1、IBM 商业价值研究院专家洞察智能分析 大行其道金融企业认知商业智能 转型之路1 谈话要点金融企业在分析海量数据中面临的挑战在分析爆发式增长的数据时，金融企业面临着四大挑战：分析工具门槛过高、分析模版更新缓慢、分析方式挖掘不深、分析工作依赖人工。认知商业智能可创造新一代的分析体验认知商业智能可以为金融企业化解海量数据分析挑战，创造新一代的分析体验：交互更简单、 使用更灵活、 分析更流畅、 推荐更懂你。金融企业构建认知商业智能之五层架构金融企业可以从五层功能架构着手，构建认知商业智能：平台基础、 知识管理、 智能查询、可视化交互、增强分析。金融企业在分析海量数据中面临的挑战随着认知智能和云计算技

2、术的日益普及，金融企业能以更快、更低成本的计算能力获取海量数据，包括大量风控、信用评估等结构化客户数据，以及从年报获取的股东、对外投资和控股信息等非结构化数据。但是，金融企业在分析这些海量数据时，面临着以下四大挑战：1.分析工具门槛过高分析工具使用的技术门槛过高，将大多数业务人员拒之门外。同时，工具入口分散，处理一项业务工作需要在不同的分析系统中获取信息，降低了工作效率。2.分析模板更新缓慢以技术为主导的商业智能（BI, Business Intelligence）已经无法跟上快速发展的业务变化，部分分析系统支持的预置分析模板有限，无法满足业务扩展可能性，需要有一种支持数据实时计算、业务灵活可

3、配、由业务驱动的分析方式。3.分析方式挖掘不深金融数据爆发式增长，数据多样、复杂，孤岛化，且单一数据价值不高，所以处理金融业务时需要串联大量多源异构数据。当前的分析方式缺少对数据关系的深度探寻，数据深层价值挖掘不足。4.分析工作依赖人工 信息格式不统一，结构碎片化，存放位置分散。而业务经理在业务操作处理过程中仍依赖于人工信息检索。为 此，IBM提 出 认 知 商 业 智 能(Cognitive Business Intelligence,简称 Cognitive BI)方案，该方案能够无缝接入企业核心业务系统中，通过快速直接的对话，帮助业务人员完成高效的信息检索和数据分析工作。这种创新的分析体

4、验即将成为“认知型企业”的常态。第一阶段：传统商业智能线上化可视化多渠道第二阶段：敏捷商业智能第三阶段：认知商业智能自助式分析指标可扩展智能交互嵌入分析广泛洞察2 认知商业智能为金融企业创造新一代的分析体验从传统商业智能到敏捷商业智能，再到认知商业智能的破茧而出，金融行业的商业智能呈现易用性越来越增强，并逐步贴近业务用户的发展趋势（见图1）。早期的传统商业智能工具以构建固定式报表为主，由数据部门开发，可以为业务人员快速了解日常运营情况。而以Tableau为代表的敏捷式商业智能，提供了自助式分析工具，辅助企业快速完成数据准备、查询和探索，能够基本满足业务突发性的分析需求，实现数据分析对业务决策的

5、“准实时”响应和支持。进入到认知商业智能阶段，基于自然语言理解的理念彻底改变了商业智能的交互方式。分析工具不再停留于事后的分析和反思，而是能无缝集成于前端业务中，帮助业务人员通过简单的对话与数据建立连接，快速且直接地完成数据探索。认知商业智能同时能够进行知识管理和持续学习，分析业务关键问题。图 1商业智能发展阶段新一代分析体验的认知商业智能，具备以下四大特征： 交互更简单：基于自然语言的自助查询、交互式互动体验可以降低数据分析门槛。使用者不再局限于专业的数据分析人员，而是开放给所有前端业务人员，真正实现数据驱动业务、释放企业生产力的目标。数据分析的场景不再以个数来计，而是以群来处理的多维分析如

6、同将千百个字符组合成各种华丽哲思的文章。未来的工作中，业务人员可以方便地使用自然语言来进行数据探查、业务分析，无需掌握各种数据库脚本语言和系统平台操作流程。 使用更灵活：用户无需依赖于分析模板，认知商业智能内部的动态查询机制已经准备好接受用户各种各样的分析提问，通过解析用户的自然语义，完美匹配到底层变化的数据。灵活动态的查询方式更加适应市场的突发性和多样性，分析工具不再落后于市场变化，从而能够帮助企业及时洞察商业机遇。例如，系统在支持信贷分析场景后需要补充租赁业务场景，无需重新再建设一套系统，可以在原系统基础上补充数据标签和映射关系，语义分析模型一键训练即可使用。 分析更流畅：商业市场各类信息