2019-2020中国金融科技行业研究报告.pptx

2019-2020中国金融科技行业研究报告,概念界定 & 研究范畴,金融科技金融科技主要指运用前沿科技成果（如：人工智能、区块链、 大数据、云计算、物联网等）改造或创新金融产品、经营模 式、业务流程，以及推动金融发展提质增效的一类技术。,金融技术在金融业务中所应用的各类技术。,金融技术,金融科技,概念界定,研究范畴：报告重点对金融科技的行业发展、落地情况、金融机构资金投入及未来发展趋势等内容作为研究对象； 同时也对传统IT等技术的金融机构资金投入、应用及部署情况进行研究。,报告摘要,趋势洞见,细分领域落地 分析,行业整体发展 分析,回顾历史，金融科技并不是一个新生事物。人类金融发展过程中，科技创新与金融创新始终紧密相连。尤其进入信息 社会以来，在摩尔定律作用下，信息技术的运算速度及新技术的出现速度不断加快，而金融与科技的共生式成长也使 得现代金融体系伴随信息技术共同经历着指数级的增长。放眼全球，中国的金融科技市场正占据着越来越重要的位置。与欧美等发达国家相比，我国金融基础要薄弱许多，但 正是我国金融市场尚未成熟这一特点给予了我国金融科技快速发展的土壤。聚焦中国，金融与科技的融合也带动了金融企业与科技企业的融合。2018年我国各类金融机构技术资金投入已达2297.3亿元，其中投入到大数据、人工智能、云计算等为代表的前沿科技资金为675.2亿元，占总体投入比重为29.4%。,本报告第二章对存、贷、汇三个版块，证券、基金、保险、银行理财、供应链金融、消费金融、支付七个金融细分业 务的金融科技落地及投入情况进行了梳理，由于各细分业务特点不同，金融科技在业务中的也有很大差别。存：证券、基金业科技化程度较低，前沿科技的应用以头部企业试水为主，受监管合规约束较强； 保险业中，“数字 场景搭建智能化落地”已成为保险科技的主要投资方向；银行理财目前以智能化应用为主，智能营销效果显著，智 能投顾完善空间较大；贷：供应链金融业务中，应收账款+Fintech在多数银行，金融科技企业等已有较多落地案例，但仍属于初步落地阶段， 相比之下，ARIF+Fintech落地稍显落后，仅少数核心企业拥有落地案例；消费金融业务中，目前在用户数据的串联下， 头部消费金融企业通过大数据分析、生物识别、深度学习等技术已经实现了贷前贷中贷后的全流程风险管理；汇：产业互联网背景下，前沿科技将助力支付企业在“产业支付”领域进行发力。,整体落地趋势来看：短期以业务赋能为主，长期以模式创新为主，且随着金融科技业务渗透的逐渐加深，监管难度增加， 监管科技将逐渐落地。短期趋势来看：金融科技对人力的逐渐替代成为明显趋势，以智能客服为例，预计至2022年，智能客服将替代约73%80%的金融机构人力；此外，AI落地难的背景下，RPA价值逐渐释放，着重体现在“催化”金融AI落地及RPA自身价值场景的扩展，预计至2022年，金融机构对RPA技术资金投入将达42.5亿元。,塘上月：中国金融科技行业发展分析,1,柳下池：细分领域落地分析,2,阅秋阁：典型企业案例,3,梅花诗：中国金融科技行业趋势洞见,4,1940,1950,1960,1970,1980,1990,2000,2010,2020,2030,IT+金融,网,互联网+金融,新科技+金融,金融与科技的共生式成长,摩尔定律作用下，现代金融体系正经历指数级增长回顾人类的金融发展史，科技创新与金融创新始终紧密相连，金属冶炼技术的发展让金属货币取代了实物货币，造纸印刷 术的成熟让纸币逐渐流通。进入信息社会以来，在摩尔定律作用下，信息技术的运算速度及新技术的出现速度不断加快， 而金融与科技的共生式成长也使得现代金融体系伴随信息技术共同经历着指数级的增长。从“IT+金融”到“互联网+金融”阶段，再到现在我们正经历的以人工智能、大数据、云计算等为代表的“新科技+金融” 阶段，每个金融阶段持续的时间越来越短，金融科技的创新速率越来越快，对于金融从业者及金融监管来说新时代下的金 融科技发展充满了机遇与挑战。科技赋能现代金融业的发展历程,中国金融科技的弯道超车,中国尚未成熟的金融市场给予金融科技快速发展的土壤与欧美等发达国家相比，我国金融基础要薄弱许多，但正是我国金融市场尚未成熟这一特点给予了我国金融科技快速发展 的土壤。