金融业是国民经济的命脉。随着移动互联网和在线支付的兴起，数据成为企业日益重要的资产，金融行业也发生了翻天覆地的变化。尤其是金融+科技的结合，使金融行业的能力逐渐从以资本为基础的服务向以数据为基础的服务转变。同时，金融业面临着整个市场的饱和和互联网金融等新兴金融服务的竞争，尤其是对中小商业银行、证券和保险行业的竞争。如何利用技术的力量来实现自身的竞争力。成为金融企业面临的最大挑战。因此，金融行业正在积极构建现代数据架构，利用强大的智能平台加速业务应用的创建，实现数据价值的最大化，最终降低运营成本和营销精准度。海量应用无法有效管理对于中国的区域性银行来说，面临整个市场增长的饱和，不仅要面临互联网银行的竞争，还要面临各大商业银行的竞争。某城商行也在积极向数字化、网络化、智能化方向发展，希望向服务更丰富、普惠性更强的大众金融模式转型，提升金融服务效率。某城商行在个人和企业存款、贷款、信用卡、理财等线下服务基础上，逐步开发基金代销、授信授权、电子银行、外汇服务、金融同业等上百个应用，以及生活缴费，这些丰富应用的背后是关系型数据库产生的结构化数据：Oracle、DB2、mysql、sqlserver，以及非结构化数据库如MongoDB、HBase、ActiveMQ、WebService等产生的半结构化数据，包括更多网站APP日志、社交媒体、视频、图片等数据。如何统一管理这些海量数据，成为城商行面临的重大挑战。企业IT架构现代化进程受阻。掌控不同的数据成为城商行面临的新挑战。花旗银行不仅要时刻管理各个网点的核心数据，还要采集互联网注册的视频数据、物联网、互联网的各种信息数据、客服记录数据等。如何实现基础设施和容器的云化提高基础资源的利用和管理效率，是对现有IT架构的挑战。同时，在IT运维方面，一些应用涉及各种开源软件和开发者平台，传统方法难以描述和衡量，处理复杂度相当大。如何利用自动化运维的技术和工具，结合云计算、智能化时代的运维需求，释放员工去做更多有价值的事情，也成为城商行面临的挑战。传统数据模型无法有效满足风险规避。随着全球经济的不确定性，金融业面临越来越多的不确定性风险和欺诈行为等挑战。包括交易反欺诈、反洗钱、审计合规、内部操作风险等。如何通过AI提高风险评估效率成为金融行业面临的挑战。面对金融风控，如何利用AI进行数字画像和数据模型构建，实现数据处理，生成风险计算，为客户提供个性化的发展风险建议，连接客户与相关服务。成为金融行业对AI应用的需求。随着机器学习理论的发展和成熟，如何第一时间、快速建模、准确判断成为人工智能的重要应用趋势。金融行业尤其希望获得能够准确识别和分析数据的人工智能工具，为风控、监管和合规提供人工智能解决方案。AI业务无法更好地利用数据对于金融行业，资产管理正在发生重大变革。商业模式正在从佣金制向目标规划辅助转变，精准的需求分析和对客户的个性化服务成为行业诉求。因此，客户洞察成为决定如何提供这种体验的最直接和最具战略意义的因素之一。某证券公司负责人表示，“客户洞察经验的传承是一个难点，随着越来越多的财富管理顾问代代相传，如何延续他们的专业知识和能力成为摆在我们面前的难题。”我们希望通过人工智能让新顾问能够快速提升他们的专业知识能力。”如何利用AI分析和认知工具识别用户，帮助理解每个客户和他们的理财目标，提供量身定制的产品和服务，更好的差异化财富管理体验成为证券公司的新需求。想要用AI赋能数据的金融行业，置顶网将推出《纵论智能企业》大咖说的栏目短视频，邀请IBM大咖专家围绕AI讲述商业故事中的场景，探讨更多行业AI使用场景，浅显易懂AI如何结合行业数据赋能应用实践。
