0
| 本文作者： 陳伊莉 | 2019-01-02 23:50 |
雷鋒網按：AI+金融風起，金融機構也在不斷思變。放眼全球，已有不少金融機構宣稱要向科技公司轉型，摩根大通、capital one，以及新加坡星展銀行都打出了類似標語。加拿大道明銀行（TD Bank）也是其中之一。本文編譯自forbes，分享了道明銀行科技戰略，作者Bernard Marr ，企業及云計算領域撰稿人。
道明銀行集團是加拿大第二大行，雇員超過85,000人。在過去五年，TD的創新科技團隊不斷秉持著谷歌化（Googlefication）思路。這也說明，他們也希望將自己從一家金融公司轉變為科技公司，同時還要調整管理變化的組織機制和文化。
最開始的想法是，將原來穩定的關系數據庫升級到大數據環境。從表面來看，這是一個非常艱巨的任務，但是卻是從一個非常簡單的前提開始的，即實用、可用，IT建設的目標是提高效率和效果。
通過轉向數據湖泊（ data-lake infrastructure）基礎設施，提供數據即服務的功能，道明銀行使得收集和存儲信息的方式變得更加大眾化。其中包括交易記錄，客戶交互服務，在數據驅動下，使其能夠更快地洞察趨勢并采取行動。
第一部分是把所有的數據放到一個可以一起使用的數據湖泊中。 但是簡單地將一個組織的所有信息——尤其是銀行的信息——放在一起并不是一個簡單的使其。 數據需要處于一種能夠被需要它的人快速發現和使用的狀態，同時也要求著訪問以及數據安全。
事實上，數據庫的全部意義在于數據能夠在整個組織范圍內獲取和使用，而不是劃分為"數據倉"，若是數據倉，用途往往受到限制，通常僅限于最初的數據收集者。最終的結果可能更像一個數據沼澤而不是數據湖泊。
信息管理小組通過分解關于信息的基本信息——元數據克服了這一問題。研究小組歸納了幾個要點：數據是什么，誰可以訪問它，在什么情況下可以訪問？
研究小組知道數據可以被裝載到lake中，并且總是以合適的格式被發現和使用。
道明銀行數據湖泊中容納的數據有多類，包括客戶行為數據、個人數據(客戶興趣)以及內部和外部數據(結構化和非結構化形式)。
下一步是明確可訪問可用新數據的適用場景，能夠解決什么問題。這個階段，決策的目標是quick wins，即迅速看到結果，也可以很快證明，建設大數據基礎設施效率遠高于過去基礎設施，且能降低成本。
道明銀行的Hadoop 私有云是基于 Cloudera 的解決方案構建的，由 Talend 公司提供。數據基礎設施集合了 Hive、 Impala、 Spark 和 Tableau 等開源工具，支持數據查詢和報告可視化輸出。
在整個部署過程中，團隊的目標是創建"配置而不是編碼"環境（“configuration not coding."）。 也就是說，銀行的員工應該只要簡單地調整參數就可以使用工具，而不是從頭開始編寫代碼解決方案。這一點對于金融機構及員工的技術門檻來說則不會太高。這極大推動了工具的發展，使得銀行能夠根據客戶的數據提供量身定制的服務。 例如，如果銀行知道一個客戶正要做一個重大的決定，諸如買房子，結婚，或者生孩子，銀行就可以根據這些數據提供更契合的產品和服務。
基礎設施的革新也使得以客戶為中心的數字服務成為可能，比如 MySpend 應用程序，客戶可以查看自己的月度支出。另外，從數百萬客戶的聚合數據中也可以獲得一些新信息，這些建議可能也可以再作用于個人，幫助改善個人消費習慣等。
背后實際上是預測客戶需求（各國都有眾多相關研究公司，在中國更多的說是智慧營銷）。通過機器學習能夠準確預測客戶需求，提供個性化的產品和服務建議，預測投訴，還能為聊天機器人提供更順暢的反饋體驗，因此機器學習正在越來越多地被整個金融服務。
為了以自動化的方式改善客戶體驗，TD Bank使用了Twitter 聊天機器人和亞馬遜 Alexa 設備為客戶提供語音銀行服務。通過學習和了解客戶，機器可能會更加“人性化”，仿佛回到了科技未發展的更早時候，對面坐著一位知道你的姓名與實際需求的客戶經理。而個性化服務也正是未來的發展方向。雷鋒網雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
