來源：華夏時報
華夏時報（chinatimes.net.cn）記者徐曉梅 冉學東 北京報導
區別於前臺、後臺，中臺出現了，如數據中臺、AI中臺、業務中臺、安全中臺等。目前不僅是BATJ等網際網路企業，360金融等金融科技公司也開始構建了屬於自己的中臺。
那麼，中臺到底是什麼呢？通俗的來講，「中臺更像是一個工廠，當需要某個能力的時候中臺可以快速的生產出來。」 360金融首席科學家張家興近日接受《華夏時報》記者專訪時表示。
和其他公司構建的數據中臺或AI中臺或雙中臺不同，360金融另闢蹊徑構建了「數據AI融合中臺」。從中臺名稱可以看出360金融不僅有AI中臺和數據中臺，而且更加強調「融合」。
為什麼要融合在一起呢？張家興表示，現在市面上有很多中臺實踐，包括最開始提的比較多的雙中臺，即業務中臺和數據中臺；後來開始碎片化的中臺，有AI中臺，也有各個方面中臺的建設。「我們強調AI跟數據兩類中臺不要獨立建設，要合在一起建設，要建設成我們所說的數據AI融合中臺。數據跟AI結合的太緊密了，這是互相促進的關係，AI是依賴於數據的，如果說做一個AI平臺卻沒有數據支撐，這個AI本身產生不了什麼太大的價值，這是一個考慮。」
另外，他還強調，數據要能夠產生價值，其中一個方式就是用數據產生AI能力。
360金融的「數據AI融合中臺」可以產生1+1>2的效果。張家興坦言，很多事情需要數據和AI緊密的相連，當需要頂層框架設計時，就要去思考整個架構裡面數據、AI扮演什麼角色，這樣才能把價值最大化。如果做數據不想AI或者做AI不想數據，最終的價值會很小。
總結來說，「之所以要做數據AI融合中臺，是希望在這樣中臺裡面做一個既考慮到數據也考慮AI的頂層架構框架設計。」
目前，360金融的數據AI融合中臺一方面多業務數據打通已經基本完成，接近各個業務環節包括獲客、客戶經營、風控、後續服務等一整條鏈路。這其中每個環節針對性的平臺建設和智能化改造已初步完成。針對金融鏈路各個環節做智能化，數據化支撐。
另一方面，通過機器學習模型對已有業務的賦能也已經產生一些效果，比如說在客戶經營階段，360金融採用各種深度學習的方法以更好的理解客戶的意圖。
下一步，360金融將著力底層基礎建設，包括底層的基礎數據平臺、圖數據平臺、知識數據平臺、數據分析平臺、基礎的計算平臺、機器學習平臺等，打造針對360金融金融場景的基礎架構，從根本上去提升效率，且在探索針對金融科技領域做的一些技術架構建設；在人工智慧方面進一步深入，現在採用的深度學習、強化學習等應用還處於初級階段，所以需要更多更先進的算法，針對金融場景做一些算法創新，也能為整個金融領域帶來示範作用，這也是360金融希望重點做的方向。
不過360金融算是第一個吃螃蟹的人，市場上還沒有哪家公司做「數據AI融合中臺」，所以沒有經驗可以借鑑，只能自己去摸索。這也是目前360金融遇到的最大挑戰。張家興表示，中臺涉及的技術以及組織架構問題都需要自己探索。雖然大家都知道中臺的終局是有用的，但終局中臺到底是什麼樣目前沒有人知道，在走向終局過程中為避免長期沒有產出，需要做到小步快跑，每一步都能夠產生價值，這樣情況下依然還能夠走向終局，這才是更加有挑戰的事情。
360金融的數據AI融合中臺一直以來的目標是在打磨自己中臺的技術和經驗的基礎上，為金融機構賦能。
張家興曾就職於阿里巴巴、百度、微軟等大型網際網路企業，在算法和系統等方面有著多年的經驗，從學術研究到工業界可以無差別切換，就像張家興所說，雖然目標不同，但手段相同。
向金融機構輸出能力是一直以來的目標
華夏時報：隨著技術的不斷發展，很多傳統金融機構開始轉型，360金融的數據AI中臺除了自用會不會對金融機構進行能力的輸出？您認為在這方面360金融有什麼優勢？
