一、機(jī)器學(xué)習(xí)平臺(tái)與大數(shù)據(jù)平臺(tái)的關(guān)系澄清

[[346643]]

機(jī)器學(xué)習(xí)平臺(tái)和大數(shù)據(jù)平臺(tái)沒(méi)有硬性的關(guān)系，比如很多同業(yè)在沒(méi)有大數(shù)據(jù)平臺(tái)之前就借助 SAS 、 SPSS 等建模工作進(jìn)行建模，且在相關(guān)領(lǐng)域也取得了不錯(cuò)的成績(jī)，比如評(píng)分卡等。在我們看來(lái)大數(shù)據(jù)平臺(tái)和 SAS 等傳統(tǒng)的建模平臺(tái)有以下差別：

但是由于近期銀行在大數(shù)據(jù)方面發(fā)力迅猛，對(duì)在銀行業(yè)的建模(機(jī)器學(xué)習(xí))的影響較大，主要方面有三：

一是大數(shù)據(jù)平臺(tái)為機(jī)器學(xué)習(xí)平臺(tái)提供了大數(shù)據(jù)支撐。好的模型是通過(guò)數(shù)據(jù)不斷的分析、迭代、優(yōu)化出來(lái)的，大數(shù)據(jù)平臺(tái)的海量數(shù)據(jù)為模型的探索提供了豐富的原材料;

二是大數(shù)據(jù)平臺(tái)上的 KAFKA 等實(shí)時(shí)數(shù)據(jù)工具為機(jī)器學(xué)習(xí)平臺(tái)提供了實(shí)時(shí)數(shù)據(jù)以及實(shí)時(shí)場(chǎng)景，比如在線推薦、反欺詐、實(shí)施風(fēng)控等場(chǎng)景;

三是大數(shù)據(jù)平臺(tái)為機(jī)器學(xué)習(xí)提供強(qiáng)大的算力以及處理能力。大數(shù)據(jù)采用 SPARK 方式等分布式的機(jī)器學(xué)習(xí)算法較 SAS 等單機(jī)版的計(jì)算性能有較大的提升，使得計(jì)算能力更加強(qiáng)大。且大數(shù)據(jù)平臺(tái)更易于圖數(shù)據(jù)庫(kù)結(jié)合，應(yīng)用圖算法將某些場(chǎng)景下的機(jī)器學(xué)習(xí)能力提升。

二、機(jī)器學(xué)習(xí)平臺(tái)是銀行的建設(shè)趨勢(shì)嗎?

從以上情況看來(lái)機(jī)器學(xué)習(xí)平臺(tái)是大數(shù)據(jù)的一個(gè)重要的發(fā)力點(diǎn)，模型比傳統(tǒng)的業(yè)務(wù)系統(tǒng)有更強(qiáng)的場(chǎng)景驅(qū)動(dòng)性，業(yè)務(wù)穿透性更強(qiáng)。建設(shè)機(jī)器學(xué)習(xí)平臺(tái)有可能是銀行整體規(guī)劃，也有可能是偶然性的項(xiàng)目需求中提出的。但建議銀行可以盡早的了解學(xué)習(xí)此類(lèi)平臺(tái)、技術(shù)和算法等，建立人才儲(chǔ)備和項(xiàng)目管理(建模類(lèi))機(jī)制，應(yīng)對(duì)未來(lái)的業(yè)務(wù)需求和項(xiàng)目風(fēng)險(xiǎn)。

銀行如何引入機(jī)器學(xué)習(xí)平臺(tái)?情況大多是科技部驅(qū)動(dòng)，較項(xiàng)目驅(qū)動(dòng)比例略低。比如審計(jì)、分析平臺(tái)、營(yíng)銷(xiāo)類(lèi)、風(fēng)控類(lèi)項(xiàng)目都可能包含機(jī)器學(xué)習(xí)平臺(tái)的引入，主要看業(yè)務(wù)需求是否能由傳統(tǒng)方式實(shí)現(xiàn)。

三 . 機(jī)器學(xué)習(xí)在銀行的主要應(yīng)用場(chǎng)景

常用的機(jī)器學(xué)習(xí)算法都可能用到，比如分類(lèi)，聚類(lèi)，關(guān)聯(lián)，也會(huì)用到深度學(xué)習(xí)和圖算法等。應(yīng)用場(chǎng)景見(jiàn)下表：

結(jié)合以上的場(chǎng)景分析，希望給大家同行在機(jī)器學(xué)習(xí)領(lǐng)域的場(chǎng)景研究提供參考。