金融服务行业的数据和 AI 现状

金融服务行业的数据和AI现状 目录 关于《金融服务行业的数据和AI现状》报告趋势一：数据优先战略推动AI创新趋势二：数据无处不在且不断增长趋势三：数据本地化变得前所未有的重要趋势四：数据驱动业务议程部署数字基建030810121519 关于该调查 来自11个行业的2,254位全球IT决策者 1.了解金融服务领域的企业如何以及为何在全球、区域、地方和行业层面重新思考数据和AI战略 362位 受访者来自美洲、亚太和欧洲的21个国家 2.探索数据引力与企业数据存储和处理战略之间的联系，提供优质的客户、员工和合作伙伴体验。 IT决策者 目标受访者来自年营收低于1亿美元的中小型企业(SMB)和年营收超过10亿美元的跨国企业 1亿- 10亿+美元 企业营收规模 *由于四舍五入的关系，报告中所有数字加起来并非都是100% 1.数据优先战略推动AI创新 2.数据无处不在且不断增长 主要发现 金融服务企业正在针对当前或计划中的IT部署位置执行正式的数据战略。此外，66%的受访者正在实施正式的AI 金融服务企业的IT领导者表示，对数据系统、基础设施和分析工具的投资不足影响了他们从 金融服务行业的IT领导者深知，要真正释放AI的价值并从数据驱动的计划中获益，就必须对支持数据处理、存储、基础设施甚至分析工具的基础战略进行投资。尽管投资基础设施和争取领导层支持的道路困难重重，但他们正朝着建设可持续的、以数据为中心的未来迈进，这将为他们在全球AI变革的浪潮中赢得先机。 战略，将业务或产品服务推向市场。 数据中获取洞察的能力。 3.数据本地化变得前所未有的重要 4.数据驱动业务议程 表示数据驱动型洞察将在提升客户满意度和体验的过程中发挥重大作用。这些洞察有助于他们为迎接AI 金融服务企业采用分布式数据方法。此外，70%的企业将数据位置战略与AI战略计划挂钩，以便数据尽可能地 的未来做好准备。 靠近业务开展的地方。 关于AI成熟度 在全球数据洞察调研中，我们根据自我评估的等级（1 - 5级）来计算AI成熟度： 1 =未使用AI 5 =AI发挥了变革性作用/是我们业务模式的关键组成部分 在我们调查的2,200多名IT领导者中，那些自评为“5”级并且实施分布式数据战略的公司被称为“数据与AI领导者”。 数据与AI领导者为AI成熟度提供了全球性基准。在本报告中，我们将这些领导者在数据和AI方面的做法与金融服务行业的相应做法进行对比。 AI制胜宝典 数据与AI领导者遵循一套通用的制胜宝典。其中包括： •将数据存储与计算资源本地化，确保这些资源无缝连接且高度协同以支持分布式企业的运营。•充分利用正式的数据与AI战略，为IT基础设施投资提供指导方向。•在部署AI工作负载的每个阶段，将网络安全、治理与合规问题放在首位。 数据引力：日益严峻的挑战和机遇 数据引力指的是数据具有质量的概念。随着质量的增加，数据移动或复制的难度也随之增大。 数据引力是企业创建和交换数据产生的吸引力，这些数据来自于应用、服务器和其他来源。随着数据集的扩大，它会吸引更多的应用和服务，从而形成一个促成更多数据生成的良性循环。 金融服务行业的数据和AI就绪度 如今，企业产生的数据比以往任何时候都多。获得这些数据意味着能够对运营效率有更多的了解，为客户创造更加个性化的产品和服务，并且能够基于事实和信息而非直觉或假设来做出决策。数据还为变革性AI计划的有效落实提供了助推力。 然而，机遇与挑战并存。企业需要制定管理和存储数据的战略，其中包括满足基础设施的需求，实现对数据的高效访问。企业还需要确保数据安全，并符合当地和地区的法规要求，尤其是在受到严格监管的金融服务行业。在欧洲等地区，这一挑战尤为突出，因为《通用数据保护条例》(GDPR)等数据隐私法规严格规定了数据的收集与存储方式。 另一个挑战是数据引力。当数据集中在某个位置时，要将数据从当前位置移走会变得更加困难。