传统金融机构人工智能

A. 大数据和人工智能在互联网金融领域有哪些应用

大数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化（Capitalization）。

大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。

数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与模型；IT发布新洞察；业务应用并衡量洞察的实际成效。

在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。

B. 未来金融行业有可能被人工智能取代吗

2018年科技金融服务发展现状与前景分析 机器人行业前景被看好，融合金融领域智能化发展大势所趋

2018年科技金融行业发展现状分析

要说科技金融的2018，那句老话适用：这是最好的时代，也是最坏的时代。P2P接连爆雷，比特币涨少跌多，搞得人心惶惶。

但双十一仍在打破纪录，抖音在发掘市场，拼多多在关照五环外，机器人在料理股市……没有什么能够阻挡，改变世界的向往。2018年，企业继续各出奇招，新技术孕育新钱景。生存不易，生意继续。

今年国务院出台多项政策部署缓解小微企业融资难题。9月开始执行新规，直到2020年底，向小微企业贷款的利息免缴增值税。业内人士预计，对小微企业的帮扶将成为金融政策重点。互联网金融也在改变传统金融的支付、风险管理等环节，引入大数据降低征信和放贷成本，用高科技手段清除小微企业的融资障碍。

预计2019年中国金融科技营收规模将突破1.4万亿

据前瞻产业研究院发布的《中国科技金融服务深度调研与投资战略规划分析报告》统计数据显示，2013年中国金融科技营收规模仅仅为695.1亿元。2014年中国金融科技营收规模突破千亿元。到了2016年中国金融科技营收规模增长至4213.8亿元，同比增长42%。截止到2017年中国金融科技营收规模达到了6541.4亿元，同比增长55.2%。预计2018年中国金融科技营收规模将达9698.8亿元。目前金融科技服务于金融机构，更偏向于实际金融业务的后端，并不是金融产业链中利润最丰厚的一环，因此短时间内金融科技营收规模很难迎来爆发式增长，或将继续保持这样的增速稳定增长，并预测在2020年中国金融科技营收规模将达19704.9亿元。

2013-2020年中国金融科技营收规模统计及增长情况预测

数据来源：前瞻产业研究院整理

1、上市绿通道 青睐领头羊

全国“两会”热议IPO绿色通道，从3月份开始，A股绿色通道盯上高科技巨头。监管层对券商作出指导，包括生物科技、云计算在内的四个行业若有“领头羊”，立即向发行部报告，“即报即审”。

A股对“下一个BATJ”的呼声已久，新华社更发文称“中国资本市场的‘BATJ’梦’该圆了!”2018年年初监管层的密集动作，体现出对新兴企业的大力支持。2月9日，深交所发布战略，要强化对这些科技大公司的服务，着力吸引一批优质企业。

众所周知，BAT等知名科技企业大多都在境外上市，为了留住优质的好企业，监管层为优质企业开通绿色通道也是应有之义。让股东长期持有优质上市公司股票，市场回归价值投资，他们被寄予厚望。

2、神偷现江湖 数币难找回

年初，日本Coincheck交易所暂停了除比特币之外的所有加密货币的交易，原因是黑客攻击了26万用户，并盗取了数字代币新经币NEM，损失价值约为5.3亿美元。这是数字货币有史以来最大的一起盗窃案。之后，日本16家加密数字货币交易所成立一个自我监管小组，自查系统漏洞。这次丢失是因为该交易所数字加密货币交易系统存在安全风险，和数字货币是否加密并无关系。

今年4月，还发生一行代码蒸发64亿人民币这样不可思议的黑客操作。黑客找到一个代码漏洞，与之相关的区块链产品的全部市值瞬间被转出，趋近于零。

用户持有比特币类加密货币的唯一凭证是数字地址和密钥，因此，很难实际跟踪到加密货币的持有者及其位置。正因为加密货币的匿名性、便捷性，交易过程难以发现、难以跟踪、难以追回，使得此前很多非法行为(如勒索、诈骗、贩毒、贩枪等)选择加密货币作为交易货币。

