花旗银行美国消费者分析部门主管Murli Buluswar介绍了花旗银行创建基于人工智能和数据科学的实用分析系统的实战经验，其中包括如何确定最佳的业务目标，花旗如何在客户体验等领域使用数据和人工智能，以及如何在整个组织中建立以数据为中心的文化等主题。
花旗银行创建基于人工智能和数据科学的实用分析系统的实战经验音频：00:0023:45
花旗银行是如何创建基于人工智能和数据科学的实用分析系统的？为了了解更多信息，记者采访了花旗银行美国消费者分析部门主管Murli Buluswar。
Murli还深入探讨了其他一些主题，包括如何确定最佳的业务目标?花旗如何在客户体验等领域使用数据和人工智能?以及如何在整个组织中建立以数据为中心的文化？
作为美国消费者分析(USCA)部门的主管，Murli Buluswar正领导着花旗银行在其3亿多客户基础上执行“成为实现客户智能(customer intelligence)飞跃的关键合作伙伴”的愿景。作为一名“企业内部”分析和战略C级金融服务领导者，Murli通过挑战传统流程，利用数据驱动的智能，成功建立了联盟，并取得了商业成果。作为美国国际集团(AIG)运营委员会的前成员，Murli已经影响《财富》100强的董事会成员和高级领导者，通过数据洞察力来拓展创新思维和执行力。当时，身为AIG的首席科学官，Murli建立了一个数据科学团队，以促进AIG“以证据为基础”做出一致的决策。科学作为一个内部数据驱动的创新单元，在问题构建、数据工程、行为科学、数据科学和软件开发等方面具有互补的能力。科学团队帮助降低了运营成本，增加了销售额，以及与客户沟通以降低风险。
在加入花旗银行之前，Murli曾担任波士顿咨询集团(BCG)和两家初创公司的高级顾问，主要负责帮助客户塑造在数据支持下重新制定决策的能力。
采访摘录
Michael Krigsman(主持人)：欢迎花旗银行美国消费者分析部门的负责人Murli Buluswar。
Murli Buluswar：我们团队的使命是成为“实现美国个人银行客户智能飞跃的关键合作伙伴”。这是什么意思呢?试想一下，银行业是一个参与度非常高的行业，与许多其他行业相比，它产生的交易和互动都非常多。那么我们如何处理所有这些交互和交易，量化它们，以更好地理解客户明确的和潜在的需求，并通过机器学习和实时智能的力量在近乎实时的基础上与它们建立更多的相关性？
Michael Krigsman：您刚刚描述了两件不同的事情。一个是技术的概念，第二个是人的概念。这就是您看待事情的方式吗？
Murli Buluswar：是的，我认为我所涉及的工作就是人、技术和好奇心的融合。所谓好奇心就是想象做出了什么决定以及如何做出决定的能力;然后将其与人和技术联系起来。在我目前的工作中，我经常考虑这三件事。
Michael Krigsman：一般来说，数据科学和分析是如何在金融服务中发挥作用的，尤其是在花旗和您所做的工作中？
Murli Buluswa：概括来说，我主要会考虑三件事：
- 第一，我们要更明智地使用宝贵的营销资金，以服务无数的目标功能。因此，我们需要在如何理解营销支出以及如何理解客户行为方面建立更深层次的智能。
- 第二点是建立更深入的洞察力，即我们如何理解客户的需求，如何为他们提供服务，无论是他们主动要求的，还是通过信号暗示的。
- 第三个是将数据驱动的智能应用于更好的风险控制，以继续打造一个更好的银行，在我们业务的各个方面利用数据。
Michael Krigsman：当您考虑如何应用这种机器智能、数据和分析时，您发现了哪些业务挑战、问题或机遇?
Murli Buluswar：举一个最直接的例子来回答这个问题，即我们应该在营销上投入多少，在哪里投入，针对哪些客户，通过什么服务，什么产品，什么渠道，以及为什么?