以中美狭义消费信贷渗透情况对比为例，2016年中国狭义消费信贷渗透率仅为18.3%，与同期美国34.5%的狭义 消费信贷渗透率相比差距巨大。但随着2017年开始中国金融科技行业的爆发，中国狭义消费信贷渗透率在2016-2018短 短两年的时间内完成了从18.3%到32.4%的增长，大幅缩小了我国与美国普惠金融进程之间的差距。从全球金融科技投资分布情况来看，2014年中国金融科技企业融资规模仅占全球的3.1%，但到2018年中国金融科技企业 融资规模已占全球的16.4%，增速远超欧美等地区。,32.4%,34.1%,33.9%,34.5%,35.1%,36.9%,2014-2018年中美狭义消费信贷渗透情况,中国狭义消费信贷渗透率（%）美国狭义消费信贷渗透率（%）注释：中国狭义消费信贷余额渗透率=中国狭义消费信贷余额/中国社会消费品零售总额； 美国狭义消费信贷余额渗透率=美国狭义消费信贷余额/美国个人消费支出规模；狭义消费 信贷余额是指居民不包含房贷、车贷的消费信贷余额，包括由银行、消费金融公司、各 类互联网消费金融机构提供的消费信贷余额。,4.0%,2014、2018年全球金融科技投资地域 分布情况,美,国（%）,中,国（%）,亚洲（除中国,）（%,）,欧,洲（%）,融合的开始,金融科技解决 方案提供方,技术、数据,资金,业务解决方案,融合,申请牌照,技术研发,合作内容 演变方向,加大科技投入,技术落地方案,金融企业与科技企业不再泾渭分明中国金融科技市场的参与企业按各自侧重点不同，可以分为三类：第一类，金融业务开展方，这类企业主要指持牌开展金 融业务的银行、证券、保险等金融机构；第二类，技术提供方，这类企业主要指专注研发人工智能、大数据、云计算等前 沿科技底层技术的科技研发公司；第三类，金融科技解决方案提供方，这类企业主要指将前沿科技与金融业务相结合，为 金融机构提供可落地的业务解决方案的科技公司。值得一提的是金融与科技的融合也带动了金融企业与科技企业的合作融合，目前这三类参与者的边界正变得越来越模糊。 技术提供方正努力补齐金融业务能力的短板，为金融机构提供从单一技术到整体业务的科技升级服务；金融科技解决方案提供方一方面在加强前沿科技的研发，一方面在申请金融牌照，在金融业务与技术两方面发力；而金融业务方正加大前沿 科技的研发投入，部分头部金融机构已经开展了面向同业的技术输出服务。2019年中国金融科技产业各参与企业间的融合技术、数据金融业务方技术提供方,金融科技产业图谱,注释：1、企业图标大小及放置顺序不代表企业排名；2、图谱对各赛道代表性企业进行列举。,金融科技解决 方案提供方,技术提供方,2019年中国金融科技行业图谱,金融业务方,综合解决方案提供方, ,信贷科技解决方案提供方, ,保险科技解决方案提供方, ,证券科技解决方案提供方,银行保险证券基金信托支付征信消费金融融资租赁,支付科技解决方案提供方, ,资管科技解决方案提供方, , ,数据平台/大数据,云计算,人工智能,区块链,RPA,服务器, , , , , , ,金融机构科技投入规模及结构,2018年中国金融机构技术资金投入达2297.3亿元，支付业务 投入占比最高2018年我国金融机构技术资金投入达2297.3亿元，其中投入到以大数据、人工智能、云计算等为代表的前沿科技资金为675.2亿元，占总体投入比重为29.4%。从金融机构技术资金投入结构来看，支付业务因其受众最广、交易最高频的特性 投入占比最高。艾瑞咨询预计，到2022年中国金融机构技术资金投入将达到4034.7亿元，其中前沿科技投入占比将增长到35.1%。