它被称为“大数据”是有原因的。正如摩尔定律所预测的那样，结构化和非结构化信息的数量呈指数级爆炸式增长。事实上，到2025年，每个Statista将有超过180 zettabyte的数据在全球范围内创建和消费，帮助推动全球数据市场到2027年达到1030亿美元。(1 zettabyte等于1万亿gb，供参考。)
由于大多数银行产品和服务都已成为大宗商品，金融服务业的高管们急于分析哪怕是极小的zettabytes字节，以使自己有别于竞争对手。正如凯捷所言，银行和信用社必须从获取和管理数据发展到利用数据提供高度相关的内容、产品和基于客户和会员行为、生活方式、个性和偏好的定制定价。
应用于大数据的人工智能(AI)提供了这方面的见解。
81％的银行和信用合作社高管认为，AI的解锁价值将是获胜和失去机构之间的关键区别，由经济学主主义情报部门和发现的临近。虽然AI主要用于欺诈分析和减少银行业的威胁，即变化。总的来说，三分之一的金融机构正在投资AI，支持更好的客户体验和产品个性化，研究说明。
成败:
据埃森哲(Accenture)报道，四分之三的高管认为，如果他们不在未来五年扩大人工智能的规模，他们就有可能破产。
随着这些要求，这里有六个大数据，AI趋势银行家应该期望在2022年及以后展开。
趋势1:准备在AI上投入大笔资金
对于数据业务的供应商来说，人工智能支出预测确实乐观。IDC预测,在AI上支出将从2021年的853亿美元增长到2025年的2040亿美元，复合年增长率为24.5%。
Covid-19代表Covid-19对投资AI更加乐观，而不是将阻尼器放在支出上。Appen是一个数据收集者，发现71％的技术专家表示，稍微或大幅上的科迪加速他们的人工智能策略。
（阅读更多:银行客户数据管理的现状）
而最大的消费者将是银行和信用合作社，仅略高于零售业。银行业将占人工智能支出的13.7%，而零售业为13.8%。
趋势2:目前继续专注于狭窄的AI
人工智能有两种类型:狭义和广义。Narrow是我们都熟悉的人工智能，从天气应用到数字助手再到聊天机器人。虽然狭隘的人工智能很强大(埃森哲指出，其客户使用人工智能可以节省70%的时间)，但它往往专注于提高一项任务或一组相关任务的效率，比如为数字顾问和语音辅助参与渠道提供动力。
今天，很少有银行或信用工会使用狭窄的ai来提供个性化或主动产品或服务（值得注意的例外是美国银行的erica和rbc无关数字助理），预计这些AI动力工具将增殖。
这是什么意思：
狭义人工智能不是用机器代替人类，而是利用机器来增强人类的能力，将两者的力量结合起来。
这并不意味着狭隘的AI不能随着时间的推移变得更有效率。埃森哲表示，将人工智能与机器学习和深度学习相结合，可以让人工智能应用分析数据，并以人类无法比拟的一致性学习和适应，比如根据客户行为和偏好提供产品推荐。
一般的人工智能——至少目前——仍然更像科幻小说，而不是现实。总的来说，有知觉的机器可以像人类一样思考:抽象的和创造性的。银行和信用合作社还没有出现，所以今天人工智能的重点是转变业务流程和改善客户体验，作为人类智能的延伸，而不是替代。
阅读更多:
趋势＃3：人才斗争继续
如果您无法使用它，所有这些数据都有什么好处？AI可以发出数据感 - 但银行和信贷工会仍然需要员工使用自然语言生成，机器人过程自动化（RPA）和机器学习等技术的才能和技能。
根据PublicAsapieter，近三分之一（29％）银行表示，缺乏技能是转型的障碍。为了填补他们的人才管道，37％的银行和信贷工会开始在他们的人民中投入更加重大，并培养他们现有的人才。
成功的关键:
AI人才差距的解决方案是将外包解决方案结合起来，重点是掀起劳动力。
的研究数字银行报告发现自己也在看他们的墙外通过与现有（50％）和新（43％）提供商承包以获得所需的AI技能，以获得人才。
趋势4:云银行加速发展
大数据和人工智能需要强大的计算能力，因此银行和信用合作社正越来越多地转向云来承载数据和应用。云计算不仅能够处理高计算需求，而且成本有效。
IDC指出，全球对云服务的支出 - 包括硬件和软件 - 将在2025年超过1.3万亿美元，增长16.9％。IDC表示，共享（耻骨）云和专用（私人）云进行增长以增长，私有云以更快的速度增长。
由于银行的遗留系统不是为分布式计算环境设计的，所以将它们转移到云计算是具有挑战性的。然而，银行和信用合作社正在软化这种想法，即不仅要将遗留系统转移到云上，还要将它们转换为云本地平台，尽管很少有银行实现了向完全基于云的环境的跨越。
摩根大通(JPMorgan Chase)和嘉禾银行(Arvest Bank)都宣布，他们将把部分核心系统切换到云本地平台。这一趋势预计将加速发展:Gartner预测，云原生平台将成为超过95%的新数字项目的基础，而在2021年，这一比例还不到40%。
阅读更多:
趋势5:编织数据结构
银行和信用工会已经达到了巨大的痛苦，以整合他们现有的数据筒仓，并庆祝了一些成功，但是当涉及到可能被锁定在防火墙或零碎地区的外部数据时，他们偶然崩溃。它们无法快速访问数据，有效地支持实时客户自助和分析。
数据结构解决了这个问题，为银行和信用社提供了内部和外部数据的整体视图和统一的用户界面。企业数据公司Tibco将数据结构定义为端到端数据集成和管理解决方案，由架构、数据管理和集成软件以及业务组之间共享的数据组成。
可以将数据结构视为数据和应用程序之间的一种层，将银行和信用合作社从将单个数据流与单个应用程序集成的繁杂工作中解脱出来。
Gartner预测，数据结构可以减少高达70%的数据管理成本。
阅读更多:
趋势6:人工智能工程和治理
计算能力和海量数据使人工智能成为银行和信用社的优先选择。但越来越多的人需要超越个人用例，发展和操作AI开发和部署，将强大的AI治理与自动更新结合起来。
序幕:
华盛顿新的监管机构已经表示，将更加关注数据和人工智能在银行业的使用。
人工智能工程师部分是数据科学家，部分是软件开发人员，他们采取整体方法来执行银行或信用社的人工智能战略。这不仅对实现消费者期望的高度相关的产品和内容至关重要，而且对在商业中使用人工智能保持领先监管至关重要。消费者金融保护局新任局长罗希特·乔普拉表示，人工智能的使用引发了一些问题透明度决策和算法的准确性。
Gartner预测，到2025年，建立AI工程最佳实践的10％的企业将从AI努力中产生至少三倍，而不是90％的企业。