Wisers：慧科根據(jù)多年服務金融客戶的經(jīng)驗，結合客戶需求和我們的人工智能技術，開發(fā)了系列分析模型，用來解決金融及風險監(jiān)測領域的問題。

根據(jù)慧科金融產(chǎn)品總監(jiān)李曉偉介紹，目前比較應用比較成熟的有三大模型：

第一個，是AI盡調決策模型，依托宏觀、中觀和微觀三種數(shù)據(jù)，實現(xiàn)某個企業(yè)的盡調分析，其中宏觀數(shù)據(jù)包括，國民經(jīng)濟數(shù)據(jù)、各地區(qū)經(jīng)濟數(shù)據(jù)、政府相關政策及法律、金融政策與環(huán)境、國際政治經(jīng)濟環(huán)境等；中觀數(shù)據(jù)包括，行業(yè)整體現(xiàn)狀及趨勢，行業(yè)政策、行業(yè)重大事件等；微觀數(shù)據(jù)包括，公司公開披露數(shù)據(jù)、政府或監(jiān)管執(zhí)法機構公開數(shù)據(jù)、第三方評級研究數(shù)據(jù)、媒體及社交媒體數(shù)據(jù)等，前這個模型已經(jīng)服務于銀行類客戶的風控體系中。

第二個，是企業(yè)全息畫像，通過企業(yè)在股權投資、公司集團及家族圖譜、高管、工商、稅務、行業(yè)、上下游、借貸及擔保關系中的表現(xiàn)展開關聯(lián)分析和挖掘，自動化生產(chǎn)企業(yè)標簽；通過識別關聯(lián)關系中跨境、動態(tài)、聯(lián)動的風險，來評估企業(yè)外圍潛在風險，整體評估企業(yè)發(fā)展環(huán)境。

第三個，是量化分析的情緒因子模型，通過對上市公司股價波動、公司運營信息、意見領袖言論，個人投資者情緒、機構評級等各路數(shù)據(jù)，建立投資者情緒指標，為投資和監(jiān)管提供依據(jù)，目前這個模型主要服務于多家證券、私募公司，成為他們量化指標體系構成元素之一。

NBD：近一兩年來，國內(nèi)大數(shù)據(jù)公司數(shù)量漸多，雖然領域各有側重但其中也難免重疊?；劭朴崢I(yè)在面對大數(shù)據(jù)行業(yè)的競爭當中，擁有哪些優(yōu)勢呢？

Wisers：大數(shù)據(jù)是個很寬泛的概念，具體到每個領域，都需要長期、系統(tǒng)的數(shù)據(jù)積累和專業(yè)精深的數(shù)據(jù)挖掘能力。大數(shù)據(jù)的商業(yè)應用，有四個關鍵要素，一是數(shù)據(jù)，二是AI人工智能技術，三是業(yè)務知識體系，四是后臺大數(shù)據(jù)計算與存儲系統(tǒng)。

數(shù)據(jù)方面，剛才已經(jīng)提到過，慧科擁有全球領先的中文全媒體大數(shù)據(jù)資訊庫。

慧科數(shù)百位專職語言學編輯團隊在服務各行業(yè)客戶的同時，也在不斷提供大量標注數(shù)據(jù)供AI研究院訓練人工智能分析模型，以適應快速變化的信息世界。

根據(jù)慧科研究部總監(jiān)何超博士的介紹，2014年創(chuàng)建的慧科人工智能技術研究院擁有20多個世界知名院校博士碩士組成的專家團隊，成功研發(fā)出了一系列覆蓋媒體資訊自動化處理與大數(shù)據(jù)挖掘各個層面的自有先進技術，包括分詞、實體識別、關系抽取、話題分類、文本聚類、情感分析、事件發(fā)現(xiàn)、知識圖譜、與圖像識別等。這些技術名稱并不新奇，但慧科的每一項分析技術都是基于自身擁有的全媒體數(shù)據(jù)庫，并從實際的商用場景出發(fā)，不斷嘗試及優(yōu)化的成果。

業(yè)務知識體系方面，慧科在近二十年服務2500多家客戶的過程中，積累了大量的行業(yè)知識，借助AI技術對第三方公開的或者一些授權數(shù)據(jù)進行了整合，形成了慧科商業(yè)知識圖譜，包含了公司、品牌、產(chǎn)品、地點、人物在內(nèi)的30多萬知識節(jié)點，以及50多萬關聯(lián)關系，而且這個圖譜還在持續(xù)擴展。

后臺大數(shù)據(jù)計算與存儲方面，慧科一直采用云端平臺的產(chǎn)品模式，積累了大量的后臺大數(shù)據(jù)計算、存儲、與查詢的技術和經(jīng)驗；并不斷與時俱進，借鑒和應用最新的大數(shù)據(jù)處理與存儲框架。

慧科在媒體大數(shù)據(jù)方面的努力，已經(jīng)得到了專業(yè)機構的認可，也拿到了不少國內(nèi)外的獎項。今年6月，中國最大的大數(shù)據(jù)公益組織——中國首席數(shù)據(jù)官聯(lián)盟正式發(fā)布《中國大數(shù)據(jù)企業(yè)排行榜V4.0》，慧科訊業(yè)連續(xù)第三次上榜，并在基礎設施排行“文本數(shù)據(jù)挖掘”類別排名上升至第二名，彰顯了慧科大數(shù)據(jù)技術綜合實力不斷提高，持續(xù)不斷地產(chǎn)品創(chuàng)新獲得市場高度認可。今年1月，慧科還被全球知名市場研究機構Outsell列為全球十大重點關注的公關解決方案和社交媒體監(jiān)測領域企業(yè)之一。

