金電聯行董事長兼CEO範曉忻:大資料晶片級輸出、平臺級封裝是革命性的變化
金電聯行董事長兼CEO範曉忻
金融賽道一直很熱,大資料的應用更加速了金融的發展,那麼在金融科技領域有哪些新風向?金電聯行董事長兼CEO範曉忻在36氪主辦的“做風中的強者”-2019WISE風向大會的現場表示, 可以“從購買服務向自建平臺轉變、從提供結果向構建過程轉變、從冷資料向熱資料轉變、從流程化系統向智慧化系統轉變”四個風向看大資料發展。
“我從業20多年,也算是資料界的老炮,我們現在看到的資料變化是20多年以來最大的變化。以前都是流程化,無論我們做的是什麼樣的系統,都是流程化系統。但是現在的系統有變化了,是智慧決策系統。以前我們寫程式、寫程式碼、寫各種應用,包括金融機構的應用,包括運營商的應用,都是解決流程化的問題,能夠解放人的雙手,讓人從繁重的勞動中解脫出來,能讓人過得更舒適。現在不是了,非常多的變化已經明確讓我們看到,企業希望能夠讓機器自動決策,人處在輔助的位置。以前機器替代人,機器是人的工具。現在從某種程度上機器做決策,人來輔助。這樣大大提高了工作的效率和準確性,這是一個非常大的變化。
最近非常熱的中小企業融資,企業融資出現了困難,怎麼辦?在範曉忻看來,資料在解決這一瓶頸時能產生巨大的價值。通過採集企業資料進行分析、機器學習的量化模型,一個企業可以有2000個指標項去形容,就像是體檢一樣,企業的情況就非常清楚了。金電聯行做過最大單筆6800萬的純信用融資。6800萬純信用,不需要抵質押和擔保。資料就是這麼強大,但是需要一套的資料處理體系和分析體系。
以下為範曉忻演講全文:
剛剛聽了幾位嘉賓的演講很受啟發,我換一個角度,既然是科技創新、既然是風向,而風向的背後是技術。技術怎麼做?從我們熟悉的大資料和人工智慧領域,和大家做個分享。
我們在這個行業深耕十幾年,是一家To B的公司,感受到大資料發展的新的變化。
第一個風向,從購買服務向自建平臺轉變。
剛才聽沈總講,我相信他也是在自建平臺,也不是完全購買服務。大的央企、金融機構、電信公司運營商的變化非常明顯。他們對大資料非常感興趣。以前,這家公司推這麼個應用,那家公司推那麼個應用。於是,買個應用,看能不能符合要求。現在不一樣了,現在大資料已經非常接地氣了,非常多的應用已經開始成為主流的應用。這些企業對自己的資料比較重視、希望能夠通過自身的資料加上外接資料,產生巨大價值。對這些企業來講,像大的金融機構就需要自己建平臺,通過自己大資料平臺的各個分層的服務,最後能產生價值。
第二個風向,從提供結果向構建過程轉變。
既然自己要構建平臺,就不能構建一個黑盒。以前的大資料搞評分卡,現在把傳統評分卡變成通過資料分析產生的結果。到底這個結果怎麼產生的,資料分析有沒有道理,恐怕它不會給你詳細的解釋。它最多說,這是經過反覆驗證出現的結果。很多客戶都是通過大資料來拆解各種需求,它想知道黑盒之內到底是什麼,怎麼才能夠產生對我有價值的結果,我希望精準營銷、風險防控、對價格進行預警預測,所有這些事是怎麼通過資料、哪些資料的相關效能夠產生結果,這是一個變化。
第三個風向,從冷資料向熱資料轉變。
以前絕大部分產生的資料都是冷資料。我們做一個應用,產生了資料,比如信用卡,刷一張卡產生的結果存下來了。過兩天卡中心發了一個簡訊,你刷了卡想不想做分期。現在不是了,現在資料是熱的。曾有金融機構老總講,看能不能通過跟你們的合作,把我的資料全部啟用,因為我要實時處理,我恨不得在他刷卡的時候,就把這個資料推給他。這就是資料的出口變成了入口,什麼意思呢?你刷卡以後,甚至卡還沒有從POS機拿下來,簡訊已經收到了,你刷了卡,要不要做一個12期分期,你回答一個“Y”,這個事就OK。這能夠第一時間得到客戶的增長點,這就是資料帶來的變化,這個變化從冷資料到熱資料的變化,得非常明顯。
最後一個變化,就是從流程化系統向智慧化系統的轉變。
我從業20多年,也算是資料界的老炮,我們現在看到的資料變化是20多年以來最大的變化。以前都是流程化,無論我們做的是什麼樣的系統,都是流程化系統。但是現在的系統有變化了,是智慧決策系統。以前我們寫程式、寫程式碼、寫各種應用,包括金融機構的應用,包括運營商的應用,都是解決流程化的問題,能夠解放人的雙手,讓人從繁重的勞動中解脫出來,提高的是效率,能讓人過得更舒適。現在不是了,非常多的變化已經明確讓我們看到,企業希望能夠讓機器自己自動決策,人處在輔助的位置。以前機器替代人,機器是人的工具。現在從某種程度上機器做決策,人來輔助。這樣大大提高了工作的效率和準確性,這是一個非常大的變化。
基於這個變化,目前大資料的廠商,它們做什麼事,為大家提供什麼樣的服務呢?
