虎博科技:AI+证券解决人力有限和数据无限的矛盾
时间:2020-12-31     来源:财报网

近日,虎博科技AI+证券案例再次作为行业典型案例入选亿欧最新发布的《AI+证券行业研究报告》。金融是虎博科技服务的首个业务领域,在服务了60%以上头部券商后,虎博科技认为,人工智能服务证券行业解决的核心问题是人力和数据之间的矛盾。


在讲述AI+证券如何解决人力有限和数据无限的矛盾之前,我们要先对人工智能所发挥的作用有所了解。很遗憾,现在我们所说的AI,基本都指“弱人工智能”,即专注于且只能解决特定领域问题的人工智能,也称为限制领域人工智能或应用型人工智能。但很幸运,即便是弱人工智能,也已经让我们感到了便利或是震撼。比如你的Siri已经能帮你打电话、回信息、定闹钟,比如阿尔法狗已经把世界围棋冠军虐了个遍。


通俗来说,人工智能是利用机器帮助人们解决问题。


如何利用机器呢?靠的是算法。算法能够起作用,有两个基本要素,数据和算力。借用阿尔法狗来做一个粗暴的理解,它之所以能够轻松虐遍世界冠军,是因为它了解围棋规则,也就是算法;光有规则还不够,它需要知道尽可能多的围棋的套路,也就是数据;有了这些依然不够,因为这些东西世界冠军也知道,但是世界冠军的脑子能算到一百步以后的棋招,阿尔法狗能却算到一万步,这就是算力。


大数据时代的到来,以及算力的提升,让算法有了大展拳脚的空间,开始帮助人们处理人力及脑力所不能及的事情。实际上,人工智能在各个产业中的应用还要更多,但是往往不像阿尔法狗那样人尽皆知,并且也不是可看可感的,但是一旦用到了,就回不去了。


在亿欧最新发布的《AI+证券行业研究报告》中就指出,人工智能技术正在成为证券业务开展的新竞争力。换个角度来看,其实证券也是最适合人工智能落地应用的行业之一,原因很简单,证券是一个与数据打交道的行业,要采集数据、处理数据、利用数据,让数据创造价值。但数据是近乎无限激增的,人力却是相对有限的,这时候人工智能就派上了用场。


在证券经营体系的前台、中台、后台及监管端,人工智能已经无处不在。我们来挑选几个认知比较广泛的应用场景具体讲解。

应用场景一:智能投研


投资研究是证券行业的重要组成部分,通过对金融市场、行业、公司进行基本面分析,建立财务分析模型、估值模型等,从而确定证券的合理价值;同时,通过技术分析、演化分析等对具体投资操作的时间和空间进行判断,最终将研究结果用于投资决策。智能投研与传统投研从业务流程上来说并没有本质区别,但是对效率的提升和分析能力的加成,是显而易见的。


(智能投研业务流程及特点)


首先是对信息和知识提取。人力所触及的信息范围及知识结构有限,借用智能搜索引擎,可以拓宽数据来源,优化信息提取效率。


例如,虎博科技研发的新一代智能搜索技术,就可以实现智能、高效的信息提取,帮助券商用户提高效率。方正证券旗下小方App在嵌入了虎博科技智能搜索引擎后,实现了股票信息、产品信息、投顾信息、服务资讯等内容的全面整合,打通信息入口,缩短用户获取信息的路径,信息服务效率至少了提升50%。借助语义理解、实体识别、知识图谱等技术,小方App能够准确理解用户的信息需求,并实现数据穿透,向用户反馈与搜索意图紧密关联的有效信息,多维度提供搜索结果,从而连接用户、价值信息和目标产品。


其次是分析、研究、提炼观点。同样的,分析过程中,人工分析结果往往会受到情绪、偏见的影响,稳定性不足,且研究人员的专业水平对最终结果会造成极大的波动。利用知识图谱等技术,可以构建关于研究标的相关的全面系统的知识图谱,使得结果推论更加全面、客观,逻辑推理也更加稳定。