,来源：银行、保险、证券、基金、互联网小贷、第三方支付等企业调研、行业专家访谈、,来源：银行、保险、证券、基金、互联网小贷、第三方支付等企业调研、行业专家访谈、,1622.1,1841.6,2111.8,2381.6,2618.5,675.2,834.2,999.4,1194.6,1416.2,2018-2022年中国金融机构技术 资金投入情况,20182019e2020e非前沿科技资金投入（亿元）,2021e2022e前沿科技资金投入（亿元）,45.0%,45.3%,44.8%,43.9%,42.9%,13.4%,13.1%,12.9%,12.9%,12.8%,11.7%,11.4%,11.3%,11.2%,11.2%,7.9%,7.9%,8.1%,8.5%,9.4%,6.8%,7.7%,8.5%,9.1%,9.6%,2.4%,2.3%,2.2%,2.1%,2.0%,0.6%,0.6%,0.8%,1.1%,12.3%,11.7%,11.5%,11.3%0.9%,10.9%,0%,20%,40%,60%,80%,100%,2018-2022年中国金融机构技术资金投入,结构,20182019e支付银行理财保险证券,2020e消费金融,2021e供应链金融,2022e基金其他,金融科技的顶层规划,央行金融科技顶层规划的出台利好我国金融科技的健康发展,加强金融科技 战略部署,强化金融科技 合理应用,加强统筹规划,科学运用大数据,稳步应用人工智能,加强分布式数据库研发应用,健全网络身份认证 体系,赋能金融服务 提质增效,增强金融风险 技防能力,强化金融科技 监管,夯实金融科技 基础支撑,重点 任务,优化体制机制,加强人才队伍,拓宽金融服务渠道,完善金融产品供给合理布局云计算,提升金融服务效率,提升金融业务风险防范能力,加强金融网络安全 风险管控,做好新技术金融应用风险,加强金融科技联合 攻关,推动强化法律法规 建设,增强信用服务支撑 作用,强化金融消费者权 益保护,建立金融科技监管基本体系,加强监管协调性,提升穿透式监管能 力,建立健全创新管理 机制,发展目标到2021年，建立健全我国金融科技发展的“四梁八柱”，进一步增强金融业科技应用能力，实现金融与科技深度融合、协调发展， 明显增强人民群众对数字化、网络化、智能化金融产品和服务的满意度，使我国金融科技发展居于国际领先水平。,增强金融惠民服务 能力优化企业信贷融资 能力加大科技赋能支付 服务力度,塘上月：中国金融科技行业发展分析,1,柳下池：细分领域落地分析,2,阅秋阁：典型企业案例,3,梅花诗：中国金融科技行业趋势洞见,4,基金保险,Part,2,Part,3,Part,1存证券,汇支付,贷供应链金融,消费金融,银行理财,证券面临的业务问题：,1,我国证券市场以自然投资人为主，小市值用户占比高达6070%，“十万 美元困境”让投资者失败率较高，影响投资者投资信心，阻碍市场规模发展,客户服务、清结算等工作主要以人工方式进行，成本高、效率低,股市中存在“割韭菜”、股票操纵等暗枪操作,234,资产证券化业务无法实现大量资产的动态、穿透式监管（通常律所、会计所 等机构对底层资产抽查约10%），风险高；SPV、券商、律所、银行等机构 系统独立，协作难。,注释：十万美元困境指个人可投资资产在十万美元左右的中产阶层，无法获得专业的投资顾问服务。,证券+Fintech业务模式及落地情况,证券业科技化程度较低，前沿科技的应用以头部企业试水为 主，且受监管合规约束较强相较于银行业、保险业，证券行业的科技应用相对滞后，主要以信息系统使用为主；AI、区块链等前沿科技仅在头部企业 中“试水“，出现较好落地案例且通过监管的合规性审查后，在非头部企业中才会逐渐对该项技术进行使用，监管成为证 券科技化的关键制约因素。现阶段前沿科技的应用在证券行业中普遍处于技术落地探索，甚至是概念阶段。证券 + Fintech 解决方案及落地情况,智能投研,大数据与云计算平台智能客服人脸识别智能投顾智能风控,RPA / IPA,替代流程化、重复性工作，该类技术逐渐在证 券企业中投入使用。,OCR,区块链系统,数据存储,业务操作记录,智能合约,电子票据凭证,结构化数据 非结构化数据,智能合约场外交易链上信息报备监管,场景二：场外交易,场景三：清结算,证券登记与存管 合同存证明,场景一：存证,智能合约执行 链上清结算,AI落地情况：人脸识别 智能客服 智能风控 智能投研 智能投顾,区块链在证券企业中的使用处于技术落地的探索阶段。ABS通过区块链系统实现链上业务协作、数据上链存储、可穿透式监管。目前这类平台主要通过金融科技公司开发， 券商等机构作为业务参与方加入。