| 雷锋网按：AI+金融风起，金融机构也在不断思变。放眼全球，已有不少金融机构宣称要向科技公司转型，摩根大通、capital one，以及新加坡星展银行都打出了类似标语。加拿大道明银行（TD Bank）也是其中之一。本文编译自forbes，分享了道明银行科技战略，作者Bernard Marr ，企业及云计算领域撰稿人。 道明银行集团是加拿大第二大行，雇员超过85,000人。在过去五年，TD的创新科技团队不断秉持着谷歌化（Googlefication）思路。这也说明，他们也希望将自己从一家金融公司转变为科技公司，同时还要调整管理变化的组织机制和文化。 最开始的想法是，将原来稳定的关系数据库升级到大数据环境。从表面来看，这是一个非常艰巨的任务，但是却是从一个非常简单的前提开始的，即实用、可用，IT建设的目标是提高效率和效果。 通过转向数据湖泊（ data-lake infrastructure）基础设施，提供数据即服务的功能，道明银行使得收集和存储信息的方式变得更加大众化。其中包括交易记录，客户交互服务，在数据驱动下，使其能够更快地洞察趋势并采取行动。 第一部分是把所有的数据放到一个可以一起使用的数据湖泊中。 但是简单地将一个组织的所有信息——尤其是银行的信息——放在一起并不是一个简单的使其。 数据需要处于一种能够被需要它的人快速发现和使用的状态，同时也要求着访问以及数据安全。 事实上，数据库的全部意义在于数据能够在整个组织范围内获取和使用，而不是划分为"数据仓"，若是数据仓，用途往往受到限制，通常仅限于最初的数据收集者。最终的结果可能更像一个数据沼泽而不是数据湖泊。 信息管理小组通过分解关于信息的基本信息——元数据克服了这一问题。研究小组归纳了几个要点：数据是什么，谁可以访问它，在什么情况下可以访问？ 研究小组知道数据可以被装载到lake中，并且总是以合适的格式被发现和使用。 道明银行数据湖泊中容纳的数据有多类，包括客户行为数据、个人数据(客户兴趣)以及内部和外部数据(结构化和非结构化形式)。 下一步是明确可访问可用新数据的适用场景，能够解决什么问题。这个阶段，决策的目标是quick wins，即迅速看到结果，也可以很快证明，建设大数据基础设施效率远高于过去基础设施，且能降低成本。 道明银行的Hadoop 私有云是基于 Cloudera 的解决方案构建的，由 Talend 公司提供。数据基础设施集合了 Hive、 Impala、 Spark 和 Tableau 等开源工具，支持数据查询和报告可视化输出。 在整个部署过程中，团队的目标是创建"配置而不是编码"环境（“configuration not coding."）。 也就是说，银行的员工应该只要简单地调整参数就可以使用工具，而不是从头开始编写代码解决方案。这一点对于金融机构及员工的技术门槛来说则不会太高。这极大推动了工具的发展，使得银行能够根据客户的数据提供量身定制的服务。 例如，如果银行知道一个客户正要做一个重大的决定，诸如买房子，结婚，或者生孩子，银行就可以根据这些数据提供更契合的产品和服务。 基础设施的革新也使得以客户为中心的数字服务成为可能，比如 MySpend 应用程序，客户可以查看自己的月度支出。另外，从数百万客户的聚合数据中也可以获得一些新信息，这些建议可能也可以再作用于个人，帮助改善个人消费习惯等。 背后实际上是预测客户需求（各国都有众多相关研究公司，在中国更多的说是智慧营销）。通过机器学习能够准确预测客户需求，提供个性化的产品和服务建议，预测投诉，还能为聊天机器人提供更顺畅的反馈体验，因此机器学习正在越来越多地被整个金融服务。 为了以自动化的方式改善客户体验，TD Bank使用了Twitter 聊天机器人和亚马逊 Alexa 设备为客户提供语音银行服务。通过学习和了解客户，机器可能会更加“人性化”，仿佛回到了科技未发展的更早时候，对面坐着一位知道你的姓名与实际需求的客户经理。而个性化服务也正是未来的发展方向。雷锋网雷锋网 |