应用场景二:智能投顾


投顾,即投资顾问。投顾要做的事,简单来说,就是根据投资者的财务状况、风险偏好、理财目标等信息,制定相应的财富保值、增值方案。智能投顾的价值更多体现在业务价值的长尾效应上,因为相较于更加“精英式”的传统投顾,智能投顾显得更加“亲民”。

对客户来说,花更少的代价就能获得投顾的服务,对券商来说,不增加投顾人力的情况下,就能获得更多的用户以及业务收入。可以说,智能投顾是一项双赢的投入,据亿欧智库的统计,国内已经有60多家券商上线了智能投顾产品和服务。智能投顾也是一家券商是否走在智能化最前沿的标志之一。


应用场景三:智能资讯


资讯是券商最高频的业务场景之一,随着金融非结构化数据的快速增加,如何高效利用和分发资讯数据,成为了券商的“老大难”问题,究其原因,具体有以下几点:


1、金融资讯涵盖面广,包括公司新闻、金融产品资料、宏观经济、政策法规、社交媒体评论等,投资者获取信息的时间和精力有限,难以从海量资讯中找到重要或相关性较高的信息。


2、大量的金融资讯价值度、时效性参差不齐,辨别、提取、分发高价值资讯耗费大量人力。


3、对大多数投资者而言,晦涩的宏观经济资讯、政策法规等内容,理解难度较高。


智能资讯即从NLP自然语言处理技术入手,从海量数据中高效、准确挖掘出价值信息,形成商业及投资见解。省去研究人员、投资者大部分重复工作的时间浪费,也尽可能地规避了个人情绪、知识结构局限性所造成的决策偏差。


现阶段已经有诸多券商在已经自研或与第三方技术服务商合作,探索人工智能技术在资讯服务方面的应用。例如,海通证券与虎博科技合作建立的智能资讯系统,能够智能化聚合不同来源的资讯,实现资讯标签的自动快速挖掘,形成统一结构,并基于定制任务的合规审核和自动分发,实现“一站式”资讯管理。


应用场景四:智能客服


智能客服是人工智能与传统客服结合的产物,在证券行业可以说是必然产物,原因也很简单:


1、“一人多户”、非现开户等限制开放,导致证券客服需求加大。


2、人工客服的精力很难满足“一对多”服务需求,并且一个人工客服基本只能顾得上一个渠道的咨询,接了电话咨询,就没法应对文字咨询。


3、占据较大比重的重复性资讯问题消耗了太多人工客服精力,对于真正有“疑难杂症”的客户需求,反而服务不到位。


总结来说,智能客服主要解决两个问题:


1、让大多数用户的重复性咨询得到7*24小时的快速解答,不论是来自桌面网站、移动网站、微信、App还是移动电话或者固定电话的咨询。


2、解放人力,让真正的“疑难杂症”得到专业的人工服务。当然,让智能客服也能完成这一步工作是AI+证券下一阶段要解决的问题。

(智能客服全场景接入流程)


据了解,虎博科技推出的智能问答机器人使用虎博科技基于NLP的底层核心智能搜索技术,能够实现与用户的日常口语化交流,读懂用户需求,自助完成率达90%以上。


应用场景五:智能营销


智能营销的应用其实伴随着券商从以产品为导向的模式向以客户为中心模式的转变,从“我认为客户需要什么”到“我知道客户需要什么,并且告诉客户我的东西可以帮到你”。


智能营销解决的就是“知道客户需要什么”和“告诉客户我有什么可以帮到你”这两个重要问题。在开户引流方面,智能营销具有渠道追踪和分析功能,可以对线上线下渠道引流效果进行评估,通过对不同渠道评估,券商可以选择最优引流组合,降低获客成本。在获得用户引流之后,智能营销可建模分析用户开户中断原因,定位中断率最高的步骤,通过不断迭代使开户流程更友好,提升开户转化率。在后续客户价值激活和挖掘方面,智能营销基于不同客户标签向客户推荐个性化投资产品,提高服务质量。


总而言之,从最终达成的效果来说,人工智能在证券行业里的应用,主要解决了相对有限的人力和近乎无限增加的数据处理和客户服务需求的矛盾,目的在于降低券商的人力成本,提高运营和服务效率,以创造更大的商业价值。