一般来说，盗取者通过匿名网络找到洗钱人，将“黑币”倒入后者地址，并向洗钱人提供若干个干净地址。洗钱人时刻关注，一旦发现干净地址交易，便向其转入小笔“黑币”。如此蚂蚁搬家，将“黑币”洗白。

3、币圈与链圈 冰火两重天

上半年忽冷忽热、下半年跌跌不休，区块链货币轰轰烈烈一路向下。梦想破灭，薪资下调，人才离场。

2016年底全球数字货币总市值才177亿美元。2018年1月8日，总市值高达8139亿美元。而11月底又跌破1400亿美元。比特币从一枚2万美元掉到了3千美元。有些币从五块钱掉到了一分钱。一些曾雄心万丈看好比特币的名人，也黯然退出币圈。

有业内人士评论：上半年，多数人都是想赶紧发个币，围绕项目，开交易所的一大堆，自媒体的一大堆，矿场也是一大堆，但并没有创造多大的价值。这样的泡沫破裂是必然。

与币圈风声鹤唳不同，链圈尚较平稳。工信部5月下旬发布国内第一份官方区块链产业白皮书预计：区块链应用将加快落地，推动新一轮的商业模式变革，为实体经济“降成本”“提效率”，构建诚信产业环境。有观察者表示，《白皮书》的发布预示着区块链服务实体经济的前景看好。

工信部《白皮书》提到，区块链未来3年将在实体经济中广泛落地;区块链将加速“可信数字化”进程，带动金融“脱虚向实”服务实体经济。还展望说，区块链监管和标准体系将进一步完善，产业发展基础继续夯实。

工信部的区块链白皮书显示：截至2018年3月底，中国主营区块链业务的公司已达456家。行业应用服务类公司数量最多，其中主要为金融行业应用服务的公司数量达到86家，主要为实体产业应用服务的公司数量达109家。此外，区块链解决方案、底层平台、区块链媒体及社区领域的相关公司数量均在40家以上。

有业内人士说，区块链的大规模应用会率先出现在互联网和金融行业的集中地，如上海、北京等城市，也会率先在龙头企业出现，如在深圳的富士康、在北京的链家等，几乎不可能出现在小微企业尤其是初创企业。

4、抖音链淘宝 变现不用愁

今年10月，抖音国内日活跃用户已破2亿，抖音也连续占据各种下载榜头名，其商业变现令人瞩目。

各大互联网巨头纷纷进场跑马圈地。据不完全统计，围绕着短视频的商业布局，各种融资额已经超过300亿元。刷抖音已能看到一波波广告。去年抖音和品牌合作推出视频广告是商业化的探索。更为重要的是电商的导流。抖音选择和阿里合作，都在促成交易后拿一笔佣金。

双十二前一天，抖音宣布开放之前只对大V开放的购物车功能，较为活跃的实名认证账号就有资格开通。抖音中的购物车按钮，点击后会跳出商品推荐信息并直达到淘宝。抖音联手淘宝入局电商，这一举动引发不少关注，有业内人士认为抖音已经在大步迈向消费升级的道路。

有评论说，抖音的赚钱能力或许会超过今日头条;也有人指出：现在抖音的信息流广告一年就能达到100亿元，可能会越来越多。

除抖音外，各个短视频平台也早在电商平台方面谋篇布局，有预计说，2018年娱乐内容营销额将超过280亿元，短视频广告额有望超400亿元。

5、网贷生死劫 监管日益严

跑路、停业、提现困难……一长串P2P机构清单令人触目惊心。上半年，频频传来百亿级P2P平台倒塌的声音。仅以7月为例：
7月9日，钱爸爸发布暂停运营公告，该平台累计交易额突破325亿元;同时，多多理财发布公告称公司已失控;14日“投之家”平台爆雷;7月7日银票网控制人投案，平台累计成交额140亿元，用户超69万。7月，杭州公安局还对佑米金融、牛板金、杭州云端金融等公司涉嫌非法吸收公众存款案立案侦查……