技术落地处于初步探索阶段，未实现规模应用。注释：RPA/IPA及OCR以取代流程化或重复性作业的人力为主要应用价值，在其他金融业务均有涉及，报告后文不再赘述，在此作以说明。,证券：技术资金投入情况,首要实现IT建设完善可控，前沿科技投入以头中部企业为主以基础IT建设为主的非前沿科技在证券技术投入中占较大比重，约2/3为完全通过外部采购实施，这部分证券企业的数据及业务处于非自主可控的状态，因此实现IT建设自主化是当下证券业务科技化的关键。头部证券企业前沿科技资金投入约为中部企业的23倍，尾部企业投入几乎为0，而中部企业数量为头部企业数量的4倍左 右。一方面头部企业有足够的资金实力布局科技投入；另一方面，头部企业在实现良好可控的基础IT建设后，在监管允许 范畴内进行科技化升级探索为寻求业务增长。未来至2022年，我们认为证券业在各项前沿科技投入的增长基本趋稳，单一 技术资金投入增长情况不会出现较大波动。云计算与大数据的基础建设，以及AI、RPA/IPA这类应用场景明显的技术将作 为整体的重点投入对象，区块链这类以应用探索为主的技术，主要以头部企业进行资金投入为主。,177.8,206.1,245.7,371.0,3.5,4.2,5.0,6.5299.0,9.2,2018,2018-2022年中国证券业务技术资金投入情况,2019e2020e非前沿科技（亿元）,2021e2022e前沿科技（亿元）,1.8,2.0,2.3,3.1,4.4,1.1,1.4,1.8,2.3,3.0,2022e,资金投入情况,2021eAI（亿元）,20182019e2020e云计算与大数据（亿元） 区块链（亿元）,RPA/IPA（亿元）,0.3,0.3,0.0,0.40.3,0.1,0.4,0.4,0.1,0.4,0.10.6,0.90.8,2018-2022年中国证券业务前沿科技0.2,注释：1、数据统计范围包括证券公司及其证券类子公司的技术投入，包括技术外部采购资金投入、技术人员薪酬等在内的自研技术资金投入；2、企业划分标准：收入排在前10名的算做头部企业，1150名的企业算做中部 企业，51名以后算做尾部企业。,注释：1、数据统计范围包括证券公司及其证券类子公司的技术投入，包括技术外部采购 资金投入、技术人员薪酬等在内的自研技术资金投入；2、企业划分标准：收入排在前10名的算做头部企业，1150名的企业算做中部 企业，51名以后算做尾部企业。,基金面临的业务问题：,1,2,3,4,营销与获客方面，用户数据维度少，难形成深层次的客户互动、难以精准获 客；人工电话等获客方式效率低；一对一人工方式难以服务大量客户，一定程度上抬高了基金准入门槛；顾问 水平参差不齐，且依赖个人经验，基金推荐主观性较强、服务效果存在优劣 差异；服务流程繁琐、难以实时响应、成本较高；传统风险评测，除用户主观填写评测问卷外，对用户客观风险评测较弱，导 致对客户风险承受能力判断不准；投资研究、风险（市场风险、流动性风险、信用风险）监测及预估等工作以 人工方式进行，效率低、成本高；数据获取不够全面，结果准确性低。,基金保险,Part,2,Part,3,Part,1存证券,汇支付,贷供应链金融,消费金融,银行理财,基金+Fintech业务模式及落地情况,基金科技现状：信息化建设成当务之急、前沿科技以探索为主头部基金公司信息化程度相对较高，IT建设逐渐自主可控，同时进行前沿科技的投入，目前主要以云计算与大数据、AI的 落地与探索为主，极少数企业进行区块链落地探索。中尾部企业目前聚焦于企业的信息化建设，前沿科技投入较少；特别是尾部企业的信息化搭建目前仍只依靠外部技术采购。 可见基金行业整体科技化程度较低，做好自主可控的信息化基础建设成当务之急，也是金融科技转型关键。,产品设计/优化,销售,售后,智能投研步骤：1）获取数据；2）数据结构化处 理；3）知识图谱构建、机器学习模型 训练；4）输出结果、生成报告。目前可对结构化数据及信息进行处理并 输出结果，无深度分析能力。,智能营销,营销获客,客服,客服,投顾服务,智能投顾深度学习与神经网路算法、大数据等技术，通过客户购 买意愿及风控分析，推荐基金。