2019-2020全面智能科技兵器谱报告.pptx

2019-2020全面智能科技兵器谱报告,CONTENTS目录,01,产业纵深：从数字化银行到数字化金融,02030405,调研：意见领袖眼中的金融科技行业生态：3000+金融科技生态图谱兵器谱案例：智能化、差异化竞逐未来已来：阶段性红利过后，分化上演,01产业纵深从数字化银行到数字化金融,第一部分,1990,第一阶段：信息化,人工智能、大数据、云计算、物联网、区块链技术产业化2018,在数字化基础之后，各项新兴技术融合创新，产业智能化,信息化是指将现实物理存在的事物，通过电子终端呈现。此阶段的信息主要采取人工录入的方式。,数据采集和录入由机器完成，在人工预设的规则下触发的自动化工作。,数据的计算、分析和运用、决策，由Ai实现，由机器实现。,2008年，大数据概念走热，2013年大数据元年2008,1998年，互联网在国内开始逐渐普及,产业数字化浪潮：信息化、数字化、智能化 产业的数字化分为三个阶段，信息化、数字化和智能化。如今，数字化已经渗透到各个行业。第三阶段：智能化第二阶段：数字化,产业数字化进程图谱：金融走在产业前沿, 除了ICT（信息与通讯）产业之外，,在主要产业中，金融、文娱和零售的数字化水平较高，制造、教育和政府产业较低。, 金融产业的数字化水平最高，为人工智能、大数据、云计算、区块链等技术的深度应用，为智能化提供了基础条件。,金融数字化浪潮：金融科技的机会 金融科技公司所服务的金融行业，其规模占GDP比重为8%。金融在GDP中的比重远低于制造业，稍低于批发零售业，高于房地产业。 从金融细分领域的资产规模看，银行业达到260万亿遥遥领先，保险业为18万亿，证券公司受托资产为16万亿，自身资产规模为7万亿。,2318167,54,260,0,50,100,150,200,250,300,银行业资产规模证券市场市值信托业资产管理规模保险业资产规模证券公司受托管理资产证券公司资产规模,资产规模单位：万亿元,金融数字化的场景应用, 金融数字化主要解决五方面问题：降低成本，提升效率，提升体验，风险识别与定价，产品创新。, 从主要金融领域的数字化进程看，银行业涉及最深最广、迫切性最强，之后是保险、证券、资管等。,数据来源：不完全统计,02调研意见领袖眼中的金融科技,第二部分,关于兵器谱访谈录, 从2018年底到2019年8月，调研了50+以上的银行及科技公司，公开发布35家的金融科技兵器谱访谈录 从受访者对行业和趋势认知看，有以下几个特征：,竞争加剧关注政策智能化业务可用性服务下沉外拓产业数字化,关于市场的痛点和机会,众邦银行李耀：”银行通过自有渠道提供的服务相对低频，如果止步于此，和客户接触的机会会越来越少，客户黏性也会越来越差。开放银行的发展目的就是使银行的服务能够延伸出去，所以开放银行模式是银行服务客户的一个必然手段。”,融慧金科张羽：”互联网金融也好，互联网也好，有一句经典的论断，叫数一数二，不三不四。谁做的早、资源投的狠，谁就有先发优势。银行也完全一样，一旦沾了互联网的边，谁做的快，谁一定占有优势。所以很多银行家、行长明,白一个道理，不是所有的事情都需自己做。 ”金蝶效贷董聪：”目前国内金融机构对小微企业金融服务的渗透率依然很低，无抵押信用贷款的放款能力不够高，能够上量上规模的并不多。获客难，风险缓释难，信用评估难。”排列科技夏真：”全国有1400多家独立法人的农商行，它服务,的人群其实是最多的，有10多亿人，只不过绝大多数在三四线城市，在一些城镇。农商行智能化转型是一个很好的市场，是刚需。面临竞争多，业务小额高频，业务员年龄结构偏大需要替代。”,第四范式王卫：”开放银行背景下，银行需第三方场景拓展服务，对接后会产生更多更丰富的场景数据。在这些数据的基础上，人工智能可以做的事情会更多，开发出新的业务场景，预测分析更精准。”,关于技术应用与产品,第四范式王卫：”人工智能有效发挥作用的业务场景分为两类，一类是以机器的算力去替代人工操作，提升效率，降低成本。另一类是利用人工智能实现比“专家规则”更好的效果。千人千面的产品推荐、广告推送，或者提高反欺诈等风控场景的效率，人工智能要比传统的“专家规则”带来更好的业务效果。 