張家興：這一直是我們的目標，也是我們的使命。我們自己已經感受到了中臺對我們360金融所產生的價值，我們也很有必要為整個金融領域各個金融機構提供這樣能力，讓數據AI中臺模式對他們的業務產生價值，這也提升了金融的效率，最終能夠普惠到所有對金融有需求的人群。
我們現在一方面還在打磨自己中臺的技術和經驗，另一方面也在考慮對外的輸出。當我們討論到中臺的技術輸出問題時，首先需要澄清一點，這也是有一些做中臺的公司他們給大家的誤導，好像中臺是一個平臺，中臺絕對不等於平臺，平臺是中臺裡面一個重要部分，中臺由平臺+數據+團隊組成。平臺是用來整合我剛才說的能力，作為一個中臺不能打通公司各個業務不能稱之為中臺。按照中臺化的思路去做數據體系，必然會涉及到對已有公司整個數據體系的改造，這是數據方面。
團隊方面，中臺需要很多團隊，我剛才說的有自然語言團隊、語音團隊、圖像團隊、機器學習團隊等，他們能夠產生一些AI能力，當公司需要這些能力的時候團隊可以做定製化開發並輸出這些能力，所以這些能力是必需的。
當我們討論中臺時只說平臺就丟失了中臺的數據和團隊方面的價值。這種技術輸出，只是相當於取出來中臺很小一部分，所以產生的價值也是有限的。
我們的優勢是專精於金融領域，業務體量和目前達到的水平在業界內也是居於領先地位。我們的成功經驗對於所有跟我們類似的金融機構都具有重要的價值，近期內會專注於金融領域的中臺技術能力的輸出。公司可以根據市場情況及時的做出調整，在中臺的技術輸出方面，有非常好的未來的前景。
目前，公司中臺的個別技術已在輸出，如風控技術，催收機器人技術已經在輸出。作為一個整體的輸出我們是正在計劃中。中臺整體技術的輸出不是一個短期的過程，目前沒有哪一家包括非金融在內的全領域中臺輸出能夠做到這一點。
數據AI融合中臺已經在360金融實際應用
華夏時報：360金融構建的「數據AI中臺」的具體應用有哪些？請舉例說明
張家興：中臺在360金融裡發揮的價值，說幾個例子。在智能投放環節，公司的核心任務是在用戶有金融訴求時能夠觸達到，這是一個很難的任務，為了實現這個目的很大程度上依賴於媒體的廣告投放，但在媒體投放時見到的用戶往往都是未知的，如何刻畫用戶是非常難的問題，這可以依賴於數據中臺的能力。我們在下面構建了一個很大的金融人圖譜，這裡面刻畫了很多已知和未知用戶以及他們之間的關係，儘管用戶是未知，我們通過圖譜和機器學習模型可以知道這個用戶金融訴求有多大，風險有多大，決定是否進行廣告投放，這是獲客階段中臺所產生的價值。
客戶經營階段，對已註冊用戶要關注他們的需求，有金融需求時要發起一些針對客戶的運營活動。我們做了智能運營平臺，其特點是整合了運營的流程以及需要的數據，以及讓運營決策變得更準確的模型。從流程的角度來看，這個平臺沒有整合流程之前，一個運營活動從圈定人群到去制訂策略再到觸達用戶、數據分析需要幾個星期，現在在平臺上把整個流程整合進來只需要幾天，加快了運營迭代的速度，可以更及時的去拿到反饋調整我們的運營。
在做人群圈定時，可以通過機器學習模型做一些超越人的理性的決策，人的理性決策總是需要一個可解釋性的，而通過機器學習模型就可以圈定出人群，可以考慮長尾特殊的情況，因此通過機器學習給定目標來學習，實際上是最優化的，效果就比人操作的更好。
觸達用戶階段，為了降低成本大量採用了對話機器人，目前78%的金額是通過催收機器人完成的，不需要人的介入。我們之前做的人工外呼比較低效，客服撥打用戶的電話接通率並不高，而且真正有效的通話時長並不長。中臺下面建成統一的智能語音平臺，可以讓機器代替人去撥打電話，撥通了之後才會轉交給人工撥打，這個過程中極大的解放人的勞動力，提升了人的效率，這也是我們做的實實在在提升公司的效率。
