本报记者 徐晓梅 冉学东 北京报道
区别于前台、后台，中台出现了，如数据中台、AI中台、业务中台、安全中台等。目前不仅是BATJ等互联网企业，360金融等金融科技公司也开始构建了属于自己的中台。
那么，中台到底是什么呢？通俗的来讲，“中台更像是一个工厂，当需要某个能力的时候中台可以快速的生产出来。” 360金融首席科学家张家兴近日接受《华夏时报》记者专访时表示。
和其他公司构建的数据中台或AI中台或双中台不同，360金融另辟蹊径构建了“数据AI融合中台”。从中台名称可以看出360金融不仅有AI中台和数据中台，而且更加强调“融合”。
为什么要融合在一起呢？张家兴表示，现在市面上有很多中台实践，包括最开始提的比较多的双中台，即业务中台和数据中台；后来开始碎片化的中台，有AI中台，也有各个方面中台的建设。“我们强调AI跟数据两类中台不要独立建设，要合在一起建设，要建设成我们所说的数据AI融合中台。数据跟AI结合的太紧密了，这是互相促进的关系，AI是依赖于数据的，如果说做一个AI平台却没有数据支撑，这个AI本身产生不了什么太大的价值，这是一个考虑。”
另外，他还强调，数据要能够产生价值，其中一个方式就是用数据产生AI能力。
360金融的“数据AI融合中台”可以产生1+1>2的效果。张家兴坦言，很多事情需要数据和AI紧密的相连，当需要顶层框架设计时，就要去思考整个架构里面数据、AI扮演什么角色，这样才能把价值最大化。如果做数据不想AI或者做AI不想数据，最终的价值会很小。
总结来说，“之所以要做数据AI融合中台，是希望在这样中台里面做一个既考虑到数据也考虑AI的顶层架构框架设计。”
目前，360金融的数据AI融合中台一方面多业务数据打通已经基本完成，接近各个业务环节包括获客、客户经营、风控、后续服务等一整条链路。这其中每个环节针对性的平台建设和智能化改造已初步完成。针对金融链路各个环节做智能化，数据化支撑。
另一方面，通过机器学习模型对已有业务的赋能也已经产生一些效果，比如说在客户经营阶段，360金融采用各种深度学习的方法以更好的理解客户的意图。
下一步，360金融将着力底层基础建设，包括底层的基础数据平台、图数据平台、知识数据平台、数据分析平台、基础的计算平台、机器学习平台等，打造针对360金融金融场景的基础架构，从根本上去提升效率，且在探索针对金融科技领域做的一些技术架构建设；在人工智能方面进一步深入，现在采用的深度学习、强化学习等应用还处于初级阶段，所以需要更多更先进的算法，针对金融场景做一些算法创新，也能为整个金融领域带来示范作用，这也是360金融希望重点做的方向。
不过360金融算是第一个吃螃蟹的人，市场上还没有哪家公司做“数据AI融合中台”，所以没有经验可以借鉴，只能自己去摸索。这也是目前360金融遇到的最大挑战。张家兴表示，中台涉及的技术以及组织架构问题都需要自己探索。虽然大家都知道中台的终局是有用的，但终局中台到底是什么样目前没有人知道，在走向终局过程中为避免长期没有产出，需要做到小步快跑，每一步都能够产生价值，这样情况下依然还能够走向终局，这才是更加有挑战的事情。
360金融的数据AI融合中台一直以来的目标是在打磨自己中台的技术和经验的基础上，为金融机构赋能。
张家兴曾就职于阿里巴巴、百度、微软等大型互联网企业，在算法和系统等方面有着多年的经验，从学术研究到工业界可以无差别切换，就像张家兴所说，虽然目标不同，但手段相同。
向金融机构输出能力是一直以来的目标
华夏时报：随着技术的不断发展，很多传统金融机构开始转型，360金融的数据AI中台除了自用会不会对金融机构进行能力的输出？您认为在这方面360金融有什么优势？