如果某类业务场景下样本数据的积累很少，就不一定适合用机器学习的方法提供决策依据。”,冰鉴科技顾凌云：”技术作为护城河能维持的时间非常短。因为你有了，别人立马也会有，这就是个时间窗的问题。在技术优势之上和金融机构的强业务耦合，业务环节的磨合，才应该是金融科技的核心优势。”集奥聚合冯宗欣：”大数据企业要向科技转型，实现技术赋能金融服务，让金融机构直观感受到产出成果。要做到这一点，要求大数据企业在卖给金融机构产品的同时，还要梳理客户的作业流程，把产品有机地结合到客户的作业中，以结果来证明能够使客户获得收益。 ”融慧金科张羽：”大数据公司的一大痛点就是在特定时间点上的样本训练出来的模型区分度非常好，一放到生产实践当中，因为各种各样的变化，如人群的波动，政策的变化，模型效果会大打折扣，这是最为忌讳的模型不稳定和过度拟合的问题。所以衡量一个模型的好坏，不仅要看模型在当时的训练样本上表现如何，还要利用独立时间段的样本去验证模型公式。”,关于业务的挑战与难点,九章云极方磊：”开源将导致整个IT交付模式发生巨大变化，今天的IT公司赚钱要比20年前困难很多，开源似乎让开发变得容易了，但IT公司的价值实现也相应变得困难了，理解客户的业务场景并证明自己的价值显得至关重要。要做好一个模型，我觉得技术在其中占30%到40%，剩下的其实是业务知识。”,华夏银行王汉明：”金融科技战略虽然已定为全行战略，但全行数字化认识的统一、敏捷组织流程与文化的变革、传统技术平台与系统架构的转变、技术队伍能力的培养等都充满挑战，其中前两项更艰巨些。 在推动过程中，我们在组织结构、系统平台、人员队伍等方面加大了调整力度和投入，将原来的信息技术部和开发中心整合成了一个科技部，同时，对相关项目的流程进行了再造，并对各层级人员进行金融科技战略宣讲与培训。”,集奥聚合冯宗欣：”大数据企业要向科技转型，实现技术赋能金融服务，让金融机构直观感受到产出成果。要做到这一点，要求大数据企业在卖给金融机构产品的同时，还要梳理客户的作业流程，把产品有机地结合到客户的作业中，以结果来证明能够使客户获得收益。 ”,微众银行范瑞彬：“首先现在大家不再像之前那样狂热的原教旨主义了，整个行业仿佛都在进行自省。我这几天峰会上听到最多的就是探讨各种“误区”：技术误区、场景误区、认知误区等。可以看出，现在整个行业更务实，更稳健，不再纠缠于概念和炒作，而是从,需求、场景、业务、技术等多层次关注区块链如何赋能实体经济。 ”同盾科技马骏驱：“每一个行业我们都要深耕，所以每个行业我们都有很多专家，经济是有周期的，我们不能把鸡蛋放在一个篮子里。”,关于行业判断和未来机遇蚂蚁金服刘伟光： “ 5G到来以后，银行的APP就代表银行运营水平，未来银行金融科技的舞台就,在终端上。未来看银行业就是两个方向，一个是端，另一个是平台，端是非常厚的一个层面，而平台将是当前核心交易和处理系统的一个新的存在形式。关于这个话题可以再有很多深度探讨。 “达观数据陈运文：“放眼未来，我们觉得重复性、机械性文字的处理能力，计算机很快就将超过人类。十年以后有超过50%的基础性办公工作都可以由RPA机器人代替人来完成。未来公司形态是这样的，企业会雇佣人力员工同时会雇佣RPA机器人，他们各司其职共同完成企业的工作。这会成为一件稀松平常的事。,关于行业判断和未来机遇小花科技黄凌鹏：”目前来看，在金融科技的输出这个领域，现在还没有形成所谓的巨头或者寡,华夏银行王汉明：“银行确实有被后台化的倾向。之所以出现这种提法，主要是支付宝、微信等移动超级APP的出现，使得客户不愿再打开银行APP了。但随着人脸支付、物联网等的发展，可能以后人们支付也不再需要使用支付宝、微信等App。因此，面对新技术的发展，只要银行主动作为，创新体验更好的服务，有机会将服务直接送达客户端，因为银行的金融服务功能仍然存在。”,头，大家都接近在同一个起跑线上。 BATJ等巨头在支付方面的优势的确很突出，但在科技输出、互联网助贷方面，在某些客群上他们还没做到完全覆盖，他们也还是会相对缺少一些经验。消费金融服务细分领域多，行业格局依旧分散，寡头巨头更可能出现在某些细分的领域里。”