以辅助人工为主，智能 化程度低；与美国智能投顾落地程度相差较大。,开始,结束,依靠云计算与大数据、深度学习等技术进行业务全 流程风控。数据孤岛、不全面等原因，导致智能风 控落地情况未及理论上的智能化效果。,智能客服NLP、知识图谱成为智能客服落地的关键技术。 现阶段智能客服功能主要对标准化问题进行解 答，复杂的个性化问题仍需人工处理。,客户购买资金,云计算与大数据,（金融数据、非金融数据）,（ 云计算与大数据为基础设施，支持上述智能化应用落地 ）,基金 + Fintech 解决方案及落地情况智能营销通过精准定位用户画像，确定最优投放渠道，实现获客 转化率有效提升，还可实现营销过程中实时互动及营销效果分析。 相比之下，智能营销落地优于其他智能应用，效果较优。智能风控,基金：技术资金投入情况,IT建设成中尾部公司发力重点；头部公司巩固完善IT建设的 同时，稳步增加前沿科技投入目前行业平均水平来看，前沿科技在基金公司每年技术资金投入占比情况：头部企业约为10%；中部企业约为2%；尾部 企业几乎为0，IT建设等非前沿科技投入依然是主要部分。鉴于中尾部公司之前对IT建设不足，我们预计至2022年，其IT 建设投入增速要高于头部企业。而头部企业依然是前沿科技投入的主力军，中部企业次之；尾部企业伴随着IT建设逐渐完 善，预计在2020年前沿科技的资金投入占比将提高至5%，进而实现逐年增长。智能营销、智能投顾等有助于提高获客转 化进而提高收益的落地场景是基金科技的主要应用方向，因此前沿科技的增长将以云计算与大数据、AI为主，区块链等需 进行场景探索的技术资金投入优先级次之。,注释：1、数据统计范围包括基金公司及其子公司的技术投入，包括技术外部采购资金投 入、技术人员薪酬等在内的自研技术资金投入；2、企业划分标准：收入排在前20名的算做头部企业，2150名的企业算做中部 企业，51名以后算做尾部企业。,注释：1、数据统计范围包括基金公司及其子公司的技术投入，包括技术外部采购资金投 入、技术人员薪酬等在内的自研技术资金投入；2、企业划分标准：收入排在前20名的算做头部企业，2150名的企业算做中部 企业，51名以后算做尾部企业。,13.04,30.27,41.33,0.61,0.8716.40,1.7122.36,2.46,3.74,2018,2018-2022年中国基金业务技术资金 投入情况,2019e2020e非前沿科技（亿元）,2021e2022e前沿科技（亿元）,0.4,0.6,1.1,1.5,2.2,0.2,0.3,0.6,0.9,1.4,0.018,0.031,0.034,0.049,0.094,2018-2022年中国基金业务前沿科技资金,投入情况,20182019e2020e2021e2022e云计算与大数据（亿元）AI（亿元）其他（亿元）,保险面临的业务问题：,1,产品设计：保险产品在定价时，无法获取全面风险数据，更是无法根据风 险不同形成差异化定价,2,3,销售：代理人模式+传统销售管理模式使得保险销售环节成本过高，增加 了投保人的资金压力理赔：理赔流程复杂等原因使理赔难度增加；传统模式下获取的风控数据 及理赔判定方法对保险欺诈的甄别能力较差,基金保险,Part,2,Part,3,Part,1存证券,汇支付,消费金融,银行理财贷供应链金融,保险+Fintech业务模式及落地情况,区块链结合物联网、AI等技术将获取的场景 数据上链存储，保证数据真实性、解决信息 不对称问题，为保险产品设计提供数据支持。,智能风控甄别欺诈风险后，通 过智能合约执行理赔。,以场景为核心，通过全域数字化构建，释放保险科技价值保险 + Fintech解决方案及落地情况,产品设计,销售,区块链系统1、分散的保单管理链上管理：账单统一管理、数据共享；2、猪脸识别+区块链、供应链溯源+区块链等场景，链上数 据简化投保评估流程、降低成本。