金融一定會被技術改變
華夏時報：目前，包括360金融在內的金融科技公司做的都挺好，尤其現在說到金融，技術幾乎是必談的，兩者在一起能夠擦出什麼樣的火花？
（1）線下向線上遷徙
張家興：任何一個金融的模式都是依賴於某種技術的，從十二三世紀開始就有了金融，當時主要依賴於技術發展水平，包括通信、交通達到了一定程度。後來出現了電報、電話、網際網路、計算機等，金融的形式逐漸開始發生變化，我叫做技術創造金融新模式。一直致力於金融領域的人，會關注現在技術發展趨勢，看一看我們新的技術發展在未來會給金融帶來什麼樣的改變。有的時候大家在金融領域呆的時間長了，認為現在一切理所當然，就應該是這樣。回到100年前看現在金融形式，當年也是無法想像會有銀行卡、信用卡，都是這100年技術發展出現了這樣的形式，所有做金融的人都應該去思考，接下來的五年、十年，新的技術發展會對我們金融造成什麼樣的改變，這是一個大的方針。金融一定會被技術改變的。
從現在技術發展的形式來看，我覺得可能有一些趨勢是可以很明顯看到的。一個是從線下到線上，傳統的金融更多的是靠銀行網點，都是一些面對面的交流，當然面對面有它的好處，人和人之間更容易增加可信程度，並且可以更好的做風險控制。
如何把線下所有的優點搬到線上去，這是我們未來金融技術上需要思考的。尤其是5G時代的到來，線上的帶寬和延時不是問題了，我們能不能通過線上和順暢的線下面對面溝通交流提供基本提供相同的體驗，這是值得思考的東西，我覺得這是一個方向。
儘管電話、視頻看起來已經似乎挺好了，其實這還是遠遠不夠的。從體驗上來說，無論是清晰度、時效性、穩定性和線下是比不了的，我覺得5G時代的到來給我們一個機會，大家這方面的追求也越來越高，之前並沒有這麼強的需求，技術的發展基本保持夠用就行的狀態。做技術的人只有走在需求前面才能真正創造出新的模式，這是一個角度。
（2）通過更多的數據理解用戶
張家興：技術可能會給金融帶來的影響就是數據方面，以前做金融獲取的數據往往是很片面的，很少的。很多都依賴於用戶自己的填寫，我去辦一張銀行卡、填一個表單，裡面信息都是我自己寫的，銀行拿到流水也是很片面的信息。移動網際網路時代，用戶在網際網路上留下很多足跡，我們更容易刻畫這個用戶的金融需求是什麼，他的金融風險是什麼，有了這些之後我們就能夠給用戶提供更好的金融服務。
從這個角度來說，我們希望並且也可以有更多的數據理解我們的用戶。這裡面不僅是理解用戶，也包括理解公司，理解各個金融產品。但是理解用戶層面會涉及到保護用戶個人隱私，這些數據分散在各個網際網路公司，這就需要一些基礎的技術架構存在，使得大家保護用戶隱私情況下能夠讓這些數據整合起來並發揮價值。這一定也是未來技術發展趨勢，會給金融帶來改變。
（3）做出超越人的理性的決策
張家興：技術對於金融還有第三個比較有趣的改變，原本我們在金融裡面很多決策都是基於人的理性的決策，比如說我們要不是直接基於判斷，要不把我們的判斷沉澱成各種各樣的規則、策略，隨著人工智慧、機器學習的發展，我們逐漸變成了用機器學習模型、AI技術做決策。這種決策是超越人的理性的決策，是不可解釋的，但效果確實比人的理性決策要好。
首先機器肯定是理性的，這個理性是超理性。理性和感性的區別是理性是可解釋的，感性是不可解釋的。當我們到了比理性更理性，因為更加準確，但是不像理性那樣可以去解釋，這叫不可解釋的理性，人的理性是可解釋的理性，機器是不可解釋理性或者超理性。這就是人工智慧給我們帶來的東西，我們並不是說模仿人的智能，並不需要跟人思維方式一模一樣，我們更多的是從最終的產生的結果角度，如果確實比人做的好就是有用的，比人做的好從機制上來說不一定是人可以解釋的。有了這個假設，相信以後在金融領域靠人工智慧做決策，我們就會做的比人更好。
