疫情之下:金融科技企业的突围思考

众多金融科技企业在 2019 年年末做好了充足的准备,去应对监管、风控、新技术、安全合规等问题。只是不曾想到,2020 年的开端竟然是一场席卷全国的疫情爆发。这也验证了那句话:凡是能被验证的,都不是“黑天鹅”。

回顾 2019 年,金融科技领域发生了五件大事:

网贷行业方面,备案再次延期,出现数起头部平台退出事件;

银行业金融科技方面,开放银行成为了主流趋势,各银行都推出了开放银行平台;

银行再次下注金融科技子公司;

新技术方面,Facebook 主导的 Libra 再次将比特币拉回到公众视野;

小微金融方面,商业银行发力,多维数据成为小微金融业务的关键点。

疫情之下,金融行业应对风险的能力如何?金融科技公司如何突围?InfoQ 邀请了 12 家金融科技企业的专家,基于各自的研究领域,谈谈对 2020 年金融科技趋势的看法,以下是观点整理。

2020 年金融科技领域重点趋势解读

360 数据智能集团技术总监 徐皓

核心观点:银行数字化进程加速,安全和高效是核心诉求。

2019 年对于金融行业来说可谓是不平凡的一年,经历了史上最严的监管,大浪淘沙最终那些不断突破创新、良性运营的互联网金融企业坚持了下来。在当前疫情下,2020 年金融行业的技术发展趋势有以下几点:

传统银行业加速数字化转型、人工智能和云助力场景落地。今年突如其来的疫情让我们的工作和生活受到了不同程度的影响,银行业是关系到国计民生的行业,如何让其业务办理在现在的情况下尽可能不受到影响,网上银行无疑是一个最佳选择。

虽然近几年银行业已经开始了数字化转型的脚步,但每个银行的数字化转型程度不一,相信在这次疫情之后数字化转型的步伐将大幅度提速,诸如网上营业厅、无人营业厅、智能客服等,而这些数字化转型的措施势必会让人工智能落地场景越来越多,也会让云平台的应用迎来一个新的增长。

业务办理流程持续追求高效、跨行业多场景数据海量增加。随着现实世界和网络世界的互通互联速度的不断提升,全社会的生活和工作节奏也在不断加快,金融作为人们日常生活中息息相关的一个领域,用更快的响应速度、更高效的业务流程、更安全的交易环节去顺应社会的高速发展趋势,诸如如何快速识别风险客户从而降低业务风险,如何在发生重大事件时快速响应并推出适合的营销产品。

在这些过程中对海量数据处理实时化、跨行业的数据共享交换、大数据安全能力等一系列围绕数据相关的技术将会持续深耕,保障金融领域数据安全的同时最大化提升业务流程的高效和敏捷。

京东数字科技集团金融科技事业部技术总经理 卞海军

核心观点:银行的 IT 架构正朝着从集中式架构过渡到双模 IT 架构转变,并最终完成迁移到金融云架构的趋势发展。

以银行为代表,不少银行对于移动平台、云平台和数字化转型等越来越重视。为了适应移动化、线上化、开放的业务形态和数字化转型的需要,银行加大了对金融科技的投入,并积极尝试数据中台、业务中台等能力建设。

银行的 IT 架构正朝着从集中式架构过渡到双模 IT 架构(集中式架构 + 云平台:即核心系统仍依赖集中式架构,而外围和线上业务迁移云平台)转变,并最终完成迁移到金融云架构的趋势发展。

当然在这个过程中,银行因为自身业务、资源以及战略的差异化,步伐有快有慢。技术要服务于业务目标,要与业务共生,所以我们坚持围绕业务目标进行项目交付,将智能营销、智能风控的能力,乃至多样化业务场景一起带给客户,为银行打造技术中台、数据中台、业务中台、移动中台等核心能力的同时,形成数百个产品和组件,可以根据机构的需求提供定制化的解决方案。

在 2020 年,将有更多的中小金融机构,尤其是区域性金融机构会在数字化转型中发力。接下来的几年间,金融科技与业务相互促进共同发展将形成能力更强、更具生命力和竞争力的有机体。