P2P网络借贷以门槛低、收益高、操作方便灵活为卖点，迅速在互联网金融市场占据一席之地。近年来狂飙猛进的P2P网贷行业，走过井喷期后，随之而来的是倒闭和失联大潮。

网贷平台的倒闭可能是受大环境的影响;更重要的是一些平台违规做信用中介，导致风险加大。

P2P成为危险的标签，违规互联网金融已演变成重大金融风险。全国P2P网贷行业不得不自律检查。深圳、杭州、北京、广州、上海等12个省市的地方互联网金融协会自律组织均发布了关于网络借贷信息中介机构退出指引或规程性的文件。中金公司报告称，预计只有十分之一的运营平台能够活下来。而大部分P2P网贷平台业务仍不合规，相当多平台尚未完成银行存管，即存在资金池和挪用资金的可能。

自2012年P2P异军突起，到野蛮生长，再到行业洗牌，该行业已走过了一个完整的起伏周期。尤其是近两年一系列监管规范出台，加速了行业的洗牌。作为重点整治的业态，P2P网络借贷和网络小贷领域存量风险化解清理完成时间将延长至2019年6月。

6、手机查征信 谁知留后患

中国人民银行5月发通知严管APP接入征信系统。央行要求：“严格授权查询机制，未经授权严禁查询征信报告，规范内部人员和国家机关查询办理流程，严禁未经授权认可的APP接入征信系统。”

不用跑银行排队等候，只需在手机上下载个APP，输入个人信息，就能查询个人征信，并在24小时内出具报告……很多手机APP确实方便，殊不知，背后却存在严重的信息安全隐患。整个过程对于用户来说都是在APP上完成的，但实质上是APP利用用户提供的信息在征信中心的平台上进行查询，与用户本人在征信中心平台上查询无异，APP在这个过程中充当了中介的角色。

部分代查APP运营商为用户代查的初衷就是要获取用户信息，来实现其他商业目的。比如获知某些用户在央行征信记录不良的情况下，可以向该类用户定向推销其他金融贷款业务。而且，短时间内频繁地查询，同时没有放款记录，可能会让银行认为你急需资金但却处处碰壁，因此会对你的借款申请更为谨慎。

央行严管后，能查询个人征信、接入央行征信系统的应该只有符合条件的银行和小额贷款公司、融资性担保公司、村镇银行等金融机构。

7、各国发数币 打算并不同

全球第一个由政府主导的数字货币今年出台。这款名为“石油币”(Petro)的数字货币，由委内瑞拉政府出售。价值与石油挂钩，每一个石油币由委内瑞拉的一桶油作为担保。过度依赖石油，过度的福利政策以及新能源的开发共同造成委内瑞拉经济极度不堪。马杜罗政府搭上数字货币热潮，无疑希望尽快融资募集资金，挽救经济败局，稳定国内局势。

虽然委内瑞拉数字币听上去不怎么可靠，但有很多国家也在开发数字币。伊朗邮政银行或将开发加密货币;以色列也有发行“数字谢克尔”的计划;俄罗斯研究“加密卢布”来规避美国制裁……

随着互联网支付兴起和现金被冷落，瑞典、日本、新加坡和爱沙尼亚都在考虑使用加密货币来替代现在的法定货币。有报告预测，到2020年，全球数字支付交易量平均每年增长10.9%，2020年将达到近7260亿笔。中国人民银行数字货币研究所也早已挂牌成立。

8、拼多多上市 引消费反思

有些人想买龙虾，有些人还没吃过虾，这或许就是拼多多崛起令人疑惑的背后。

有评论说：在拼多多看来，消费升级首先要让一部分人先用上低品质的商品，再去考虑品质如何提升。2015年成立，名气并不响亮的拼多多，今年异军突起，成为仅次于阿里和京东的中国第三大电商平台。

7月26日晚，拼多多在上海和纽约两地同时敲钟上市。代表拼多多在纽约敲钟的是一位拼多多的用户，前不久刚用一分钱抽中一台iPhone
X。当天拼多多股票大涨41%，盘后交易结束达到351亿美元市值。