这背后涉及大量的科学，无论是针对直接邮件、数字广告，还是线上广告。我们在此基础上建立了一门科学，我们还通过软件解决方案来增强这门科学，使花旗内部多个职能部门能够更好地做出决策。
Michael Krigsman：您能给我们举几个例子说明这是如何起作用的吗?
Murli Buluswar：说到底，在任何公司，营销资金以及我们与客户的互动方式都是稀缺资源。问题是，你的目标是什么?
您的目标可以是NPV(净现值，即未来现金流入的现值与未来现金流出的现值之间的差额)的最大化，客户满意度的最大化，净资产收益率的最大化等等。你是如何做出这些决定的?这背后的科学是什么?在已有的知识和预测下，你如何建立信心让自己做出最好的决定?
这需要有一流的、细粒度的数据驱动的洞察力，同时也需要有能力将这些数据洞察力吸收到软件和工具中，以便其他职能同事能够实际参与。
Michael Krigsman：所以，您需要对可用的技术种类，可用的数据，以及业务问题的性质和策略，也就是您放置或使用数据和技术的底层环境都有真正的清晰认识。
Murli Buluswar：确实，必须要有100%的清晰认识。而且我还要补充一点，也是我之前提到的好奇心或想象的概念。这是一种思考我们如何做出不同于今天或昨天做出的决定的能力。
我们应该问哪些比我们以前可能遇到的问题更深层次的问题?数据驱动的洞察和预测如何使我们做出更好的决策?这又回到了我们之前讨论过的三个维度。
Michael Krigsman：我觉得很有趣的是，您已经多次使用“好奇心”这个词了。我们倾向于认为数据是由技术驱动的，但您却反复提及与技术无关的好奇心。
Murli Buluswar：我对我的团队(坦白地说，对我自己也是)的口头禅是，我希望这个团队每天都要围绕追随力(followership，即有效执行领导者的指令、支持领导者工作的能力)、合作关系(partnership)和领导力(leadership)三个维度思考和行动。这是什么意思?
通过数据，我们本质上是真理的追寻者。我们可以在人们已经问过的问题上寻求真相，这可能就是追随力和某种合作关系。
但除此之外，我们也可以问，怎样才能重新想象这个世界，怎样才能重新想象一个特定的决定，以我们以前没有处理过的更深入的数据洞察为动力。这种领导力需要从商业角度思考问题，与多个领域的职能合作伙伴合作，然后以一种前所未有的方式带来数据驱动的见解。
Michael Krigsman：这是一个非常有趣的评论。您说：“通过数据，我们是真理的追寻者。”我从来没听有人这么说过。您可以详细说明一下吗?
Murli Buluswar：根据我的经验，这是一个跨多个行业的问题，也就是，在很多领域，我们可能会基于启发式，基于过去的专业知识，做出判断、决策、商业决策。但真正的问题是，如果我们能带来更深入、更细粒度的数据，如何在下一个层次上形成更好的决策?这就需要你有一种假设的能力，可以想象如何做出决定。
Michael Krigsman：听起来在每一个步骤中你都在利用数据和分析的机会，并非常紧密地将其与你想要达到的特定业务结果进行校准。
Murli Buluswar：没错。我关心的是决策科学的概念，也就是，我们是如何通过科学来推动卓越决策的?这种概念指导着我们团队的工作，我们提出的问题，我们对合作伙伴提出的问题的细微差别，以及我们为了形成更好的决策而试图提出的更深层次的智能。
Michael Krigsman：听起来好像您并没有把注意力集中在机制上，而是集中在校准结果上。
Murli Buluswa：我认为机制非常重要。但真空中的机制并不重要，除非它们与结果相关联。
如果我们在一天中围绕追随力、合作关系和领导力三个维度，我们就有机会成为更好决策的促成者。如果我们只是提供分析或一系列见解和建议，但并没有参与其中，也没有看到这些见解如何转化为决策和结果，那么我们就错过了一个更具战略相关性的机会。