张家兴：这一直是我们的目标，也是我们的使命。我们自己已经感受到了中台对我们360金融所产生的价值，我们也很有必要为整个金融领域各个金融机构提供这样能力，让数据AI中台模式对他们的业务产生价值，这也提升了金融的效率，最终能够普惠到所有对金融有需求的人群。
我们现在一方面还在打磨自己中台的技术和经验，另一方面也在考虑对外的输出。当我们讨论到中台的技术输出问题时，首先需要澄清一点，这也是有一些做中台的公司他们给大家的误导，好像中台是一个平台，中台绝对不等于平台，平台是中台里面一个重要部分，中台由平台+数据+团队组成。平台是用来整合我刚才说的能力，作为一个中台不能打通公司各个业务不能称之为中台。按照中台化的思路去做数据体系，必然会涉及到对已有公司整个数据体系的改造，这是数据方面。
团队方面，中台需要很多团队，我刚才说的有自然语言团队、语音团队、图像团队、机器学习团队等，他们能够产生一些AI能力，当公司需要这些能力的时候团队可以做定制化开发并输出这些能力，所以这些能力是必需的。
当我们讨论中台时只说平台就丢失了中台的数据和团队方面的价值。这种技术输出，只是相当于取出来中台很小一部分，所以产生的价值也是有限的。
我们的优势是专精于金融领域，业务体量和目前达到的水平在业界内也是居于领先地位。我们的成功经验对于所有跟我们类似的金融机构都具有重要的价值，近期内会专注于金融领域的中台技术能力的输出。公司可以根据市场情况及时的做出调整，在中台的技术输出方面，有非常好的未来的前景。
目前，公司中台的个别技术已在输出，如风控技术，催收机器人技术已经在输出。作为一个整体的输出我们是正在计划中。中台整体技术的输出不是一个短期的过程，目前没有哪一家包括非金融在内的全领域中台输出能够做到这一点。
数据AI融合中台已经在360金融实际应用
华夏时报：360金融构建的“数据AI中台”的具体应用有哪些？请举例说明
张家兴：中台在360金融里发挥的价值，说几个例子。在智能投放环节，公司的核心任务是在用户有金融诉求时能够触达到，这是一个很难的任务，为了实现这个目的很大程度上依赖于媒体的广告投放，但在媒体投放时见到的用户往往都是未知的，如何刻画用户是非常难的问题，这可以依赖于数据中台的能力。我们在下面构建了一个很大的金融人图谱，这里面刻画了很多已知和未知用户以及他们之间的关系，尽管用户是未知，我们通过图谱和机器学习模型可以知道这个用户金融诉求有多大，风险有多大，决定是否进行广告投放，这是获客阶段中台所产生的价值。
客户经营阶段，对已注册用户要关注他们的需求，有金融需求时要发起一些针对客户的运营活动。我们做了智能运营平台，其特点是整合了运营的流程以及需要的数据，以及让运营决策变得更准确的模型。从流程的角度来看，这个平台没有整合流程之前，一个运营活动从圈定人群到去制订策略再到触达用户、数据分析需要几个星期，现在在平台上把整个流程整合进来只需要几天，加快了运营迭代的速度，可以更及时的去拿到反馈调整我们的运营。
在做人群圈定时，可以通过机器学习模型做一些超越人的理性的决策，人的理性决策总是需要一个可解释性的，而通过机器学习模型就可以圈定出人群，可以考虑长尾特殊的情况，因此通过机器学习给定目标来学习，实际上是最优化的，效果就比人操作的更好。
触达用户阶段，为了降低成本大量采用了对话机器人，目前78%的金额是通过催收机器人完成的，不需要人的介入。我们之前做的人工外呼比较低效，客服拨打用户的电话接通率并不高，而且真正有效的通话时长并不长。中台下面建成统一的智能语音平台，可以让机器代替人去拨打电话，拨通了之后才会转交给人工拨打，这个过程中极大的解放人的劳动力，提升了人的效率，这也是我们做的实实在在提升公司的效率。
