金融业务，例如风控决策，资产配置，资金调拨，催收管理等，包含大量的决策任务。当前主要手段是高管/业务人员提出需求，由 BI 工程师生产报表，之后高管/业务人员对报表数据进行分析从而形成业务决策。目前有两个痛点：首先，面向互联网，特别是金融创新业务变化极快，与以周为单位的传统 BI 报表生产方式矛盾突显；其次，传统的数据分析与挖掘工具是数据工程师/科学家的专用品，并不便于高管/业务人员掌握，使得目前他们只是通过看报表并依赖自身经验进行决策，很难直接依靠数据分析技术。本议题会分享如何通过人工智能来实现金融业务的辅助决策。首先，基于自然语言的动态报表（NLP Dynamic Chart）改变了传统BI报表的生产方式，使得高管/业务人员可“所想即所得”，接着，AI数据洞察（AI Data Insight）从报表数据并结合其关联数仓数据协助他们发现数据价值（风险或机会），并提出辅助决策建议。本次议题会介绍 NLP Dynamic Chart 和 AI Data Insight 的核心原理，关键难点，并结合实际案例进行应用解读，并会探讨相关技术的未来发展。
演讲大纲
-
背景介绍与痛点；
-
NLP Dynamic Chart 介绍与难点剖析；
-
AI Data Insight 介绍与难点剖析；
-
实际案例分享与展望。
听众收益
-
了解 NLP Dynamic Chart 诞生的动因与技术原理，难点剖析；
-
了解 AI Data Insight 诞生的动因与技术原理，难点剖析；
-
了解智能金融决策的实际案例与效果，及其借鉴意义。