平安银行 AI 算法负责人 潘鹏举

核心观点:2020 年金融科技行业中有 2 个大的技术趋势是 5G 技术的落地和联邦学习的应用。

以银行业为例,如下图所示。整个银行业的变迁分成 4 个阶段,横轴和纵轴分别代表了摩擦和渠道,摩擦代表的是客户体验程度,渠道代表的数字化程度。简单来说,银行 1.0 是物理网点时代,2.0 是窄带时代(PC 时代),3.0 是移动化时代(智能化),4.0 是开放平台时代。

根据美国银行创新教父布莱特·金出版的书籍《Bank 4.0》的理论,银行也已经迈向了数字化驱动的 Bank 4.0,银行 4.0 最终回归到了银行业的本质:银行是一种服务,一种无所不在的金融服务。银行是和生活的中的场景紧密结合在一起,体现在 3 个核心作用:

能够随时随地安全存钱;

能够随时随地转移钱,例如支付;

能够随时随地获得信贷能力。

根据中国电子银行 2019 年调查报告,个人手机银行用户占比达到 63%,银行业的移动化已经成为了一个主流趋势了。基于移动端的数据采集和智能化 AI 应用已经逐渐成为了金融领域不可或缺的组成部分,但是当前依然存在很多的弊端。

比如,你在买车的时候贷款,如果没有销售顾问的介绍,你根本不知道你是否能够贷款,能够贷款多少?银行也不知道你是否去过 4S 店?

这些用户行为轨迹数据,依赖于相关设备的信息,目前均未采集,原因是因为数据信息量过大,网络带宽不够,导致丢失了很多行为数据,无法让金融领域真正实现随时随地,实时化感知用户需求。

2020 年,随着 5G 技术的落地,基于 IoT 数据的采集和使用会成为一个重中之重,我们将进入一个超宽带移动化时代。Gartner 预测:2020 年 5G 手机的占比将达到 10% 左右,按照全球 30 亿手机用户来算,也将近有 3 亿用户会使用 5G 手机,这个数据非常可观,此为其一。

其二,随着对个人隐私的重视以及国家政策趋严,数据的保护粒度越来越大,所以采用一套既能保护用户隐私数据,又能实现智能化的 AI 技术应用迫在眉睫,联邦学习应运而生。

通过联邦学习,可以不用交换原始的数据,就能够实现智能化的 KYC。通过加密数据传输的方法实现实时化数据的传输,从而来实现实时化的场景识别

当我们有了各个场景实时化的 IoT 数据以及安全可控不用暴露个人隐私数据的智能化算法,银行成为一种无所不在的金融服务才能成为现实,真正的 Bank 4.0 才会到来。

ThoughtWorks 创新总监 肖然

核心观点:开放银行模式将在中国发芽,金融科技从业者需要思维升级。

随着各家商业银行在金融科技投资上的加码,银行正在科技能力方面追赶互联网巨头,标普 S&P 在去年的分析文章中指出,在零售银行领域,中国银行金融科技能力甚至达到世界领先水平。中国银行业的领头羊们更是纷纷成立金融科技公司,目标已经超越传统的金融服务,全面进入数字化时代。

过去两年在银行主营业务领域,金融科技的应用让银行服务更贴近客户、更深入场景,类似建行在租房和招行在车生活领域的服务创新,都离不开金融科技的支撑。

一方面,银行在金融科技能力方面的竞争还会加剧,通过数据分析提升客户体验的改进才刚刚开始;

另一方面,银行必然开始思考如何通过金融科技创造新的商业模式,发现新的收入来源,而后者将逐渐成为银行决策者们的关注点。

面对疫情,数字服务的优势再次凸显,更会促使已经具有一定科技实力的银行思考新的线上服务可能。数字化时代商业模式的创新不会只是阿里腾讯这样互联网巨头的专利。

2020 年在金融科技驱动下,开放银行模式将在中国发芽。从国内金融环境出发,开放银行在中国仍然会采用市场驱动的模式。但我们也必须看到国内银行的科技开放能力仍然处于起步阶段,即使浦发银行的 API 开放平台和招商银行的企业开放平台这样的行业先行者,也存在很多思维观念上的束缚,科技开放还有待于金融科技转型的进一步深化。

