國泰金控旗下數位暨數據發展中心(數數發)團隊的靈魂人物,中間是團隊負責人梁明喬,右邊是資料科學實驗室專案經理吳政學,左為國泰世華銀行資訊總管理處首席企業架構師張維仁。(攝影/洪政偉)

 前篇文章連結 

新一代Bank 4.0的金融變革浪潮吹向全球,國泰金控在3年前就開始備戰,成立了數數發這個團隊,初期只有6、7位核心成員,國泰金控數數發協理梁明喬是第3號員工,負責規畫全集團的數據與數位發展藍圖。如今,數數發已是超過200人的團隊,多數是數據團隊,成為國泰金控創新引擎。

不過,「一旦接手營業相關的專案,難免落入柴米油鹽的例行模式,若被專案帶著走,數據團隊的研發動能會降低。」察覺到這件事情,數數發決定在2017年底時,從資料團隊中,再獨立出一個資料科學實驗室(Data Science Lab)單位。

他提到,創立資料科學實驗室就是為了要保有資料科學的技術能力,團隊一半心力繼續投入專案,但另一半能量則要專注於研發。現在,則是由實驗室的成員研發新技術,並由資料科學團隊協助技術落地,並與商業分析與行銷團隊形成專案團隊讓應用實踐。

技術力:成立資料科學實驗室,確保研發動能

國泰資料科學實驗室專案經理吳政學表示,實驗室形式的團隊擁有鮮明的文化,成員得主動找問題、解決問題,還要懂得與他人分享,讓彼此有更多碰撞,才能激發出更多火花。

負責資料架構的國泰資料科學實驗室專案經理吳政學指出,實驗室團隊不只從業務角度看技術,也會從技術角度來挖掘業務機會。尤其,可研究的技術領域很自由,即便短期內看不到技術可以應用的金融場域,但仍會去評估技術是否有可以學習起來的價值,為未來的應用先行鋪路。

吳政學認為,實驗室形式的團隊擁有鮮明的文化,成員得主動找問題、解決問題,還要懂得與他人分享,讓彼此有更多碰撞,才能激發出更多火花。實驗室成員還得不定期分享給數數發其他團隊成員,像去年10月前後,實驗室就開了場可解釋性深度學習技術的分享會。

不過,資料科學實驗室所需的人力特質,和資料科學團隊的要求不太一樣。梁明喬指出,目前實驗室約有數十人規模,都必須具備研發精神與自治能力的特質。因為在實驗室中,沒有專案驅動,也沒有人負責盯進度,人人都得自動自發地研究最新技術,「那些習慣接受指派任務才會做事的人,就不適合待在實驗室。」

像是2018年才加入資料科學實驗室的數據分析師劉俊廷強調:「沒有設限,才可以發想最新的東西,這裡最吸引我的正是做事的空間,又有來自各子公司的數據,可以發想最新的想法,不會只設限於單一產品或主題。」

他每個禮拜至少主動研讀1~2篇國外最新論文,一年下來,可以累積40到50個不同新技術的研究成果,「機器學習、深度學習都是最新的領域,持續鑽研論文,才能掌握最新的作法。」

舉例來說,他正鑽研最新的Auto DL(深度學習自動化)技術,比起2018年初崛起的機器學習自動建模Auto ML技術,Auto DL是更先進的新技術。

劉俊廷解釋,深度學習架構有太多種類,Auto DL不只是在DNN或RNN演算法中優化單一層的內容,而是可以從整體架構來評估,自動找出夠好的深度學習架構,再用來訓練模型。簡單來說,Auto DL就是可以讓AI程式,自己找出讓自己更聰明的新技術。這些科技巨頭的新作法,劉俊廷馬上就研究起來。

梁明喬強調:「雖說技術歸技術,應用才是重點,但沒有先找到新技術,根本無法思考應用,這是雞生蛋、蛋生雞的問題,設立實驗室最大的目的就是要維持研發的動能。」尤其當實驗室成員將研發成果分享給數據團隊的其他成員,如資料科學團隊或商業分析團隊,可以讓他們也擁有不一樣的想法。「不斷投入專案只解決了用戶的商業問題,數據團隊應該還要引進新技術、創造新的商業模式或經營模式,這是數據團隊更大的價值。」這正是數數發保持研發戰力的關鍵。

架構力:數據資料架構和企業資訊架構雙雙大改造

國泰世華銀行資訊總管理處協理兼首席企業架構師張維仁指出,數位世界的挑戰是,資訊架構得有能力面對未知的可能發展。正因來自通路端需求的生命周期太短,往往只有2、3月的時間,光靠傳統開發流程根本來不及,也因此,架構設計的唯一考量就是「彈性」,才有速度。

在數數發的3年四大面向藍圖中,平臺架構是關鍵的基礎工程建設,要打造一套新的資料架構和資料平臺。

舉例來說,數數發在2017年的資料科學愛好者大會上,就公開了一套系統化的資料分析框架,要來通吃多樣性資料源的前處理,又能滿足日後不同客製化特色的分析需求。最後,發展出了一套國泰稱為採用「資料微服務架構」設計的HIPPO架構。