,二维码、RFID、红外感应器、全球 定位系统和激光扫描器等信息传感 设备，实现物物相连，数据获取,智能家居设备：家具安全数据,可穿戴设备：客户日常生活数据车联网：客户驾驶（行为）数据 仓储监控设备：仓储货物动态数据,智能风控大数据+ AI 智能风控场景举例：反欺诈甄别（对客户 提供的文档、录音等材料的真实 性进行识别）等,数据：用于产品设计、,定价等，一定程度上 解决产品同质化,数据：用于风控,智能营销大数据、机器学习为主要技术实现客 户群精准定位、投放、提高获客转化,售后智能客服利用NLP、知识图谱为主要技术 实现机器人客服，减少人力成本,数据：用于投保评估,理赔,投保成保,避险,场景举例：仓促被盗预警、家庭； 煤气泄漏报警等风险防控,IoT 数据采集IoT+保险仅少数初步落地案 例，整体处于业务探索阶段,区块链+ 保险 主要处于业务 探索阶段,AI应用方面：智能营销落地相对较好，但整体智能化水平较差， 知识图谱、NLP、有效数据、算法模型强化等因素成为关键,Cloud Computing and Big Data,生物识别,覆盖用户注册、到理 赔等后续服务全部流 程，保证用户真实,存储,智能理赔机构数据打通、线上 理赔、不受时间地点 限制，效率提高,注释：对于基因科技等技术在保险业务中处于概念或探索阶段，所以此处未进行讨论。,其他数据,保险：技术资金投入情况,“数字场景搭建智能化落地”成保险科技主要投资方向中尾部保险公司将技术投资重点放在信息化建设，前沿科技投入以头部企业为主。头部企业云计算建设逐渐趋于成熟，对 云计算的投入增速将趋缓至微降，中尾部企业的投入增速将逐渐增加。伴随着智能化应用的逐渐发展，AI资金投入增速将 会稳步上涨，同时也将带动大数据投入的增长，而IoT可有效扩展场景数据边界，如出车联网、仓储监控、智能家居等场景，将更有效丰富保险数据场景，更全面实现全域数据化，但受限于规模化部署、硬件成本等因素，我们认为在13年内，IoT在保险领域的应用仍将处于探索阶段，投入上不会出现大幅增长。RPA/IPA针对规则经常变化的业务，无法给出长期有 效的解决方案，但对于规则较为统一业务的RPA/IPA投入将会逐步增长。而区块链在未来几年将主要以场景探索投入为主，更多应用在相互保这类需强化互信关系的业务中。,注释：数据统计范围包括保险公司及其子公司的技术投入，包括技术外部采购资金投入、技术人员薪酬等在内的自研技术资金投入。,注释：1、数据统计范围包括保险公司及其子公司的技术投入，包括技术外部采购资金投 入、技术人员薪酬等在内的自研技术资金投入；2、前沿科技：物联网技术划归“其他” 范畴中。,163.3,183.6,211.3,241.5,269.0,104.9,120.8,138.8,157.5,181.9,2018,2019e2020e非前沿科技（亿元）,2021e2022e前沿科技（亿元）,53.5,58.8,63.4,69.5,78.4,42.3,52.0,61.4,2.934.6,3.0,4.3,5.2,6.471.9,2022e,2018-2022年中国保险业务技术2018-2022年中国保险业务前沿科技 资金投入情况,20182019e2020e云计算与大数据（亿元） 区块链（亿元）,2021eAI（ 亿 元 ） OCR（亿元）,7.0,0.56.4,8.3,0.77.6,9.7,资金投入情况0.78.6,1.09.410.9,1.610.712.9,银行理财面临的业务问题：,1 产品推荐：传统业务模式下，主要通过银行客户经理对客户进行理财产品 推荐，人工成本高，效率低。而后来移动互联网的诞生，拓宽了用户触达 渠道，但对用户的个性化推荐及复杂业务场景下的应变性仍需加强；,客户服务：传统业务模式下的客户服务以人工为主，成本高、效率低；,23,投资顾问：传统业务模式下的（私人）投顾服务通常只能面向高资产用户 开放，由此产生“十万美元困境”问题。,基金保险,Part,2,Part,3,Part,1存证券,汇支付,消费金融,银行理财贷供应链金融,银行理财+Fintech解决方案及落地情况,注释：受企业业务划分、业务场景及技术应用情况不同的影响，银行理财+Fintech解决方案或存差异。,个性化智能推荐,银行理财以智能化应用为主，智能营销效果显著，智能投顾 落地效果提升空间较大银行理财 + Fintech解决方案及落地情况,银行理财主要面向银行已有客户，为基金等理财产品提供销售渠道。 