未来的财务是智慧的财务，不再拘泥于传统会计作业、事后财务报告和经营分析的职责定位，而是将作为企业其他业务部门的合作伙伴和顾问，通过不断深化应用智能技术，构建财务赋能平台和智能财资体系。财资一家将详细解读基于大数据、区块链和AI算法的智能财资体系，共4篇，本文为第3篇，请持续关注。
文/董兴荣
刊于《财资中国|财富风尚》2018年4月刊，有删减
财务管理和财资管理已经采用不同计算机预测算法来进行风险模型分析。其中运用到的算法包括：在线过程分析（OLAP）、聚类、相关性分析、决策树、热点分析、神经网络、预测模型、画像技术、自组织网络、网络数据挖掘等。
交易大数据
通过“大数据＋人工智能技术”，构建“交易＋场景＋数据”的基础设施。整个智能风控和智能现金流预测（流动性管理）的起点从获取数据开始，如大量结构化和非结构化数据，包括企业经营流水、交易数据、订单、纳税等信息，以及企业经营环境、客户关系、行业地位、管理层、劳工关系等非结构化数据。利用大数据分析技术，对各场景和价值链条的交易数据（包括交易品类、频度、金额等）进行分析和挖掘，并结合场景特点，运营深度学习等算法来进行用户交易行为的分析和预测，有助于整个流动性管理，也是智能现金流预测的基石。
风控大脑
通过“区块链＋人工智能”技术，构建“算法＋分布式＋智能合约”的风控体系。通过基于区块链的支付体系和智能合约，将交易合同中个各项条款和支付政策写入智能合约，合约由代码定义并自动强制执行。与此同时，借助历史数据和交易数据，通过机器学习等算法优化原有商业政策和风控规则，形成动态、实时规则数据库来迭代原有的智能合约风控措施。
人工智能技术的出现将有效提升上述算法和模型的精度，提供更加有效的风险评估。如反欺诈，人工智能自动挖掘文字、数据和影像等信息进行深度理解，发现并标注风险警示；信用风险管理，人工智能可以优化风险模型，并求解各变量间量化指标；尾部风险，通过增强学习算法（也称为Q-Learning算法）可将极端事件引入风险分析。如IBM Watson Analytics 实现了基于自然语言的认知服务，可以为企业提供包括监管、风险和合规、交易账户、银行账户、投资账户和保险账户的风险监控业务。
……『全文请点击“阅读原文”订阅杂志浏览，加财资君微信treasury-westlake，进微信群与行业大咖交流。』
《财资中国|财富风尚》2018年5月刊新上市
评论 (0)