活用大数据 以最低风险开创最大创新成果

东吴大学会计系教授沈大白指出，结合图像识别、AI分析等技术，足以从企业经营者与他人互动的场景脉络大数据中，绘制该企业的风险图谱，颠覆传统的信用贷款评分模式。

在今年(2018)初，有一则文章探讨「去识别化」为大数据与AI之于金融科技的重要基础建设，文中颇多论点着实发人深省，包括如果缺乏质量兼具的数据来进行分析，即使有再好的技术含量，也难以在适当的场景加以发挥；再者，为兼顾开放分享数据与个人数据保护之间的平衡，「去识别化」(De-identification)是重要的发展方向。

上述文章为身兼东吴大学会计系教授暨富兰克林金融科技开发中心主任、台湾信用评等协会秘书长的沈大白之杰作；事实上，今年他接受媒体专访时，抛出一席「若一个人经常早上6点起床开脸书，代表此人可能工作勤劳，信用分数可提高」论点，同样深受各方瞩目。足见沈大白对于金融大数据的应用趋势，一向有着独到观察与见解。

他指出，或许有人认为大数据是旧瓶装新酒，但无论如何，借此议题唤醒大家对数据的重视，绝对是好事，也可顺道检视台湾产业的机会与挑战。例如随着大数据蔚为显学，各方以不同的「V」赋予其定义，其中的Veracity(真实性)对台湾格外重要，只因台湾基于过往累积的信誉，在欧美机构的眼中，可信度明显高于拥有庞大市场的对岸，可谓台湾的优势，可惜台湾长期侧重自然科学、对社会科学着力较少，对于国际上许多正待萌芽的大数据标准，未曾积极参与或主导，尔后只要实时调整，即可望掌握更大契机。

展望2018年，沈大白认同诸多专家的预测，认为AI、IoT乃至AR/VR，都是广义大数据应用议题中的亮点，但他个人补充点明图像与人脸识别技术，是特别值得关注的趋势，不仅时下火热的无人商店题材，大量采用这项技术，针对金融科技部份，此技术的运用空间也十分辽阔。

借助图像识别，建构全新风险管理模式

一直以来，台湾拥有不错的技术能力，在于图像识别技术也不例外，但若谈及技术与生活或商业应用场景的结合，进步的空间便相对较大。台湾信用评等协会为了力求突破，亟思把图像与人脸识别技术运用在中小企业信用风险管理；对此沈大白解释，众所皆知，传统风险评量的依据仅在于「Content」，银行只看企业财报显示的获利数据，辅以检视老板的诚信，来决定核贷，而在Content上处于相对弱势的中小企业，获得放贷的机会自然大减。

反观国际上不少FinTech公司，早已扬弃传统做法，改以机器学习与大数据技术为基础，据此为使用者进行数据分析，然后给予更准确的信用评分，作为核贷依据，ZestFinance便是典型的业者之一。台湾信用评等协会见贤思齐，亟思将风险管理依据从「Content」导向「Context」，期望推动风险图谱概念，把企业负责人于何时及何地、与何人进行何等互动的场景脉络，都以图像型式连结在一起，搭配AI运算分析，判定其风险指数。

沈大白透露，稍早前见诸媒体的「你几点上脸书、决定你的借钱利率」论点，即是承袭前述新的风险管理观念而来。他认为，回顾人类历史，创新、风险不断的夹杂结合，但两者并非互斥、而是互补，「风险」绝非只能消极用于踩煞车，亦可积极将「创新」调整到正确方向，甚至风险管理本身也能演化为一种创新，凭藉大数据分析、及诸如先进的去识别等特殊技术的整合运用，在混沌不明的变量因子中判别真伪。

东吴大学会计系教授沈大白先生将于3/27的巨量数据论坛--当AI遇上BI，数据时代的企业决策大跃进进行专题演说，活动完全免费，掌握趋势，请速报名参加！