而8月1日，国家市场监管总局要求对拼多多展开调查，上市第5天，拼多多市值蒸发50亿美元。拼多多以黑马姿态杀出电商巨头重围，又因商品质量问题被推到风口浪尖。不过总体来看，2018年他们的财报数据不错。

挺拼多多的人说：要知道品牌溢价高达几倍，有些“白牌”产品质量未必不好，但没品牌就没有打市场的敲门砖。而拼多多或许给了这类产品一个机会。

9、俄国世界杯 支付成赢家

法国拿了冠军，中国笑得很开心。借世界杯的春风，俄罗斯暑期的支付宝交易量猛增了75倍。

暑期支付宝交易量增长较快的国家大多地处欧洲、澳洲。随着选择远距离、高端游的中国旅客不断增多，欧洲、澳洲的商户对移动支付兴趣也在增大。暑期，加拿大支付宝交易量增长12倍，澳大利亚增长6倍，新西兰增长7倍，芬兰增长5倍……

近年来，支付宝、财付通等第三方支付加速“出海”，合作版图从东南亚延伸到欧美国家。目前，支付宝已在40多个国家和地区接入数十万商户，并在其中9个国家和地区与本土品牌合作完成了本地钱包的布局;财付通的微信支付接入的国家和地区已增至40个、支持13种币种(包括人民币)直接结算，并已取得了马来西亚的支付牌照。

此外，针对国人出境旅游的刚性需求——“退税”，多家机构都积极提升服务，以避免现金退税等待时间长、需货币兑换等问题。

境外44个国家和地区的30多万家商户已经支持银联卡退税，持卡人还可在14个国家和地区体验即买即退的“市区退税”。微信小程序推出“腾讯退税通”可以实现境外实时退税，服务覆盖26个国家和地区的77个机场。

据介绍，欧洲80个机场在开通手机退税后，暑期使用支付宝人均退税近1000元。因为实时到账，且让游客直接能拿到人民币，因此年轻人有一半都这样退税。

10、聊天机器人 顺便泡股市

机器人小冰能聊天，能作诗。今年她展示了金融能力。她可以抓取沪深两市26类上市企业发布的全部公告，自动生成摘要。即使在大量企业同时公布各自公告的高峰时刻，小冰依然能够保持同步，约20秒即可稳定输出。微软表示：国内现有90%的交易员获得其支持，而另外10%的交易员，由于是人工处理，约晚20分钟才能得到摘要。

而蚂蚁金服对外公布的数据显示，网商银行的花呗与微贷业务使用机器学习降低虚假交易率近10倍，为支付宝证件审核系统开发基于深度学习的OCR系统，使证件校核时间从1天缩至1秒，同时提升了30%的通过率。

法国初创公司DreamQuark利用深度学习，帮助巴黎银行等十几家金融机构和公司改进金融服务决策。机器学习可分析银行和金融公司的大量数据，追踪客户信用记录，从欺诈到反洗钱的检测评分，还通过发现市场早期变化迹象管理投资组合，为客户避免风险。

业内专家表示，机器人在金融领域的应用前景十分良好，而未来金融领域将朝着更加智能化的方向发展，这是行业大趋势。花旗集团总裁杰米·福雷斯表示，花旗银行中有40%的运营职位可以完全用机器替代。未来将会有更少的员工挣更多的钱，而机器人将接管“低价值服务”。

C. 目前人工智能在金融行业属于什么水平

人工智能的产生和发展，不仅促进金融机构服 务主动性、智慧性，有效提升了金融服务效率，而且提高了金融机构风险管控能力，对金融产业的创新发展带来积极影响。国内的跟进速度也比较快，阿尔法象这几年也一直致力于搭建自己的AI风控引擎系统，帮助金融机构实现以数据驱动的风险管控、精准营销和运营优化。