九章云极方磊：”机器学习就是下一个数据库。从数据分析角度来看，硬件提供的大部分算力目前都用在了数据库对数据的处理上，在整个产业不断发展的过程中新迭代出来的硬件会带来更多的算力被激发出来，现在机器学习或者说深度学习甚至是人工智能的模型也都需要消耗大量的算力，所以未来机器学习流行起来的趋势还是非常明显的，而且这个赛道一定足够长，未来的前景也非常广。”趣链张帅：”银行对区块链的态度最近有了明显变化。趣链最早在2016年开始与银行合作区块链项目，那时候大家都抱着试一试的态度在做，需要很多技术评测。但从2018年开始，我们感觉到银行等金融机构对区块链的态度发生了明显转变。银行等金融机构对于区块链的认知，或者对区块链未来的预期，都是在逐渐清晰，并且正在加大投入。”,03行业生态3000+金融科技生态图谱,第三部分,金融科技公司服务持牌机构生态图谱,商业银行,互联网巨头系金融科技技术型公司,银行等持牌金融机构消费金融公司、信托公司、小贷公司,持牌系金融科技公司专业金融科技公司,图：金融科技公司技术分布,图：金融科技公司业务类型分布,兵器库：金融科技公司业务和技术分布 2018年11月，上线了金融科技兵器库项目，目前收录3000+金融科技公司。 从技术分布看，大数据类公司占比47%，云计算和人工智能分别占比23%和16%。 在业务上，以数字化营销、数字化风控和数字化运营为主，分别达到674、483和377家。8007006005004003002001000,大数据区块链,人工智能移动互联网,云计算生物科技,兵器库：金融科技公司成立及地区分布 从成立日期看，2013到2017年是金融科技公司成立的高峰期，2015年为最高峰。 从地区分布看，北京、上海和广东的金融科技公司数量处于第一梯队，均超过600家，随后是浙江、江苏、四川、福建。,图：金融科技公司成立日期分布,图：金融科技公司地区分布,2000,140012001000800600400,3002001000,A,B,CD及以上,IPO战略投资,新三板,并购,图：金融科技公司注册资本分布,图：金融科技公司融资情况,兵器库：金融科技公司注册资本及融资分布 从金融科技公司的注册资本看，2000万元以下的占绝大多数，将近70%。5000万以上的占20%。 从融资情况看，A轮占比最高，D轮以上及新三板挂牌企业较多，条件成熟后，这类公司未来有望登陆科创板。种子/天使,04兵器谱案例智能化 差异化竞逐,第四部分,用户,合作机构,差异化风险定价创新型金融服务智能化流程管理,高精准用户触达AI智能风控引擎全流程产品设计高效率客户服务,兵器谱案例：智融集团I.C.E.人工智能风控引擎 智融集团是国内领先的以人工智能技术为核心驱动力的金融科技公司，成立于2013年。截至目前，已累计完成超过6.7亿人民币的融资。 以“I.C.E.人工智能风控引擎” 为内核，通过金融服务平台用钱宝，在金融机构和用户之间建立桥梁，帮助用户获取金融服务；基于强大的研发能力，以及多年来积累的丰富经验，智融集团已经在用户触达、风险管理、产品设计等方面实现了技术能力的全面输出。,14000+生产和加工14000+维度弱特征,3600+次模型快速优化迭代月均迭代超过100次模型累计迭代超过3600次,8秒常规机器审核速度用时仅8秒,15分钟对于新挖掘的特征进行全量数据下的迭代速度大约为15分钟,兵器谱案例：智融集团I.C.E.人工智能风控引擎 I.C.E.（Identification-识别, Calculation-计算, Evaluation-评估）为智融集团自主研发的人工智能风控引擎，通过机器学习、大数据计算等方法对人的信用进行风险评估。 I.C.E.人工智能风控引擎由“柯南特征工程”、“D-AI机器学习模型”、“Anubis大数据计算架构”组成，分别对应了识别、评估及计算的人工智能基本逻辑。目前，该风控引擎已成功挖掘并验证了超过14000维度的有效弱特征，能够完成月均100次以上的模型迭代，模型累计迭代次数超过3600次，每天处理的数据量高达10T，平均机器审核用时仅8秒，对于新挖掘的新特征，进行全数据量下的迭代速度大约只要15分钟。