近日，第三届中国金融科技创新大会暨2018 中国金融科技创新论坛在北京成功举办，并在会上隆重揭晓 “2018中国金融科技创新榜”。

Q: DataCanvas作为本届金融科技优秀解决方案提供商，如何看待数据科学对金融行业的影响？

尚明栋：就金融行业而言，面临着从BI到AI的升级。同时金融行业也希望在这个过程中能够提高效率、降低成本，让整个业务流程能够实现更智能化、更自动化的提升。数据科学，其实是AI的一个核心引擎。DataCanvas提供的产品以及解决方案，是助力于金融科技的基石和基础。

Q：在数据科学、人工智能、云服务、区块链等新技术共同作用的金融行业，您认为这些技术未来将会出现怎样的协同发展？

尚明栋：我们知道做企业其实是要在市场里实现它的价值。如果单纯去提一个技术，而不去提客户的业务价值，那么技术的市场意义、市场价值是没有的。所以技术需要更紧密地贴合金融行业的场景，实现场景的落地，才能够证明自己的价值。

“人工智能”的基石需要借助于多种技术的手段，包括分布式计算、云计算、机器学习、深度学习等等，里面是有层次的依赖关系。比如区块链，它即是一个去中心化的存储的技术，同时又是一个更公开的流程式的透明监管机制。这决定了它对于某些场景有着非常重要的价值，比如物流监管、信贷监管等等，但它不能够适用于所有的场景。

所以对于这几种技术，我认为，一定得需要依赖于行业的业务场景，才能够去体现这些技术所发挥出来的价值。

Q: DataCanvas是如何在安全和高效两个方面赋能金融行业的？

尚明栋：金融行业相比于其他的行业来说，对于安全是更加看重的。任何的数据泄露、系统不稳定等问题都会对于业务形成一些连带的影响。DataCanvas可以说是AI的核心引擎。首先它可以快速并降低门槛地实现一些智能化应用；同时借助安全技术手段保证数据安全、数据隔离、权限的管理、证书的管理……通过这些技术以及工程化的手段，在产品这一级提供安全和高效的保障。

Q: 在Gartner2018五大新兴技术趋势报告中，机器学习从技术趋势中消失了，您怎么看待这个现象？

尚明栋：机器学习本身其实是一个更底层的技术，或者说技术实现的手段，而在2018年技术趋势上来说，我们看到出现了“民主化AI”，也就是说是对技术层次做了提升，它更多的强调如何能够体现这个技术的趋势以及趋势所带来的价值。机器学习作为支撑AI的底层技术手段，我认为它从趋势报告中消失，体现了Gartner对未来技术趋势更加落地的预测。

Q: DataCanvas在金融科技应用领域将如何发力？

尚明栋：目前DataCanvas70%的客户来自于金融行业的银行、证券、保险、基金等等。DataCanvas对头部客户的服务，更多的是数据赋能。这部分客户需要数据科学平台，能够让他们的数据科学家以更低的学习门槛把数据资产管理和建模能力建立起来。

我们的腰部客户更倾向于获得端到端的解决方案，也就是说不只是DataCanvas数据科学平台这个产品的能力，我们还通过输出一部分数据科学家的服务，形成产品+服务的方式，最终实现他们业务中的各种场景，比如说营销场景、风控场景、发欺诈场景、业务实时监控场景的具体落地。

DataCanvas产品套件里不同的产品，对应提供不同的能力。DataCanvas最核心的两款产品，一个是DataCanvas APS机器学习平台，它为平民数据科学家提供了一个能够快速实现AI应用的工具平台。同时它又可以帮助数据科学家在这个平台之上去管理数据资产，管理模型资产，并最终实现模型的生产化。另一个是DataCanvas RT实时智能引擎，是一个实时的流数据平台，它为企业提供的是数据实时处理的能力。两个灵活的套件产品，让我们能够在业务变化迅猛的金融行业，迅速输出专业的数据管理和建模能力。

DataCanvas作为企业，不只是单纯地追求更前沿的技术，而是把这些前沿的技术应用到客户的场景里面去，为客户带来价值，实现共赢。DataCanvas将继续深耕金融科技的场景落地，为迎来AI新机遇的金融行业赋能。