银行金融服务开放的步伐会显著加快,数字化时代持续出现的商机会促使银行加快建立合作生态,从而能够切入产业,形成产业互联的商业生态模式。

金融科技的发展让传统银行从业者有了一次思维升级的契机,接下来的产业生态合作将挑战银行从业者们是否能够真正拥抱敏捷思维,比拼客户场景的洞察和资源的整合能力。

信用算力 CEO 张建梁

核心观点:金融业务全面合规化、持牌化,科技输出服务竞争开放化,监管与利好同步向金融科技服务生态全链条覆盖。

2019 年,行业围绕“套路贷与真利率”、“大数据爬虫与个人信息保护”、“共债与普惠”“助贷与实质风控”进行广泛讨论,监管思路与扶持政策明确,金融与科技的服务边界逐渐清晰。深度服务持牌金融机构,加强连接与资源能效互补,成为科技输出型企业的正确航向。

以复盘 2019 年信用算力重点服务的某头部农商行为例,科技型企业在服务金融机构过程中,需要做好以下几点:

第一, 要足够了解合作机构互联网化信贷展业需求、产品定价区间,以及产品形态的本地化特征,检验机构产品定价区间的合理性,营销获客与系统化运营管理的可行性。

第二, 要足够了解(本地区)用户区间分布与优质信贷用户特征。对用户进行定价与分层,确保优质用户以更快速度、更低成本完成资金需求,让不同信用区间的用户,得到不同产品定价的信贷服务。

第三, 在智能营销服务方面,整合全域流量资源,提供全场景媒体曝光,精准定位目标人群,提供实时风控前置的精准获客服务。

第四, 在风控能力输出方面,向合作机构提供高质量风控建模、风控策略、智能风控产品和决策引擎系统等服务,如通过对用户授权的真实消费数据和行为数据的挖掘,利用风险模型的方式加工输出对用户还款能力与还款意愿的评分,预测用户坏账率,用以决策判断及量化风险。

在满足本地化、私有化部署的前提下,将风险决策模型应用、智能风控技术运用到用户触点的全流程,实现系统灵活配置、实时反欺诈,以及毫秒级系统响应,极大降低机构风控人力成本。

第五, 在大数据运用和精细化运营管理方面,通过平台涵盖的审批、交易侦测、客服、调额、催收等环节,满足合作机构信贷业务的快捷化、规模化、精细化运营需求。

星合资本首席科学家 胡震

核心观点:区块链应用落地从 G 端入手,推动普及到 B 端和 C 端,脱虚向实还任重道远。

近年来区块链技术的应用落地,总体上呈现多点开花、不断深入的态势。鉴于区块链天然地自带金融属性,所以在区块链技术的诸多落地应用领域中,金融科技行业是重点。

其中在联盟链生态方面,目前国内有一定数量的金融行业应用已经通过了原型验证和试运营阶段,涉及供应链金融、跨境支付结算、贸易金融、资产管理、保险等细分领域,这部分目前主要是由国内的互联网巨头、金融科技独角兽平台及金融机构主导推进实施的。

在公有链生态方面,以 MakerDAO 、Uniswap 为代表的 DeFi(开放金融)也是风生水起,最新的数据是已经有十亿美元的数字资产锁定在 DeFi 生态中了,而这也才短短的不到两年的发展时间,未来前景可期。

但是目前不管是联盟链还是公有链的落地应用,总体上离大规模商用还有一段不小的距离,场景化落地还需要行业及政府的继续不懈地努力。当前应用落地的瓶颈不仅仅是因为底层区块链性能不足,更重要的是实际应用场景所需的基础设施仍不完善,无法解决信息上链、身份认证、隐私保护、监管等问题。展望 2020 年,区块链技术会在以下几个方面取得重大的突破。

