独家｜机器学习帮助摩根士丹利理解客户需求

原文标题：

How Machine Learning Is Helping Morgan Stanley Better Understand Client Needs

作者：homas H. Davenport; Randy Bean

翻译：吴昊

术语校对：王伟玲

全文校对：王红玉

本文长度为1800字，建议阅读4分钟

巴布森学院管理和信息技术专业的杰出教授Thomas H. Davenport和NewVantage Partners公司的首席执行官Randy Bean为你解读摩根士丹利最新的智能投顾“next best action”是如何在该公司的业务中发挥作用的。

智能投顾，即为金融公司提供投资建议的自动化系统。虽然行业中大多数人对这个名词并不感冒，但是它但是其流行的势头仍然难以阻挡。不过，摩根士丹利最近宣布了一款经过机器学习增强的人性化咨询系统（https://www.bloomberg.com/news/articles/2017-05-31/morgan-stanley-s-16-000-human-brokers-get-algorithmic-makeover），它的智能程度远远超出了“机器”这一标签，可能在未来将这个词扫入历史的废纸筐中。

位于纽约的摩根士丹利自1935年开始运营以来一直被誉为零售投资行业中最具人本精神的企业之一。摩根士丹利拥有16,000名财务顾问，他们通过诸如面对面会议和电话等传统渠道与客户保持着稳固的工作关系。然而，该公司深知传统渠道劳动密集型的性质限制了潜在客户数量的增长，而且主要吸引的都是年长的客户。根据德勤研究所得报告（https://www2.deloitte.com/content/dam/Deloitte/lu/Documents/financial-services/lu-millennials-wealth-management-trends-challenges-new-clientele-0106205.pdf），在美国整个行业的财富管理客户的平均年龄超过60。

因此，摩根士丹利的财富经营管理部门近年来持续致力于研发“next best action”系统，这个系统可用来帮助财务顾问更高效地向客户提供更有效的服务。该系统的初始版本功能仅为使用基于现有规则的方法来提出投资选择的建议。升级换代之后采用了基于机器学习的系统，这样便可以更好地将适配投资潜在选择与客户的偏好。对于财务顾问来说，当前有太多的投资选择要追踪并呈递给客户。一旦在市场上发生重大事件，例如，英国脱欧投票及由此造成的英国股票下跌，此类重要信息很难在短时间内由财务顾问亲自传达给所有客户。

摩根士丹利的下一代“next best action”系统则着眼于三个独立的目标。其中只有一个在智能投顾市场上常见，即为对客户投资的提供投资洞察和选择。在大多数现有的智能投顾所提供的服务中，推荐的投资建议都是完全被动的，即针对共同基金或交易所交易基金。摩根士丹利的系统可以根据客户的意愿提供这些信息，也可以根据公司的研究成果提供个人股票或债券（的投资建议）。财务顾问借此可以获得数个想法以供客户选择，并且通过自己判断决定是否传递其中任何一个或全部。

系统的第二个方面是提供操作警报。这些可能包括保证金通知，低现金余额警报或客户投资组合大幅增加或减少的通知。它也可以留意到金融市场上值得注意的事件，例如上述的脱欧投票。财务顾问可以将个性化的文本与警报信息附在一起并通过多种通信渠道发布。

最后，摩根士丹利系统还包括了针对用户个人生活信息的服务。例如，如果一个客户有个孩子得了某种疾病，该系统可以推荐最好的当地医院和学校，以及用于治疗疾病的财务策略。在其他智能投顾系统还没有该种生活服务的时候，这一独有的特性将有助于客户和财务顾问之间建立一个累积信任和价值的关系。

这个系统的特点和功能都令人印象深刻，但一旦涉及到推向市场，它的初次体验往往决定了它未来是否成功。因此摩根士丹利在推广过程中也一直保持着谨慎，机敏和开放的态度，所以系统在设计过程中引入了数个财务顾问。目前该系统的开发已经完成，正处于测试状态之中，并将在9月份推荐给500个财务顾问使用。在首席数据和分析主管Jeff McMillan的领导下，财富管理分析和数据组织（the Analytics and Data Organization within Wealth Management）完成了对此系统的研发。Jeff McMillan一开始就知道让财务顾问使用该系统是一个巨大的变革管理项目。一般来说，财务顾问的工作依赖于他们的过往经验，并且最初他们也不了解机器系统的运作方式。

“next best action”系统将在一开始先通过财务顾问进行仲裁，但客户也可以访问最新的线上信息。摩根士丹利计划最终发行具有投资组合管理功能的纯数字版本，这样就可以用更低地成本向更偏爱纯数字版的顾客提供服务（客户中很多人为千禧一代）。为了协助顾客，以及接受了该系统的投资顾问，一位供职于呼叫中心外的数字顾问还将就系统的使用提供专家级别的建议。

McMillan强调人类将保持在财富管理方面的作用。他认为“智能投顾”这个术语特别令人讨厌。通过电话他告诉我们：

在可预见的未来，像这样的系统将会作为顾问和客户之间人际关系的一个补充。在整个行业中，“人机混合”产品已经越来越成功。但是人可以理解上下文，处理客户情绪，处理不同的数据集，所以人在财务咨询方面仍然扮演着非常重要的角色。

McMillan和他的同事们做了大量工作，以使公司所有的投资知识都可以通过该系统灵活运用。例如，他们发现当前没有一种人工智能系统提取运用投资分析报告中蕴含的知识，以此来支持他们向客户所提供的投资策略。所以McMillan正在与公司的研究部门合作，努力使报告中的知识更加结构化以便于机器来学习运用。这一挑战一旦达成，它至少将有助于财务顾问更加有效地使用 “next best action”系统。

当然，这个新的系统和流程之中，机器层面的占比只有很小的部分。无论是摩根士丹利的商业模式，还是其文化使然，都不会采用完全基于机器且不提供人类支持的财富管理解决方案。我们也同样认为行业中的大多数公司也都认同这一理念。

原文链接：

https://hbr.org/2017/08/how-machine-learning-is-helping-morgan-stanley-better-understand-client-needs

编辑：王璇

更多精彩请关注清华-青岛数据科学研究院微信官方公众平台”THU数据派“