随着技术的高速迭代，金融科技企业早已不再是简单的金融+互联网模式，而是在大数据、人工智能和云计算加持之下逐渐进入下半场。

飞贷金融科技作为国内首家覆盖业务全流程、运营全体系的移动信贷整体技术服务商，通过技术输出助力银行等持牌金融机构移动信贷转型，并因此登上美国《时代周刊》、连获三位诺贝尔奖得主高度称赞。截至目前，飞贷金融科技已与人保财险、中国人寿、北京银行、华润信托、通联支付等多家涵盖保险、银行、信托、支付四大金融子行业头部企业达成全面整体技术输出合作，其实力可见一斑。

飞贷移动信贷整体技术的赋能实力，离不开其在大数据技术、人工智能方面的多年前沿研究和聚焦应用，为此，CSDN带着行业问题采访了飞贷金融科技副总裁兼首席数据官林庆治：当前所谓大数据平台层出不穷，一个优质的大数据平台需要具备哪些条件？自动化建模作为大数据应用重要一环，其如何实现创新？以银行为代表的金融机构的大数据技术升级挑战又是什么？

优质大数据平台三要素

“聚、管、用”

“移动化已是银行业的普遍趋势与共识，但真正实现纯线上贷款的金融机构并不多，它包含着线上科技、风控与大数据的完美结合。没有科技无法实现线上完美的体验，没有风控无法实现可持续的经营与获利，而这两者很重要的一个核心是大数据。”林庆治曾为招商银行引进手机互动营销与智慧营销项目，在大数据分析与建模精耕多年，对大数据在金融科技领域的重要性有着深刻认知。

评价一个大数据平台优秀与否，林庆治表示，全业务数据源的接入、以应用为导向的企业数据分享平台、强调开放使用的数据分析平台或是三个重要的维度，主要体现为 “聚、管、用”三个方面。

聚，是否可以接入全量数据源？

大数据平台需要通过多种接口，实时、准确地获取各种数据源的全量业务数据。

管，数据分享平台是否以应用为导向？

从数据应用的角度，分析人员希望有完整信息保存的数据湖、丰富但易用的客户标签体系、应用导向的高效数据集市。

其中大数据平台标签体系应以实际的业务使用经验，强调简单、易用的流程化与扁平化设计，通过对业务流程数据的剖析整合，以及对客户进行准确的剖析定位，帮助银行客户做到适宜的时间、适宜的地点、适宜的成本、通过适宜的营销渠道，向精确的银行客户提供需求产品。

此外，大数据平台与其他操作系统是否可以分开的独立部署，权限控管到字段级别，将是确保数据稳定性、一致性与安全性的方法。

用，数据分析平台是否以开放使用为目标？

因此，大数据平台一开始就应以开放使用为设计目标，为不同的数据使用者，例如一般数据分析人员、挖掘分析人员、业务人员，提供了数据查询、自主分析、建模等主流与强调直观、交互的分析工具，如：数据提取工具SQL/Hive、数据分析建模工具SAS/SPSS/R/Python、BI展现工具Tableau和固定报表等。

“越多人使用大数据平台，其效益就越大。”林庆治认为开放更多人使用，数据分析平台才有意义。

飞贷金融科技首发自动化建模平台

实现五大核心价值

“以飞贷金融科技为例，在我们的数据分析平台上，包含了一块飞贷自建的自动化建模平台，应用自动化建模平台可轻松地建立以客户生命周期为基础的各类营销模型，使精准营销贯穿获客、存量客户经营等整个客户生命周期，为客户生命周期各环节的绩效提升提供巨大帮助。”

诚然，在数字化转型时代，企业要想依托数据做智能判断，就必须对自身数据建模的能力进行优化和改造，而自动化建模平台恰好提供了这种低门槛、高效能与自学习的建模平台。飞贷金融科技自动化建模平台预计2020年正式上线，作为一款重量级的金融科技模型落地。

林庆治及其团队一直在做与数据分析和建模相关的工作，所以深知金融机构对自动化建模的迫切需求。

据了解，目前市面上做自动化建模的厂商可以分为三大类，包括：

1. 传统BI厂商转型分析建模平台：因缺乏较优AI算法，进入门槛低，无法贴近用户需求，竞争力略显不足；

2. AI平台厂商：着重于自研优化机器学习算法，流程复杂，因太专注于学术性、理论性的概念植入，导致从用户体验的角度来看，门槛高，上手太难；

3. 大数据+AI结合型：基于对建模经验与业务应用的累积，深切了解建模技术架构与用户痛点，构建从用户角度出发的全流程自研平台，自动化程度高，业务应用性强，如飞贷金融科技。

主打数据与AI相结合的飞贷金融科技自动化建模平台，拥有低门槛、全流程、自学习、高效能和可解释五大核心价值。

低门槛：为业务人员提供AI应用开发全流程自动化，无需任何编程技能，零门槛建模,更加聚焦业务；同时提供高级参数调整，助力专家建模人员挖掘更深建模能力。

全流程：全流程覆盖数据探索，自动特征工程，自动模型探索，以及一键部署和上线的全生命周期。

自学习：基于新样本数据更新自动进行自适应、自优化，保证模型在效果上的长期稳定；使数据分析与业务始终保持同步，快速应对各种外部变化。

高效能：企业级弹性架构保证AI落地全流程的高性能、稳定性、高可用、可扩展、可管理性。

可解释：提供了多种直观的模型评估可视化和可解释功能，为业务人员和建模专家提供了理解模型工作原理的重要渠道，让模型的应用更透明。

自动化建模平台可以完美地结合大数据、人工智能应用，建模也正是他多年积累的技术特长，林庆治向CSDN记者表示，“自动化建模平台将会作为飞贷金融科技的一个重要产品输出给银行等持牌金融机构，金融机构可以采用租用或买断的形式使用建模平台。目前，建模平台还在内部测试中，希望在11月初可以正式对外发布测试。”

银行科技转型最大难题

观念与业务落地是关键

凭借移动信贷整体技术，服务过这些行业巨头后，林庆治表达出在服务金融机构客户中的最大挑战。

“针对金融机构客户的需求，大数据技术本身并不是实施的最大难题，最大的问题是观念的改变”。

林庆治表示，现在以Hadoop为架构的大数据开放平台，系统早已不像过去那么“重”并难于落地。但银行业一直面临着两个问题，观念上是否拥抱开源？实际业务中，新旧平台系统更替问题如何解决？

从数据湖的搭建、实时数据的应用与业务应用广泛高效等角度看，短时间想取代Hadoop的新分布式基础架构商业应用还是很难出现。大数据技术基本已经定型，但AI领域还在蓬勃发展、百家争鸣的时代，感觉随时都会有新的技术和应用落地，“AI结合大数据领域的应用，将是未来大数据行业的一个主要方向，而‘大数据+AI双引擎’也是未来飞贷金融科技服务金融机构的重要策略。”

记者认为，银行业的科技转型需要在概念与管理上寻求突破，广泛接受开源技术和开放使用的概念，金融科技才能为其提供互联网+、移动化、与消费金融应用等大数据时代的产品、平台服务。未来，相信有更多的银行管理者都会意识到开源、开放的大数据平台产品对其业务的帮助和提升，那时，数据平台与AI智能产品才能最大化发挥它们的效果。

这条路正确，但也很曲折。