蚂蚁金服区块链技术总监、达摩院区块链资深技术专家 闫莺

核心观点:2020 年总体上成熟的业务将会从单链协作迈入跨链协作阶段,形成更大规模的业务价值网络;技术方面,跨链技术架构趋于统一,异构特性、应用特性会进一步升级,有望演进出更多贴近真实应用场景的组网方式、跨链模式及应用功能,同时也有望催生出跨链标准。

无论公有链还是联盟链,跨链的抽象架构差异其实并不高。各种跨链机制实现趋于成熟,跨链模式多样化,有多个跨链平台推出且运行着落地案例,整体上各家跨链平台处于能力快速建设阶段,但尚未形成统一跨链标准。

2020 年,区块链 BaaS(Blockchain as a Service)服务将进一步降低企业应用区块链技术的门槛。在商业应用大规模落地的同时,区块链网络的“局域网”和“数据孤岛”问题将被新型的通用跨链技术所解决。

基于目前的区块链业务发展趋势及技术的积累程度,预判 2020 年总体上成熟的业务将会从单链协作迈入跨链协作阶段,形成更大规模的业务价值网络。在技术方面,跨链技术架构趋于统一,异构特性、应用特性会进一步升级,有望演进出更多贴近真实应用场景的组网方式、跨链模式及应用功能,同时也有望催生出跨链标准。

目前蚂蚁区块链已有不少跨链案例落地,如跨链溯源联盟、供应链金融应用等。在跨链的核心机制方向上,蚂蚁区块链引入以可信计算为基础的组件,解决异构链带来的差异性难题,同时结合分布式身份,定义跨链治理模型,有望构建统一的标准跨链模式。

可以预期,跨链协作将进一步拓展价值互联网的边界,实现万链互联。这也将进一步夯实区块链在数字经济时代数据和资产可信流转的全球基础设施地位。

度小满金融区块链负责人 李丰

核心观点:互金精细化运营能力成盈利关键,区块链发展需专注内功、警惕“华而不实”

随着互联网红利殆尽、发展趋缓,未触网用户、未触达的新客规模越来越少,获取难度和成本也日益高涨。针对存量客户的挖掘、经营和激活,成为金融业务新的重点,而这需要金融机构对用户和客户有更深入的了解。

在充满不确定性的 2020 年里,通过大数据与数据挖掘、人工智能算法等不断增强对用户行为和需求洞察,发现潜在需求,不断提升精细化风控与运营能力,将是在不确定的 2020 年里,金融机构实现持续盈利的关键。

而对从去年 10.24 之后再次成为热点的区块链技术,在 2020 年里整个行业需要更加冷静,警惕“华而不实”的行业发展,避免好不容易迎来的政策转机,再次进入低谷。

可预期的,区块链在政府治理、企业协作方面,2020 年将爆发大量需求,产生大量落地项目,不论从资金层面还是项目层面,这都对区块链的发展,特别是联盟链方向的发展带来很大推动。

但是,这些项目的最终落地效果,项目之后为行业留下来的经验有多少,需要所有从业者思考和关注。

通过这次疫情下区块链的表现,我们已经看到区块链的技术能力和应用能力还非常初级,难以经受大规模的考验

因此,2020 年,整个行业应该借政策的推动和行业利好,去掉浮华,借东风更加关注核心技术的创新与突破,基础设施能力的完善和标准化,以及行业应用场景的结合和落地,夯实整个行业基础、苦练内功,构建区块链生态,努力推动行业健康可持续发展。

中国电信翼支付首席数据科学家、人工智能研究院院长 谢巍盛

核心观点:国内 to B 类的金融科技企业将加速升级,不再提供单一的工具或平台,而是深入各细分场景内为客户提供端到端的解决方案。

此次爆发的全国性疫情事件给金融市场带来了一定冲击,但相信其影响是阶段性的,暂时的。在这次疫情过后,金融市场应当更多关注重点地区和行业的相关企业,这也对金融科技企业带来更大的使命与机遇。

近几年金融科技市场高速发展突显的一些问题仍将是影响国内金融科技下一阶段发展的主要因素。

首先,应对用户隐私保护问题,严监管的常态化将促使金融科技市场持续转型升级。企业对于用户数据的采集、加工和应用环节需做到合规、安全及高效,这将进一步推进企业精细化运营、优化产品、提升用户体验与业务质态;

