“互聯網的思維是一個過時的思維,我們的思維方式是AI思維。”
“金融是人工智能最重要的應用領域。AI Fintech +金融機構,將產生1+1大於2的裂變效果。”
百度公司董事長兼CEO李彥宏這樣說並不奇怪,因為百度雖以互聯網起家,卻早已在7、8年前就佈局了AI賽道,而百度也正在以新面貌迎接並引領智能化時代。
那AI+金融到底是為何被看好呢?
一起來看
“AI+金融”的3.0時代
金融科技一共經歷了三大發展階段:
1.0時期:該時期的金融科技僅停留在概念階段。科技初步結合金融業務,科技在1.0階段作為金融工具,以技術替代人工,提升了金融業務的數據計算、存儲與傳輸效率。
2.0時期: 變為科技服務金融創新,如:第三方支付、網絡借貸、一站式綜合金融服務、眾籌等。該時期金融科技存在的主要問題是:數據資源難以共享,影響金融科技的基礎設施建設,導致技術無法深度應用。
3.0時期:通過大數據、雲計算、人工智能、區塊鏈這些新的IT技術改變傳統的金融服務,大幅提升傳統金融的效率,代表技術就是大數據徵信、智能投顧以及供應鏈金融。
【成功應用】
“刷臉”現在已成功落地應用,極大地鼓舞了人們對金融科技實用性的信心。
智能投顧(Robo-Advisor)也取得了不俗的成績和發展,據第三方統計數據,去年年底數據顯示,國外市場上智能投顧已經達到210億美元的管理資產規模,預測到2020年,這一數字將突破2.2萬億美元。
“AI+金融”應用場景大剖析
參與產業鏈
參與到“AI+金融”應用場景的企業大致分為:傳統金融機構、各類互聯網公司(如:京東金融、百度金融等)和人工智能技術類公司等。
“AI+金融”的應用場景
【智慧銀行】
人工智能已經滲透在銀行業的各個方面,從前臺業務到後臺分析決策和企業運營,典型應用包括:智慧網點、智能客服、刷臉支付、智能風控、精準營銷和智能化運營等。
【智能投顧( Robo-Adviser )】
優勢
智能投顧在更好地適應用戶的個性化需求、降低門檻限制、避免人為因素干擾等方面有著明顯的優勢。
核心環節
用戶畫像、大類資產配置(投資標的選擇)、投資組合構建和動態優化等。
【智能投研】
從技術角度來看
智能投研的技術要求相對較高,國內創業公司、基金公司和數據服務商都趕著入場,但目前來看,行業尚未形成規模,市場仍處於早期探索階段。
從數據角度來看
國內的金融數據豐富度和完整性相較於國外來說都比較偏低,大量的數據標準化、關聯關係的建立等問題亟需解決。
傳統投研和智能投研的區別
傳統人工投研流程可大致分為4個步驟:收據收集、數據/知識提取、分析研究和觀點呈現等。
智能投研則通過自動化途徑優化這4個步驟,實現從搜索到投資觀點的一步跨越。
【智能信貸】
優勢:
- 精準信用畫像,提高風控效率和精準度
- 第三方獨立徵信,打破信息的孤島
- 信貸業務全流程的優化和風控管理
傳統信貸業務流程從申請,到信息採集,再到信審和放款,每個環節均涉及大量信息,流程繁瑣且效率低下。但在互聯網金融的時代背景下,市場對於效率的要求越來越高。
整個過程並行處理,依靠機器自動化完成,從而能夠實現線上審核的“秒批”或“秒拒”。
【智能保險】
智能保險是利用大數據、人工智能區塊鏈等技術實現保險從售前到承保、理賠和售後的全流程優化。
售前:精準的用戶畫像。通過跨平臺獲取用戶信息,打造用戶畫像,來優化保險行業中的定價、信用評級,精準營銷等流程,為用戶提供個性化的產品推送。
承保:風險評估。運用大數據技術構建定價和反欺詐模型,有效評估客戶承保前、承保中和承保之後的風險。
理賠:核保流程自動化。通過大數據分析推進核保流程自動化,縮短核保時間,提高核保準確度。
售後:識別高退保風險保單。主動挽留高退保風險客戶,並分析不同客群退保原因,降低退保率。
【智能監管】
新技術帶來變革的同時也帶來風險。
2018年3月上交所就人工智能、大數據等新科技在監管領域的應用給予了一定的介紹。同時表示,上交所將不斷加大監管系統建設投入,積極研發智能應用,以大數據平臺為基礎,以實際監管業務場景為著陸點。
“AI+金融”的行業現狀怎樣?