然而，采用分布式方法来处理数据有利于提取洞察，并开辟新的机遇。 随着人工智能计划开始融入金融服务企业的结构，IT领导者需要加强现有的战略，或采用新的战略，以便在未来更好地利用新兴技术。下文介绍了金融服务企业构建数据战略的方式。 趋势一 数据优先战略推动AI创新 依靠数据来指导决策的企业在加速创新、扩大收益和推动增长方面更具优势。对AI的应用则为这一增长提供了动力。德勤调查发现，在使用生成式AI的企业中，48%的企业正在利用AI来挖掘新的洞察，55%的企业借助AI降低成本，63%的企业将AI作为推动创新和增长的利器。1 这就是为什么受访者认为，AI和机器学习(ML)技术是从企业数据中提取洞察的最有效方式，并且投资这些技术将使他们能够更好地利用数据来推动决策。 正在积极执行正式的AI战略以提高运营效率、缩减成本或将AI作为一项新业务或产品服务推出。 IT位置规划对数据和AI战略至关重要 每一个数据驱动的计划，尤其是AI计划，都需要建立在强大的数据战略基础之上，其中涉及到数据治理、数据主权和数据基础设施。因此，金融服务行业中70%的受访者都已制定正式的数据战略，明确了对当前或计划中的IT部署位置的要求。该战略确保数据存储在对用户有利的位置，有合适的硬件来支持AI的高能源需求，且部署位置符合所在地区的具体法规要求。 该战略还需要考虑到对可持续能源的使用，93%的受访者表示可持续性对他们的AI战略有影响就证明了这一点。 但仍有改进的空间，因为在积极落实关于IT部署位置的正式数据战略方面，金融服务行业的比例低于全球数据与AI领导者(79%)。 趋势二 数据无处不在且不断增长 据IDC预测，非结构化数据将以每年21.2%的速度增长，到2026年将达到221,000艾字节1。正因如此，金融服务企业需要为其AI和数据驱动的计划制定规范化战略，以更有效地管理数据量的持续增长。 金融服务行业的IT领导者正面临数据引力带来的痛点。超过一半(56%)的受访者表示，在从数据中获取洞察方面，他们面临的最大障碍是对数据系统、基础设施和分析工具的投资不足。这不仅意味着需要制定更全面的数据战略，还需要领导层拨出更多预算，并承诺为这些必要投资提供资金。 在支持AI计划方面，近十分之六(59%)的受访者表示，没有在合适的地点部署IT基础设施是阻碍AI战略发展的主要因素。这可能会导致延迟增加，或无法为AI应用提供足够的能源支持。 此外，64%的受访者表示，他们在实施AI战略上面临的最大挑战是缺乏足够的数据存储空间来存储AI所需的海量数据集，这一比例略高于全球受访者的60%，突显出金融服务企业对数据存储的需求。 为了更好地从数据中获取洞察，企业必须对数据系统、基础设施和分析工具，以及能够满足AI在存储、处理和托管大量数据时对电力和能源需求的基础设施进行投资。 表示，没有在合适的地点部署IT基础设施是阻碍AI战略发展的主要因素 趋势三 数据本地化变得前所未有的重要 金融服务企业还需要制定战略，以管理数据的收集和存储地点，以及如何确保这些数据符合全球不同地区的隐私法规和合规要求。 此外，他们也需要考虑数据安全的问题：谁有权访问数据、如何控制访问权限，以及如何保障网络与系统（包括不断扩展的云环境）的安全。 因此，数据本地化已成为IT领导者愈发重视的议题。IT部署位置不仅需要有合适的硬件来支持AI等新兴技术计划，IT领导者还需要制定符合当地和地区法规的计划。 采用分布式数据方法可使数据更接近用户，从而加快数据访问和分析的速度，提高效率。 “如果不能在需要的位置处理正确的数据，那么您的AI战略在实施前就已经失败了。数据必须位于合适的位置，AI才能获取数据，并以永久循环的方式创造更多数据。” Dan ElineDigital Realty平台解决方案部副总裁 未来的IT投资应考虑数据引力的影响 70%的受访者目前正在执行正式的数据战略，其中规定了对当前或计划中的IT部署位置的要求，这说明他们在规划数字化转型时优先考虑位置问题。