另一方面也将加速可信环境建模的相关研究和技术在金融领域的落地,如利用联邦学习在保证数据安全情况下实现联合建模,利用区块链建立互信机制实现数据交互等;

其次,近年“AI + 金融”发展较快,但当前以机器学习为主的 AI 在金融领域的应用仍以监督式学习为主要方法,对于许多金融场景而言,数据标签的获取仍有很大难度。

随着问题的凸显,金融领域对于新型的、多样的建模方法具有较迫切的需求,因此对于诸如小样本学习、弱监督学习、多目标、多模态学习等方向在金融场景下的研究与落地是一个趋势;

最后,如何协助国内大量的中小型地方性金融企业利用科技,特别是大数据与新一代人工智能技术开展金融业务,对于支持当地制造业和小微企业具有现实且重要的意义。这将促使国内 to B 类的金融科技企业加速升级,不再是提供单一的工具或平台,而是深入各细分场景内为客户提供端到端的解决方案并持续打磨。

追一科技技术总监 杨雪峰

核心观点:2020 年语言智能将在金融领域的应用会爆发,智能客服质检需求将会是新的应用热点。

科技趋势的形成是客户需求与技术进步交汇产生的碰撞。

在技术角度,2019 年是语言智能突飞猛进的一年,在全球科学家的共同努力下,通用的语言建模能力飞速提升,不断打破现有记录,这为 2020 年语言应用的爆发提供了很好的基础。

在没有预训练语言模型的 AI 应用中,模型同时要学习语言工具本身的特性,以及它在特定应用领域的语义映射。这对数据覆盖度以及密度提出了巨大的需求,在应用数据并不是十分充足时,极大地限制了 AI 能力的发挥。

通用语言建模能力的提升可以将语言工具本身的特性学习的很好,从而降低下游任务的难度,降低数据的需求。可以预见,语言智能的下游应用必然会迎来巨大的爆发。

这场疫情危机必定会进一步推动金融行业在线服务需求的增长,语言智能的爆发正当其时, 在助力金融机构满足客户在线服务需求,迈向智能化的进程中发挥更加重要的作用。在追一科技为金融机构提供基于 AI 能力的产品与服务的 3 年中,客户一直提出人工客服的服务质量检测需求。智能质检是大型呼叫中心 AI 赋能闭环的关键一步,相比文本智能客服自动帮助客户找到问题的答案,如何理解客服与客户的对话状态,专业解答是否合理合规是对语言智能更高难度的挑战。

在文本客服已经广泛应用的金融领域,AI 赋能所产生的实际效果已经让金融企业建立了信心,那么下一步尝试的落脚点很大可能就是智能质检。

妙盈科技 CTO 刘涛

核心观点:随着 ESG 数据越来越受到金融机构与政府的重视,非结构化数据的处理平台将会变得越来越重要。

ESG 是环境(Environmental)、社会责任(Social)与公司治理(Governance)的简称。在过去的一段时间内,我们可以看到 ESG 的数据正在受到越来越多的金融机构与政府的重视。

伴随着这次疫情的发生,以及澳大利亚森林大火对国际社会所造成的影响,无论是企业本身还是监管机构对于 ESG 相关的重视将会不断加强,ESG 数据的进步将会更快。

不同于传统金融数据,ESG 数据本身具备以下几方面的独特性:

1. 更新频率高

有别于传统的财务性数据,以月度、季度、年度的披露方式,ESG 数据具有更新频率高、实时性强的特点。以公司治理中的高管负面信息为例,新闻或社交媒体中随时都会爆出可能会影响公司管理的事件。平台需要第一时间对这类事件的影响与分析做出反应,同时这类事件的发生,并没有一定的规律,所以无法用传统手段与数据预测或应对。以现在我们监控的新闻信息来看,几乎每天都会有各种严重的负面新闻出现。