通过利用大数据、机器学习等技术对庞大的非传统金融机构目标人群的海量弱特征数据进行深度挖掘并建模，进行连续的风险定价，并在此基础上帮助其获得与之相匹配的金融产品与服务。,可根据数据表现快速迭代，自动优化,满足用户需要,兵器谱案例：智融集团I.C.E.人工智能风控引擎更适合进行大规模数据处理的定量分析无道德风险，反作弊能力更强不受主观因素影响，效果稳定可靠审批效率高，实时性好，,兵器谱案例：同盾全信贷业务流程风险管理解决方案 同盾科技总部位于浙江杭州，是国内专业的智能风控和分析决策服务提供商，将人工智能与业务场景深度结合，为金融、互联网、物流、大健康、零售、智慧城市、政务、等行业提供智能用户分析、智能信贷风控、智能反欺诈、智能运营等智能决策产品&服务。截至目前，已有超过一万家企业客户选择了同盾的产品及服务。成立至今，同盾已经获得六轮融资。,以科技赋能为使命，成为卓越的智能分析决策服务提供商以人工智能技术为驱动力，以大数据分析服务为基础，为包括金融、互联网、物流、大健康、零售、智慧城市在内的多个行业和场景输出智能分析决策服务,目标方式,实施服务,SAAS云服务,私有云服务智御,行业场景,泛互 联 网电商 | O2O | 游戏丨社交丨航旅丨直播丨支付丨理财,新金融,汽车金融,保险,银行,政府,解决方案核心技术基础平台,反欺诈服务智安人工智能,信贷风控服务智信大数据大数据平台一方数据|公开数据|三方数据,用户增长服务灵析云计算,兵器谱案例：同盾全信贷业务流程风险管理解决方案 同盾为某股份制银行提供贯穿全信贷业务流程的风险管理解决方案，提供信用贷和小微企业贷的风控服务，构建了贷前、贷中、贷后的全流程解决方案。,为某股份制银行提供信用贷和小微企业贷款风控服务 信用贷：日均申请量5万笔，平均申请额度10万 小微企业贷款：日均申请量3万笔，平均申请额度50万, 信用贷活动首日，拦截薅羊毛事件3万多笔，挽回10余万元损失 垃圾注册比例从40%降至2%；账户盗用比例由3%降低到0.5% 信贷模型KS值达到0.45，比行业平均水平提升10%；模型稳定性PSI达到0.001，远高于行业PSI 0.1的水平 信用贷贷前审核已完全替代人工 M1逾期回收效果高出自愈,15%，释放了大量催收人力,信用贷小微企业贷款,贷 后监控/逾期管家持续监控，提供逾期风险警示；逾期后启动智能语音催收持续监控，满足条件时触发逾期风险警示,贷 中监控持续监控借贷申请、地址变更、新增诉讼、订单流水（小微）等相关信息，满足条件时触发风险警示,信用审核补充数据维度，联合建模，基于评分实现自动审批决策,贷 前反欺诈实时风控，过滤机器申请和高危客户实时风控，过滤欺诈申请,银行业务规模,该银行使用同盾智能信贷全流程风控解决方案,实施效果,同盾已深入介入其核心信贷流程，该行所有信用贷和约1/3小微企业贷均使用同盾智能信贷整体解决方案,兵器谱案例：集奥聚合信贷全流程生命周期管理, 集奥聚合是中国领先的人工智能场景化应用解决方案提供商。公司利用新兴技术为企业提供营销获客、智能风控、反欺诈、信用评估、策略分析、监控预警、贷后管理、智能催收等信贷全生命周期决方案。, 公司自2012年成立以来，已经完成A、B、C三轮融资，70%以上为科技研发人才及人工智能领域专家，现已形成了完整的金融科技公司技术服务体系。包括构建在hadoop、hive、MongoDB等之上的大数据平台，支持以特征工程、机器学习、深度学习、知识图谱、复杂网络等为主的人工智能平台，以springcloud微服务、springboot技术为主的业务平台。