13.4 小结
大数据平台以分布式、弹性可扩展、高可用性、适应快速变化的大数据体系为架构，能兼顾大数据批量处理和小数据精确查询并存的混合应用场景，兼容结构化、半结构化、非结构化等海量数据的低成本存储，快速批处理加工数据，同时实现对相关数据接入、传输、交换、共享与服务全流程的实时监控与管理，为多种实时决策类及数据分析类应用提供高效、有力的支持。大数据平台是银行数据整合、处理、加工、分析、应用的基础性技术支撑平台。
未来10年将是银行大数据和人工智能应用的黄金时代。大数据作为经济新常态背景下银行业提高生产率的新杠杆，是实现信息化银行、数字化银行的关键因素，是推动转型的核心驱动力，是解决信息不对称问题、有效控制风险的主要手段。当前，大数据分析和人工智能应用能力已成为大型商业银行的核心竞争力，受到高度重视。各银行纷纷将大数据和人工智能作为“十三五”规划的重大战略发展方向，加快开展大数据和人工智能建设。
13.4.1大数据给银行带来的机遇与挑战
- 加速数据应用与业务创新
商业银行的很多业务创新依赖于基于数据的洞察。在经过20多年的业务电子化、数据大集中建设后，商业银行已具备数据资源方面的明显优势，基于大数据和人工智能的业务创新空间巨大，涉及客户洞察、服务提升、风险防范、精准营销等领域。
数据应用及业务创新的生命周期通常包含5个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与模型；IT系统部署；业务应用并衡量成效。在大数据环境下，数据应用及业务创新的生命周期还是这5个阶段，但发生了4个方面的重大变化。
数据量更大、数据源更多，一般情况下使用简单算法就能实现业务洞察，与以往因数据源单一、样本少而需要复杂算法的做法不同。
●算法与技术手段更加多样，有助于IT和业务挖掘新的关联关系。
业务和IT的合作模式转变为联合开展数据探索和分析挖掘，IT部门更擅长获取全面、细节的信息，更了解数据的血缘关系，业务部门更懂得数据的真实意义和业务需求，两者紧密合作有利于更好、更快地建立算法模型。
数据应用及业务创新的生命周期大幅缩短，由传统技术环境下的半年乃至更长的时间缩短为几周或更短的时间。以往IT交付和支持效率制约了业务创新的步伐，在大数据环境下，数据应用的开发和交付周期大幅缩短，“小步快跑”成为业务创新的方式。
大数据运作模式使得快速、低成本试错和迭代创新成为可能，即数据分析中一旦发现有价值的规律，就快速开发新产品并进行商业化推广，若效果不理想，则果断退出。这种模式使得商业银行可以关注过去由于种种原因被忽略的大量“小机会”，并将这些“小机会”快速累积迭代形成“大价值”。
第13章 银行业大数据和人工智能
407