2. 数据类型多样,质量控制难度显著提高

ESG 数据主要分布于公开的社会责任报告以及社交媒体与新闻当中,同时数据格式也可以是文本、图片、音频或者视频。这其中以非结构化数据与半结构化数据为主,这对于数据处理的难度提出了比较高的要求,同时数据质量的管控也变得更加艰难。机器学习的能力不仅需要应用于分析数据并归纳出结构化数据,同时也需要能够自主的进行质量检测,这样才能保证信息处理的准确性。

3. 数据分散不集中

数据的分散主要体现在两个方面:第一,数据分散在众多的关联公司中。当重要事件发生时,需要通过知识图谱的查找才能够看到事件的全貌。

比如 B 公司发生罢工,那么了解 B 公司是哪些公司的供应商,或 B 公司是哪些公司的子公司这层关系就变得格外重要。掌握全局关系才能顺藤摸瓜找到真正受到影响的各种潜在公司。

第二,数据分布本身比较分散,以安全事故举例,关于安全事故的报道可能来自于社交媒体、新闻等不同的渠道。这样一来,如何做去重、如何进行实体消歧,也就成为了一个重要的挑战。

针对 ESG 数据的特点,势必需要构建新型的数据管理平台。这其中应当包括知识图谱的构建与管理,数据血缘的管理,以及数据质量的管理三个方面。这其中数据血缘的管理最为重要,至少应当做到表级别的血缘管理。这样才能够保证每一次数据更改对于业务人员完全透明,每一个产生的数据,都可以直接追溯到数据源头。

依托数据血缘为基础,在每一次 ETL 操作中也都需要配合自动化的数据质量校验,因为金融行业对于数据质量的要求是 100% 正确,因此每一个生产的数据都至少应当保证有一个校验逻辑来覆盖。

最后是对 Ontology 的管理,与机器学习平台的无缝对接也都需要与平台进行有效的整合。随着这次中国疫情的出现,ESG 的发展将会进入快车道,社会、政府以及金融机构也会更加关注 ESG 数据对于公司未来的影响。

众安科技副总经理 苏炜鑫

核心观点:在强监管环境下能为企业提供高效、灵活、合规的用户增长和运营能力的 MarTech 解决方案将会成为金融科技的一大发展趋势。

在过去 5 年随着金融科技的高速发展,金融科技在促进业务创新和高速发展的同时也使市场在特定领域的风险快速累积放大,监管在风险管控和个人隐私保护领域正持续加强。

在强监管环境下能为企业提供高效、灵活、合规的用户增长和运营能力的 MarTech 解决方案将会成为金融科技的一大发展趋势。

高效是指 MarTech 解决方案应具备为企业提供快速流量和渠道对接,高质量投放管理,多样营销活动制作,精准多维客户触达,全链路数据分析等一站式服务能力,使各业务职能能在统一技术和应用架构下得到快速赋能,并高效整合完成业务闭环运作。

除了具有高效的特点外,MarTech 解决方案还应具备产品化平台级的灵活性。技术上支持企业能根据业务需要快速部署所需的应用服务,并能因业务发展动态在平台上低成本地按需新增应用服务;业务上支持企业小步快跑地综合测试渠道、产品和客群,探索最佳营销实践。

最后是合规,是指符合金融监管要求的安全等保能力,对营销中的客户隐私和企业经营核心数据提供合规保障。

编辑总结

2020,注定是不平凡的一年。

大多数金融科技公司已迎难开始了运转。回顾我国金融科技的发展历程,虽起步较晚,但已经走过了最初的野蛮生长期,来到了一个趋于规范和成熟的阶段。

过去一年,许多企业经历了数字化转型的焦虑和冲击,熬过来的,就从行业的洗牌中突围出来。疫情之下,技术的重要性更加凸显出来,而那些忽视了技术的金融机构则再次陷入焦虑中,开始重新规划在技术上的布局。

科技行业天然的容易形成“赢者通吃”的垄断局面,对于竞争力弱的初创公司而言,将很有可能被迫淘汰出局。少数突围者经受住了挑战,必将乘胜追击。

金融科技行业最终会达成新的稳定,巨头依然是最值得期待的玩家。

TA 的更多文章

点个在看少个 bug