「數位世界的挑戰是,資訊架構得有能力面對未知的可能發展。」國泰世華銀行資訊總管理處協理,也是首席企業架構師張維仁指出,正因來自通路端需求的生命周期太短,往往只有2、3月的時間,光靠傳統開發流程根本來不及,也因此,架構設計的唯一考量就是「彈性」,才有速度。

因此,近兩年來,國泰隨著新一代數據架構的發展,也同步展開了新的企業資訊架構設計,尤其在去年,國泰世華銀行「資訊服務中臺」的新企業資訊架構設計順利上線。

在國泰的新資訊架構中,分為通路層,資訊服務中臺(也就是整合層),產品層以及資料分析層。通路層則包括了銀行分行、理專、網銀、行動銀行或各種面對顧客的管道或機制等。而產品層就是原有各式各樣的金融系統、產品系統,或像是核心系統。這些來自各產品的資料,過去會彙整到資料倉儲系統,來提供資料分析,這也就是資料分析層的應用。

張維仁指出,資訊服務中臺的關鍵設計是微服務,「一組程式只做一件事,就可稱為微服務。」但他解釋,微服務不一定是指程式很小,而是一種相對概念。微服務化就是將功能碎片化的過程。國泰的目標是將通路所需系統,都變成資訊的服務,讓所有中後臺的服務,都可成為是面對通路平臺的服務。

例如,查詢帳務這項原本帳務系統中的功能,現在將相關程式碼打包出來,變成了一個獨立的帳務查詢微服務,若是邏輯複雜的業務,可能會有更多程式碼,但也是一支專門用途的中臺微服務。國泰這個資訊中臺,就是利用了容器技術,將一組組,特定用途或功能的程式,打包成一個容器化的微服務。

在資訊服務中臺上的服務,可來自產品層的不同金融系統,也可來自帳務層下的數據層,或將資料分析團隊處理後有意義的數據資料,轉變成一支服務,再提供給第一線的通路平臺使用。「將不同功能的程式,都轉變成了一支支功能單一的服務,就像是樂高積木一樣,能夠彈性組合,快速打造出前臺需要的服務組合(Service Portfolio),還能重複利用。」張維仁表示。

張維仁指出,國泰的資訊服務中臺還有另一個關鍵設計,就是Event Sourcing(事件匯流)架構,類似事件通報的機制,這也是大型網路科技公司中常見的資訊架構。

以信用卡臨時調額為例,過去顧客遇到信用卡刷卡額度不夠而失敗時,若自行打電話給客服人員後或登入系統,向後端的信用卡系統查詢,確認是否有信用卡刷卡失效的記錄,信用卡系統再利用一套評估機制,來衡量這名顧客是否符合臨時額度調整資格,若資格符合也有額度可用,信用卡系統才會通知前臺系統,透過客服人員或前臺系統,來告知這名顧客具有額度調整的資格,然後,才能進一步詢問顧客是否要調整的意願。但如此一來,過程相當費時,顧客早已離開了店家,或直接換一張信用卡來消費。這正是梁明喬所發現的信用卡交易斷點,已經進門的顧客,因為這種傳統作法上的侷限而告吹的情況。

採用事件驅動讓服務化被動為主動

而RTDM引擎正是改用了Event Sourcing結構的設計,信用卡系統會將顧客刷卡的狀態,變成了一個事件,不論成功與否,都發布到事件平臺上。而RTDM系統會持續監聽事件平臺,一旦偵測到信用卡交易事件,再進一步分析內容,透過模型判斷,這名顧客符合臨時調額資格,就可以主動發送調整通知簡訊,到顧客的手機上,詢問顧客是否要立即調整。或像是顧客經常查詢匯率資訊,現在可以改成匯率變動事件發生時,主動將這項訊息發通知給顧客。

張維仁表示:「過去是被動地等待顧客來查詢,現在可以變成以事件驅動的主動通知方式。這樣的服務才會即時,在顧客離開店門之前就反應。」

同樣概念也可以運用在數據分析上,「將資料分析結果變成了像樂高積木般的服務,放入資訊服務中臺,變成了前線立刻可用的應用,而不是桌上的報表,資料科學家的價值就可以更快體現。」張維仁強調。

人才嚴選:主管全體動員,所有應徵者都得親自面談

每個禮拜五,一早從9點鐘開始,國泰金控數數發各部門主管都開始忙著找人聊天,因為他們得親自面試應徵者,不只是所屬單位的職缺,就連其他部門的應徵者都得逐一面試。因為,想進到數數發工作可沒那麼容易,應徵者得先過五關斬六將,才能夠被聘用,就連有機器學習與資料科學家業界經驗,還在NIPS舉辦的Auto ML國際競賽中得獎的劉俊廷,也要面試四、五關,才能進到數數發的資料科學實驗室。

