金融科技的三大謊言和三大機遇！

　　互聯網金融、科技金融，在人工智能、大數據、云計算等技術迅速的發展下，金融領域也逐漸吸收這些高新技術，為金融行業增加新的活力。雖然科技金融能夠在某些方面給大家帶來便利，但是也不能盲目樂觀。

　　人工智能時代悄然到來。技術與行業的破壁，已在各行各業展開。其中，金融領域因其行業特性屢被視為人工智能的應用領域之一。

　　各方高人紛紛為金融科技指路。從金融行業角度看，中國人民銀行行長周小川兩會期間在新聞發布會上提出：未來要把金融科技搞上去，一個是網絡科技的發展，另一個是數字貨幣的發展。金融機構培訓為你詳細分析金融科技的發展。

　　從投資角度看，創新工場董事長兼CEO李開復多次表示：人工智能的應用領域之一是金融領域。

　　從技術角度看，谷歌云機器學習與人工智能首席科學家李飛飛表示：機器學習正在信用卡風險檢測、反詐騙和洗錢等方面發揮越來越大的作用。

　　一、金融科技等于互聯網金融嗎?

　　“金融科技”的概念是舶來品，FinTech是Financial Technology的縮寫，意為把互聯網、大數據、智能化等技術與金融深度結合，用科技來驅動金融，提升金融服務效率。

　　在“金融科技”被提出之前，人們更熟悉“互聯網金融”。但實際上，正如螞蟻金服總裁井賢棟所言：FinTech并非簡單地在“互聯網上做金融”，而是基于移動互聯網、云計算和大數據等技術，實現金融服務和產品的發展創新和效率提升。

　　央行人士在劃分“互聯網金融”和“金融科技”的界限時認為：FinTech不直接從事金融業務，主要與持牌機構合作。而互聯網金融的本質仍然是金融，風險屬性并沒有改變，同樣具備金融風險的隱蔽性、傳染性、廣泛性和突發性等特征，在行業高速發展的同時，風險也在快速積累，并已經開始爆發。

　　二、金融科技演進到3.0時代

　　金融科技1.0主要以IT軟硬件應用為主要特征。在金融科技1.0時代，以IT軟硬件在金融領域的應用為主，實現金融業務的電子化和自動化;金融科技2.0主要以移動互聯網應用為主要特征。為金融業搭建在線業務平臺，匯集用戶和信息，實現金融業務中資產、交易、支付、資金等互聯互通。對傳統金融的變革主要體現在渠道上，由線下走向線上，覆蓋到了長尾和普惠群體。第三方在線支付、P2P借貸、眾籌融資、互聯網基金銷售都是這個時期的代表。

　　金融科技3.0則主要通過數據、云計算、人工智能、區塊鏈等來改變傳統的金融信息采集來源、風險定價模型、投資決策過程、信用中介角色。這個階段的特征為：科技對金融更加縱向深化，尤其對產業鏈的深度介入，或許將重構金融業態。大數據征信與反欺詐、智能客服、供應鏈金融等都是這個時期的代表。

　　三、四大落地應用場景

　　“機器學習、神經網絡應用與知識圖譜”賦能金融核心業務

　　相比于人工智能其他細分領域，機器學習、神經網絡應用和知識圖譜技術受到大量金融科技公司的青睞，研發力度更大，使用頻率更高。眾多金融科技公司甚至將這幾項技術組合運用，作為自身核心技術壁壘。金豹系列課程為你詳細分析金融科技的四大落地應用。

　　一般機器學習、神經網絡應用和知識圖譜直接賦能金融行業內的核心業務，例如量化投資、授信融資、保險定價、反欺詐、輔助決策等。應用邏輯主要是導入大量相關數據，利用機器學習形成知識圖譜或者建立模型，通過不同算法和神經網絡應用預測交易趨勢發現商機，識別欺詐把控風險。

　　“語音識別與自然語言處理”打造智能客服

　　語音識別與自然語言處理在金融領域的應用大多和機器學習、神經網絡應用、知識圖譜相結合。其主要場景模式是智能客服和語音數據的挖掘。

　　智能客服主要是通過電話客服渠道、網上客服、APP、短信、微信以及智能機器人終端與客戶進行語音或文本的互動交流，理解客戶業務需求。語音數據的挖掘主要通過音語義分析自動給出重點信息聚類，聯想數據集合關聯性，檢索關鍵詞，并匯總熱詞，發現的市場機遇和客戶關注熱點，主要用于市場營銷層面。

