2019中国金融科技产业峰会丨星环科技创始人 、CEO孙元浩：专题发言

2019（第二届）中国金融科技产业峰会于10月31日在北京国际会议中心正式开幕。星环信息科技（上海）有限公司创始人 、CEO孙元浩在会上做专题发言。

前面几位嘉宾更多的从金融的角度来阐述了金融科技的一些现状和未来的发展趋势。我就从技术角度，因为星环科技是技术公司，从技术角度分析一下新的技术在金融行业的一个应用现状。

首先介绍一下星环科技，我们是一家创业公司，2013年成立，专注做大数据的核心计算引擎、存储引擎以及AI的分析工具，包括容器化的云的基础设施这一块，这三大产品已经在20多个行业已经有1600多个客户在使用了。

大数据技术的话，是在去年的时候，美国一个知名分析机构把它分成三代，它是从两个维度分析的，第一个维度是从开发的容易程度，从早期大数据、人工智能技术最早在互联网公司、在大型科技公司他们有比较大的IT合作研发团队，作为一个技术还不是作为一个产品在使用，它的管理也是非常复杂的，通常规模也是比较大，几千台到上万台的规模。到了2.0的时代这个技术逐渐开始产品化，开始有更多的企业在使用了，特别是500强企业在使用这个技术了。但是这个技术仍然过于复杂，对客户的要求非常高。到了3.0的时代，这个也是市场的一个需求，大家希望这个技术能够开发越来越容易，甚至业务人员不是IT人员都能使用大数据和人工智能的技术，可以通过微服务和通过云的方式对外提供，从这个意义上来说，从运维和开发的难易程度来看国外的分析机构把大数据分成了这三代。今天我们正处在第三代的过程中，技术越来越成熟，产品的应用型也越来越强。

我们还是从开发和使用的角度来看，从技术本身来看，我们认为它已经引进了下一代了，同样的一个特点是让我们要让这个技术更容易使用，让更多人使用这个技术。我们如果去分析这个数据处理它的应用场景的话，我们分为两大类，一类是交易型、一类是分析型，总共有九类应用场景，从在线交易、实时计算、在线分析、数据仓库、数据集市、NoSQL分析、预测性分析、视频语音文本分析、数据探索。面临这不同的应用场景我们认为应该有统一的数据操作语言和查询语言，今天主要是SQL。同时在SQL当中也增加了机器学习。今天用机器学习的还有R/Python语言等等语言进行机器学习和深度学习，未来可能会有融合的语言出现，语言统一的话可以迅速标准化，能够让更多人使用。

同时我们认为计算引擎也在进行融合，未来也会出现统一的计算引擎。今天分成两大类，一大类是数据计算引擎，主要做统计分析，做数据相关的操作，另外是深度学习引擎，主要是用于视频、图象、文本的分析，未来有可能两者会统一。统一资料引擎已经把各类数据库囊括在里面，包括实时处理和图文计算都统一掉了，未来有可能其他方面也会被统一掉。

下面一层会有不同的存储机构体现在不同的数据库，只不过他们存储引擎不同、存储模式不同，但是计算引擎是相同的。我们这里列出了有七种不同的数据结构，未来很长一段时间内随着发展它们不大会被统一，因为受制于现代硬件和未来硬件的发展的局限性。但是下面我们认为应该有一个统一的分布式存储管理系统，同时资源调度、CPU内存、网络、I/O的操作调度也应该被统一掉。我们认为未来数据处理的技术特征应该是有四成是被统一掉的，只有存储层是不同的，这样使得整个的数据的开发和使用都会极大的简化。

这里简单介绍一下从大数据技术来说、从星环自身角度来看，我们过去也是在改造这个开源技术的，从2013开始到2015年我们都在改造这个开源技术，2014年底，我们发现金融客户的需求越来越高，比如需要数据的一致性，对数据数据一致性要求非常高，高于任何其他行业，同时对实时处理要求越来越高，需要做实时风控、实时营销、实时定价等，数据量比较大，因为中国金融企业面向的客户都是C端的客户，数据量非常庞大，一家银行一家股份银行城商行的用户超过美国全国的用户。对大数据的处理需求非常迫切，使得星环不停地在重构整个软件站，今天我们在存储引擎层、计算引擎层，在编译器层实现了统一，都完成了重构，国内一些需求使得我们开始领先美国同类厂商一到两年的时间。

我们回过头来看金融行业大数据的分析，我们今天大概有200多家金融客户，把他们分析下来，基本上按照使用技术阶段分成五个阶段：第一阶段，大家先开始用数据平台存储、收集各种类型的数据，汇集各种业务的数据，提供数据的查询服务，这是第一步。第二步开始利用新的技术来做统计分析，来做数据探索，这步主要可能应用的场景一个是运营分析、一个是监管报错，同时外部数据进来以后可以做一些数据探索，能够对风险、对客户的画像更加精准。第三步有部分金融机构开始利用分析结果来预测业务，比如说获取更多的客户、制定贷款的价格，第三步已经开始进入到业务中去了，但是依然是离线过程、辅助决策过程。第四步有些金融公司利用分析结果实时切入到核心交易系统中去用来做实时风险定价，甚至直接利用基础的分布式交易系统，这一步业务开始使用新技术，切入到核心交易系统中。今天我们看到有不少金融机构的开户、消费贷款业务、实时的推送都已经在使用这个新的技术了。到第五步的时候我们看到随着深度学习技术的发展，在智能客服、在智能营销、在智能化风险这块也开始尝试新技术了，这部分我们看到有一些少量尝试，但是不是还很普遍，我们大致把应用过程分成这五个阶段，基本上现在客户使用新技术走了这样五步过程，处理从P处理慢慢走到了实时。

我们分为银行和证券基金两个行业，分成不同种应用，在银行里面它的应用场景主要在四个维度上，一个是在平台服务上面，基础的IT设施上面有蛮多的客户在建大数据和人工智能平台，这里面覆盖了九大应用场景。同时在客户服务这块，包括客户的精准的画像，包括客户的精准获客和营销，这块也在大量地使用新技术。第三维度是在经营分析方面，包括监管方报送在绩效考核、在业务的统计这块也有比较多的应用。第四是在风险管理维度上，贷前贷后贷中都在使用这个新技术。我们总结下来，这里我们列出来20种不同的应用，但是其实每一类应用当中又分成好多种细的小的应用，所以整体来看金融行业，特别是在银行当中使用大数据和人工智能已经比较深入了。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!