D. 人工智能在金融领域的广泛应用，会给监管带来哪些挑战

人工智能不仅有助于金融机构提高运营效率、降低风险损失、提升用户体验、拓宽销售渠道，还能够提升金融服务的普惠程度。然而，不成熟的人工智能也可能导致系统性风险，影响金融稳定。可见，对金融领域中的人工智能系统进行监管很有必要，但当前对人工智能的监管仍面临多项挑战。
首先，当人工智能提供的金融服务出现问题时，责任方难以确定。在人工智能系统的设计和应用过程中，会涉及多个参与主体，包括运用人工智能提供服务的金融机构、人工智能系统的训练人员和设计公司等。当用户由于人工智能提供的服务而遭受损失或者出现其他问题时，目前在法律上尚未对责任方作出规定，也未规定各责任方的责任分担机制。
其次，人工智能单独提供金融服务与现有法律法规相悖。以人工智能在投资顾问中的应用为例，美国金融业监管局（FINRA）指出，在没有人为参与的情况下，由人工智能提供的投资顾问服务不符合顾问受托标准。此外，根据美国相关的法律法规和美国证监会发布的《1940年投资顾问法》，投资顾问被视为受托人，有义务给投资者提供最适宜的建议。但是人工智能投资顾问无法对投资者账外资产进行详尽调查或向投资者咨询这方面信息，而投资者的账外资产直接影响其全面的财务状况，在这种情况下，人工智能投资顾问提供的个性化投资建议是否最适合投资者就有待商榷。2016年4月1日，马萨诸塞州证券部也发表政策声明：由于人工智能投资顾问存在缺陷，无法进行投资组合分析，这将导致其无法为客户争取到最大的利益，即无法履行信托义务，因此人工智能投资顾问不能作为受托人，无法在马萨诸塞州登记为投资顾问。
再次，目前对人工智能系统的信息披露并无统一标准，监管部门需制定人工智能系统的信息披露标准，同时权衡过度披露和披露不足之间的矛盾。对人工智能的信息披露有两方面要求，一方面，需要保护用户的知情权，需要对人工智能系统的运行原理、运行情况等信息进行充分披露；另一方面，需要保护人工智能系统的信息机密，防止不法分子运用披露信息“模仿”该系统，从而给金融机构或者人工智能企业带来损失。此外，人工智能的决策过程是个“黑匣子”，如何让公众了解人工智能的决策过程将会是信息披露的难点。
最后，人工智能对监管人员提出了新要求。对于人工智能的监管，需要监管人员对人工智能的相关知识有所掌握，若是对人工智能的相关知识不甚了解，就难以理解人工智能系统的运作方式，更加难以判断其是否遵守监管要求。此外，监管部门需要对人工智能的系统算法进行测评，监管人员只有在熟悉人工智能相关知识的基础上，才能完成人工智能系统的测评过程，并判断测评方式是否合理。

E. 人工智能会给金融业带来哪些影响

人工智能会给金融业带来什么样的影响？
人工智能绝不仅是一项技术。未来注意力将开始向金融算法的正确性转移，而不是程序。人工智能能够改变金融什么呢？调查现有的金融机构会发现，它们认为对信用评估影响74%，风险管理70%，市场竞争力64%，人力资源结构40%，市场稳定性39%，市场监管20%。
现在国外有众多领域在应用人工智能，包括复杂的金融交易和财务研究等，这是因为初级的人工智能在金融方面所具备的能力是用了我们人类的算法。
实际上，人工智能并不是由技术决定，而是由人们对它的使用方式决定。金融行业如何使用人工智能，将决定能够产生多少正面影响和负面影响。始终认为P2P的网站没有任何问题，P2P的技术没有任何问题，是谁在用P2P才是问题，所以人工智能也面临着这一问题。
在此背景下，出现了一类公司。2016年初，一群世界领军企业家宣布用10亿美元设立一个公司，这个公司目标不是想盈利，而是保护人们免受人工智能的危害，这说明虽然人工智能距离我们比较遥远，但是与人工智能作战的团队已经来了。未来会不会存在这样的逻辑，当技术已经跳跃到人工智能层面的时候，每做一项科技创新都要准备一支与它作战的部队？
人工智能在金融业发展的速度，取决于金融业领导者的决定。如果他对此态度积极，这一速度会更快一些；如果他对此态度谨慎，这一速度就会慢一些，但是无论如何人工智能的发展也会大步朝前。最后人工智能究竟是灾难还是机遇？我们不得而知。对人工智能的未来，现在给予任何答案，都是肤浅的表现，但一切是不可能停下来。人类的好奇心和无法解决现实问题的困境，会使其走向更不可预知的未来。