2017年3月,當時已有130人到150人規模的數數發,才正式升級為國泰金控旗下的部級單位,金控對數數發越來越重視,也決心要擴大編制,開始要求數數發各單位主管積極擴編人力,不過,到了2018年年初,人力需求越來越大,他們發現應該要建立起一套制度,包括人力資源發展制度、績效管理制度、專案管理制度,而不是各單位各自找人才。

國泰數數發招募人力的方式很不一樣,最重要的是要能靈活應對各種不同型態的任務,因為在數數發工作,會接收的任務不會只有銀行,還有國泰旗下的各個產業,涵蓋的領域更包含了做商業模式、數位、業務發展與技術工程。

也因如此,為避免釋出職缺的單位主管,只對自己部門領域的專業進行面試,忽略了其他面向的考量,數數發在招募人才時,要求所有單位主管都得面試每位應徵者,從不同的面向去衡量。每隔兩周,所有單位主管一起開會,逐一檢視每一位應徵者,只要其中有一位單位主管反對,這名應徵者就無法錄取,當然,反對的主管也得提出足夠充分的理由,來說服其他主管。所以,每一個主管,每到了周五就得花不少時間,盡可能地面試所有人,這正是國泰數數發在招募人力上格外不同的作法。

招募到人才後,數數發更要積極地留住人才。舉例來說,國泰從2016年開始,凡是FinTech團隊,各子公司的IT、數位與數據團隊,都不用穿制服了。這也和大家以往對金融業的印象截然不同。不過,穿制服只是一種形式,梁明喬提到,資料科學家們的成果可以很快在應用場景落地實踐,是吸引他們的主要誘因與成就感。

但梁明喬很清楚,招募資料科學家進來很難,但以他們的技能,可以輕易地在業界找到一份好工作,「唯一能讓他們留下來的關鍵,就是數數發的環境、文化、內部團隊的支援,更要讓他們了解,自己的貢獻,是集團最重要的發展方向。」

他解釋,過往這些資料科學家,在產品研發公司或顧問公司,只是負責研發產品,但是產品導入到用戶端後,後續追蹤改由用戶自己來,而非由產品研發團隊來追蹤。但國泰,資料科學家則可以看到自己訓練的模型放入到真實的應用中,得到回應後,又能立刻來調校、優化自己的模型,「對他們來說,這變成了一件好玩又有意義的事情。

不只資料科學人才,資料工程人才也重視

國泰資料科學實驗室數據分析師劉俊廷認為,沒有設限,才可以發想最新的東西,這裡最吸引我的正是做事的空間,又有來自各子公司的數據,可以發想最新的想法,不會只設限於單一產品或主題。

資料科學家的需求很大,各企業搶人也搶得很兇,但吳政學建議,軟體工程師很適合從數據處理切入資料科學領域,擁有軟體工程技能,若再加上數據技能,就會變成很有價值的人才。不只是資料科學家,國泰數數發現在也網羅許多軟體人才,尤其是有能力成為資料工程師的軟體人才。

為何國泰金控格外重視資料工程人才?當資料量越來越大之後,就需要分散式運算技術,例如需要了解資料如何切割,資料如何進行分散式的處理,但要解決這類問題,不只需要跟數據相關的領域知識,還需要大量軟體工程技術的知識。

軟體工程技術結合了數據技能,才可以從事資料工程的工作,吳政學認為,這種人才特別難找,所以,國泰不會只找兩類能力都很擅長的工程師,只要符合實驗室文化的人格特質要求,在軟體工程又熟悉Scala或Python等程式語言,就可以培養成資料工程的專家。

數據力開始落地業務場景,長期目標是建立數據驅動的文化

2年下來,數數發數據團隊逐漸在架構面、資料面與組織面打下基礎後,國泰這股數據力量,也從2018下半年開始進一步在業務場景逐一落地。

除了先前提到的即時臨時調額服務,梁明喬更以信貸催收業務舉例。他提到,銀行的信用卡催收案件數量一直增加,但為了以同樣的催收人力處理催收業務,數據團隊與催收及風管部門合作,透過大數據分析製作信貸催收評分卡模型,協助催收人員可集中火力在高風險客戶,低風險客戶則改以數位化的自動通知方式來催收,例如寄送簡訊提醒,也讓同樣規模的催收人力,可以減少30%以上的催收案量負擔。梁明喬提到,我們不是將流程數位化,而是改變模式。

而且這股數據力不只在數數發所參與的專案中發酵,梁明喬更強調,國泰金控其中一項轉型策略是,未來所有業務發展、顧客經營、行銷策略規畫、新產品開發與新的商業模式,都要具備數據思維,從數據角度來思考,而不只是單純數位化,或是以顧客為中心思考而已。「這就是國泰金控想要落實的數據驅動文化(Data Driven as Culture)。」文⊙王宏仁、李靜宜 攝影⊙洪政偉、蘇文彬

熱門新聞

Advertisement