我认为，对于拥有这些技能的团队来说，保持提问的热情是很重要的，即你如何实现更好的决策?如何解决变更管理的最后一英里问题?您是否需要构建工具，以便以更无缝的方式吸收和执行这些模型和见解?用一种更加综合的方法来衡量成功。
例如，我衡量的一个主要类别是这个团队交付的“收入中性”(revenue-neutral)成本节省是什么。除非这些“收入中性”的成本节约实际表现为节约，否则不可能实现。
另一类是收入驱动的息税前利润(EBIT)。这事关增长。数据科学和决策科学如何促进增长，我们如何衡量这种增长的财务影响?这是两大非常具体的财务指标。
然后我们还有其他三个方面的衡量方法，它们与客户和风险控制，以及速度和简化有关，它们不一定在财务上衡量，但每一个方面都有我认为的实质性成果，有助于显著改善决策，是银行的重要组成部分。
Michael Krigsman：所以，您要通过机制，也就是工具和技术来观察完整的链条，再将其与您想要获得的精确结果联系起来。
Murli Buluswar：我自己面临的挑战是要从一个负责人的角度看问题。在一天结束的时候，一个见解，一个模型，或一个预测可以是非常刺激和迷人的，然而，如果我们不能将这些与我们做了什么决定以及如何做决定联系起来，我们就不能衡量——有时是财务方面的，有时可能不是财务方面的，但还是要衡量——这有什么影响，为什么这对组织所追求的目标的可持续性有重要影响，这个问题对我们来说是非常重要的，我们要深入了解。如果没有，那你就只是成为了价值链的一部分，你只是在交付服务，但却没有集成的连接。
Michael Krigsman：您能给我们举一个精确的例子吗?说明数据驱动的商业决策是传统决策过程难以驱动的?
Murli Buluswar：当然。让我们把这个对话从概念扩展到非常实际的东西上。
以花旗银行为例，它显然是一个非常有成就的大型机构。我们在营销上花了很多钱。那么问题是，你如何知道你的目标是最大化NPV，还是最大化三年收益，还是最大化股本回报率，甚至是客户账户？你怎么知道你正在把宝贵的资源花在服务目标功能的最大潜力上？
这是一个关于局部最优和全局最优的问题陈述。这需要你有能力在最基本的层面上理解数学，从而能够构建更好的模型，这样你就能在最细粒度的层面上对数学有一个全面的了解。
它要求能够精确地标准化如何度量这些程序。它需要把所有这些联系起来的能力，并且现在就能够说出你的目标函数是什么。如果你的目标函数从X改变到Y，你的投资决策会有什么不同？这些权衡的财务和损益以及可能的资产负债表影响是什么，我们如何量化它们？我们不仅要模拟你想要做的选择，还要确定效率帕累托最优边界(Pareto optimal frontier)根据稀缺资源的最佳配置服务于既定目标函数？
这就要求我们有能力从更深的层面去思考问题。它需要具备数据驱动的智力和相对细粒度的预测能力。这需要敏锐的财务头脑。它需要理解决策制定过程的能力，以及你如何将一个软件解决方案连接起来，让无数的职能合作伙伴能够理解权衡，并在决策过程中创造透明度和更高的敏捷性。
Michael Krigsman：听起来您就像一个拿着调色板的艺术家，描绘您想要的结果。
Murli Buluswar：我相信，不仅仅是企业，整个社会所面临的最复杂的问题都不能用单一的工具来解决。所以，我认为未来的关键，无论是全球变暖还是银行业面临的风险和控制问题，亦或制药或消费品方面的问题，都必须通过多学科的思维来解决。
在我看来，这需要一种能力，好奇心和开放的心态。能够转换思维，而不是用单一的视角来看待一个问题或一个机会，可以让你更有效地创造改变。
Michael Krigsman：您能给我们举个例子，说明更好的粒度数据是如何改善花旗银行的决策吗?