F. 大数据和人工智能在互联网金融领域有哪些应用

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。


大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。


数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1.价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

1.1成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。


虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。


另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

1.2变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？


无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。


因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

1.2.1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度


在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

1.2.2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”


在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

1.2.3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛


大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

1.2.4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化


在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。


例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2.应用场景与基础设施—纵览海内外金融机构的大数据发展实践


金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

2.1大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

2.1.1海外实践：全面尝试

2.1.1.1银行是金融行业中发展大数据能力的“领军者”


在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。


BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。


银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。


相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。


银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。


客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。


在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。


银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。


BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。


银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

G. 金融科技为传统金融做了什么

金融科技：Fintech，是16年开始互金行业炒作的概念，一开始是Fintech，后来行业演化成Techfin，和今年开始的智能金融概念一般，网络最先提出All in AI，腾讯也打出AI in All。
关于金融科技为传统金融做了什么，就目前而言，早已从最初的竞争转为合作、甚至赋能的角色。就看BAT就明白了，和四大行的合作逐步落地，尤其网络，也算是率先和传统金融机构合作落地了具体产品，如和农行合作推出的刷脸转账、AB贷等等。对农行的好处便是利用网络金融自身的科技优势，为自己在短时间内实现质的成长，网络自身的好处便是通过合作可以有机会接触农行覆盖的巨大客户群。所以本质来说是互惠互利的。

H. 互联网金融真的能“颠覆”传统金融吗

互联网给传统金融带来的“颠覆”主要体现在以下几个方面：
1、超越边界
这里所说的边界，既包括地域边界，也包括人群边界，还包括时间边界。传统银行往往只能服务于所在网点周边地区，而互联网金融是直接面向所有人。传统银行更多地关注大客户、大企业、有钱人，而互联网金融更强调普惠，服务门槛直接降到百元级。传统银行营业网点办公时间“朝九晚五”,而互联网金融可以随时提交业务请求。总之一句话，互联网金融正在超越了传统金融服务边界，他的终级目标是任何人任何时间任何地点任何连网设备均可以享受最及时、最优质的金融服务。
2、重建规则
互联网每进入一个行业，就会颠覆一个行业，为什么？因为互联网企业不按常理出牌，敢于、擅于重建规则和生态。这就是大家经常听到的跨界打劫和破坏性创新，背后的逻辑很简单：通过互联网创新重塑产业链，再重建利于自己游戏规则，倒逼既有企业服从新规则！
3、盈收后置
先圈地，后赚钱，是互联网企业最核心的生存法则之一。为了圈到人，互联网公司是不惜下血本的，各种烧钱大战就是实实在在的案例。互联网企业将这种玩法带到金融领域，让传统金融机构根本无法应对。余额宝、微信钱包都是在很短时间内就做到上亿用户，传统银行想都不敢想。
互联网不仅改变了金融服务的实现形式，还改变了金融机构的盈收模型。虽然互联网金融的核心还是金融，但我们绝不可忽视互联网给传统金融带来的颠覆意义。未来的金融机构，不懂金融会死，不懂互联网会死得更惨！

I. 人工智能在金融领域有哪些应用场景和作用

人工智能在金融领域是可以发挥多样性作用，但首先我们要了解人工智能是什么？
网络上的解释是：人工智能，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。
也就是说利用人本身的智能与分析问题、解决问题，形成一种算法机制。
在金融中，获客、风控、身份识别、客服等金融行业中的内容都可以利用人工智能进行改变，以较容易理解的客服为例，传统的金融客服都是人工的，而通过人工智能技术和自然语言处理，可以将客户问题进行分析，通过算法给出准确的回复，这就大大节省了金融服务的成本，在这一方面，传统金融机构并不都具备这样的技术实力，但是许多大型互联网公司都结合自身技术优势对此进行了技术研发，并将研发成果输出给金融机构，形成了良性循环。