观点提炼：
龙盈智达（北京）科技有限公司首席数据科学家王彦博提到金融科技时代，RPA机器人为商业银行注入了新的动能，随着AI大数据技术不断的创新发展，RPA机器人能够帮助商业银行从日常业务数据中建模，洞察数据背后的业务趋势，实现更好的商业银行决策。
《自动数据挖掘建模RPA机器人创新技术应用》
各位领导、各位嘉宾：
大家下午好！我是来自龙盈智达（北京）科技有限公司的王彦博。今天和大家分享的主题是《自动数据挖掘建模RPA机器人创新技术应用》。今天我分享的主题主要包括三部分内容：一是RPA机器人流程自动化技术发展历程，二是以大数据挖掘为中心的金融科技发展，三是自动数据挖掘建模RPA创新技术应用。
- 引言
首先我们来看，后疫情时代，面向“非接触式金融服务”条件约束，金融机构在“线上化及远程协同”技术创新的同时，还应该积极推进“人工智能及机器人”创新技术应用。我们聚焦RPA（Robotic Process Automation）机器人流程自动化技术创新，将RPA和AI大数据中的“数据挖掘建模”工作深度融合，旨在为银行一线业务人员提供“Auto Modeling”机器人数据挖掘建模助手，以此来积极推进银行创新FinTech技术应用发展。
- RPA机器人流程自动化技术发展历程
为实现“Auto Modeling”，我们首先需要回顾一下RPA机器人技术发展历程。实际上RPA本身就是为大数据而生的，我们知道在物理世界之中，工业机器人会帮助人们将物品从一个地方搬运到另外一个地方，但是对于“看不见、摸不着”的“物品”── 数据，其实很多时候企业在正常的运营中也需要在IT系统间搬运数据，这时RPA机器人就应运而生了。RPA机器人有诸多优势，比如无需做过多的人工干预，即可实现数据的自动搬运，且对原有系统的影响较小。
RPA技术源于屏幕抓取、工作流自动化、按键精灵等相关技术，并在这些技术的基础上又发展出了一些新的特征，比如它不依赖于特定的应用程序或编程语言、不需要对已有的相关系统进行改造、大量使用OCR这样的模式识别AI技术等，能够有力推进企业数字化转型，提升业务效能。
目前来看，RPA机器人的整体发展分为四个阶段：最初是“辅助性RPA”，通常以计算机“虚拟助手”这样的形式出现，支持实现普通个人计算机桌面各类软件的自动操作；第二个阶段是“非辅助性RPA”，可以实现端到端的自动化，通常部署在VMS虚拟机，支持编排工作内容、集中化管理机器人等；第三个阶段是“自助性RPA”，能够实现端到端的自动化和规模化运用，通常部署在云服务器和SaaS上，具有自动分级、动态负载均衡、情景感知和高级分析功能；最新的阶段称为“认知性RPA”，能够支持使用机器学习、自然语言处理等新兴AI相关技术，能够对非结构性的数据进行处理，以及具备预测分析、自动任务接受处理等功能。
当前RPA机器人已经在商业银行有很多具体应用，包括在银行财务管理场景中，可以在费用报销、采购到付款、总账到报表、税务管理等流程中发挥效用；在银行审计管理场景中，可以在审计证据采集、工作底稿填写、审计项目管理、文档初步审阅等流程中发挥效用；以及在银行人力资源管理场景中，可以在简历搜寻、入职管理、薪资核算、社保核算、个税管理、转正续签管理、离职管理等流程中发挥效用。
- 以大数据挖掘为中心的金融科技发展
我们说当前金融科技发展是以大数据为中心的，而大数据金融的核心是数据挖掘。一般而言，大数据金融主要需要五项能力支撑：一是与业务的对接协作能力，将大数据价值体现在具体业务应用中；二是数据可视化能力，使业务人员直观有效地理解数据所带来的业务洞察，为后续业务开拓提供导航；三是多类型数据获取与处理能力，支持对非结构性（文本、图像、音频、视频等各类型多模态）数据进行采集、处理和分析，而不是仅仅专注于结构性的库表类数据；四是分布式存储与并行计算能力，比如Hadoop平台、GPU/TPU/FPGA计算，主要包含分布式存储和并行计算两部分内容，它可以被看作为开展大数据应用的“加速器”；五是最为关键的数据挖掘能力，因为即使其他能力均已具备，若缺少有效的数据挖掘算法和模型，就好比“一个人空有体表（业务对接与协作+数据可视化）和骨骼（多类型数据获取与处理+分布式存储与并行计算）而缺失灵魂（数据挖掘）”。所以我们说：数据挖掘是大数据价值体现的核心驱动力。
基于对于数据挖掘这样的理解和定位，我们当前看到数据挖掘在金融领域正在蓬勃发展，很多具体的应用包括风险识别、欺诈识别、客户细分与画像、精准营销、个性化定价、交叉销售与向上销售等，实际上主要集中于金融风控和营销领域；而在银行人力资源管理、财务管理、绩效管理、运营管理等中后台经营管理方面目前应用还相对较少。无论面向库表数据、文本数据、图数据、图像数据、音频数据、视频数据、多媒体数据、多模态数据，数据挖掘的主要任务分为趋势预测、有监督分类、无监督聚类、关联规则挖掘家族等基础模式。
- 自动数据挖掘建模RPA创新技术应用
既然数据挖掘对于银行金融科技来说是核心中的核心，那么我们能否将RPA机器人与数据挖掘任务有效的结合在一起，使RPA不局限于仅对简单重复手工劳动的替代，还要做一些更加高阶的机器学习智能建模工作；同时也实现“将高阶智能建模工作机器人化、非接触化”这样的概念。为支持“Auto Modeling”自动数据挖掘建模RPA机器人的构建，我们提出了COSTA关键技术框架，包括组件化设计（Component design）、光学符号识别（Optical character recognition）、语音识别（Speech recognition）、语音合成（Text to speech）及自动机器学习（Auto machine learning）等技术应用。
我们说金融科技正在为后疫情时代的金融业务“保驾护航”。而在金融科技时代，RPA机器人又为商业银行注入了新的动能。然而，就当前来看银行业务人员并不能满足于RPA机器人仅对简单重复手工劳动实现替代，随着AI大数据技术的不断发展，银行业务人员更希望机器人能够帮助他们从日常业务数据中自动洞察出数据背后的业务趋势以及决策依据，由此实现更好的决策智能化。
由此，我们可以看到这样的场景，“请机器人从本地硬盘自动调用某张业务数据表，实现对银行业务人员的贴身数据挖掘建模服务，并对需要判别的数据样本自动、敏捷地识别和预测其业务状态”，这样的业务需求正应运而生并得到满足。通过为银行一线业务人员打造RPA机器人数据挖掘建模助手，敏捷响应业务人员“转瞬即逝”的业务灵感，及时实现AI大数据自动建模并获取相关业务洞察，这将助力银行在金融科技时代下实现全面数字化转型腾飞。
以上就是我分享的全部内容，感谢大家！