金融一定会被技术改变
华夏时报：目前，包括360金融在内的金融科技公司做的都挺好，尤其现在说到金融，技术几乎是必谈的，两者在一起能够擦出什么样的火花？
（1）线下向线上迁徙
张家兴：任何一个金融的模式都是依赖于某种技术的，从十二三世纪开始就有了金融，当时主要依赖于技术发展水平，包括通信、交通达到了一定程度。后来出现了电报、电话、互联网、计算机等，金融的形式逐渐开始发生变化，我叫做技术创造金融新模式。一直致力于金融领域的人，会关注现在技术发展趋势，看一看我们新的技术发展在未来会给金融带来什么样的改变。有的时候大家在金融领域呆的时间长了，认为现在一切理所当然，就应该是这样。回到100年前看现在金融形式，当年也是无法想象会有银行卡、信用卡，都是这100年技术发展出现了这样的形式，所有做金融的人都应该去思考，接下来的五年、十年，新的技术发展会对我们金融造成什么样的改变，这是一个大的方针。金融一定会被技术改变的。
从现在技术发展的形式来看，我觉得可能有一些趋势是可以很明显看到的。一个是从线下到线上，传统的金融更多的是靠银行网点，都是一些面对面的交流，当然面对面有它的好处，人和人之间更容易增加可信程度，并且可以更好的做风险控制。
如何把线下所有的优点搬到线上去，这是我们未来金融技术上需要思考的。尤其是5G时代的到来，线上的带宽和延时不是问题了，我们能不能通过线上和顺畅的线下面对面沟通交流提供基本提供相同的体验，这是值得思考的东西，我觉得这是一个方向。
尽管电话、视频看起来已经似乎挺好了，其实这还是远远不够的。从体验上来说，无论是清晰度、时效性、稳定性和线下是比不了的，我觉得5G时代的到来给我们一个机会，大家这方面的追求也越来越高，之前并没有这么强的需求，技术的发展基本保持够用就行的状态。做技术的人只有走在需求前面才能真正创造出新的模式，这是一个角度。
（2）通过更多的数据理解用户
张家兴：技术可能会给金融带来的影响就是数据方面，以前做金融获取的数据往往是很片面的，很少的。很多都依赖于用户自己的填写，我去办一张银行卡、填一个表单，里面信息都是我自己写的，银行拿到流水也是很片面的信息。移动互联网时代，用户在互联网上留下很多足迹，我们更容易刻画这个用户的金融需求是什么，他的金融风险是什么，有了这些之后我们就能够给用户提供更好的金融服务。
从这个角度来说，我们希望并且也可以有更多的数据理解我们的用户。这里面不仅是理解用户，也包括理解公司，理解各个金融产品。但是理解用户层面会涉及到保护用户个人隐私，这些数据分散在各个互联网公司，这就需要一些基础的技术架构存在，使得大家保护用户隐私情况下能够让这些数据整合起来并发挥价值。这一定也是未来技术发展趋势，会给金融带来改变。
（3）做出超越人的理性的决策
张家兴：技术对于金融还有第三个比较有趣的改变，原本我们在金融里面很多决策都是基于人的理性的决策，比如说我们要不是直接基于判断，要不把我们的判断沉淀成各种各样的规则、策略，随着人工智能、机器学习的发展，我们逐渐变成了用机器学习模型、AI技术做决策。这种决策是超越人的理性的决策，是不可解释的，但效果确实比人的理性决策要好。
首先机器肯定是理性的，这个理性是超理性。理性和感性的区别是理性是可解释的，感性是不可解释的。当我们到了比理性更理性，因为更加准确，但是不像理性那样可以去解释，这叫不可解释的理性，人的理性是可解释的理性，机器是不可解释理性或者超理性。这就是人工智能给我们带来的东西，我们并不是说模仿人的智能，并不需要跟人思维方式一模一样，我们更多的是从最终的产生的结果角度，如果确实比人做的好就是有用的，比人做的好从机制上来说不一定是人可以解释的。有了这个假设，相信以后在金融领域靠人工智能做决策，我们就会做的比人更好。
