活用大數據 以最低風險開創最大創新成果
- 洪千惠
-
在今年(2018)初，有一則文章探討「去識別化」為大數據與AI之於金融科技的重要基礎建設，文中頗多論點著實發人深省，包括如果缺乏質量兼具的資料來進行分析，即使有再好的技術含量，也難以在適當的場景加以發揮；再者，為兼顧開放分享資料與個人資料保護之間的平衡，「去識別化」(De-identification)是重要的發展方向。
上述文章為身兼東吳大學會計系教授暨富蘭克林金融科技開發中心主任、台灣信用評等協會秘書長的沈大白之傑作；事實上，今年他接受媒體專訪時，拋出一席「若一個人經常早上6點起床開臉書，代表此人可能工作勤勞，信用分數可提高」論點，同樣深受各方矚目。足見沈大白對於金融大數據的應用趨勢，一向有著獨到觀察與見解。
他指出，或許有人認為大數據是舊瓶裝新酒，但無論如何，藉此議題喚醒大家對資料的重視，絕對是好事，也可順道檢視台灣產業的機會與挑戰。例如隨著大數據蔚為顯學，各方以不同的「V」賦予其定義，其中的Veracity(真實性)對台灣格外重要，只因台灣基於過往累積的信譽，在歐美機構的眼中，可信度明顯高於擁有龐大市場的對岸，可謂台灣的優勢，可惜台灣長期側重自然科學、對社會科學著力較少，對於國際上許多正待萌芽的大數據標準，未曾積極參與或主導，爾後只要即時調整，即可望掌握更大契機。
展望2018年，沈大白認同諸多專家的預測，認為AI、IoT乃至AR/VR，都是廣義大數據應用議題中的亮點，但他個人補充點明圖像與人臉辨識技術，是特別值得關注的趨勢，不僅時下火熱的無人商店題材，大量採用這項技術，針對金融科技部份，此技術的運用空間也十分遼闊。
借助圖像辨識，建構全新風險管理模式
一直以來，台灣擁有不錯的技術能力，在於圖像辨識技術也不例外，但若談及技術與生活或商業應用場景的結合，進步的空間便相對較大。台灣信用評等協會為了力求突破，亟思把圖像與人臉辨識技術運用在中小企業信用風險管理；對此沈大白解釋，眾所皆知，傳統風險評量的依據僅在於「Content」，銀行只看企業財報顯示的獲利數據，輔以檢視老闆的誠信，來決定核貸，而在Content上處於相對弱勢的中小企業，獲得放貸的機會自然大減。
反觀國際上不少FinTech公司，早已揚棄傳統做法，改以機器學習與大數據技術為基礎，據此為使用者進行資料分析，然後給予更準確的信用評分，作為核貸依據，ZestFinance便是典型的業者之一。台灣信用評等協會見賢思齊，亟思將風險管理依據從「Content」導向「Context」，期望推動風險圖譜概念，把企業負責人於何時及何地、與何人進行何等互動的場景脈絡，都以圖像型式連結在一起，搭配AI運算分析，判定其風險指數。
沈大白透露，稍早前見諸媒體的「你幾點上臉書、決定你的借錢利率」論點，即是承襲前述新的風險管理觀念而來。他認為，回顧人類歷史，創新、風險不斷的夾雜結合，但兩者並非互斥、而是互補，「風險」絕非只能消極用於踩煞車，亦可積極將「創新」調整到正確方向，甚至風險管理本身也能演化為一種創新，憑藉大數據分析、及諸如先進的去識別等特殊技術的整合運用，在混沌不明的變數因子中判別真偽。
東吳大學會計系教授沈大白先生將於3/27的巨量資料論壇--當AI遇上BI，數據時代的企業決策大躍進進行專題演說，活動完全免費，掌握趨勢，請速報名參加！
