充分利用人工智能和機器學習帶來的益處，可以為金融企業的客戶提供新穎的、富有吸引力的客戶體驗。但這要求銀行機構必須打下堅實的數據基礎，擁有關聯、干凈、準確和完整的數據。

在零售銀行業人工智能和機器學習的預期目標中，從來都不會少了客戶體驗轉型這一項。但如果項目不是建立在堅實的基礎之上，這些*的應用理念將無法成功實現，而這種基礎是由干凈、準確、完整的客戶數據以及客戶行為和金融需求構建的。

如今，銀行機構對客戶體驗的關注并不出人意料。隨著金融服務的日益商品化，機構必須將越來越多的精力投入到與顛覆性的市場新參與者和傳統競爭者的競爭方面，以吸引客戶的注意力，同時爭奪客戶的荷包占有率。金融機構需要找到一些可以實現自身差異化的方法，這種需要比以往更加迫切。

在客戶體驗方面，人工智能和機器學習可以幫助零售銀行業的營銷人員預測客戶需求和深化客戶關系。他們可以通過一些方法做到這一點，包括：實現客戶互動方式的個性化、對營銷活動進行調優以實現效果*化，重點關注那些*有可能消費的潛在客戶群體，識別收入損失風險和風險因子。

構建在已經完成整合的人工智能基礎之上

根據對1，419家公司的調查，在部署機器學習技術的積極性方面，零售銀行排在所有機構的前列，這些公司包括金融服務業的150多家公司，這項調查活動由《麻省理工科技評論》（MIT Technology Review Insights）和谷歌公司聯合開展。

這項調查發現：目前有超過四成（41%）的金融服務機構正在使用人工智能，其它30%的公司計劃今年部署該技術。同時，2/3（66%）的被調查者承認，機器學習為他們的戰略營銷工作提供了助力。這項技術可以幫助他們對大量數據進行篩選，以確定對于某個特定地理區域和某種人口結構的客戶市場，哪種策略是*優的，同時還能預測未來的行業發展趨勢和客戶購買習慣。

盡管這些新技術能夠提供有意義的洞察，但金融機構必須首先做好基礎工作，這些工作是無法避免的。這需要對現有數據進行有序整理，同時識別出那些可能有幫助的、新的第三方信息源，并進行數據合并，例如地理數據和社會經濟數據。

然而，眾所周知，人工智能和機器學習都是需要大量數據的過程。不管支撐它們的算法如何精妙，其所返回答案的智能程度都受限于提供給它們的信息質量。這使得數據管理在提供更好的客戶體驗的過程中，成為至關重要的一個前提。

考慮到這一點，對銀行機構來說，做好如下六個步驟就變得至關重要，以確保他們能夠充分利用人工智能和機器學習技術，對于投入在這些技術上的時間和資金給予良好的回報。

1. 確定業務目標和衡量方式，并在各方之間達成一致

所有人工智能項目均應從清晰的目標開始。只有在確定了目標之后，才能進行投入。零售金融機構制定的目標可能是：將數字化市場活動的響應力提高X%，將抵押貸款金額提高X%，或者提高在每個家庭的荷包占有率。只有在業務部門和科技部門對可能實現的整體目標達成一致后，才能充分考慮目標達成后所能取得的預期回報，并在這種情況下討論進行任何必要投資的問題。

2. 建立業務場景并規劃數據要素

在對預期回報和預計投資有了清晰的概念之后，零售銀行接下來可以建立一個清晰的業務場景。

在這里，員工人均凈收益可以作為一項有用的評價指標。也就是，將我們由于達成目標所產生的收入減去必要的投資成本，再加上從這項投資中獲得的生產力增加值，*后得出的結果。

每一種業務功能，從商業貸款發放到新客戶培訓，都需要及時獲取正確數據。如果不解決數據質量差的問題，將嚴重影響零售銀行的營業總收入，這種影響是由生產力的損失以及收入機會的錯失所造成的。

3. 定義機器學習應用程序的數據需求

將整個銀行機構跨部門的所有相關方聚集在一起，共同確定取得成功需要哪些關鍵數據。在這里，我舉個例子：對參與日常市場活動組織策劃和新客戶培訓工作的員工來說，總結出他們所需要的、用于有效完成相關工作的信息是必要的。由于技術團隊可能對必要的數據管理工具有著很好的了解，我預計他們就不需要對數據內容做出預測了。

4. 組織一次針對“當前狀況”的數據評估

這項任務的目的是確定金融機構目前掌握了哪些數據，這些數據來自哪里，數據的質量和可用性如何，數據管理的完善程度如何，以及目前忽視了哪些問題。

這應是一次正式操練，會要求員工對數據進行評級，評級范圍從1到5，1代表“差”，5代表“優秀”。一般情況下，較為明智的做法是引入第三方組織這次評估，這是因為外部專家能夠客觀看待這次行動，而且，在開展工作時能超越那些內部產生的主觀評價。

5. 制定一項解決數據鴻溝問題的計劃

根據數據評估結果，接下來需要評估：為解決數據鴻溝問題，需要在哪些方面進行投資。需要采取什么樣的措施，才能讓員工訪問到準確、一致和整體的客戶視圖并進行共享？并且，數據管理技術如何幫助實現這個目標？

此時，零售銀行的*們就應超越這個即將落地項目的局限范圍，去思考機構中其它地方或其它項目能否利用這些工具。越來越多的零售金融機構希望建立數據共享服務，這些服務可以擴展，以滿足廣泛的業務需求。如果采用這種方法，他們就不是在針對未來出現的每一個單項需求構建新的數據管理環境。

6. 執行、監測、改進和報告

為部署人工智能和機器學習技術，需要一種敏捷方法，這種方法通過對業務成果和定期調整情況的持續監測，確保實現預期的商業價值。人工智能是一種新興技術，考慮到這一點，在初次嘗試時就抱著“好高騖遠”的想法是沒有意義的。相反，*采用漸進式的方法，利用好正在運行的系統，同時做好問題修復，并在必要時調整方向，從而在追求整體目標的過程中不斷前進。

和任何新興技術一樣，人工智能也會帶來某些風險。然而，對銀行機構來說，由于存在著巨大的潛在收益，他們可以忽略這些風險。針對投入運行的人工智能應用，他們需要思考數據的戰略價值。將數據管理改善情況與業務成果相關聯（這些成果是以金錢為單位真金白銀測算出來的），他們可以減少與低質量數據相關的風險，同時還能收獲新方法帶來的回報：在客戶互動和客戶體驗方面更進一步。