通过每个用户的不同标签及定位，分析用户需求，形成“千人千面” 的个性化智能推荐、深度挖掘客户价值、促活沉睡客户。,落地情况：基于移动互联网阶段对用户画像数据的 积累，在银行理财业务中，智能推荐的落地优于其 他智能化应用。,智能客服,落地情况：智能客服主要处于学 习与探索阶段，只能回答简单的 问题，复杂问题依然需依靠人工 客服。,客服是否 可以回答,输入问题,输出答案,根据用户级别， 接入不同类别客服,是,否,智能投顾,Step 1：对客户进行风险偏好评测,通过客户主观填写风险承受能力，产品 喜好等内容，结合该用户信用情况、日 常消费情况等多维度用户数据分析，综 合判定该用户的风险承受能力，推荐更 为合适的理财产品。,优质基金池,通过算法判断每只基金的质量情况，银行会将好的基 金放入优质基金池中，并剔除相对较差的基金,落地情况：智能投顾在银行理财 业务中仍以辅助为主,智能客服业务逻辑：,Step 2：根据客户风险偏好，进行理财产品推荐（以基金为例说明）根据客户风险偏好设置，将池中基金打包成基金组合进行销售,银行理财：技术资金投入情况,IT系统投入增速放缓，大数据与AI投入稳步增长除了选择与具备流量优势的互联网金融公司合作，通过自身技术强化与落地应用成为银行理财业务增长关键策略之一。银行信息化建设相对较为成熟，理财业务IT系统资金投入在未来13年内的增速将逐渐放缓。目前智能化应用还未成熟但 价值前景明朗，银行在构建自有技术团队的同时也会选择如云从科技这类头部AI服务商进行定制化开发，因此大数据、AI 技术的资金投入将继续的稳步增长。银行经过多年的云平台建设与积淀，相比于证券、保险行业要领先很多，因此“大数 据与云计算”类别中的云计算技术在未来增速将逐渐放缓。,注释：数据统计范围包括银行应用于理财业务的技术资金投入，包括技术外部采购资金 投入、技术人员薪酬等在内的自研技术资金投入。,注释：数据统计范围包括银行应用于理财业务的技术资金投入，包括技术外部采购资金 投入、技术人员薪酬等在内的自研技术资金投入。,201.4,235.8,273.3,319.5,369.0,2018-2022年中国银行理财业务技术 资金投入情况,136.9,160.3,185.8,217.2,250.9,60.4,82.0,95.8,110.7,4.0,4.770.7,5.5,6.4,7.4,2018-2022年中国银行理财业务前沿科技 资金投入情况,20182019e云计算与大数据（亿元）,2020e2021eAI（亿元）,2022e其他（亿元）,供应链金融面临的业务问题：,123,造假风险：出现仓单、票据造假等情况企业信息孤岛：企业间系统不互通、贸易信息主要依靠纸质单据传递核心企业信用不能跨级传递：核心企业信用只能传递至一级供应商， 其他供应商无法利用核心企业信用进行融资履约风险高：单凭合同约束，融资企业的资金使用及还款情况不可控,4,近期，承兴控股的供应链金融骗局曝光后，银保监会随即发文， 要求规范银行保险机构供应链融资行为，鼓励技术创新，提升风控， 推动供应链金融服务实体经济。,基金保险,Part,2,Part,3,Part,1存证券,汇支付,消费金融,银行理财贷供应链金融,供应链金融+Fintech模式及落地情况,核心企业（卖家）,经销商（卖家）,银行,供应链公司,仓库,Blockchain,7、链上签订合同,9、步骤2数据写入,10、链上货权交割,11、步骤4数据写入,* 获取信息，判断 供应链贷款资质,* 通过银行贷款审核后，进行放款,13、链上签订合同、 向供应链公司支付货款14、链上供应链公司与经销商,货权交割,17、步骤10数据写入,12、向核心企业支付货款,15、系统仓库出货指令,构建企业间贸易系统为基础，凭证拆转融为主要创新落地情况：应收账款+Fintech在多数银行，金融科技企业等已有较多落地案例，但仍属于初步落地阶段，下一阶段任务将 是寻找促进凭证流转策略、吸引更多企业加入链上网络生态；相比之下，ARIF+Fintech落地稍显落后，仅少数核心企业拥 有落地案例。