当前课程知识点:大数据技术与应用 > 陈彧:美团点评金融服务的大数据与人工智能 > 技术展望 > 技术展望
做一个展望
刚才讲了这个营销 认知 风险
这三件事情
三件事情都很难做
但是我们觉得还不够
因为未来有很多更智能化的东西
所谓人工智能
其实并没有大家看到这些
吹的报告那么神奇
要达到那些阶段
还有很远的路要走
首先得把这三件事情做好
做好之后我们才能够提供
在服务层面上更智能化的东西
是什么样的东西呢
比如说智能客服
智能审批 智能投顾 智能保顾
这些服务是必须要把基础的
这三件事情做好以后
我们通过这三件事情组合起来
才能够做到更好的东西
举个例子是投顾
投顾就是投资顾问
就是投资的一个助手
它的一个功能是说
就是实际上用户我们面临
很多很多不同的金融产品
其实我们自己没有
这个专业领域知识
比如说我可以把钱存定期
我可以买货币基金
我还可以把钱
布局在这些东西上面
国内的国外的股票创业板
海外的债
还有一些甚至是一些商品
比如说古董 艺术品呀等等
有很多很多投资办法
老百姓并没有金融专业的背景
我们不知道我们怎么做这个
资产组合是最好的
所以智能投顾
要解决的一个问题是说
给定你的那个使用的场景
比如说我现在面临退休
我现在面临机遇培养
我现在面临购车买房等等
在这些场景下面
结合这个人的做理财的用户
他的各种各样的属性
比如说他的风险偏好
他的这个情绪
情绪认识也很关键的
然后年龄
你处在哪个年龄
对你未来的金融计划
是有很大影响
包括你现有的资产
以及你的理财目标
等等通过这些东西
我们来给你推荐
更好的一个投资组合
这里面是要把
刚才这三件事情都做好的
比如说认知方面
要做到智能投顾我必须跟人
跟老百姓
老百姓不专业
所以我可能说用人机对话的方式
来问他一些简单的问题
简单到什么程度呢
比如说你
你的理财计划是多少年呀
你的风险偏好是高中低呀等等
通过简单的语言对话
能够获取到他的一些
这些方面的一些信息
所有的金融资产都有两个问题嘛
金融无非收益与风险
所以收益是什么是要预测
风险是多少也需要去预测
这都是风险要做的事情
然后中间就是我们通过连接两头
一头通过用户自身的属性
一头通过产品的属性
来做一个连接做一个推荐
预测用户对接产品的响应如何
这是整个智能投顾
要到这个程度才算比较完善
我觉得还是比较远的路要走
可以看见说今天有很多
不管是小公司 创业公司也好
大的银行也好
在做投顾这种产品
也是相当的不成熟
它原因在于说
两头的把握并没有那么的好
最后一点时间就简单讲一下
我接触金融行业以后
有一些这种比较
比较颠覆我以前认知的一些感想
跟大家分享一下
主要是金融无非就是收益与风险
收益好理解
风险是个什么东西
其实是很 怎么讲很颠覆的
我们知道2017年
现金贷这个行业非常饱受的热议
当然很大争议刚才也说了
2017年我们公司
有一些来访的大V
他直接就鼓吹说
其实金融不需要做风控
因为你只要把利率提高就行了
现金贷的利率是500%-1000%
年化利率500%-1000%
1000也就是说它年化利率是10倍
但它周期很短比如说两三周
比如说一千块钱到期
收你一百块钱的服务费
看起来都很小笔
但是它年化利率是1000
所以有人说这不需要做风控
你利率那么高
你有的人还不起就还不起呗
反正我投1块钱能挣10块钱
非常的神奇
那当年有无数的创业者
涌进去做现金贷
所以后来发现说
有人做了现金贷的导航
就是我给你做一个网站
那边列了很多很多种
提供现金贷服务的网站你可以选
那么这个导航里面
有多少个网站呢
达到了3000多个
这是一个现象
这个社会现象很明显很热
大家在学校里不一定能感受得到
在往前2007年
中国有一个A股的泡沫
在全球有一次次贷危机
这些事情要跟大家说
其实这件事情是很奇怪的
为什么是奇怪呢
因为经济学会假设人是理性的
如果人是理性的
为什么会发生那么多泡沫破灭呢
就是当你看着这个股指
这些热的东西一个一个往上涨
看到别人挣钱的时候
请问你是理性的还是非理性的呢
这里面就是跟大家讲的说
风险这个问题
它不仅仅是一个金融学的命题
它同时也是一个心理学的命题
金融里面有一个分支叫behavioral finance
就是行为金融学
引入一些心理学的理论
来解释一些金融现象
那通过引入这些
人性的弱点的解释
是可以支持说为什么
金融需要监管这件事情呢
举一些例子
心理学里面的关于人性的这个理论
那第一个比如说叫wishful thinking
所谓wishful thinking
就是你相信的东西
是那些你想相信那些东西
举个例子如果今天北大跟清华
举办一场比赛 踢场球
然后我开一个盘口你们会买谁赢
我相信很多同学都会买清华
可是这个是不理性的
因为你没有分析
因为我们作为清华的学生
所以当然会愿意相信说
清华能够赢
那今年有这个世界杯
大家可以试着去观察一下
看看大家是不是有这个
如果你是一个球队的粉丝
那么你在做一些决策的时候
你会带着这个不理性
这个不理性就是所谓一厢情愿