目前行業發展潛力巨大,場景創新成重點,未來具有一定的不確定性。
隨著人工智能技術的逐漸成熟,行業關注的重點也將逐步從技術研發轉移到場景探索上來,金融行業作為最被看好的AI應用領域之一, 無疑會有更多的發展機會。
目前來看,智慧銀行、智能投顧、智能投研、智能風控等場景的的發展相對較快,監管和保險有朝著綜合型科技方向發展,監管科技、保險科技等詞彙逐漸進入人們視線。
投資領域
智能投顧因國內理財需求的擴大,而面臨廣闊的發展空間,未來,隨著監管政策的逐漸落地,市場也將更加規範。
未來隨著投資專業化、私募基金大發展、個人與機構的界限逐步模糊的背景下,智能投顧與智能投研兩者有望通過加強合作實現優勢互補。
信貸領域
隨著國家對場景金融的鼓勵和支持,未來,智能風控有進一步貼近場景的趨勢。徵信方面,數據共享機制的建立,在未來或許將逐步完善。
保險方面
用戶畫像和大數據的發展,削弱了保險行業的信息不對稱性,能夠一定程度上減少保險欺詐的發生,但也同樣存在著隱私問題等潛在風險。
監管方面
新技術的應用給市場帶來新的風險,但同時也提供了新的監管思路和方法。各監管機構均提出監管的智能化發展,並逐步落地實施。
綜述
由於金融行業發展的差異性(如各國金融市場的成熟度不同,投資者的投資風格迥異等),短期來看,人工智能技術對金融行業發展的輔助性作用更為明顯。
長期來說,技術所能達到的界限難以界定,不排除有對行業產生顛覆性影響的可能,市場具有較強的不確完性。
金融人如何防止被AI取代?
想繼續留在金融業,需要做一個複合型人才,不得不說,如果你想從事金融行業,科技金融與金融業務的合流是大勢所趨。人工智能、大數據等,絕對是你需要關注的重點!但是,並不是說不會編程就不能進入這個領域了!
加強科技素養
作為商業人才,金融人無需焦慮於要不要轉行去AI。技術角度而言,人工智能發展至今,已漸有成熟態勢,之所以還未被廣泛運用,原因無外乎應用層面還未挖掘出底層技術的商業價值。
這個行業缺少的是極具創造力和洞察力的商業人才,從而發揮出技術的商用價值。
目前人工智能更需要的是和各行各業的深入融合,金融人可以運用自身的洞察力和創作力,發現人工智能在金融業的更多應用領域,使之發揮更大的商業價值。
因此,基本的科技素養也漸漸成為衡量金融人創新能力與運用能力的砝碼。
學位
可以去報名Master in Business Analytics(商業分析碩士) 、 Master in Data Analytics(數據分析碩士),這2個碩士專業的主要學習內容是如何將數據分析應用於商業當中。
這樣的學位一般會涵蓋基本的數據分析以及機器學習,而且較側重於應用,實用性高。
擁有非公開信息
人工智能的強項是對公開資訊的提取、分析以及作出相應決策。如果你有渠道可以得到尚未公開的資訊,你被取代的可能性就會小。
反向投資理論
是基於對人性的分析,哲學性質多過數理性質,目前尚沒有看到人工智能在模糊哲理上有什麼天分。
價值投資
舉一個例子:巴菲特只讀公司年報,運用常識進行價值投資。
對經驗的學習、複製、改良就比分析數據難很多了。
你的客戶寧可和你打交道
機器可以24小時不休息,工作能力強,但在人與人的感情處理上並不佔優勢。
金融業的投資、分析、管控功能可以大量由人工智能代勞,但是與客戶的人性交流恐怕還要人來做。當然前提是你面對的客戶是人,而不是機器。
最後送給大家一句話,搜索專家吳軍博士在他的《智能時代》一書的封面上,寫了這樣一句話:“在智能時代,2%的人將控制未來,你要麼成為他們,要麼被淘汰。”
閱讀更多 職場先生MrCareer 的文章