Murli Buluswar：当然可以。我们经常考虑的一个问题是，我们的客户通过手机应用程序、在线等数字方式与我们互动。问题是，当客户登录时，你如何理解他们的需求，你如何与他们建立更亲密的关系和相关性？
我们应对这一挑战的方式——或者说，我们正在应对这一挑战(因为这是一项不断发展的工作)——是我们在客户层面上整合了2000多个交互和交易。我们试图理解这些数据，这些接近实时的数据，是如何发挥作用的。我们以一种建立更深的互动，相关性和亲切感的方式，将这些情报转化为信息和与客户的互动。
这样做有无数的好处。其中一些是经济原因。还有些是非经济相关的。但这实际上是一个向客户反映的概念，你理解他们，你关心他们，你了解他们，而你做到这一点的方法是使用你在每一个渠道，每一次互动，每一笔交易中拥有的所有数据，并在适当的时候从中提取意义。
Michael Krigsman：您没有使用过”客户体验“这个词，这让我有点惊讶。有没有什么原因让您没有用过这个词?
Murli Buluswar：确实，你听到我用了参与、互动、连接性和相关性等一些同义词，但它们都非常注重客户体验。
现在，客户体验服务于客户参与，亲密，并建立更多的相关性。我认为客户体验是一个时间点。如何在特定的互动中为客户提供最好的服务?如果你把一系列客户体验整合在一起，你所做的就是与客户建立更深层次的连接、相关性和参与度。
在我看来，客户参与只不过是一系列强大的、积极的客户体验结合在一起，从而与客户建立更多的情感连接。
Michael Krigsman：您说客户体验就是展示或者做最好的自己。我猜您是指业务上的。您能详细说明这是什么意思吗?
Murli Buluswar：事实上，银行业是一个非常主观/感性化的领域，因为它关系到客户。
我们的财务健康状况，我们进行交易的能力——去分行，取款，转账，刷卡——所有这些事情对我们都有意义。如果它们不能以我们所关心的无缝方式工作，就会给我们带来摩擦和痛苦。所以，这是一个高互动，高交易，高参与，高相关性的行业。
我真正的意思是，每一次你走进一个分支、拨通或挂断电话呼叫中心的电话、登录到应用程序或者刷信用卡时，如果我能理解你需要什么以及如何才能更贴近你，我将能够为你提供更好的服务，并且成为更好的自己。
对我来说，数据，以及能够获取实时数据、实时交易和交互，并将它们转化为机器学习算法，指导下一个最佳对话，不仅是强大的，而且是关键的任务，因为这是我们所有人在互动的各个方面都有的基本期望，而不仅仅是与银行的互动。
Michael Krigsman：您已经多次提到了业务成果，那么这些成果是由领导目标定义的，或者更多的是由数据创造或驱动的业务机会?
Murli Buluswar：最终，这又回到了如何衡量结果的首要原则上，这些结果是否重要，是否有多个职能合作伙伴从本质上验证这些结果，所以它不是我的团队做出的声明，而是我们的财务规划和会计流程的一个组成部分，以确保有一个端到端的衡量?我们就是这么想的。在这个结构中，实质性的概念对我来说非常重要。
你可能会遇到这样的问题：我们是根据您提出的问题为您提供数据见解，但我们并没有真正深入思考问题背后的问题。我们也没有想过你们没有问的问题。所以，对我来说，这种业务关联很重要，这种衡量也很重要，因为，在一天结束的时候，如果它没有表现出实质性的结果，它就只是一种单纯的活动。
Michael Krigsman：您真的是在用这种非常全局的、广泛的视角来看待业务挑战和机会。当您选择要解决的问题时，您是从一个相当深入的层面上着手，试图找出它的相关性和重要性。
Murli Buluswar：是的，现实也要求这样。再次强调我的观点：当今最复杂的问题不可能仅仅通过单一的机器学习算法来解决。我认为，越来越多的技能——是非常重要和关键的——将被商品化。
这真的是一种综合思维。这是对今天这些决定是如何做出的理解。你的预测将如何与之联系起来，这些决定将如何在明天实际转化?为了将这些点连接起来，为了确保您正在实现端到端结果，上游和下游需要发生什么变化?
