@Lucien
2017-03-01T01:11:22.000000Z
字数 2369
阅读 591
未分类
在互联网的冲击下，传统金融行业正在有条不紊的学习互联网的，随着互联网金融确实吸引了足够多的眼球，
互联网金融的确使得金融业务通过与互联网技术的结合拥有了更大发展空间，但是在大数据、云计算、人工智能、区块链、AR/VR等技术日新月异发展的今天，它不是金融实现科技创新的全部，也不能代替传统金融业务与新技术结合的全貌。
为了更多揭示传统金融行业采用哪些科技创新手段实现业务发展和变革，为了探讨科技创新将给传统金融带来哪些契机，为了让更多人了解到传统金融科技创新的真正实力，为了如实展现金融科技创新发展全貌，为了树立和宣扬传统金融业雄厚的技术影响力，InfoQ特别策划“科技创新为传统金融带来哪些变革新契机？”选题，以深度访谈、案例展示、评论分析等多种形式，呈现一个变革中前行的金融科技创新全貌。
智能数据时代金融领域的新玩法
鲍忠铁在《大数据产业2016年终总结》中提到，2017年将进入智能数据时代，对于互联网金融来说，智能数据时代所带来的积极推动作用不言而喻。他们可以利用外部有价值的数据和人工智能算法增加业务收入，降低运营成本，提升运营效率。具体而言，互联网金融企业将放弃过去通过大量广告投入野蛮生长的时代，进入利用数据分析和数据模型精细化运营时代。
互联网金融企业完全可以依靠数据和算法来识别欺诈分子，羊毛党，并对客户进行分析和分类，对不同的用户群体采取不同的运营策略，例如对于高价值客户，需要为其提供更好的服务，获得更多的收入；对于普通用户，利用一些活动将他们转化为高价值客户，低价值低忠诚度客户会被筛除，降低整体的营销费用。互联网金融企业还可以建立智能推荐系统，为客户精准推荐金融服务和理财产品。基于智能投顾的财富管理服务也是互联网金融企业未来发展的重点。
传统金融和互联网金融之间的本质区别
鲍忠铁是金融行业大数据实践推动者，之前服务于工商银行，花旗银行，参与和见证了工商银行的数据大集中，电子化，外资银行的本土化等重要历程。在谈到传统金融和互联网金融之间的本质区别以及互补性的时候，他认为，本质区别在于风险管理能力和执行能力。
传统金融企业风险管理能力较强，稳健经营，但是在技术运营和执行能力要比互联网金融企业落后。互联网金融企业组织架构和执行力具有很强的优势，新产品开发快，新技术应用快，以用户为中心进行产品设计和营销推广。但是风险管理不如传统金融企业稳健。
互补性是互联网金融企业向传统金融企业学习风险识别和风险管理，敬畏风险，稳健经营。金融企业向互联金融企业学习组织架构设计，提升执行力，善于接受新技术和新的观念，更加高效地为客户服务。
传统金融系统的顽疾
作为金融领域的一名老兵，对国内传统金融机构在IT方面存在的问题有着深刻的理解。主要集中在两点，一个是资源投入不够，导致无法适应业务高速发展的需求，业务部门很多产品开发上线时间不得不延后，等按计划开发好了，已经缺少市场竞争力了；另外一点就是缺少人才，缺少即懂业务又懂技术的复合型人才，导致很多项目做出来之后效果很差，难以为继，投入资源不少，但是离商业价值渐行渐远。
未来，传统金融系统在智能化方面的发展
鲍忠铁说，关于传统金融系统未来在智能化上的发展，大家的想法是一致的，那就是：
智能化方面可以考虑同人工智能公司合作，在风控、量化投资、智能图鉴、人脸识别、智能客户等方面进行深入的合作。至少在智能化技术和意识上和外界同步，同时选择一些适合自身业务需要的新科技进行尝试。在客服、产品推荐、营销方面实现智能化。
TalkingData在金融科技创新上的表现
鲍忠铁毫不谦虚的说，TalkingData在数据商业化和机器学习方面做的比较好，金融领域几乎覆盖的所有头部客户，包括银行、证券、信用卡、保险。房地产行业覆盖了前二十名头部客户，零售行业也开拓出典型客户，并取得了很好的商业效果。
公司为客户提供智能数据，智能数据工具，专业数据运营咨询、模型算法能力，不断升级合作方式。同时也在开源算法和机器学习方面取得很大进步，不久前发布的Fregata开源计算平台在运算效率上可圈可点。此外，lookalike算法正在帮助企业寻找潜在高价值客户，在2016年利用自研的数据分析和算法能力，帮助某直销银行在两个月内销售出40亿理财产品，激活了40％的高价值休眠客户。TalkingData坚持利用智能数据和算法模型为客户创造价值，帮助客户获得新客户、激活休眠客户、提升单客价值，完成业务收入指标。
（这里可不可以介绍一下Fregata开源计算平台的架构和原理？lookalike算法模型是什么？技术细节有哪些？）
除了在金融科技上的创新，TalkingData帮助传统企业在识别恶意欺诈、提升风险管理和降低营销成本上提供了较多的技术支持。利用数据和模型帮助一些头部互联网金融企业进行羊毛党识别，降低了运营费用。同时也利用TD的设备行为数据为客户提供反欺诈支持，帮助头部互联金融企业进行渠道分析。
寄语：整个金融行业亟需新动力
最后，鲍忠铁从整个金融行业科技创新角度来看，目前图像识别技术比较成熟，大多数互联网企业采纳这样的技术来进行身份认证和反欺诈。还有一些数学模型，在拥有丰富的数据前提下可以实现反欺诈和预测违约客户，例如RF，TDA，GBDT等。未来基于深度学习的技术会有比较广阔的应用前景，包括智能图鉴，智能投顾和智能客服等。