以賦能業務爲目標的技術創新

在軟件研發從業者的視角里，創新分爲兩種：一種是與軟件研發技術相關的創新，特別是在大數據和AI這種快速發展的領域，須要保持與技術進步的同頻；而另外一種創新，是與公司業務相關的，不斷運用技術實現自動化、智能化、規範化，提升業務服務能力與用戶體驗。

但對於不少技術人來講，經常會沉迷於技術創新或者是業務優化，將新的技術趨勢強加在業務上，或者固守陳規地拒絕一些新的有效的技術解決方案。而真正的創新，是在理性思考後，將最適合的技術解決方案用在最能提高客戶體驗的地方，一切技術創新都要以賦能業務爲目標。

本次採訪，宜信科技中心-數據智能研發部負責人張軍老師圍繞「以賦能業務爲目的的技術創新」這一主題，跟你們一塊兒聊聊「經過技術賦能業務的實踐經驗」，以及「該如何理性看待技術創新與業務發展之間的關係」。

【分享實錄】

記者：第一個問題我想咱們仍是結合您如今的工做，先從宜信的技術實踐開始聊起吧。據悉，您所在的數據智能研發部目前已經研發出諦聽智能決策平臺、反欺詐算法等產品和項目，請您以其中一個產品爲例，介紹這些平臺被應用到了哪些業務場景？效果如何？

張軍：我負責的數據智能研發部主要作兩大類工做：

一類工做是通用型的技術服務，包括信用數據的採集、加工整理和提供，以及把這些數據應用在決策環節，提供給以風險政策和模型的管理與部署爲主的決策平臺諦聽。這類工做是業務健康運行的技術基礎，如今已經成爲公司衆多業務的一項重要基礎設施。

另外一類工做是把智能算法應用到業務中，幫助業務提高效率，這些智能算法被應用在業務的各個關鍵環節，包括了營銷、信用評估、欺詐甄別等。

第二類工做是用科技讓數據更有價值，從而提高業務效率的很好體現。在營銷環節，咱們用算法從海量的線索中挖掘出高意向的潛在客戶，從而給業務提供高價值的線索；在欺詐甄別上，咱們的每一筆進件，都會經過反欺詐算法來檢測可能的欺詐點，相比人工的判斷，它更加全面，並且效率更高，從而能提高最終的資產質量。這樣的技術應用除了提高效率以外，另一個好處是避免了人工參與帶來的操做風險。

記者：在宜信的技術實踐中，發起一個新的技術產品或項目常見的動機和背景有哪些？是基於現有及將來業務發展需求來佈局，仍是技術部門根據技術發展來創新？您可否舉例介紹宜信的技術創新思路。

張軍：宜信是一家金融科技公司，以客戶爲中心，經過提供金融產品和服務來知足客戶的需求，是咱們業務的本質。宜信經過把技術創新應用到業務中，給客戶提供更好的金融產品和服務。從這個角度來理解，發起新的技術產品和項目的動機必定是來自於業務的需求、發展和將來佈局的。

固然，由於業務是在不斷髮展的，而技術創新的根本目的是爲了解決業務需求和問題，所以技術自己也是在隨着業務的發展而不斷演進的。有些一開始只是爲了知足業務的某一個需求點而研發的技術，在技術部門的同事對業務自己有了更多的理解和積累以後，又會進行抽象、提煉和擴展，從而發展成一項很是創新的技術。因此，與其說某個技術項目是設計出來的，不如說是隨着業務的發展而演進出來的。

拿決策平臺「諦聽」的發展來舉例，幾年以前，業務同事提出的需求只是：在系統流程中執行，用來進行風險控制的風險規則。在當時的技術方案中，技術部門的同事使用了一套商用的規則引擎平臺來實現風險規則的上線。隨着業務的不斷髮展，以及新產品的設計和測試，使用商用規則引擎的方案面臨着愈來愈多的問題，好比，部署上線新的風險規則的週期很長，並且易於出錯；新產品依賴更多的替代型數據，而在商用規則引擎上使用這些數據很困難。