Michael Krigsman：所以，你的意思是技术随着时间的推移，模型会变得商品化，因此，真正的机会和价值在于人类的智慧，使模型和技术适应业务问题。
Murli Buluswar：我的意思是，我们生活在一个机器可以建立预测模型的世界里，所以“无人驾驶AI”(driverless AI)的概念是非常真实的。不过，这并不意味着它不需要人类参与其中。事实上，它100%需要人类参与。
在整个模型构建周期过程中，它确实提高了人类的生产力。现在的问题是，这个模型是为什么服务的，你如何思考来实现这个模型的最大潜力，你如何确保有一套完整的学科来回答为什么它很重要?
Michael Krigsman：这是最难的部分。
Murli Buluswar：是的。到目前为止，这是最难的部分，因为它是主观性/感性化的。它不一定包含良好的目标函数，允许你自己来解决。它需要更多的综合思考和解决问题的能力，需要更深入的合作，需要理解人的因素，这对我在其他职能领域的同事有什么影响?我如何理解它?我如何确保能在想法、分析或洞察力中反映出这种理解和同理心?
Michael Krigsman：分析和由此产生的量化分析师(quants)什么时候会变成系统性风险?
Murli Buluswar：对我来说，问题并不在于量化分析师(俗称“宽客”，quants)。公司(在无数的行业中)今天的决策大多数是在不确定的条件下做出的。这些决定具有内在的风险性。
我想的更多的是我们如何减少噪音和决策中的偏见?我们如何更加系统化，如何在我们的模型和预测中创造更多的透明度和理解?
这对我来说是一个更深层次的问题，我的观点是，无论你现在从事哪个行业，总会有人做出判断。这些判断受制于各种形式的人类偏见，坦率地说，还有随机性以及诸如此类的特质。
在我看来，这比建模的风险要大得多，而且未来会日益加剧，因此需要创造更多的透明度和理解。事实上，模型和预测推动了更大的一致性，并且能够清楚地揭示一致性在哪里以及它的含义是什么，这是一门相当先进的科学(至少以我今天的经验来看确实是这样)。
所以，对我来说，我相信这是在减少偏见，降低风险。我更担心的是人类的判断错误和偏见，以及与之相关的其他东西，这就需要我们在所有数据科学的事情上有适当的保护，并理解其含义。
Michael Krigsman：您认为这种偏见将在多大程度上影响伦理/道德?
Murli Buluswar：数据分析正广泛应用于医疗保健、保险和其他各种领域。我想让大家回过头来思考的问题是，今天，人类的判断和我们作为人类所拥有的偏见都具有伦理意义。
这些偏见会产生相应的影响，无论是在房地产，还是在保险、医疗保健，亦或是几乎任何你能想到的行业。所以，对我来说，我不会孤立数据科学或机器学习的影响来问这个问题，因为这些偏见从人类诞生之初就一直存在。
问题是，我们如何继续用模型创造更多的透明度、客观性、理解规则，我认为这要比试图解开复杂的人类思维要容易得多，毕竟人类思维总是以不符合逻辑的方式做出决定。
Michael Krigsman：对于建立“以数据为中心”的文化和组织，您有什么想法吗?