技術能做到的不只是人類的解放，而是要超越人類。
為什麼需要構建中臺？
華夏時報：目前一些大型網際網路公司以及金融科技公司都在構建中臺，那麼我們為什麼需要中臺，尤其是作為一個金融公司，為什麼需要中臺？
張家興：第一，一個公司如果說有多個業務，並且還在不斷的創造創新，中臺會使得這件事情變得更高效。一方面可以避免重複建設、節約成本，另一方面是當有新的業務創新，或者已有業務想進一步擴展，這時候中臺裡面有一些能力就可以直接拿過來用，這些能力可能在別的成熟業務裡已經嘗試過，並沉澱在中臺裡，可以直接拿過來用，避免再次從頭開始構建，速度會更快、效果會更好。中臺很多時候可以認為是最下面的底座，我們的經驗是沉澱在中臺裡面，靠中臺在業務之間實現經驗的傳遞，中臺在這裡面起到這樣的作用。
第二，實現數據的打通。各個業務之間具有一定的協同作用，把數據整合起來能夠對每個業務有進一步提升的空間，中臺在下面承載著數據打通，把所有的數據都沉澱在中臺裡面，這樣任何業務都可以看到其他業務數據。這樣就可以便於每個業務在數據裡面從中受益，並且這些數據不僅在中臺裡面可以互相看見，而且在中臺裡本身會對這些數據進行進一步的加工和建設，會建設成更加具有業務價值的數據倉庫。同時，我們會建設圖數據，會把所有數據實時化，跨業務數據等都整合到中臺裡。這樣整合了多種業務的數據的中臺，對每個業務都有好處。
第三，對於AI能力建設來說，近些年AI的發展主要集中在圖計算、語音、文本、機器學習等領域，儘管有很多應用場景，但是事實上這些領域都有自己的內在規律。同樣圖像技術可以用在人臉上，也可以用在OCR識別上。如果有AI中臺，按照技術劃分的團隊，這個團隊就可以支撐公司的各個業務，需要用到AI能力的地方，這個中臺會變成AI能力的輸出，當某個業務需要這種能力時，中臺可以快速的進行定製化的支持。
因為AI能力的建設本身需要一定的時間和成本，需要吸引人才加入。在公司體量並不是特別大的時候，這些能力如果分散建設實際上可能無法形成一個很強大的能力。如果把公司某一方面的AI能力做統一的建設，這樣可以使得這方面的能力變得更強，也能吸引更多優秀的人才，用它來支撐公司的各種業務，這是AI的內在邏輯，具有一定通用性。從這個角度來說，中臺裡整合AI能力就有其存在的價值。
企業如何正確做中臺？
華夏時報：中臺越來越火，很多公司趨之若鶩以致於魚龍混雜，基於360金融的經驗，您認為企業如何做中臺，有沒有什麼可以學習和借鑑的地方？
張家興：這個問題比較泛，我說一些指導性的方針。做中臺有兩個思路或者說方向，一個是做一些頂層設計，這關係到中臺本身的架構是什麼樣；還有公司有了中臺之後業務和技術是什麼樣，這需要從頂層想清楚，如果不想清楚發展不一定會走向你所想要最優的方式，可能退化成某種方式，可能最終又退化成做平臺。如果中臺變成做平臺就不能成為中臺，我們要有頂層的設計，最終要到公司整體規模的設計。
中臺裡面每一個團隊要努力證明自己的價值。我們現在是不是有價值，我想說中臺成立第一天就要想是不是在現有工作上能夠做出價值，需要避免為了終局一直做長期投入，一直無法產生價值，這不是很好的路徑。我說做中臺終局很難，但是走向終局更難，因為走向終局過程中避免長期沒有產出，我們要做到小步快跑，每一步都能夠產生價值，這樣的情況下依然還能夠走向終局，才是更加有挑戰的事情。
我們做的事情哪怕是一個簡化版本也要產生價值，用價值證明自己，用價值證明中臺是有價值的，這樣中臺建設會逐步走向終局的樣子，為公司實現經驗的傳遞、數據的打通、AI能力的輸出。
責任編輯：穆木 主編：秦謙