智能分析，大數據的未來之路

“如同石油本身只是自然資源、不具備價值一樣，大數據只有在被智能、科學地分析應用，才能使之價值最大化。”對于智能大數據應用，螞蟻金服的首席數據科學家漆遠給出了這樣的定義。而對于一些聰明的公司而言，通過利用大數據，取得驚人的商機已不是奇跡。

大數據智能如何驅動商機？

與其將螞蟻金服看做一家互聯網金融公司，卻不如將其認定為一間酷炫的科技企業更為恰當，無論是智能客服、深度機器學習、還是語音識別、圖像識別無不具有廣泛覆蓋、隨時隨需、精準匹配、風險可控等人工智能的特性，而應用這些特性的直接結果就是可以低成本、個性化，更好地服務小微企業和個人消費者。

而事實上，在不少企業仍對大數據智能處于摸索階段的時候，螞蟻金服已經將大數據智能當作了闖蕩江湖的獨門武器。在1月8日杭州舉行的互聯網+金融大會上，漆遠舉例說，通過芝麻信用信息驗證等反欺詐服務，已經有銀行將虛假辦卡的識別能力提高近3倍；2015年雙11，螞蟻金服95%的遠程客戶服務已經由大數據智能機器人完成，同時實現了100%的自動語音識別；此外，航空退票險的賠付率一度高達190%，保險公司面臨巨大的虧損壓力，而螞蟻金服與保險公司合作，通過大數據技術建模、優化后，有效地降低了賠付率，扭虧為盈。

早在2003年，Linkedln（領英）就開始用各種技術、產品和數據手段，通過最有效、低成本的方式增長用戶。張溪夢2010年初加入LinkedIn，5年間又幫助其建立了針對營收的商業分析團隊。LinkedIn以其出色的職場社交功能聞名，但只有很少人意識到，它同時也是世界第二大軟件服務企業SaaS的提供商，通過把自己的獵頭服務、人才簡歷賣給全球10萬個客戶，LinkedIn在2015年達到了營業額30億美元的佳績，而5年前，這個數字還不到1億美元。

“無論全球還是中國，移動互聯網的增長紅利窗口正在逐漸消失。商業數據分析可以實現運營效率、用戶數和收入的指數級提升，而不僅是依靠直覺和過往經驗，不再是重補貼、燒流量、大地推。”張溪夢坦言。在他看來，中國O2O行業只有拋棄現有粗放的燒錢模式，轉向數據分析驅動，才能更好地在互聯網+時代生存下去。

大數據智能在保險業中的應用也對行業發展產生了很大的助力。美國律商聯訊風險信息公司（LexisNexis Risk Solutions）保險業務首席執行官 Bill Madison表示。

律商聯訊從全球超過13000多個數據源采集了500億條消費者和企業記錄，包括歷史居住地址和住址穩定性、電話和水電煤氣記錄、職業證書，教育歷史，破產、抵押、判決和驅逐等數據。利用這些數據制成保險賠付風險模型，通過模型的預測能減少賠付的風險，從而減少成本。

大數據為普惠金融“掃雷”

和過去大數據應用僅限于金融產業的某一節點不同，如今大數據智能應用已經從支付擴展到金融的全鏈條。漆遠表示，僅以螞蟻金服為例，大數據智能應用可以在支付、貸款、征信、保險、財富等方面全方位地推動金融普惠的發展。據統計，通過大數據智能的應用，螞蟻金服服務農村用戶已超過6000萬，累計向68萬家農村小微企業發放貸款，貸款總額超過1400億元，金融云已經服務100家農村金融機構。

而大數據智能對大眾客戶所產生的便利性也逐漸顯現。以去年雙11購物節為例，當用戶通過支付寶客戶端進入“我的客服”后，人工智能開始發揮作用，“我的客服”會自動“猜”出用戶可能會有疑問的幾個點供選擇，這里一部分是所有用戶常見的問題，更精準的是基于用戶使用的服務、時長、行為等變量抽取出的個性化疑問點；在交流中，則通過語義分析等方式獲得關鍵信息再給予匹配。由于不斷積累擴大的樣本庫以及持續調優的算法模型，使得這種交流更加智能。

大數據智能還針對普惠金融中最常出現的陷阱：網絡征信展開了“智能掃雷”。作為一款被美國絕大多數金融機構認可的評分標準，FICO為90%以上美國個人信貸使用。在推出升級版本之前，FICO也存在著征信“盲區”，那就是5000萬缺失征信局記錄的未成年人。當FICO推出FICO XD產品之后，這一盲區才通過電信運營商數據、水電煤數據、金融交易數據等判斷個人的征信狀況而被掃平，這被認為是FICO在大數據征信領域的成功實踐。

在中國，類似“盲區”更廣，大數據征信、云評分將成為中國普惠金融的必然之路。中國約有8億的潛在消費信貸用戶，但是，其中只有3億有征信數據，多達5億的人沒有征信記錄。如何考察這5億人的信用狀況？如何更加有效地判斷已有征信記錄的3億人？答案就是大數據云評分，也就是大數據征信。

在中國，同樣利用大數據征信“掃雷”的成功范例是螞蟻金服旗下的獨立第三方征信機構—芝麻信用。除了傳統金融借貸信息，芝麻信用依據網絡金融數據、電商數據，政府及公共機構數據、合作伙伴數據，以及各種用戶自主遞交的信息等，芝麻信用還運用云計算、機器學習等技術，呈現個人信用狀況，讓缺少信貸記錄的人群也開始享受信用的便利。