“如同石油本身只是自然資源、不具備價值一樣，大數(shù)據(jù)只有在被智能、科學(xué)地分析應(yīng)用，才能使之價值最大化?！睂τ谥悄艽髷?shù)據(jù)應(yīng)用，螞蟻金服的首席數(shù)據(jù)科學(xué)家漆遠(yuǎn)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(shù)據(jù)，取得驚人的商機(jī)已不是奇跡。

大數(shù)據(jù)智能如何驅(qū)動商機(jī)？

與其將螞蟻金服看做一家互聯(lián)網(wǎng)金融公司，卻不如將其認(rèn)定為一間酷炫的科技企業(yè)更為恰當(dāng)，無論是智能客服、深度機(jī)器學(xué)習(xí)、還是語音識別、圖像識別無不具有廣泛覆蓋、隨時隨需、精準(zhǔn)匹配、風(fēng)險可控等人工智能的特性，而應(yīng)用這些特性的直接結(jié)果就是可以低成本、個性化，更好地服務(wù)小微企業(yè)和個人消費(fèi)者。

而事實上，在不少企業(yè)仍對大數(shù)據(jù)智能處于摸索階段的時候，螞蟻金服已經(jīng)將大數(shù)據(jù)智能當(dāng)作了闖蕩江湖的獨門武器。在1月8日杭州舉行的互聯(lián)網(wǎng)+金融大會上，漆遠(yuǎn)舉例說，通過芝麻信用信息驗證等反欺詐服務(wù)，已經(jīng)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(yuǎn)程客戶服務(wù)已經(jīng)由大數(shù)據(jù)智能機(jī)器人完成，同時實現(xiàn)了100%的自動語音識別；此外，航空退票險的賠付率一度高達(dá)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(shù)據(jù)技術(shù)建模、優(yōu)化后，有效地降低了賠付率，扭虧為盈。

早在2003年，Linkedln（領(lǐng)英）就開始用各種技術(shù)、產(chǎn)品和數(shù)據(jù)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(yè)分析團(tuán)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(wù)企業(yè)SaaS的提供商，通過把自己的獵頭服務(wù)、人才簡歷賣給全球10萬個客戶，LinkedIn在2015年達(dá)到了營業(yè)額30億美元的佳績，而5年前，這個數(shù)字還不到1億美元。

“無論全球還是中國，移動互聯(lián)網(wǎng)的增長紅利窗口正在逐漸消失。商業(yè)數(shù)據(jù)分析可以實現(xiàn)運(yùn)營效率、用戶數(shù)和收入的指數(shù)級提升，而不僅是依靠直覺和過往經(jīng)驗，不再是重補(bǔ)貼、燒流量、大地推?！睆埾獕籼寡?。在他看來，中國O2O行業(yè)只有拋棄現(xiàn)有粗放的燒錢模式，轉(zhuǎn)向數(shù)據(jù)分析驅(qū)動，才能更好地在互聯(lián)網(wǎng)+時代生存下去。

大數(shù)據(jù)智能在保險業(yè)中的應(yīng)用也對行業(yè)發(fā)展產(chǎn)生了很大的助力。美國律商聯(lián)訊風(fēng)險信息公司（LexisNexis Risk Solutions）保險業(yè)務(wù)首席執(zhí)行官 Bill Madison表示。

律商聯(lián)訊從全球超過13000多個數(shù)據(jù)源采集了500億條消費(fèi)者和企業(yè)記錄，包括歷史居住地址和住址穩(wěn)定性、電話和水電煤氣記錄、職業(yè)證書，教育歷史，破產(chǎn)、抵押、判決和驅(qū)逐等數(shù)據(jù)。利用這些數(shù)據(jù)制成保險賠付風(fēng)險模型，通過模型的預(yù)測能減少賠付的風(fēng)險，從而減少成本。

大數(shù)據(jù)為普惠金融“掃雷”

和過去大數(shù)據(jù)應(yīng)用僅限于金融產(chǎn)業(yè)的某一節(jié)點不同，如今大數(shù)據(jù)智能應(yīng)用已經(jīng)從支付擴(kuò)展到金融的全鏈條。漆遠(yuǎn)表示，僅以螞蟻金服為例，大數(shù)據(jù)智能應(yīng)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(fā)展。據(jù)統(tǒng)計，通過大數(shù)據(jù)智能的應(yīng)用，螞蟻金服服務(wù)農(nóng)村用戶已超過6000萬，累計向68萬家農(nóng)村小微企業(yè)發(fā)放貸款，貸款總額超過1400億元，金融云已經(jīng)服務(wù)100家農(nóng)村金融機(jī)構(gòu)。

而大數(shù)據(jù)智能對大眾客戶所產(chǎn)生的便利性也逐漸顯現(xiàn)。以去年雙11購物節(jié)為例，當(dāng)用戶通過支付寶客戶端進(jìn)入“我的客服”后，人工智能開始發(fā)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(zhǔn)的是基于用戶使用的服務(wù)、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(guān)鍵信息再給予匹配。由于不斷積累擴(kuò)大的樣本庫以及持續(xù)調(diào)優(yōu)的算法模型，使得這種交流更加智能。

大數(shù)據(jù)智能還針對普惠金融中最常出現(xiàn)的陷阱：網(wǎng)絡(luò)征信展開了“智能掃雷”。作為一款被美國絕大多數(shù)金融機(jī)構(gòu)認(rèn)可的評分標(biāo)準(zhǔn)，F(xiàn)ICO為90%以上美國個人信貸使用。在推出升級版本之前，F(xiàn)ICO也存在著征信“盲區(qū)”，那就是5000萬缺失征信局記錄的未成年人。當(dāng)FICO推出FICO XD產(chǎn)品之后，這一盲區(qū)才通過電信運(yùn)營商數(shù)據(jù)、水電煤數(shù)據(jù)、金融交易數(shù)據(jù)等判斷個人的征信狀況而被掃平，這被認(rèn)為是FICO在大數(shù)據(jù)征信領(lǐng)域的成功實踐。

在中國，類似“盲區(qū)”更廣，大數(shù)據(jù)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(fèi)信貸用戶，但是，其中只有3億有征信數(shù)據(jù)，多達(dá)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(shù)據(jù)云評分，也就是大數(shù)據(jù)征信。

在中國，同樣利用大數(shù)據(jù)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(jī)構(gòu)—芝麻信用。除了傳統(tǒng)金融借貸信息，芝麻信用依據(jù)網(wǎng)絡(luò)金融數(shù)據(jù)、電商數(shù)據(jù)，政府及公共機(jī)構(gòu)數(shù)據(jù)、合作伙伴數(shù)據(jù)，以及各種用戶自主遞交的信息等，芝麻信用還運(yùn)用云計算、機(jī)器學(xué)習(xí)等技術(shù)，呈現(xiàn)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。