wishful thinking
当你持有一份金融资产的时候
你会认为我这个金融资产
一定是增值的
我觉得这是错的
这是不理性的
很典型的不理性
第二个叫attention anomalies
讲的是什么呢
讲的社会学问题
就是你会被你周遭的
其他人的行为跟观点所影响
所以为什么会有追涨杀跌
其实当你如果说
今天再来一次估值疯涨
一点点从2000点涨到6000点
那就可以直接假设
你面临这样的局面
所有的人都在买股票你在买基金
那请问你是进还是不进
扪心自问一下
大家就是
其实你是很难回答这个问题的
特别是如果有机会大家感受一下
人是挺难去就是在这个环境下
去做一个很理性的决策的
这有一个从众的问题
第三个叫做这个magical thinking
因为我们机器学习的话来讲
就是叫做泛化
叫做过拟合叫做泛化差
什么意思呢
我前一段时间
因为我们公司里也有买彩票
买彩票也就买彩票嘛
也就是图个乐
但是我发现
有一天就发现一个现象
我就哭笑不得
就是我们也有做算法
做人工智能同学
懂数学的 懂概率的
而且他就在买彩票
买完之后他们就要讨论说
这个我发现一个规律
这个数字应该怎么怎么样
怎么怎么样
我听他买的是双色球
这玩意哪有规律
可他买的人
他自己就沉浸在其中
他说这东西有规律
我发现这规律了好开心
这是一个很典型的
用我们行话讲就是过拟合了
我们在做很多金融决策的时候
一定会产生这样的问题的
你去买你的股票你去买你的理财
一定会认为说
某一天这个东西收益变大了
你一定会认为说是什么什么原因
然后你就坚持那个理由
于是你会看到你的朋友圈里面
一堆的这个诸葛亮
他就跟你说这个什么什么
什么什么道理
就是对了就怎么样怎么样的
然后因为今天在学校里
那大家都是大学生
面临大学毕业和就业的问题
我用金融的一个术语来打个比方
就是你们每个人
都是有一个资产负债表
就是资产负债表有两列
一列是你资产
一列是你的负债
你的资产就是你现在的价值
你的负债就是你借的款项了
OK 所以大家觉得说
当你毕业那一刻的时候
你的资产负债表
资产减负债是等于多少呢
通常来说我们认为等于零
对不对
因为假如你没有什么
大部分平均来讲
学生没有多少储蓄
基本上等于零对吧
实际上不是
实际上在你的资产这一列呢
实际上是相当高的
怎么讲呢
就是一个像这样的
清华里面的平均的学生
其实你在未来会有一份不错的工作
这份不错的工作
能够给你带来持续的现金流
那么把这个现金流折回现在
你的资产是期望还是蛮高的
就是大家可以算一算
这笔钱可能是
你可以算一算倒推回来
有可能是几百万
有可能是上千万
应该我觉得上几千万的问题不大
所以其实大家在毕业的时候
这张资产负债表
这个资产是很高的
所以这就是为什么说
很多的消费金融的企业
就消费金融的企业愿意过来说
吸引这些大学毕业生
新进的这些白领同学们
你们过来借东西
因为我们能够清楚的知道说
你的资产是非常好的
你们还没有什么大的负债
你未来收入是可期还是不错的
所以大家
就是讲这个是希望大家说
建立一个认知
那如果你要面临选择的时候
你不能单看你目前的
比如说手上的
这个工资是多少多少
你要看的是说
如果我的资产是一个未来
折现回来的这么一个预期这个期望
那么有一个很关键的事情是说
我怎么样能让这个资产变高
上学这件事情本身就是能够
让你的资产变高的
因为你有了知识你接受了教育
你有了这么多的同学和老师的
一起的研讨和培训
那会让你的资产变高
那这就是为什么说
我们要考虑一些更长期的事情
在你选择你的职业
在你以后
做你的人生决策当中的时候
你要考虑这件事情
就说我借助一个金融学的概念
来告诉大家一个思考的方式
比如说你在就业的时候
是不是看那个工资如何呢
其实不是
其实你要想想看
有些什么样的事情
能够让你的资产变得更高
差异还是蛮大的
有可能会是几倍的差异
那千万不要做那些什么事情呢
就是看什么东西火就去干什么
看别的同学都去哪了我也去哪
自己没有自己的思考
不理性的话
你就会掉入这边
这么多心理学的漩涡当中
那你在个人的风险管控这方面
就会很被动
再举一个这个例子
就是最近很多人在炒说
要不要去做区块链
我不能说区块链这个技术很糟糕
但是回过头来我呼应一下
最开始我抛的这个命题是说
很多技术在他前两年很火的时候
是过热的
但是它要起作用可以起作用
但是可能在后面长达十年
这个尺度上才慢慢起来
因此当你接触到一些
很火的东西的时候
你要小心
你要小心这种attention anomalies
如果你本身对它没有很好的认识
那么我的建议就是打住
它一定是一个过热的东西
那我们做这个很多的风险
为什么那个风险评分越高
其实这个人越差
也是这个道理
要看到它这个后面内在的
你要懂它内在的逻辑
懂它背后的原理
那么你才能够比较好的去
看到它的下一步
这个OK
这个是我今天要分享的一些东西
谢谢大家
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接