首先看看大資料的晶片。 大資料的底層,從資料往上,有五層架構。 這五層架構能夠展現出大資料從資料的流入到最後產生結果的全流程,到底經歷了些什麼,底層的技術是怎麼支撐的,怎麼才能夠產生各種比較眩目的應用。包括剛才鄭所長提到大資料還有很多問題沒有解決,應用還有很多瓶頸,這些瓶頸正在突破。某些領域的科技進步,已經可以跟世界先進水平,尤其是美國水平齊頭並進了,甚至部分領域開始彎道超車。因為中國場景多、資料多、科研人員多。底層是大資料的基礎平臺,未來資料的應用已經從傳統架構向新的大資料架構開始轉變,像大家耳熟能詳的Hadoop等,這些新技術組成了新的大資料基礎平臺。這個基礎平臺跟以前的傳統的資料庫平臺有什麼區別呢?為什麼它不叫新的大資料資料庫呢?因為它是基於計算的,一定要基於實時計算。你刷了卡,資訊馬上就能回來,這包含了大量的實時計算,而傳統架構對於實時計算的能力是不具備的,因為傳統架構是基於儲存的。新的架構是基於分散式的計算。以前是存完再算,現在是邊算邊存,邊存邊算。
我們看IO控制器,也就是資料管控的平臺,相當於以前計算機的南橋晶片。大資料的管理,是資料標準化管理,類似於現在已經逐漸消失、融進CPU裡面的北橋晶片。資料不會是洗好了擺在你面前,有專家提到資料是各種各樣的,有很多維度,我們怎麼處理,有沒有辦法讓它自動化洗乾淨,能夠產生結果呢?大資料中央處理器對於資料的排程,就起到非常重要的作用,我們內部叫資料工廠,也就是大資料的智慧生產線的控制系統。再往上紅色,為什麼標成紅色呢?非常時髦,國外一些頂級公司都在做這些事,就是建模平臺。模型已經褪下光環,進入大機器生產的時代了。為什麼呢?以前是博士才能建模,或者充分訓練過的程式設計師才可以去構建一些標準模型。現在不是了,紅色有三部分,第一,模型的自動構建。第二,模型的自動演變,就是自動調參,當引數發生變化以後,自動進行。第三,調整好的模型,能夠自動化執行。也就是自動生成、自動調參、自動執行。當未來平臺足夠強大,人工智慧和大資料就能充分結合在一起。你有資料進來,就接入、處理、排程、建模,再通過上面的可程式設計的晶片,結合知識圖譜,形成你要的結果。紅色部分以下全都是透明的,是通用的,與具體應用是無關的,只有把底層搭好,我們才有可能建立令人眩目的應用服務,讓大家感受到資料帶來的價值。自動建模體現的是算力,因為它對應的電腦也好、手機也好,是GPU的部分。
第二件事, 能夠依託全方位的大資料能力,隨時切換應用場景。 可以講兩個場景。第一,最近非常熱的中小企業融資,企業融資出現了困難,怎麼辦?抵押找不到,還要現場調研,成本負擔不了,因為貸款息差小。這時候,資料就有很大的價值,價值的體現就是通過採集企業資料進行分析、機器學習的量化模型,一個企業可以有2000個指標項去形容,就像是體檢一樣,企業的情況就非常清楚了。我們最大做過單筆6800萬的純信用融資。6800萬純信用,是不需要抵質押和擔保。資料就是這麼強大,但是需要一套的資料處理體系和分析體系。
這是信用平臺,像最近流行的動車霸座、扶老人,這些都是信用的缺失。如果他辦了龐氏騙局的企業,如何讓他在全國不能做這件事情,信用平臺的建立是非常重要的,而信用的支撐就是資料。我們公司附近有一個環島路口,沒有交警,但是卻有著非常精密的交通管理效率,是大量高密度的攝像頭組成的資料。這就是資料約束力。資料能夠讓信用鋪開,產生價值。
平臺級封裝,這是最新的封裝方式。傳統IT是一個模組一個模組封裝,有了資料應用以後,是簡單的縱向封裝。假設我要生產一個椅子,我就是個椅子的生產線,但是它生產不了桌子和電腦。新的封裝方式把資料層的核心能力封裝進去,不同的資料進來的時候,能夠產生完全不同的應用結果,就像是一個混合的生產線。資料進來,能夠產生各種價值,資料有變化,其他也會有變化。你每增加一個維度進來,剩下的事不用做,你封裝好就可以了,結果會自然出來。
剛剛說了過往的變化,那我們能做什麼?後面就是 新的發展趨勢。
第一,脫虛向實,大資料長期以來都是在一些現代服務業服務,像船舶、電器這些傳統行業資料的滲透率只有20%左右,還有非常大的成長空間。我們最近投入了很大精力,在上海建立了產業的大資料實驗室,做了大量原始的實驗工作,取得了非常多的效果。
橫向輸出。產業的大資料和人工智慧是發展的藍海,那麼怎麼輸出呢?還是縱向封裝,還是怎麼辦呢?是我封裝出一個一個應用嗎?不是的。大量的客戶他希望買最好的資料庫,變成買最好的大資料精準平臺;從買最好的數倉,到買最好的資料工廠;從原來我建模,到買資料建模工具,把它拼接在一起形成最佳的應用。很多專家在研究模型演算法,他們的模型演算法正成為人工智慧發展的重要輸入,可以說加上人工干預的人工智慧是新的方向。也就是說,橫向輸出比縱向封裝未來更有前景,橫向輸出意味著你有橫向的技術能力,這是晶片級的能力。
最後就是大資料全流程自動化。大資料很眩目,人工智慧也很流行,如果中間還有很多流程是人工處理、人工部署的,你的大資料的應用效率會非常低。可以負責任告訴大家現在99%的應用,都有大量的人工參與,其實還不是一個全自動的流水線。未來大資料真正能夠走進千家萬戶,對於底層的要求非常高,一定能夠做到隨時隨地的資料處理。