數庫科技總裁沈鑫：數據智能驅動産融數字化轉型

　　十年磨一劍,以紮實的步伐深耕數據領域超過十年,并在過去三年實現跨越式高增長發展後,數庫科技在2021年世界人工智能大會正式面對公衆亮相。

　　作為本屆世界人工智能大會承辦單位之一,數庫科技舉辦以“數據智能,鍊接未來”主題分論壇,會中數庫科技總裁沈鑫發表了以《數據智能驅動産融數字化轉型》主題演講。

　　沈鑫提到,厚積而薄發,此次亮相WAIC,是數庫的“成人禮”。在WAIC展區中,數庫直接帶來了基于虛拟現實技術的沉浸式數據體驗,并在業内展示了基于産業關系組裝市場全量數據的震撼效果。此外,數庫還充分展示了基于産業數據引擎在銀行對公業務獲客、風控、政務産業大腦、智慧招商引資及園區管理、企業采購大腦、量化投資等諸多場景的成熟客戶解決方案,多維度展現了數庫科技基于長期對數據标準化、結構化及數據融合的反複錘煉,為數字化時代所帶來的全方位數字化應用效果。

　　在數字化新工業革命時代,數據已成為核心生産要素。由于數據“燃料”的質量将直接影響決策引擎的性能,因此數據能力成為産融數字化轉型的核心能力。

　　在沈鑫看來,在數字化新工業革命時代,數據已成為核心生産要素。由于數據“燃料”質量将直接影響決策引擎性能,因此數據能力成為産融數字化轉型的核心能力。在傳統投研時代,由于場景單一、數據維度極少,且數據邏輯組裝及分析主要由專業人士的人腦來完成,數據孤島并不是問題。但在如今的數據驅動決策時代,數據驅動決策場景已遠超金融投研領域,開始向銀行、政務、企業、中小企業等各維度産融決策場景覆蓋。在這些決策場景中,數據服務需求發生了質變,數據範圍及維度劇增。因此破除數據孤島,實現數據融合成為實現高質量應用的基礎。

　　從數庫實踐經驗來看,産融數字化決策場景具備很強共通性,無論是銀行尋找優質企業進行貸款,還是政府招商引資強鍊補鍊,亦或者大型企業實現智能化供應鍊風控及管理,其決策本質都是不斷定位及跟蹤動态發展中的優質企業或潛在風險點。因此,通過紮實的數據智能搭建形成完整的産業畫像和企業畫像,實現對産業及企業周邊的實時資訊動态解析及跟蹤,進而對目标企業的快速定位及評估,成為産融數字化決策中的核心能力。這些能力結合後,即可形成從産業到企業的完整全景畫像,進而實現以數據體系模拟實體經濟運轉規律,并産生真正的産融數據決策智能。

　　這個看似理想化的理念如何真正實現的?

　　沈鑫提到,數庫在實現産業到企業的完整動态全景畫像中發現,所需攻克的三大壁壘是“量”、“準”、“智”。

　　首先,解決結構化數據的量産問題。當今市場現狀是數據體量呈指數級增長,80%的數據産生于過去兩年内,數據化決策時代的數據需求猛增,決策維度更加複雜多樣化。如果基于人工處理結構化數據,這種傳統方式既不能滿足指數級增長的數據體量,也不能滿足數據維度的進一步複雜多樣化,且人工處理方式難以實現數據的高度标準化,數據質量非常不規律,難以實現高标準的數據融合連接。

　　通過現象看本質,通過曆史洪流的發展找規律,數庫發現制造業的思維最值得借鑒,汽車能夠走進千家萬戶,源于流水線的發明,它徹底改變了汽車的成本結構及生産效率。同樣,讓數據真正“走進千家萬戶”,滿足産融數字化所帶來各行各業多場景的數據需求,現有基于人工處理方式的結構化數據生産方式必須被徹底颠覆,數據生産也需要“流水線”,而且是“自動化流水線”。用制造業思維思考,數庫充分利用人工智能技術,将這些前沿科技融入到結構化數據的生産流程中,并實現無縫的人機結合,讓高度标準化、結構化數據的自動化量産成為可能,從而形成數據“冶煉”工廠概念。

　　其次,解決從海量實時資訊中精準提取決策精華,也就是一個“準”字。數庫認為,實現精準的決策精華信息提取,必須“手腦并用”。自然語言技術隻是工具,配合工具的知識體系才是實現精準提取的關鍵。比如高中生和醫科大學生同時閱讀一本醫學教材,高中生雖然能夠認識教材中所有的漢字,但并不能理解其中的含義,更無法舉一反三;而醫科大學生不僅可以理解其中含義,還可以舉一反三。差距就是大學生腦中擁有“醫學知識體系”作為垂直領域的知識庫來幫助其深刻理解字裡行間的含義。

　　由此,我們将知識體系與自然語言算法深入融合起來,實現“手腦并用”才能夠實現精準提取,能夠不斷積累疊代垂直領域的知識體系積累,是提升自然語言解析精度的關鍵。同時,數據量産形成的金融及産業知識體系提升高頻資訊的提取精準度,高頻資訊的精準提取反哺知識體系,反向再提升數據量産精準。這樣,“量”與“準”相輔相成。

　　最後,談一下“智”,隻有打破數據孤島,實現鍊接後才能産生智慧。由于産業關系是可連接市場全量企業的關系,數庫通過十年的努力,将市場全部産業及産品進行了标準化處理并實現上下遊鍊接,進而完成一張完整的标準化産業網絡,每個标準産品節點上都可以對接數據。

　　這樣一個基于産業網絡整合連接後的數據體系,既實現了基于産業上下遊結構的數據關聯,解決了數據孤島及信息盲點的問題,同時,由于基于産業的數據結構與實體經濟運轉規律高度拟合,可進一步挖掘上下遊傳導及關聯效應,為進一步決策建模提供優質土壤。

　　總的來說,“量”、“準”、“智”的結合形成了以産業邏輯消化解析全量數據信息,可以打造基于産業邏輯的全量數據引擎。

　　沈鑫提到,大道至簡的道理告訴我們,數據“基本功”越紮實,越可以輕松應對産融數字化各類決策場景。比如在金融機構中,銀行對公業務的營銷及風控,基于另類數據的量化投資,資管、債券輿情監控,ESG投資主題場景;在政府項目上,産業大腦,智慧招商引資場景;在企業服務方面,大企業的供應鍊應控、産業輿情監控,以及中小企業的B2B精準營銷、企業資訊頭條等服務。數庫在這些場景中的服務都是基于同一個,也就是上述基于“量、準、智”而形成的産融數據引擎,為客戶實現了低成本定制,快速部署及簡單易用的解決方案,從而創造客戶價值。

　　沈鑫表示,未來,我們希望基于數庫産融數據引擎的不斷壯大,讓數據智能為更多的行業及企業,實現真正的産業數字化場景落地,讓數據智能進一步驅動産融數字化轉型。