　　“視覺與生物特征識別”助力金融安保

　　視覺與生物特征識別在金融行業的應用主要聚焦在安保方面，其應用較為成熟。通過臉像識別、指紋識別、虹膜識別等生物特征，協助識別驗證客戶身份，預警可疑行為和可疑人員，達到安全防范的目的。在所有的技術中，現階段受矚目并迅速發展的是人臉識別。它目前主要有3種應用模式：人臉識別監控、人臉識別比對檢索、身份確認。

　　“服務機器人”提供自助服務

　　服務機器人一般集人臉識別、證件比對、語音交互、知識圖譜、深度學習等技術于一身，一方面減少人工重復性工作，另一方面采集客戶數據，展開營銷。

　　四、當下金融科技三大謊言

　　未來，銀行等金融行業面臨著來自金融科技競爭者的壓力，整個行業或有可能產生天翻地覆的變化。但對于金融科技，既要看到未來的方向，亦不能過于樂觀和盲目。

　　“讓人工智能幫你理財”

　　放眼未來，機器計算邊際成本較低，人工智能應用也大幅削減人工降低成本。但目前來看，人工智能所能替代的是初級的信息收集與處理工作。比如代替以往一群人從早到晚閱讀資料、提供投資建議的模式，用數據提供建議比過去更高效與穩定。不少調研對象均表示：目前機器算法后終的投資判斷大部分還是由人來承擔。在很大程度上是因為人工智能的可信性。銀行培訓精品課程為你詳細分析金融科技的謊言。

　　“數據及其算法就是人工智能”

　　以智能投顧為例，雖然各方都看好智能投顧，但在調研中發現，對于背后的實際運作，與量化投資區別以及智能程度情況依舊存在許多疑問。比如在不少調研對象看來，現有的智能投顧只是資產配置的一種在線模式，其實和人工智能聯系并不大，他們認為這是智能投顧領域容易混淆的一個問題。

　　“讓人工智能取代人類工作”

　　媒體經常以“機器人殺人”、“取代工作”為噱頭證明人工智能浪潮的來臨，但實際上人工智能有著自身的技術發展曲線，就目前而言，其智能程度并沒有達到大規模替代人類工作，威脅人類生存的階段。

　　許多金融科技從業者重視人工智能但遠未到委以重任的地步，業內普遍認為，人工智能所能替代的只是初級的信息收集與處理等基礎工作，運用大數據獨立做投資決策更多是一個概念，成熟市場很少這樣操作。

　　五、金融領域科技公司三大機遇

　　核心壁壘：遵從行業本質，尋找行業痛點

　　對于金融科技行業而言，首先要遵從金融的本質，以數據為基礎，技術為手段，為傳統金融行業服務。信貸作為金融的核心功能，的痛點在于受制于用戶需求以及風控環境等問題，如何利用人工智能精確了解用戶需求，提高風控能力，減少壞賬率，實現良性循環是信貸領域核心競爭力。

　　例如，通過深度學習多維度交叉比對數據反欺詐，依靠生物識別驗證客戶身份，采集分析行為數據進行營銷。尋求更多盈利點是金融行業的另一個痛點。以智能投顧行業為例，和時間賽跑，利用人工智能技術，在更小單位時間內捕捉更多的賺錢機會，是目前很多金融科技公司在燒錢拼技術的核心點，也是人工智能的核心優勢之一。

　　商業模式：ToC不如ToB

　　無論是智能投顧、信貸、支付，還是保險領域，不少金融科技創業者或行業巨頭都瞄準C端(普通用戶)市場。但隨著互聯網流量紅利日漸被瓜分，致力于開發B端(面向企業)業務，為金融企業提供相關科技服務，成為一部分金融科技公司接下來布局的重點。即用技術幫金融機構做業務。

　　人才招募：復合性、跨界性、創新性

　　對于金融科技公司而言，招募靠譜的團隊至關重要。由于金融科技不僅涉及金融而且與技術密切相關，因此準入門檻高。在調研過程中，我們發現，大部分受訪者都有海外金融行業從業經驗和技術研究背景。

　　人才的能力需要體現在人才的復合性、跨界性與創新性上。“清空自己，進行自我迭代的能力”是企業看中的一個特質。

　　推薦閱讀：企業培訓成功案例 》》》