需探索新的数据架构，采用新的数据处理技术。
当前，银行业面临的挑战主要来自两个方面：利率市场化和互联网金融。利率市场化拉近了传统银行与实体经济的横向联系，要求银行快速提升数据洞察能力；互联网金融使得银行的数据应用不能局限于传统的查询统计分析应用，还需提供高效精准的营销，并具备实时风险防控能力。相较于大型商业银行，城商行的竞争更加激烈，传统的数据产品和应用服务已无法满足新形势下城商行应对市场竞争的需要。
400