59%的受访者表示，没有在合适的地点部署IT基础设施是阻碍AI战略发展的主要因素，而在合适的地点拥有合适的IT基础设施将加速AI的发展。 此外，70%的企业将数据位置战略与其AI战略计划挂钩，这个比例远低于全球数据与AI领导者的84%。这样做可以确保用正确的方式对数据进行收集、管理和存储，从而符合当地和地区法规的要求。这也意味着，数据的位置可以靠近AI项目和部署的启动地点。 在规划未来发展时，IT领导者需要确保未来的投资能够满足本地化需求，并以可持续的方式支持AI的能源需求。在规划未来投资时，受访者表示，他们最看重的是这些位置能否满足处理数据对特定延迟或性能的要求。他们还需要能够维护应用程序、工作流程和客户交易的本地副本，以进一步支持其本地化工作。 金融服务领导者认识到分布式数据战略的价值 当企业采用分布式方法收集、存储和处理数据时，对数据本地化的考量就变得至关重要，79%的金融服务企业已经在研究这一问题，这一比例与全球其他公司相当。 65%的受访者表示，他们所在的企业已在全球1~10个地点部署了IT基础设施，而77%的企业计划在未来两年内新增五个或更多部署位置。此外，29%的企业已在超过一半的业务地点部署了AI项目。 但为什么要对数据采取分布式方法呢？金融服务行业的IT领导者给出了两个最为重要的原因。 1.分布式方法能让数据最接近最需要它的人(44%)。从而提高数据访问的便捷性。 2.分布式方法能让他们从数据中获取更丰富的洞察(44%)。 总的来说，延迟要求是IT位置战略的核心，IT领导者需要确保他们的数据中心服务提供商能够满足这些要求。 趋势四 数据驱动业务议程 金融服务企业已经认识到数据带来的影响，从改善运营到推动客户参与度无不如此。在数据驱动业务发展的同时，企业的各项举措也需要通过管理、基础设施和位置战略来支持数据。 1.数据可以追踪新创新的影响，或帮助企业找到可以创造新收入来源的领域。2.数据可以提高客户互动或服务的个性化水平，从而改善客户参与度和留存率。3.数据可以改进预测，从而节约成本并获得更好的市场定位。 要想从数据中提取有价值的洞察，首先要制定一项战略，将整个组织的数据收集到一个位置，并制定数据清理计划，对收集到的数据进行清理和结构化处理。 当今的AI技术可以增强上述每一个领域的能力，帮助金融服务企业建立竞争优势。 下文介绍了金融服务企业如何利用数据驱动业务议程。 一旦数据得到合理有效的利用，便能够以多种方式推动金融服务企业的业务议程： 利用AI改善客户体验 IT领导者希望数据驱动的计划能提高他们为客户创造的价值。超过一半(54%)的IT领导者认为，他们可以利用数据驱动型洞察来提高客户满意度并改善客户体验，这一比例略高于全球持相同观点的受访者比例(51%)，这体现出客户关系在金融服务行业的重要性。 数据还有助于他们在正确的时间，通过正确的渠道向客户发送个性化消息和优惠信息，从而提升营销活动的成效。 此外，IT领导者认为，实施AI战略的最大价值在于改善客户体验。AI不仅能提升从数据中获取洞察的能力，还可以作为新的业务产品推向市场，例如能为客户提供帮助的银行聊天机器人或助手，或运用到欺诈检测中的AI解决方案，以此改善客户体验、提高客户参与度和留存率。 利用AI预测风险 在数据泄露平均会给组织带来445万美元损失的时代，金融服务行业的IT领导者认为数据可以降低整体业务风险。1他们更多地是将AI用于预测企业或行业面临的风险，而企业希望从数据驱动型洞察中获得的首要战略成果之一就是降低风险和减少网络安全漏洞。 在金融服务行业，借助AI进行客户审查是降低风险的一种方法。AI可以分析客户数据和行为，以确保满足“了解你的客户”(KYC)和反洗钱(AML)合规要求，避免新客户带来的欺诈风险。 金融服务企业还可以利用AI加强网络安全工作。与人类相比，AI可以更快、更高效地监控攻击面