NBD：在您看來，輿情大數(shù)據(jù)行業(yè)在發(fā)展中面臨有哪些機遇和挑戰(zhàn)？

Wisers：首先，新媒體時代的來臨，信息的傳播渠道日益多元，對企業(yè)來說，要應對的輿情環(huán)境，相較過去復雜了很多。對處于這個行業(yè)中的大數(shù)據(jù)公司來說，如何幫助企業(yè)從容應對日益復雜的媒體環(huán)境，是一種挑戰(zhàn)?；劭茷榇撕茉缇妥龊昧藴蕚?，成立了專門的媒體管理咨詢部，定期對中國媒體現(xiàn)狀及發(fā)展趨勢做梳理，每當有新的媒體形式出現(xiàn)，就會對其進行深入全面的調研，并思考這類信源對客戶的口碑及聲譽管理意味著什么？是否值得監(jiān)測？從技術角度如何監(jiān)測？監(jiān)測到的數(shù)據(jù)又該如何評估？機遇總是留給那些早有準備的頭腦，慧科就是在這樣不斷升級換代中建立起多層次媒體信源的輿情管理體系，幫助企業(yè)從容應對新媒體時代的各種挑戰(zhàn)，從而贏得客戶的高度認可。

其次，自然語言理解，尤其是漢語的自然語言理解仍然面臨很多挑戰(zhàn)。以深度學習為代表的技術，對解決這些問題提出了一種新的思路，但是同樣會面臨瓶頸。據(jù)長遠來講，必須以科學的方式，將語言學的理論及特征和機器學習結合起來，才有可能實現(xiàn)更大的突破。

目前，有很多開源的機器學習或深度學習的軟件包，進入人工智能大數(shù)據(jù)領域的門檻降低很多，所以市場上充斥著大量的大數(shù)據(jù)公司。但是如果從業(yè)人員不深入研究理解各種人工智能模型成立背后的假設條件，只懂得簡單盲目地試用各種開源模型，然后選一個看上去訓練結果最好的模型，很可能在假設條件不成立的實際場景中，會出現(xiàn)嚴重的錯誤。而慧科的人工智能的開發(fā)工作從一開始就與實際商業(yè)應用場景緊密結合，換句話說，是經(jīng)過市場檢驗并獲得資本認可的，因此能一直走在行業(yè)前端。

最后，輿情大數(shù)據(jù)行業(yè)的進一步發(fā)展，應該著重于如何將企業(yè)或政府內(nèi)部的數(shù)據(jù)與外部的媒體大數(shù)據(jù)結合起來，將輿情資訊緊密結合進機構的日常運營與決策，從而發(fā)掘更多的數(shù)據(jù)關聯(lián)與洞察資訊，帶來更大的商業(yè)價值和社會價值。

NBD：您如何看待大數(shù)據(jù)公司和媒體的合作？

Wisers：根據(jù)慧科媒體管理部總監(jiān)王勤的介紹，去年以來，國內(nèi)各大媒體都成立了數(shù)字新聞部并引入大數(shù)據(jù)合作伙伴?；劭埔呀?jīng)和國內(nèi)三大商業(yè)財經(jīng)報刊以及新京報等重要媒體，在上市公司、消費品牌、金融科技以及社會民生多方面，聯(lián)合發(fā)布基于大數(shù)據(jù)分析的各類專題新聞報道及榜單評選。

媒體的優(yōu)勢在于對熱門事件的敏銳嗅覺，以及前線采訪整理出的獨家觀點，這些媒體視角可以幫助大數(shù)據(jù)公司進一步發(fā)掘其數(shù)據(jù)價值。例如慧科此次與每日經(jīng)濟新聞合作的上市公司口碑榜，就是基于慧科日積月累的全媒體大數(shù)據(jù)，將其中關于上市公司的數(shù)據(jù)篩選出來，再根據(jù)雙方商定的輿情表現(xiàn)評選標準進行分析，就形成了有價值的上市公司口碑榜。

而大數(shù)據(jù)公司對媒體的價值，可以概括為兩點：

首先，媒體對新聞事件的洞察需要數(shù)據(jù)的佐證，從而使新聞內(nèi)容更具有客觀性、說服力。例如去年我們和每日經(jīng)濟新聞合作的歐冠杯數(shù)據(jù)專題，通過對微博平臺上數(shù)萬條用戶對歐冠杯討論的數(shù)據(jù)分析，我們捕捉到了球迷們最關注的球星、最津津樂道的場外話題以及提及最多的體育類概念股。這些結論，在過去，可能主要倚賴專業(yè)編輯的敏銳度，或者線下采訪與讀者調研，而借助慧科的全媒體數(shù)據(jù)庫，不到一周就可以把線上用戶的評論口碑采集下來，經(jīng)過進一步的數(shù)據(jù)清洗、處理、分析，得到更加全面而客觀的結論。

其次，大數(shù)據(jù)還可以為媒體的新聞挖掘提供更多的切入點，還以這次口碑榜為例，這次我們基于每日經(jīng)濟新聞初選后的1200多家公司進行口碑評選，我們采集了主流媒體上有關這一千多家公司的175萬條新聞報道，通過AI技術全量分析每條新聞的情感態(tài)度，進而得到每家上市公司的輿情表現(xiàn)及排名。每日經(jīng)濟新聞可以通過這個完整的輿情數(shù)據(jù)表，對比不同上市公司之間的口碑差異，也可以結合上市公司的其他特征，如上市板塊、總市值、市盈率等內(nèi)容，與口碑進行關聯(lián)分析，挖掘上市公司口碑與其資本市場表現(xiàn)之間的關系。