技术能做到的不只是人类的解放，而是要超越人类。
为什么需要构建中台？
华夏时报：目前一些大型互联网公司以及金融科技公司都在构建中台，那么我们为什么需要中台，尤其是作为一个金融公司，为什么需要中台？
张家兴：第一，一个公司如果说有多个业务，并且还在不断的创造创新，中台会使得这件事情变得更高效。一方面可以避免重复建设、节约成本，另一方面是当有新的业务创新，或者已有业务想进一步扩展，这时候中台里面有一些能力就可以直接拿过来用，这些能力可能在别的成熟业务里已经尝试过，并沉淀在中台里，可以直接拿过来用，避免再次从头开始构建，速度会更快、效果会更好。中台很多时候可以认为是最下面的底座，我们的经验是沉淀在中台里面，靠中台在业务之间实现经验的传递，中台在这里面起到这样的作用。
第二，实现数据的打通。各个业务之间具有一定的协同作用，把数据整合起来能够对每个业务有进一步提升的空间，中台在下面承载着数据打通，把所有的数据都沉淀在中台里面，这样任何业务都可以看到其他业务数据。这样就可以便于每个业务在数据里面从中受益，并且这些数据不仅在中台里面可以互相看见，而且在中台里本身会对这些数据进行进一步的加工和建设，会建设成更加具有业务价值的数据仓库。同时，我们会建设图数据，会把所有数据实时化，跨业务数据等都整合到中台里。这样整合了多种业务的数据的中台，对每个业务都有好处。
第三，对于AI能力建设来说，近些年AI的发展主要集中在图计算、语音、文本、机器学习等领域，尽管有很多应用场景，但是事实上这些领域都有自己的内在规律。同样图像技术可以用在人脸上，也可以用在OCR识别上。如果有AI中台，按照技术划分的团队，这个团队就可以支撑公司的各个业务，需要用到AI能力的地方，这个中台会变成AI能力的输出，当某个业务需要这种能力时，中台可以快速的进行定制化的支持。
因为AI能力的建设本身需要一定的时间和成本，需要吸引人才加入。在公司体量并不是特别大的时候，这些能力如果分散建设实际上可能无法形成一个很强大的能力。如果把公司某一方面的AI能力做统一的建设，这样可以使得这方面的能力变得更强，也能吸引更多优秀的人才，用它来支撑公司的各种业务，这是AI的内在逻辑，具有一定通用性。从这个角度来说，中台里整合AI能力就有其存在的价值。
企业如何正确做中台？
华夏时报：中台越来越火，很多公司趋之若鹜以致于鱼龙混杂，基于360金融的经验，您认为企业如何做中台，有没有什么可以学习和借鉴的地方？
张家兴：这个问题比较泛，我说一些指导性的方针。做中台有两个思路或者说方向，一个是做一些顶层设计，这关系到中台本身的架构是什么样；还有公司有了中台之后业务和技术是什么样，这需要从顶层想清楚，如果不想清楚发展不一定会走向你所想要最优的方式，可能退化成某种方式，可能最终又退化成做平台。如果中台变成做平台就不能成为中台，我们要有顶层的设计，最终要到公司整体规模的设计。
中台里面每一个团队要努力证明自己的价值。我们现在是不是有价值，我想说中台成立第一天就要想是不是在现有工作上能够做出价值，需要避免为了终局一直做长期投入，一直无法产生价值，这不是很好的路径。我说做中台终局很难，但是走向终局更难，因为走向终局过程中避免长期没有产出，我们要做到小步快跑，每一步都能够产生价值，这样的情况下依然还能够走向终局，才是更加有挑战的事情。
我们做的事情哪怕是一个简化版本也要产生价值，用价值证明自己，用价值证明中台是有价值的，这样中台建设会逐步走向终局的样子，为公司实现经验的传递、数据的打通、AI能力的输出。
责任编辑：穆木 主编：秦谦