供应链金融 + Fintech解决方案,蓝色为通过区块链系统链上操作行为；非蓝色为传统业务逻辑行为,仓库数据,贸易数据融资数据,一级供应商（卖家）,二级供应商,保理商 / 银行等金融机构,应付电子凭证 拆转融,由RFID、AGV、视频分析等技术监测商品进出库等动态、读取商品信息并写入区块链系统8、产品入库16、产品出库,应收账款+ Fintech ARIF+ Fintech 注释：1、艾瑞咨询：中太古代：2019年中国区块链+供应链金融研究报告；2、应收账款以反向保理举例说明，ARIF以供应链公司参与模式举例说明。,构建企业间区块链贸易系统，业务数据上链，业务执行操作上链链上签订采购贸易合同，产生应收账款,供应链金融：技术资金投入情况,联合运营成主流，银行供应链金融区块链资金投入平稳增长从银行角度看，区块链系统成为供应链金融科技的主要投入，且无论是头部的国有大行及商业银行，还是中尾部的地方银 行、民营银行等，均对区块链供应链金融有所投入。目前虽有“构建区块链生态网络、如何促进凭证高效流转”等难题的 存在，但通过对银行调研反馈显示：行业整体对区块链在供应链金融业务中的应用前景较为看好，同时分析目前联合运营 逐渐成为主流（联合运营：金融机构提供资金、技术商提供技术支持、核心企业提供贸易数据，三方分润），银行将更多 以资金方参与其中，在现有基础上，我们预估银行供应链金融业务对区块链技术投入将稳定在13%14%左右的增速，不 会出现较大波动。仅部分银行会参与ARIF+IoT全栈系统建设（如：背靠核心企业的民营银行），但是这类投入仍然主要 以核心企业、仓促物流公司或技术服务商为主。,注释：1、上述数据为从银行业的技术资金投入角度进行测算（包括技术外部采购资金投 入、技术人员薪酬等在内的自研技术资金投入），而非从“金融机构、技术服务商、核 心企业”三个参与方的整体角度来看，因此物联网资金投入没有着重体现；2、关于“如何促进链上凭证高效流转”的问题，在艾瑞2019年中国区块链+供应链金融研究报告中已经给出解决建议，报告中不再进行赘述；,59.3,12.6,14.7,17.1,20.0,23.1,2018-2022年中国供应链金融业务技术 资金投入情况,非前沿科技（亿元）,前沿科技（亿元）,18.0,20.8,1.3,1.5,1.7,2.0,2.3,2018-2022年中国供应链金融业务前沿 科技资金投入情况,区块链（亿元）AI与IoT（亿元）注释：1、上述数据为从银行业的技术资金投入角度进行测算（包括技术外部采购资金投 入、技术人员薪酬等在内的自研技术资金投入），而非从“金融机构、技术服务商、核 心企业”三个参与方的整体角度来看，因此物联网资金投入没有着重体现；2、关于“如何促进链上凭证高效流转”的问题，在艾瑞2019年中国区块链+供 应链金融研究报告中已经给出解决建议，报告中不再进行赘述；3、将RFID、AGV、视频分析等技术纳入“AI与IoT”类别中。,价值 1：供应链金融市场规模增量,至2023年，Fintech将促进中国供应链金融市场规模增至6.1 万亿元，实现3.6万亿元增量凭证拆转融让多级供应商可利用核心企业信用进行供应商融资、ARIF+Fintech增加风险可控性而促进银行放贷进，这两 方面将进一步打开供应链金融市场规模。近13年，区块链+应收账款将成为落地主角，随着市场接受程度加深及运营策略促进凭证更多级、高效流转，预计在 2021年会出现大规模增长，这将成为5年内供应链金融市场规模增量的主要来源；区块链+IoT+ARIF需线下部署物联网设 备、成本增加，且未实现授信模式创新，在未来5年内对市场规模增量的影响将低于区块链+应收账款。预计至2023年，应收账款市场渗透率可达6070%， ARIF市场渗透率可达25%30% 。,注释：1、此处市场规模数据指在供应链金融市场空间数据基础上乘以相应渗透率所得已 实现供应链融资数据，请读者注意概念区分；2、传统业务模式下供应链金融市场渗透率 以20%作为计算标准。,2.1,2.2,2.3,2.4,2.5,5.3%,5.1%,4.8%4.7%4.6%,2019e,2019-2023年中国供应链金融市场规模 及增长率（ 传统业务模式情况下 ）,2020e2021e市场规模（万亿元）,2022e2023e增长率（%）,2.3,2.6,4.4,5.4,14.3%12.7%,