原標題：「阿博茨」推出“AI超級分析師”，攻克金融業“數據無用”難題

數字化的概念已經提出多年，但對於不少傳統行業，企業的數字化仍處於初始階段。

公司內部存儲海量數據卻難以發揮效用，即便建立了多種數據架構也都停留於煙囪式的數據管道，但管道之間卻少有打通。

對不少企業而言，數據不僅不是資產，甚至是負資產。如何讓數據變得真實可用是擺在不少傳統企業面前的難題，而對於另一批新興的科技企業卻是良好的機遇。

從金融行業切入，破局數據困境

阿博茨科技於2017年正式開展業務（以下簡稱“阿博茨”），按聯合創始人餘宙的解釋，阿博茨代表着“ABC”，即“Al、Big Data、Cloud”，也就是人工智能、大數據和雲服務，是一家Al賦能傳統企業的科技公司。

面對龐大的傳統行業，阿博茨將目光率先鎖定在了金融行業。

餘宙解釋，傳統金融業常年與數據打交道，因此行業的數據完整性更高，但另一方面這些數據的使用卻是難題，摳數據、找數據、填數據、畫圖表等粗活累活充斥着金融從業者的日常。“我們之前做金融業的調研，我們稱自己是‘碼農’，他們說自己是‘金融民工’，是‘表哥’‘表妹’。” 餘宙說到。

人工處理數據不僅難以提高數據的處理效率，也使得真正有價值的數據難以被發現，“就像貨物被散放在倉庫裏難以尋找一樣，想從海量數據庫裏找到有用的信息非常難。”餘宙說到，“所以金融行業經常說自己坐在金礦上卻找不到金子。”

面對金融行業的痛點，餘宙認爲存在兩種解決方案。一種是培訓人工智能的分析師，另一種則是爲人類分析師提供分析工具，讓AI代替分析師做一些重複性機械化工作。

餘宙認爲，AI分析師難以適應不同的環境，比如一個投資策略會存在市場容量，超過這個容量策略可能就無效了，因此阿博茨放棄了“僱傭兵”的培養，致力於“軍火商”的打造，將AI訓練成一個超級分析師助理輔助人類分析師完成工作。

基於自然語義處理技術，簡化人工操作

阿博茨提出的解決方案是把自然語言處理、機器視覺技術以及機器學習、深度學習技術，運用在日常的數據處理工作中，從而建立一個龐大的“數據工廠”。從收集、彙總、抽取、建模、應用到最後可視化，覆蓋數據的全生命週期。

數據工廠的概念強調“不能脫離業務，不能脫離技術，更不能脫離人。” 首先是技術核心，只有擁有了一個高效的數據流水線，才能夠覆蓋從數據獲取、傳送、加工到使用的各個環節，但是更重要的是不能離開人。

餘宙進一步解釋道：“數據工廠的本質是以機器爲主，人工爲輔，也就是技術爲核心，業務做輔助。”

他以財務場景爲例，如果兩家企業想要分析出他們在過去10年的營業收入和淨利潤對比趨勢，就得從他們兩家公司過去10年每個季度的財報把相關數據摘出來彙總到一個表裏，通過分析做成圖表，最後撰寫出數據分析報告。

這一流程能夠通過數據工廠得以高效實現，直接獲取分析成果，這其中就經歷了整個生命週期的全流程，這一條數據生產線也正是阿博茨可以提供給客戶的最核心價值所在。

對於企業而言，這些龐大的數據用起來既費時又費力，但是其實數據更像是“金礦”，阿博茨科技將數據信息進行挖掘和提煉，能夠產生非常大的價值。就像坐在金礦上挖金子一樣，不僅可以自己加工生產數據，還可以對外提供服務，利用數據工廠去賦能企業，幫助企業把原有內部數據利用起來。

基於AI對自然語義的理解，人類分析師便可以將高重複性工作交給AI完成，從而達到降本增效的功用，此外還能夠打通客戶的諸多數據系統，實現數據間的聯動。

具體來說AI在場景中的運用可分爲三層，首先是需要將海量非結構化數據傳入到系統中變成結構化數據讓機器不斷學習，比如新聞、公告、研報、圖片等等，在這一過程中數據員需要對AI作標註訓練，AI可以在訓練過程中不斷得到成長，最終能夠幫助員工找到所需數據。

