做银行家里的数据专家：ING探索大数据时代下的金融最佳实践

最新推荐文章于 2023-05-24 16:45:28 发布

BigDataDigest

最新推荐文章于 2023-05-24 16:45:28 发布

阅读量355

点赞数

分类专栏：人工智能文章标签： AI

本文链接：https://blog.csdn.net/BigDataDigest/article/details/93619363

版权

人工智能专栏收录该内容

362 篇文章 5 订阅

订阅专栏

ING银行通过投资人工智能和大数据分析，致力于成为数据驱动型企业。他们利用Actionable Insight进行财务预测，Real-time Forecasting提供实时服务，Instant Mortgages实现快速贷款评估。借助数据湖和实时数据流平台，ING构建了高效的人工智能生产流水线，遵循DevOps方法，推动数字化转型。

摘要由CSDN通过智能技术生成

大数据文摘出品

记者：高延

6月18-21日，O’Reilly AI Conference在北京召开。大会上，来自荷兰的金融公司ING的IT主管Bas Geerdink带来了《关于数字驱动企业》的主题分享。

进入互联网大数据时代后，ING目标明确的要把自己打造成一家数据驱动型企业，将分析技能作为首要战略重点，并投资于人工智能、大数据分析，希望能借此优化业务流程。

现在，AI已经逐渐发展成ING业务的核心，公司内部有着大量关于数据分析及人工智能在项目在进行着。正如他们自己所言，他们是一家IT公司——An IT company with a banking lisence.

Bas Geerdink从WHY、WHAT、HOW三个角度分享了ING在数字化转型中的思考与实践。

以下是演讲全文，大数据文摘在不改变原意的前提下进行了编辑。

演讲内容

WHY：ING的挑战和机遇

有着160多年历史的ING见证的银行业的发展与变革，从最早期的客户因信任扛着资产到银号进行存储；到后来一张张小小的卡片和客户经理成了银行和客户之间的纽带；再到如今，很多客户根本就没有在银行体验过实体的服务，他们和银行的交互只是一个应用程序罢了。因此，如何靠应用程序吸引客户并建立稳定的客户关系，是他们最关心的问题之一。

另外，金融行业的竞争也在不断的加剧，想在比荷卢经济联盟以外的地区站稳脚跟并非易事，Bas Geerdink特别强调到亚洲市场，这是块很有吸引力但又充满挑战的市场，他还提到了阿里和腾讯，这两家公司以互联网的基因做着金融的业务，无论是成本还是用户基础上他们都充满优势，想要他们那分一杯羹，ING必须花更大心思充分理解当地客户，并用上最新的IT技术手段。

当然，作为金融行业老人，卓越的远见自然是它屹立不倒的重要原因，所以ING早13年就制定了数字化战略，计划抓住数据和AI的机遇，结合自身在金融领域的百年经验，将数据融入产品，建立稳固的客户关系，给客户打造更可靠、更便捷的服务体验，为客户提供集成化商务平台，从而为客户的资产赋能。

WHAT：ING产品上的AI应用

案例1：Actionable Insight，这是一项基于历史数据的预测产品，ING会基于用户历史的银行资金数据，对用户接下来一个月的经济状况作出预测，如果根据近期的消费模式预测出可能会有财务问题，便会提早给客户提示，让客户今早调整财务计划。

想必还是有很多小伙伴会期待这种智能提醒吧，至少笔者这样的月光党还是很需要被敲黑板的。

案例2：Real-time Forecasting，这是一个推荐服务，这是嵌入在ING移动产品里的，它用的是实时数据进行推荐，推荐的是用户可能需要的ING服务，假象一下你的定位发生了大面积转移，又消费了外币，这时它就会预测你或许是在一次国际旅行上，然后发送当地的ING网点给你，附上跨国购汇取款等操作指导，很暖心有没有。

案例3：Instant Mortgages，贷款购房这是不管放到哪个国家都是人生大事，ING会基于PSD2的交易数据评估出客户的贷款能力，为客户推荐量身定制的贷款数额，最关键的是它很快，分分钟解决你的顾虑，不需要再像以前那样挤出时间找顾问咨询啦。

HOW：ING在IT技术和工作模式上的最佳实践

Bas Geerdink说到，以前的ING是金融公司，而现在却不仅仅如此了，因为这些年在企业内部建立起了强大的IT技术团队，不再使用以前的外包形式，再加上大数据平台的建立和AI技术的应用，一家高科技公司妥妥的。

优秀的数据驱动公司的标志之一就是能管理好历史数据，银行业务的特性使得ING面临多种业务系统的数据，形式各有不同，而且近两年数据井喷的环境下的fast data和过往的historical data得采用不同的处理方式，它们采用了数据湖的方式处理这些多源异构数据，用不同的技术处理对应的数据，最终以统一的标准呈现给应用层。这对ING至关重要，因为这是一切分析或AI的基石，正如Bas Geerdink一再强调的，只有做到这点才能避免训练模型时“rubbish in rubbish out”

前面讲到了ING用数据湖打下坚实的数据基础，这里再抛出他们的另一把利器——实时数据流平台，按Bas Geerdink的说法，为了让应用能够提供更及时准确的数据服务，必须把数据采集、存储、模型训练、迭代、应用微服务这个链路完整地串联起来，他把这称为“人工智能生产流水线”，Flink的出现大大推动了他们数据平台的升级，让数据高效地指导业务和服务客户。

ING在工作模式上遵循了DevOps方法，如Bas Geerdink的PPT所示，在平时工作中，他们会按业务范畴将业务人员、数据科学家、开发、运维组成作战小分队，使得成员间得以高效紧密的配合，另外，在相应的知识领域，他们又会按照职能划分小组，进行技术或业务的交流经验分享。ING正是这样很好地贯彻了优质的IT管理理念，使得他们敏捷地在数字化转型和AI应用的道路上。