Cyrus72
作者Cyrus722019-07-02 12:02
数据库架构师, 某银行

银行大数据的发力点——机器学习,主要应用场景分析

字数 804阅读 4174评论 0赞 7

一、机器学习平台与大数据平台的关系澄清

机器学习平台和大数据平台没有硬性的关系,比如很多同业在没有大数据平台之前就借助 SAS 、 SPSS 等建模工作进行建模,且在相关领域也取得了不错的成绩,比如评分卡等。在我们看来大数据平台和 SAS 等传统的建模平台有以下差别:

但是由于近期银行在大数据方面发力迅猛,对在银行业的建模(机器学习)的影响较大,主要方面有三:

一是大数据平台为机器学习平台提供了大数据支撑。好的模型是通过数据不断的分析、迭代、优化出来的,大数据平台的海量数据为模型的探索提供了丰富的原材料;

二是大数据平台上的 KAFKA 等实时数据工具为机器学习平台提供了实时数据以及实时场景,比如在线推荐、反欺诈、实施风控等场景;

三是大数据平台为机器学习提供强大的算力以及处理能力。大数据采用 SPARK 方式等分布式的机器学习算法较 SAS 等单机版的计算性能有较大的提升,使得计算能力更加强大。且大数据平台更易于图数据库结合,应用图算法将某些场景下的机器学习能力提升。

二、机器学习平台是银行的建设趋势吗?

从以上情况看来机器学习平台是大数据的一个重要的发力点,模型比传统的业务系统有更强的场景驱动性,业务穿透性更强。建设机器学习平台有可能是银行整体规划,也有可能是偶然性的项目需求中提出的。但建议银行可以尽早的了解学习此类平台、技术和算法等,建立人才储备和项目管理(建模类)机制,应对未来的业务需求和项目风险。

银行如何引入机器学习平台?情况大多是科技部驱动,较项目驱动比例略低。比如审计、分析平台、营销类、风控类项目都可能包含机器学习平台的引入,主要看业务需求是否能由传统方式实现。

三 . 机器学习在银行的主要应用场景

常用的机器学习算法都可能用到,比如分类,聚类,关联,也会用到深度学习和图算法等。应用场景见下表










结合以上的场景分析,希望给大家同行在机器学习领域的场景研究提供参考。

如果觉得我的文章对您有用,请点赞。您的支持将鼓励我继续创作!

7

添加新评论0 条评论

Ctrl+Enter 发表

本文隶属于专栏

趋势观点
本专栏的文章全部来自国内外行业或领域一线最强实践专家的深刻洞察,他们的分享如同为正在摸索前进的更多同行和企业带来一盏明灯。他们的观点也为企业迎接趋势挑战、克服各种困难提供了最好争议的标的。希望有更多一线最强实践专家加入趋势观点栏目,你们是推动中国企业IT应用最值得尊敬的人。

关于TWT  使用指南  社区专家合作  厂商入驻社区  企业招聘  投诉建议  版权与免责声明  联系我们
© 2019  talkwithtrend — talk with trend,talk with technologist 京ICP备09031017号-30