大数据与人工智能
的战略思考与发展
2021
主讲人：XXX
CONTENTS
目录
定义
01
02
战略思考
03
发展
一、定义
大数据或称巨量资料，是指无法在一定时
间范围内用常规软件工具进行捕捉、管理和处
理的数据集合.是需要新处理模式才能具有更
强的决策力、洞察发现力和流程优化能力的海
量、高增长率和多样化的信息资产。
此外，随之而来的数据仓库、数据安全、
数据分析、数据挖掘等围绕大数据的商业价值
的利用逐渐成为行业人士争相追捧的利润焦点。
1、大数据
一、定义
人工智能就是根据对环境的感知，做出合
理的行动，并获得最大收益的计算机程序。
2019年两会期间，人工智能连续第三年
被写入政府工作报告。在国家的大力支持和领
导下，中国人工智能正紧跟时代步伐发展。
2、人工智能
一、定义
首先，计算能力是人工智能的平台。人工
智能对计算能力的要求很高而以前研究人工智
能的科学家往往受限于单机计算能力，需要对
数据样本进行裁剪，让数据在单台计算机里进
行建模分析，导致模型的准确率降低。
3、大数据和人工智能的联系
一、定义
第二，大数据是人工智能的基础。伴随着
互联网的飞速发展，在线数据变得异常丰富，
多来源、实时、大量、多类型的数据可以从不
同的角度对现实进行更为逼近真实的描述，而
利用深度学习算法可以挖掘数据之间的多层次
关联关系，为人工智能应用奠定了数据源基础。
3、大数据和人工智能的联系
一、定义
第三，机器学习算法是人工智能的引擎。
以人工神经网络为代表的的深度学习算法称为
人工智能应用落地的核心引擎。
3、大数据和人工智能的联系
二、战略思考
互联网金融生态的蓬勃发展、信息技术的快速变革与商业模式的不断创新，给传统银
行业带来机遇的同时，也对银行自身的经营理念和模式、信息处理能力提出了前所未有的
挑战商业银行应该从“数据一应用一人才”三个层面构建大数据应用体系，全面整合集团
数据资源，充分发挥数据资产价值,增强业务创新能力，加速推进银行转型发展。
三、大数据与人工智能的发展
随着大数据时代的到来，如何通过大数
据技术推动业务发展和创新，已成为银行业
最近重点关注和讨论的话题虽然已右部分银
行启动K相关工作，但仍普遍存在数据来源
与存储模式不能有效支撑大数据分析，缺少
成熟的数据分析模型与工具，专业的数据分
析人员匮乏、新增成本投入较高等问题，在
一定程度上阻碍了大数据技术在银行业的全
面推广和应用。
三、大数据与人工智能的发展
近年来大部分银行已上线了可操作数据存储
系统或数据仓库系统，通过将分布在各个源系
统中的原始数据进行清洗、抽取和转换后，按
照一定的主题分类将数据进行了集成和存储，
后续的数据挖掘利分析工作也大多是基于入仓
数据开展的这一系统虽然使数据的精确性和一
致性得到了提升，但同时在一定程度上消除了
数据的混杂性和关联性而根据大数据理论，源
数据适度混乱并不是缺点，反而能创造更多价
值如果因为追求数据来源的精准和纯净.而牺牲
了原始数据的多样性，反而对能会造成趋势预
测的延退或误判。
1、数据来源和存储模式不能有效支撑大数据分析
三、大数据与人工智能的发展
此外,现有的数据仓库是按照主题分类对入
库数据进行索引，虽然可以提髙既定主题的检
索效率和分析效率，但对于其他新增属性的检
索和分析则变得较为困唯。因为海量数据一旦
按照A、B、C三个属性建立K索引并进行了存储，
如果要求对I）、E、F属性进行检索和排序.则
需要遍历所有数据.效率会变得极低临时增加新
的主题或索引，则需要改变底层设计，由于大
数据应用的需求具有多样性和易变性.传统的存
储模式很难满足不断变化的应用需求。
1、数据来源和存储模式不能有效支撑大数据分析
三、大数据与人工智能的发展
大数据应用的核心是把数学算法运用到海量
数据上来预测事件发生的可能性，因此强有力
的数学工具和数学模型至关重要。
2、缺少成熟的数据分析模型与工具
三、大数据与人工智能的发展
大部分银行尚未建立专业的数据分析团队，
也缺乏数据分析的专业能力和经验成熟的数据
分析团队应具备四个条件：熟悉银行的业务细
节、掌握数据分析工具操作、对数据价值的敏
感度和对数据提炼融合的能力。
3、专业的数据分析人员匮乏
三、大数据与人工智能的发展
大数据技术对系统性能要求非常高，这将产
生大量的新增开支，而且在某些情况下还容易
造成资源的闲置。在短时间内，技术上的高投
入未必会在业务上带来立竿见影的高收益，在
一定程度上会给相关团队带来较大心理压力，
也可能影响决策层对大数据与人工智能技术的
支持力度。
4、新增成本投入较高
三、大数据与人工智能的发展
在金融创新与金融科技
快速发展的新时代，我国金
融监管基本依靠事后监管，
缺乏前瞻性的研究。
5、监管机制变革滞后
感谢您的观看
RHANKS FOR WATCHING