第二層則是識別數據語義，機器能認出數據不代表知道數據的語義，因此需要自然語言處理的技術來幫助機器明白每一類數據在文本中的意思，餘宙舉例說道：“我想要知道到桂林旅遊的營業收入是多少，如果機器不知道桂林旅遊公司它就無法判斷出這句話是要讓它去查公司財報還是訂票去旅遊。”

最後便是用可視化技術將機器解讀出的信息再反饋給人類分析師，這樣數據便經歷了一個從非結構化數據到結構化數據再到非結構數據的轉化過程。傳統上分析師只能在海量數據庫中尋找數據，但在阿博茨AI系統的幫助下，只需要在搜索引擎中輸入關鍵詞便能找到想要的數據。

談及技術難點，餘宙坦言，在人工智能領域中，較爲困難的就是自然語義識別，自然語言文本是典型的非結構化數據，由語言符號(如漢字)序列構成，是人類使用的最龐雜的符號系統。語義往往還具有語境特徵，比如你問Siri一些簡單的問題它可以回答，但更專業的問題它就不知道了。因此對阿博茨而言，做通用性的技術並非最佳選擇，深耕垂直領域纔是關鍵。

經過3年多的沉澱，阿博茨目前的可視化引擎經過反覆的文本訓練，已經學習並儲存了超過3千萬份金融的文檔和報告，閱讀了超過10億張的金融圖片和信息，幾乎已經涵蓋了金融數據的所有類型。

據透露，目前阿博茨在金融領域的語義理解達到行業的領先水平，對上市公司各類公告的關鍵要素的信息抽取能達到95%以上的準確率。

立足財務場景，延伸多個行業

目前阿博茨已經服務於香港交易所、中國投資有限責任公司、中國人保等超過100家企業，大資管領域的券商、基金、資管，泛金融領域的銀行、保險、交易所，以及大數據領域的酒店集團、地產、電力、垂直電商都是阿博茨的服務客戶。

在拓展客戶行業同時，餘宙也強調，財務類場景仍然是核心立足點，因爲語義識別具有場景特徵，熟悉了財務場景的系統在財務領域更具優勢。

餘宙認爲，對客戶而言阿博茨的能力不僅僅是降本增效，更重要的是通過增速提高了客戶應對市場的反應速度。“像金融這種瞬息萬變的行業，提高操作速度能夠讓客戶更快地部署決策。”餘宙舉例說到，以前一家客戶需要260人在3-5天完成的工作在阿博茨系統的幫助只需要20人兩小時就能完成。

在交付能力上，餘宙透露，不同的客戶會有針對性的需求，因此交付週期也因用戶而不同，但通用的部分只需2-3周就能完成。同時爲了使用戶習慣系統操作，在定製系統時往往需要模擬用戶原有的操作場景以便用戶可以儘快上手。

在商業模式上，阿博茨目前採用的是軟件授權+按量收費的模式，比如保險公司用系統完成了多少單，按成單量來收費。但同時餘宙也透露，未來更多的會發展按量收費，以保證長期發展。

在復購率上，餘宙透露目前還沒有出現過客戶丟失的情況。

而在獲客來源上，作爲服務B端的企業，阿博茨主要通過業內轉介紹介紹來吸引客戶，同時廣泛參加傳統企業的相關培訓或會議，以此來建立行業認知度。

作爲一家AI科技公司，阿博茨的發展離不開技術的支持。目前公司內部有200多人，其中70%左右都是技術人員，且大多數都來自微軟系列。

創始人楊永智是前海豚瀏覽器創始人，餘宙作爲他的搭檔和他已經合作了15年左右，阿博茨的成立也是兩人聯手的二次創業。

此外，阿博茨還曾獲得2020達沃斯世界經濟論壇技術先鋒、2019全球十佳RPA+AI創新企業等幾十個獎項。

目前，阿博茨已經獲得天使輪、A輪、B輪合計5億元的融資，投資方包括源碼資本、啓明創投、SIG海納亞洲等知名投資基金。