知名统计软件大厂 SAS 在 4 日与玉山银行及台湾大学电资学院宣布将进行正式的技术合作，期望在台湾建立能够自我学习的预测分析法，以领先业界完成高度个人化的金融服务设计，预计 2017 年底系统能正式引进。
美国 SAS 公司一直深耕于大数据及机器学习领域，在台湾也持续推动有关统计及资料科学等产学合作，而此次与台大将共同为金融业联手打造最适化的普惠金融。台大电资学院副院长陈信希指出，所谓的普惠金融是希望能够照顾到客户的所有需求，透过各种不同异质化的资料来源，做到使用者意图分析、意见探勘甚至是情感分析，打造能预测顾客需求的演算模型。
图形辨识完成度高
台大资工系副主任张智星表示，虽然台湾金融业在精准行销上一直有在努力，但数据演算其实相当复杂，要如何准确的辨识及细部贴标是一个很大的挑战，何况部分的重要资料是以图片形式存在。SAS 台湾总经理陈恺新指出，就算是难度较高的图形辨识，也已与台湾科技业者进行合作研发算法，经过不断的训练之后，距实际商业运用已有一半的完成度，可望年底能有实质的展示。
陈恺新强调，其实不管是将大数据应用在行销抑或是机器人理财等其他金融科技上，其背后所需要的演算有相通之处，所以 SAS 也有与 UBS 及美林银行等合作，致力打造一个大数据算法平台，以让业者进行各种服务应用。关于个资搜集的问题，他也表示，此次合作的数据主要是由玉山银行提供，不过仍有需要透过网络爬虫等工具搜集一些个人的社群资料，其实公开社群的资料搜集已经是各厂商行销运作的常态，目前法规尚未构成障碍。
新零售也是同理
机器学习的运用其实也不仅在金融业，同理在零售业的应用也是如此，如马云提出的新零售概念。SAS 台湾创新中心资深顾问林辉伦表示，传统的行销做不到即时及个人化，很难正确的投放资讯，而这背后必须要仰赖机器学习的演算才有办法达到最佳化。目前台湾的零售业者，虽然还没有人能达到理论上的人工智能行销，不过也在逐渐地改进中。
林辉伦强调，实务上，让业者引进机器学习技术的障碍主要还是成本问题，不仅是要有软件，也要聘用专业的工程师与资料学家，才有办法实现，尤其是不涉及网络的实体厂商意愿就很低，因为他们比较偏重报表的总体营业数字，如果投资回报率不够就不太有意愿进行改革。不过除了大规模的电商之外，规模太小的网拍工作室等，也顶多只愿意使用外包服务。
（首图来源：科技新报）
延伸阅读：
- 机器学习已悄悄潜入生活，你可能还没发现
- 搭起学界与业界桥梁，趋势科技与国网中心合作机器学习平台 T-brain
- 台湾电子支付扶不起，人工智能才是金融科技业良方？
- IBM Watson 机器学习技术导入 z Systems，助企业运用资料洞察先机
