于此同時，金融業面臨著整個市場飽和及互聯網金融等新興金融服務的競爭，特別是對中小商業銀行、證券和保險等行業帶來了巨大的挑戰。如何借助科技的力量來實現自身競爭力的提升，成為金融企業面對的最大挑戰。因此金融業在積極構建現代數據架構和借助強大智能的平臺，來加速開創業務應用，并發揮數據價值，最終實現運營成本降低和營銷精準化。

數據孤島，讓數據訪問更困難

移動互聯時代大大加速了數據(結構化和非結構化)產生的速度。對于某城商銀行來講，包括Oracle、DB2、MySQL、SQLServer關系型數據庫以及MongoDB, HBase、ActiveMQ, WebService等不同的環境和包括更多的網站APP日志、社交媒體、視頻、圖片等海量數據的產生。

同時這些數據由于存在包括公有云、私有云和傳統數據庫上等不同的設備和應用上，導致了數據孤島的產生，造成了數據無法打通從而影響數據的訪問，讓企業從數據中獲取真正的分析洞察變得更困難。對于某城商銀行來講，無論數據在哪里，希望通過AI來把各種類型的數據快速地收集起來形成統一的數據湖。讓數據變得簡單且易于訪問。

缺乏數據治理工具，數據價值挖掘困難重重

數據孤島不利于人工智能的采用，同理，太多的數據也給金融業帶來數據治理等問題。

隨著某城商銀行在個人、公司存款、貸款類、信用卡，理財等線上線下等上百種應用業務的增加，如何從海量的業務需求中精準的篩選有效數據成為該銀行業務提升的核心需求。因此如何將大量收集來的數據有效的整理、分類、打好標簽，來實現數據治理是某城商銀行在數據治理過程中面臨的挑戰。某城商銀行CIO表示，“我們面臨的一個大的挑戰是缺少一個有效的數據治理工具，來實現對海量的數據進行分類和打標簽，從而實現對數據進行有效價值的挖掘。”

缺乏有效的AI工具來實施數據建模

伴隨著全球經濟的不確定，某證券公司需要快速實施數據建模和數字畫像來為客戶提供有價值的信息。目前金融業實施的傳統數據分析系統不能快速有效的構建數據模型，來第一時間和客戶需求和服務結合起來。對于某證券公司來講，首先缺少一個支撐多云環境的AI平臺來快速搭建構建一個自動化的、更精細化、快速洞察、實時分析的機器學習模型，幫助該證券公司用更智能的方式去分析數據。伴隨著機器學習理論的發展和成熟如何第一時間、快速建模、精準判斷成為人工智能重要的應用趨勢。金融行業特別希望獲得能夠快速構建對數據進行精準識別和分析的AI工具。

業務和數據無法實現有效對接

對于金融業來講，資產管理正在經歷重大變革。商業模式正從基于傭金的方式轉變為基于目標的計劃輔助工具，對客戶進行精準的需求分析和個性化的服務成為行業的需求。因此如何通過AI工具來獲得客戶洞察成為金融業資產管理最直接和有效的手段之一。

某證券公司負責人談到，“我們希望構建一個營銷分析支撐平臺，來實現業務向數據驅動客戶洞察來轉型，通過實現收集客戶全景信息，通過全角度分析，來建立有效數據支撐的決策機制，并實現業務轉化機制。”如何通過AI分析和認知工具來認知用戶，幫助了解每個客戶及其財務目標，來量身定制的產品和服務，并提供更好的差異化財富管理經驗成為證券公司的新需求。

面對包括金融業在內的所有希望利用AI來賦能數據的企業，至頂網將推出《AI江湖事兒》的大咖說短視頻欄目，邀請IBM大咖專家圍繞AI講述企業故事中的場景落地，針對更多行業AI使用場景進行探討，深入淺出的講解AI如何結合行業數據來賦能應用實踐。