AutoML自動訓練模型不稀奇，國泰金控打造專屬工具能從海量資料表自動鎖定關鍵資訊

國泰金控日前在自家技術年會上揭露一款AI資料分析專用工具Tumblebug，能根據使用者需求，自動從資料庫海中撈出所需資料，補足AutoML最後一哩路。不只如此，他們還正打造圖學資料庫，要來解決更複雜的金融問題，未來還要導入因果推論機制，讓AI更聰明判斷資料因果特徵。

資料分析四步驟耗時耗力，自建AutoML工具來分擔

國泰金控的AI資料分析流程可分為四大步驟，首先是問題定義，由資料科學團隊一來一往與業務單位溝通，將業務問題收斂為分析問題。接著，資料科學團隊會從龐大資料庫中，找出相關資料，比如透過目標標籤（Target label），從金控內數個資料庫、數千張資料表、數十萬個欄位中，鎖定出關鍵資訊，特別耗費人力與時間。

下一個步驟則是特徵工程，針對第二步找到的特徵和資料，來清洗數據，如資料填補、轉換、聚合和精煉等。最後一步是模型選擇和訓練，通常，這個步驟需要資料科學家調超參數、選模型，也需投入不少時間和人力。

國泰金控資料科學團隊手上會有多個專案要同時執行，每一個專案都得執行這四步驟，這也導致，每位分析師、資料科學家很難有充沛時間來尋找更好的模型。

近年也出現不少AutoML工具來解決問題，尤其能自動化執行特徵工程和模型選擇與訓練作業，比如資料清洗和超參數調整，可以節省資料科學團隊許多時間。

國泰金控也自行開發一套AutoML工具，也就是AutoMLab，來自動化這些流程。它是一套基於大數據分析平臺Spark分散式運算的AutoML套件，能快速協助使用者，利用特徵資料表來建立機器學習處理流程。國泰金控指出，AutoMLab的最大特點是，能根據內部使用者反應，來快速迭代、調整產品，還能根據使用者需求開發相應功能。

至此，國泰金控已將資料分析四大步驟的後兩步自動化了，接下來，他們瞄準第二步驟：取得相關資料也要更自動化。

打造Tumblebug從資料庫海撈出關鍵資訊

國泰金控表示，以往資料科學團隊在取得資料時，會面臨不少問題，比如只能搜尋特定資料，只根據特定領域知識鎖定少數資料表，來搜尋特徵，無法有效利用歷年累積的海量資料；這種工作非常耗費人力，而且，一旦遇上過去沒處理過的專案題目，若分析人員沒有足夠的專案知識，就難以從資料庫中找出所需特徵。

因此，國泰金控資料科學團隊開發一套工具Tumblebug，是基於Spark的特徵搜尋套件，能根據預測目標，來從海量資料表中找出符合的特徵，整理成一張資料表，供使用者後續建模分析。

Tumblebug如何派上用場呢？

首先是處理新興領域問題。比如，團隊有明確的預測問題，但不知道要找哪些特徵，就可使用Tumblebug來搜尋特徵。或是，分析師要加入更多特徵時，也能用Tumblebug從全行資料庫搜尋特徵，不再局限於少量資料表。又或是，當分析師想快速了解、驗證分析問題時，也能用Tumblebug快速找出特徵、評估專案可行性。

國泰金控指出，Tumblebug不只能發掘未知邏輯、重要變數，提高資料表使用率外，還能縮短搜尋時間。比如，只要給定預測目標，Tumblebug就能在數小時內，從資料庫海找出重要特徵。而且，Tumblebug已經經過國泰20多個預測專案實務驗證。

正打造圖學資料庫，還要建置因果推論讓AI更聰明

至此，國泰金控AI資料分析流程中，除了第一步的需求訪談外，其餘取得相關資料、特徵工程、模型選擇與訓練等步驟都已能自動化執行，使用者也能根據自身需求，來選擇人工介入程度。

比如可採用全自動方式，先透過Tumblebug搜尋特徵，再利用AutoMLab自動建模；又或是利用自身領域知識，從資料庫中尋找特徵，再結合Tumblebug找出的特徵，傳送至AutoMLab來建模。

不只如此，國泰金控也正打造一套圖學（Graph）資料庫，要將客戶金流網絡、關係網絡轉換為圖學資料，儲存至圖學資料庫中，有別於以往只儲存結構化資料的資料庫。未來，國泰金控還要打造AutoGraph工具，來自動化執行圖學模型的建置與訓練，分析師就能用圖學技術解決更複雜的金融問題。

這樣還不夠。

國泰金控認為，目前的AI雖能準確辨識某些模式，但對顯而易見的因果關係，卻無法正確推論。因此，他們鎖定因果推論（Casual Inference），未來要在尋找資料、模型訓練流程中，加入因果推論方法，找出資料間的因果特徵，讓訓練出來的AI能像人類一樣推斷。