Murli Buluswar：这本质上是一种以好奇心为中心的文化。数据不过是一组事实和信息，用于满足人们的好奇心、想象力和提出的问题。
对我来说，当我们想到“以数据为中心”的文化时，它往往有点太过虚幻。我认为，保持好奇心和以想象力为中心的思维，对组织甚至对个人职业生涯的可持续性发展是非常非常重要的。
数据就是为这个服务的。它能刺激你的思维。但如果我们没有好奇心和想象力，数据本身将什么也做不了。而如果我们有好奇心和想象力，数据可以帮助我们消除或验证所有的假设，以做出更好的决策。
对我来说，每一个大型组织都必须问自己：“我们在什么时候、什么地方好奇和富有想象力地挑战现实世界中所谓上的真理，我们将如何在明天和今天的竞争中领先?”因为没有好奇心和想象力，人类就无法实现任何有意义的创新。
Michael Krigsman：对于大多数人及组织来说，当想到数据的时候，它是更加机械性的。但您却用了一种非常有创意的方式来思考。就像我之前说的，这就像一个艺术家或画家的思考方式。我认为许多组织要达到你所描述的水平需要做出一个飞跃，而要真正实现这一点并不容易。
Murli Buluswar：大规模的变革对我们所有人来说都很难，对大型组织来说当然也是如此。
你们可能注意到，当我谈到决策科学时，我几乎没用数据这个词，因为，对我来说，在我思考我们如何能做出更好的决策，以及它将如何服务于我们的使命，为我们的客户提供更多的服务，成为一个比今天更好的机构时，我得出的答案就是“嘿，数据可以实现这一点。”
我认为，如果我们直接谈论数据驱动的文化，它可能会变得有点吓人，因为突然之前要去考虑庞大的数据量，未免让人窒息。但是如果我们说：“暂时忘掉数据。我能想象出明天会如何做出不同的决定吗?这样我就不会对我的角色采取机械化的方式，而是将我的专业知识和理解与更多的想象力和好奇心结合起来。”
如果我能把它们结合起来，那么数据就能起到非常关键的作用。但对我来说，这实际上始于好奇心，而且考验我们的想象力和理解力。这就是为什么你看到我一次又一次地重复这个主题，因为对我来说，数据本身就是一堆数字，它本身并不具有什么启发意义，也没有(以一种特别明显的方式)推动更好的结果。
正是人类和他们的创造力、想象力、好奇心，以及他们以数据为依据、以假设为导向的方法，才让奇迹发生。
Michael Krigsman：您是否认为从客户体验(CX)分析中学到的知识有机会用于培训或帮助呼叫中心客服更好地服务客户?
Murli Buluswar：没错。每次我们通过呼叫中心与客户互动时，都充满各种主观/感性因素。这其中有人类因素、交互因素以及交易因素。所有这些都是由结构化和非结构化数据编写的。
这是一个绝佳的机会，让我们了解我们是如何做的，我们可以在哪方面做得更好，以及我们可能采取何种方式重新连接客户，因为你拥有通话发生前、后和过程中的所有数据。
这里面有很多非常有价值的信息，就像“掘金”一样，我认为每个通过这些渠道与客户互动的公司都应该主动问自己：“在这种条件下，我们能够在哪些方面做得更好?”
Michael Krigsman：如果好奇心和想象力是关键，那么您如何鼓励这种能力呢?
Murli Buluswar：你可以创造一种支持和鼓励的文化。可能每个人的点都各有不同，但重点是，要鼓励它、奖励它、承认它、支持它。
Michael Krigsman：您是否相信，您今天利用行为、数据和分析的方式将帮助您的组织通过数字化颠覆成为变革推动者?
Murli Buluswar：是的，我认为数据和分析就像一个线粒体，它将推动数字参与、理解和智能在我们与客户的联系中形成一个良性循环，当然不仅在花旗内部和银行内部，还会扩散到其他领域。
Michael Krigsman：关于如何利用数据推动成功的结果，您对业务领导者有什么建议?
Murli Buluswar：首先，问三个你可能想以不同的方式解决的问题，这些问题对你来说很重要，想象一下为什么它们对你很重要。其次，不断挑战你的决策科学团队，让他们思考如何通过更深入的数据智能来解决问题，并创造一个交互和连接的良性循环，为你的收获、成就以及通过整个团队取得的成绩设置更高的标准。
