AutoML自动训练模型不稀奇，国泰金控打造专属工具能从海量资料表自动锁定关键资讯

国泰金控日前在自家技术年会上揭露一款AI资料分析专用工具Tumblebug，能根据使用者需求，自动从数据库海中捞出所需资料，补足AutoML最后一哩路。不只如此，他们还正打造图学数据库，要来解决更复杂的金融问题，未来还要导入因果推论机制，让AI更聪明判断资料因果特征。

资料分析四步骤耗时耗力，自建AutoML工具来分担

国泰金控的AI资料分析流程可分为四大步骤，首先是问题定义，由资料科学团队一来一往与业务单位沟通，将业务问题收敛为分析问题。接着，资料科学团队会从庞大数据库中，找出相关资料，比如透过目标标签（Target label），从金控内数个数据库、数千张资料表、数十万个字段中，锁定出关键资讯，特别耗费人力与时间。

下一个步骤则是特征工程，针对第二步找到的特征和资料，来清洗数据，如资料填补、转换、聚合和精炼等。最后一步是模型选择和训练，通常，这个步骤需要资料科学家调超参数、选模型，也需投入不少时间和人力。

国泰金控资料科学团队手上会有多个专案要同时执行，每一个专案都得执行这四步骤，这也导致，每位分析师、资料科学家很难有充沛时间来寻找更好的模型。

近年也出现不少AutoML工具来解决问题，尤其能自动化执行特征工程和模型选择与训练作业，比如资料清洗和超参数调整，可以节省资料科学团队许多时间。

国泰金控也自行开发一套AutoML工具，也就是AutoMLab，来自动化这些流程。它是一套基于大数据分析平台Spark分散式运算的AutoML套件，能快速协助使用者，利用特征资料表来建立机器学习处理流程。国泰金控指出，AutoMLab的最大特点是，能根据内部使用者反应，来快速迭代、调整产品，还能根据使用者需求开发相应功能。

至此，国泰金控已将资料分析四大步骤的后两步自动化了，接下来，他们瞄准第二步骤：取得相关资料也要更自动化。

打造Tumblebug从数据库海捞出关键资讯

国泰金控表示，以往资料科学团队在取得资料时，会面临不少问题，比如只能搜寻特定资料，只根据特定领域知识锁定少数资料表，来搜寻特征，无法有效利用历年累积的海量资料；这种工作非常耗费人力，而且，一旦遇上过去没处理过的专案题目，若分析人员没有足够的专案知识，就难以从数据库中找出所需特征。

因此，国泰金控资料科学团队开发一套工具Tumblebug，是基于Spark的特征搜寻套件，能根据预测目标，来从海量资料表中找出符合的特征，整理成一张资料表，供使用者后续建模分析。

Tumblebug如何派上用场呢？

首先是处理新兴领域问题。比如，团队有明确的预测问题，但不知道要找哪些特征，就可使用Tumblebug来搜寻特征。或是，分析师要加入更多特征时，也能用Tumblebug从全行数据库搜寻特征，不再局限于少量资料表。又或是，当分析师想快速了解、验证分析问题时，也能用Tumblebug快速找出特征、评估专案可行性。

国泰金控指出，Tumblebug不只能发掘未知逻辑、重要变数，提高资料表使用率外，还能缩短搜寻时间。比如，只要给定预测目标，Tumblebug就能在数小时内，从数据库海找出重要特征。而且，Tumblebug已经经过国泰20多个预测专案实务验证。

正打造图学数据库，还要建置因果推论让AI更聪明

至此，国泰金控AI资料分析流程中，除了第一步的需求访谈外，其余取得相关资料、特征工程、模型选择与训练等步骤都已能自动化执行，使用者也能根据自身需求，来选择人工介入程度。

比如可采用全自动方式，先透过Tumblebug搜寻特征，再利用AutoMLab自动建模；又或是利用自身领域知识，从数据库中寻找特征，再结合Tumblebug找出的特征，传送至AutoMLab来建模。

不只如此，国泰金控也正打造一套图学（Graph）数据库，要将客户金流网络、关系网络转换为图学资料，储存至图学数据库中，有别于以往只储存结构化资料的数据库。未来，国泰金控还要打造AutoGraph工具，来自动化执行图学模型的建置与训练，分析师就能用图学技术解决更复杂的金融问题。

这样还不够。

国泰金控认为，目前的AI虽能准确辨识某些模式，但对显而易见的因果关系，却无法正确推论。因此，他们锁定因果推论（Casual Inference），未来要在寻找资料、模型训练流程中，加入因果推论方法，找出资料间的因果特征，让训练出来的AI能像人类一样推断。