在這樣的背景下，技術部門的同事提出研發一套本身的規則引擎，在新的自研的規則引擎上不只知足了業務部門提出的需求，並且長期解決了業務部門的痛點，而這樣一套自研的規則引擎，也隨着支持的產品類型愈來愈豐富、場景愈來愈多，變得日益成熟，並於今年上半年徹底替代商用的規則引擎。

自研的規則引擎不只支持部署和運行風險規則，並且也承擔了風險規則和模型的生命週期的管理、平常的運營等多項職責，甚至如今不少非風險類的決策也在使用這個自研的規則引擎。技術部門的同事給這個規則引擎起了個頗有趣的名字「諦聽」。

記者：當業務端產生了一些新的需求，咱們經過哪些方面來判斷這個需求是否要經過技術創新的方法去解決，以及如何作需求的優先級排序？是否要考慮技術的成熟性、技術基礎或實現難度？

張軍：對於業務端產生的新的需求，技術團隊首先要作的是分析理解該需求，這也是技術團隊與業務團隊一塊兒碰撞、梳理的過程，並且是很是重要的一個過程。由於技術團隊和業務團隊有着不一樣的背景知識，有可能在使用不一樣的語言，帶着同理心真誠地交流在這個階段相當重要。

針對不一樣的業務需求和技術類型，不一樣的團隊會有不一樣的作法。例若有的團隊設置了專門的需求管理崗位來負責對接需求，有的團隊有專職的產品經理崗位來跟業務團隊溝通，有的團隊是技術leader直接來負責對接。但無論怎樣，理解公司的業務，而且瞭解技術實現的可行性，都是其中的關鍵點。

至於優先級排序，會在充分溝通的基礎上，以業務端的重要程度和緊急程度來排序。技術團隊常常遇到的一個問題是：技術架構的升級是否要放到排期中？因爲之前追求業務發展速度而快速研發所產生的技術債務的償仍是否要歸入排期？因此，在給業務作好賦能和服務的同時，償還技術債務、進行技術架構升級、合理排期並安排研發資源，是一名優秀的技術leader的基本功。

在進行技術選型時，也是評估技術適用性和技術成熟度的時候，儘管咱們會持續追蹤當前技術發展的趨勢，但不是必定要引入最時髦的技術到項目中，技術選型取決於目前要解決的具體問題，使用更成熟、更易維護的技術方案，用簡單、成熟的技術方案來作好架構，持續交付，一樣也是一名技術leader必須具有的能力。

記者：當肯定要開發一個新的技術產品或項目來解決某項具體的業務需求時，是否要考慮這個產品應用到業務場景中的易用性問題，畢竟在業務場景中，一線業務人員不熟悉技術，對新研發的技術產品的使用須要一段熟悉和磨合的階段。如何提升技術產品在業務場景中的使用度呢？

張軍：易用性是技術產品的一項很是重要的指標，一線的業務人員不須要關心技術架構和技術實現細節，他們是技術產品的客戶，讓他們使用方便也是技術團隊的追求之一。

科技行業有一句頗有名的話：「Eat your own dog food」，技術團隊的同事先使用本身研發的產品，而且積極收集一線用戶的反饋，更好地理解一線的使用場景，從而知道怎樣提高易用性。

下面幾個問題想請您聊一聊「如何理性看待業務發展與技術創新的關係」這個話題。

記者：在軟件研發行業，每一年都會出現一些新的技術趨勢，例如大數據、雲計算、人工智能、區塊鏈、中臺等等，但不少企業在看待技術創新的問題上並不夠理性，而是盲目跟風。您是如何看待這些新興技術的呢？在實際的工做中，會從哪些方面來判斷要不要使用這些新的技術理念或方式來解決業務問題？