,引入期,授信与给额,营销客群标签,信息核验,差异化申请流程,设备指纹,u欺诈挖掘,知识图谱,u拒绝捞回,客户信息准入,成长期,额度定价模型,交叉营销,建模平台,红色： 客户运营,u逾期风险监控,退出期,交易风险识别,贷后管理标签,额度管理,信贷风险监控模型 存量客户复贷,内部催收策略,信贷风险预警策略,流失挽回,预催收,授信提额策略,维护期,兵器谱案例：集奥聚合信贷全流程生命周期管理,催收平台-集智云网关联图谱-集智图谱建模平台-集智预言家咨询服务-资深行业专家提供全流程解决方案,获客如何定位目标客群如何寻找目标客户 放款如何触达目标客户 定价如何匹配适宜产品营销响应模型个人进件预筛拒绝捞回策略 如何评价违约风险 信用评估模型白名单营销u新客获取 决策引擎客户定位产品设计智能语音-小g机器人,u偿债能力评估u用户信息补全关键信息核验营销风险挡板 负面筛查 负面清单反欺诈策略身份验证智能外呼机器人 审批 共债筛查预审批 如何设置准入条件 关联欺诈模型如何切割不同客群如何进行授信定价决策引擎-集智雷达,退出如何提升催收效率黑色： 风险管理 如何设计催收渠道如何降低催收成本如何进行债务清退u高危客户预警风险监控数据逾期预测模型二次定价外部催收策略交易风险监控策略 智能催收机器人行为评级模型 不良资产定价模型贷后管理系统内部催收贷中管理平台 管理委外催收如何监测交易风险如何进行额度管理 核销管理如何定位高危客户如何挽留流失客户 资产处置智能语音-小g机器人,兵器谱案例：排列科技自动化精准营销模型体系 杭州排列科技有限公司成立于2016年6月，是一家专注于大数据风险控制与管理的互联网金融科技公司。 排列科技建立了十分完备的技术体系，能够通过多种技术架构来搭建大数据平台，并能熟练运用多种业务数据分析模型，总结出了数百种数据模型，基本涵盖了金融行业的大多数业务场景，可以为金融机构量身定制个性化的智慧解决方案。应用领域包括银行、保险、消费金融、信贷和政府等。, 跑批、查询速度可提升3-10倍, 可扩展性高，可大幅度降低成本, 存储过程并发执行，处理效率高, 非结构化存储，保障多种任务模式,集成二十多种算法，模型场景化应用,模型一键部署上线，自动更新迭代,AI智能建模平台，建模周期缩短约90 ,多渠道整合数据，应用场景丰富,智能匹配推荐，符合度可达30,模型效果比专家经验模型准确率高60% ,风控流程全面优化,审批效率提升约90%,流程内嵌智能模型,智能化执行程度高,精准用户画像，缩减90%客户范围 ,上百种风控规则选择,减少人力70%工作量,转化率达50% ，获客成本降低80 ,前瞻性主动信贷管理,客户逾期率降低约,40%,1.大数据平台搭建分布式的大数据平台，整合行内外数据。,3.整理样本数据选取海量条样本数据，进行整合，定义好坏,4.建立用户全方位画像,5.识别现用用户的行为特征,6.确定营销目标客群特征,7.建立和调优模型,8.利用PSI、CSI等指标对模型进行监控。,2.提升数据质量对数据进行清洗，为模型提供高质量样本数据,兵器谱案例：排列科技自动化精准营销模型体系项目概况通过深挖行内准存量客户，结合行内外数据，借助机器学习算法和模型服务，帮助银行建立基于大数据平台的数字化营销体系。通过有效分析客户行为和信用卡等产品使用意愿，帮助银行识别潜在信贷和信用卡用户，提高用户营销响应度，加快营销流程，降低营销成本，提高业务效率。项目背景零售业务成为银行转型的发力点，信贷和信用卡业务是黄岩农商银行重点发展的零售业务。如何找到合适的客户群体，提高营销效率，促进零售业务发展，是银行快速发展中的突出挑战。项目方案,实施效果,一整套的精准营销解决方案包括可扩展的营销画像系统模块、灵活的营销测试流程和体系、智能用户分析平台、嵌入银行业务生态的模型评估体系以及完备的培训模型建立和使用体系。,整体正确识别率高于20%通过精细设计营销测试流程，挖掘和量化用户真实需求，通过快速准确模型，抓住用户需求快速营销。,成本大幅度下降通过周期性推送白名单，营销活动设计周期下降50%，营销成本下降超过30% 。,05未来已来阶段性红利过后 分化上演,第五部分,123456,合规化：监管支持科技服务金融，但在业务合规和风险监管上会严苛标准化：金融机构对数字化的认知提升；科技公司的产品经过磨合后，逐步标准化资本化：融资预冷，但科创板开闸；金融科技到了检验盈利能力的阶段，分化将加剧产业化：科技服务，从消费金融到企业金融，从金融服务到产业场景智能化：金融数字化的基础，给人工智能公司提供了应用的前景，金融业务也将智能化重构生态化：数字化将使得各方共处开放金融生态中，参与者需找到自身长久的价值，构建竞争力,金融与科技的未来趋势,Thanks.,