AI人工智能|新基建下拥抱新金融,金融行业如何升级“数字底座”?

文/黄海峰
“十年前银行账单可能一个账户只有一张纸,今天一个账户的账单可能有厚厚一沓,一个红包就能带来银行数据频繁的读和写 。”华为数据存储与机器视觉产品线副总裁顾雪军,在9月4日举行的“华为金融创新数据基础设施战略暨2020金融行业解决方案媒体发布会上”这样讲到 。
AI人工智能|新基建下拥抱新金融,金融行业如何升级“数字底座”?
文章图片
这句话也让笔者感触良多 。当世界开始全面进入数字化时代,作为与数字、货币联系密切的金融行业,在手机银行、移动支付等技术的快速发展下,也进入了全新的数字化升级变革阶段 。
试想十年前,银行、证券公司等金融行业所有的数据只产生在柜台上 。但十年后,即使你在菜市场买一把青菜,也会产生交易数据,需要被存储下来、被快速正确处理 。可见,金融行业发展趋势是向数字化、智能化转型,提供全渠道服务 。而渠道交易模式的小变化,掀起业务系统需求的大变革 。
IDC中国金融行业分析师朱佳怡也曾表示,当金融行业客群关注点向小微转移,将更加关注信息科技建设,在云、大数据、人工智能等技术应用研发和产品采购方面投入更多 。
在发布会上笔者一直在思考,在新基建和双循环大背景下,金融行业在数字化进程中,到底面对着怎样的挑战?面对数据爆发浪潮,华为又能为金融行业赋予怎样的能力?
新趋势伴随新挑战
回顾金融行业发展,可以清晰的感受到金融行业正在向数字化、智慧化转型,包括核心交易系统、互联网金融以及智慧网点 。
比如,在传统存贷、核保业务时期,业务往往以存款、汇款为主 。但到了今天的移动金融、互联网金融的兴起,业务拓展到数字保险、数字抵押等无时无刻不在发生的全新业务形式 。具体来看,金融数字化发展面临以下挑战 。
首先,数据体量不断增长 。金融行业每天新增数据量由此前的50G,增长到10TB 。此外,随着小额支付的兴起,日常金融交易量增长近10倍 。这就要求金融行业数据基础,能够对每时每刻产生的海量数据“存得下” 。
AI人工智能|新基建下拥抱新金融,金融行业如何升级“数字底座”?
文章图片
其次,数据时延更低 。面对高密度数据运算、互联网用户高并发访问、实时数据分析、机器学习等多种应用场景,数据存储系统必须要满足更高并发的数据访问,同时需要保证较低的响应时效 。
再次,更高可靠性 。在数字时代,数据对任何行业都意味着财富,对金融行业而言更是重中之重 。因为金融行业一切的业务都建立在数据的基础之上 。
金融行业随着存储数据总量的增长,设备数量越来越多,同时设备故障、电器老化、自然损耗等问题也成为无法绕过的难题 。一旦设备发生故障,往往可能带来数据的丢失或者需要长时间的数据恢复 。这对金融行业而言是无法承受的损失 。这需要存储设备能够提供5个9甚至6个9的(99.9999%)可靠性保障 。
最后,金融行业正处在高速发展阶段,竞争更为激烈 。金融行业就需要在挖掘数据价值的基础上,为营销服务提供新能力 。以AI辅助营销为例,当用户跨进银行大门的那一刻,就需要对用户的需求和偏好做到心中有数,帮助工作人员提供差异化的推荐和服务,个性化营销,提升客户体验 。
“五大绝招”应对挑战
既然金融行业面临着不小挑战,如何才能助力行业应对挑战?
在发布会上,华为数据存储与机器视觉产品线副总裁庞鑫表示,银行的数据处理能力面临着海量交易、数据处理效率和数据全生命周期管理等方面的挑战 。围绕数据的“采、存、算、管、用”,华为致力于帮助银行构建智能时代的创新数据基础设施,帮助银行挖掘和释放数据的更大价值,为金融业务创新赋能 。
AI人工智能|新基建下拥抱新金融,金融行业如何升级“数字底座”?
文章图片
顾雪军进一步介绍说:“金融行业面向互联网新业务,基于敏捷、弹性资源池支持线上业务快速创新,打破时间空间限制,实现无处不在的线上金融服务;面向未来新的网点,基于机器视觉、大数据分析等实现网点智能改造,银行业务直接延伸到小区、家庭 。”
AI人工智能|新基建下拥抱新金融,金融行业如何升级“数字底座”?
文章图片
的确,金融服务变革需要技术支持,数据是金融科技创新的关键要素 。笔者发现,华为正在依靠自己在数据存储和机器视觉领域的领先技术和方案,带来“五大绝招”,助金融行业应对数据“存得下、用得快、管得好”挑战 。
绝招一:快如闪电的全闪存能力
据悉,华为启动的闪存升级,在整体架构不变的前提下,仅需更换存储,以最小投入助力金融行业应对碎片化的海量交易 。
华为全闪存具备高性能、低时延,通过FLashLink性能加速算法,同时支持端到端的NVMe能力,提供0.05ms时延,可支撑10倍增长的交易规模,降低70%的交易时延,节省50%空间 。


推荐阅读