張軍：隨着科技和媒體行業的發展，每一年都會在媒體上出現新的技術趨勢，對於咱們來講，最關鍵的一點是要去看這些技術趨勢背後的緣由和想要解決的問題，而不是爲了追熱點、盲目地追求時髦的技術趨勢，更況且有不少所謂的技術趨勢有可能只是出於營銷的目的。

與此同時，技術團隊也要深入理解公司的業務目標和戰略目標，從而規劃出在技術上須要建設什麼新能力，長出什麼新肌肉，更有戰略性地規劃技術方向和目標。

固然，對於新的技術理念以及新的應用方式，咱們會保持持續學習和關注，若是可以解決業務上的問題，或者可以讓咱們的技術架構更安全、更高效，更易擴展、更易維護，咱們也會在持續交付業務的同時，評估並引入這些新的理念和方式。

記者：不少人認爲技術人更關注技術的發展，對於業務的理解相對較弱，技術部門如何作到將技術與業務相結合進行創新？

張軍：在這個問題上，技術leader起着相當重要的做用，若是技術團隊的成員不知道公司的戰略目標和業務目標是什麼，必定是技術leader的溝通和傳達不夠到位。

技術團隊並不須要像不少的業務專家那樣懂業務，但至少要可以作到明白業務團隊的行話、懂業務邏輯，這對開展技術研發的工做相當重要。技術團隊要從理念上承認「只有業務目標的達成纔是技術團隊的成功」，這樣才更有意願去學習業務，並進行技術創新。

記者：技術部門在公司發起的創新產品或項目面臨的困難有哪些？該如何克服這些困難？

張軍：最大的困難來自因而否可以獲得業務部門的承認。更深入地理解業務，並與業務團隊持續溝通，明確新的技術產品和項目可以解決業務團隊的哪些痛點，是克服困難的關鍵。

記者：在金融科技行業，當前階段的技術創新是由技術發展驅動仍是由業務發展驅動？您如何看待技術創新與業務發展之間的關係？

張軍：對於宜信這樣一家從事金融服務的公司，技術上的最終目標必定是咱們所從事的金融服務業務目標的達成。

因此對於本身所負責的技術團隊來講，不是單純地爲了技術而作技術，而應該是更好地理解公司業務、流程、客戶，與業務團隊一塊兒，經過技術來達成公司在業務上的目標。

技術創新不是憑空出現的，技術創新必定是爲了知足業務的發展，解決業務的痛點。

記者：最後想聊一個稍微有些寬泛的問題，AI和大數據技術的發展已相對成熟，在宜信也已經有了很普遍的落地應用，從金融科技行業來看，數據智能應用重點解決了哪些方面的業務問題？在業務場景中有哪些是當前不能經過技術解決而必須依賴於人來解決的問題？數據智能將來的發展方向是什麼？

張軍：AI和大數據技術在宜信已經有了很是普遍和深刻的落地應用，例如，咱們使用替代型的數據，用人工智能算法來評估客戶的信用，並檢測欺詐風險；將AI技術應用在跟客戶交互的環節，實現與客戶交互的自動化和標準化；使用AI算法來給客戶作KYC，從而能更好地理解客戶需求，給客戶提供適合的金融服務；還大量使用大數據技術來造成對所服務客羣的深入洞察。

隨着將來數據量的進一步積累和算力的進一步提高，大數據和AI算法將會在金融行業有更多更普遍的應用，不只可以用來解決數據化、自動化的問題，也可以替代一些簡單重複的腦力活動，在信用審覈、保險承保、客戶交互等等核心關鍵業務場景都能獲得應用，提高金融服務的效率和金融資產的質量。

可是，在複雜的腦力勞動，好比在給客戶提供有溫情的服務上，在給客戶面對面提供財富管理建議時，機器都還很難替代人。

在將來，科技可以幫助人從事務性的工做當中解放出來，從而可以有更多的時間和精力來給客戶提供貼心的服務。