登录  | 立即注册

游客您好!登录后享受更多精彩

QQ登录

只需一步,快速开始

微信登录

微信扫码,快速开始

只需一步,快速开始

查看: 126|回复: 0

金融科技的关键技术及应用

[复制链接]

60

主题

60

帖子

196

积分

注册会员

Rank: 2

积分
196
发表于 2020-4-10 14:33:17 | 显示全部楼层 |阅读模式
对于金融行业而言,2019年是监管政策不断完善并逐渐趋严的一年,特别是在互联网金融在经历了粗放型的井喷式发展之后,金融风险不断凸显并集中爆发。在此情况下,国家对于金融科技应用的监管政策不断深化完善,监管要求更加细致严格。但整体而言,国家政策依然持续鼓励金融科技在合法合规条件下的创新发展和应用,如在《金融科技(FinTech)发展规划(2019-2021年)》明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施,并指出:金融科技是技术驱动的金融创新。
一方面,相对于欧美发达国家完善的传统金融服务体系,我国金融服务一直以来存在门槛高、普及率低和供给不足等问题,小微企业、中低端收入人群的金融服务需求一直没有得到有效满足。上述情况虽然制约了金融服务在我国社会经济发展中的积极作用,却也为金融科技应用释放大量潜在需求创造了条件。相对于传统金融服务,金融科技应用带来更加快捷便利的金融服务渠道,金融服务成本大为降低,以移动支付、互联网理财等为代表的新金融服务模式,在金融科技的支撑下实现了快速发展和大规模普及。
另一方面,一系列新兴技术蓬勃发展为金融科技应用奠定了基础条件。随着云计算、大数据、人工智能等新兴技术的快速发展,金融科技应用具备了充分的技术基础条件。云计算的集中存储和按需调用模式,能有效提升金融行业 IT 系统能力;大数据是金融行业的基础资源,基于大数据的计算分析是目前金融服务开展的核心能力支撑;人工智能能够有效提升金融智能化水平,降低服务成本,助力普惠金融。金融与科技具有天然的融合性,其中,金融行业海量的数据和多样化的商业模式,为科技应用提供了广阔的空间。目前,金融科技应用覆盖到风控、营销、支付和客服等金融业务的各大核心流程,衍生出大数据风控、智能投顾、移动支付和智能客服等多种新兴金融服务模式。可以预见,金融与科技的融合将产生更加丰富的应用创新,带来更加广阔的市场空间。
金融大数据
大数据能够提供数据集成、数据存储、数据计算、数据管理和数据分析等功能,具备随着数据规模扩大进行横向扩展的能力。从功能角度,大数据技术主要分为数据接入、数据存储、数据计算、数据分析四层,以及资源管理功能,而金融机构的业务要求大数据平台具有实时计算的能力。目前,金融机构最常使用的大数据应用场景包括:智慧营销、实时风控、交易预警和反欺诈等业务都需要实时计算的支撑。大数据分析平台可以对金融企业已有客户和部分优质潜在客户进行覆盖,对客户进行画像和实时动态监控,用以构建主动、高效、智能的营销。
为切实做到数据驱动,金融企业需要定制化的技术平台。首先,金融企业要进行顶层设计,把技术和业务结合起来,将技术应用在企业价值链的每个场景上。其次,金融企业需要大规模的系统改造。为实现数据的汇聚,需要将原来存储在上百个信息系统的数据整合,重新设计并搭建数据采集、存储、传输的架构。最后,金融大数据具有极高的重要性,需要更加完善的安全保障措施。金融数据的泄露、篡改可能造成系统性金融风险,甚至危及社会稳定。部分数据如用于金融交易的用户鉴别与支付授权信息需要全流程加密。
当下,大数据技术的应用提升了金融行业的资源配置效率,有效促进了金融业务的创新发展。在提升决策效率、强化数据资产管理能力、促进产品创新和服务升级、增强风控管理能力等方面已经展现了其应用价值,并且在客服、风控、反欺诈、营销等业务场景中都已得到广泛应用。

  • l 大数据客服
随着金融机构产品和服务的多样化,客服部门的业务范围迅速扩大,加之人口红利的逐渐消失,人工成本高昂。智能客服系统有效解决了效率低和人工成本高两大问题。利用大数据技术建立丰富的知识库,智能客服能够在一定程度上代替人工客服应对多样化的客户需求。大数据技术以金融机构各业务系统的数据为来源,使用传统 ETL 工具和分布式数据采集组件将海量信息抓取至大数据平台,按照不同业务需求将数据分类,利用大数据模型和算法进行数据挖掘和分析,并创建可视化应用。另外,智能客服系统提供 24 小时不间断的在线服务,业务处理效率高,帮助提高用户粘性,解决因人工客服回应不及时导致的客户流失问题。

  • l 大数据风控
借助大数据技术的风控手段与传统风控手段相比,风险数据来源和维度更广,除了结构化的金融数据,还包括用户行为、社会属性、金融产品评价等半结构化或非结构化数据。另外,在数据应用逻辑方面,大数据风控侧重挖掘数据间的相关关系,比传统强调因果关系的分析方式在关联逻辑、定义交叉风险因素方面的能力更强。我国大数据风控的应用主要在借贷领域,以贷前风控为例,大数据风控的一般流程包括四个方面:数据收集、行为建模、构建画像、风险定价。通过系统日志采集、网络数据采集和数据库接入等方式收集各类信息,进行数据建模,建立数据假设,确定建模目标,利用大数据技术进行用户画像,将对象分类,最后开展风险定价。同时,大数据风控还具有实时监测和预警的功能,能够及时发现客户的异常行为或金融产品的异常表现,并做出止损反应。

  • l 大数据反欺诈
随着互联网金融、移动支付技术等的发展,金融欺诈手段也随之升级并侵害到金融行业的各个领域中,如保险行业的骗保欺诈、个人金融领域的网络黑产、供应链金融中的虚假交易等等,呈现出专业化、产业化、隐蔽化和场景化的特征。传统反欺诈技术维度单一、效率低下、范围受限,难以满足日益发展的反欺诈需求。大数据技术借助数据采集和分析定义欺诈的行为特点。以黑产防范为例,大数据能够帮助企业掌握互联网金融黑产的行为特点,从业人员规模、团伙地域化分布以及专业化工具等情况,并制定针对性的策略,识别黑色产业链和减少损失。

  • l 大数据营销
近年来,媒介、品牌、大众消费和生活方式呈现“碎片化”的发展趋势,个人消费者更加追求自我和个性。用户需求和兴趣的多样化以及网络应用的发展带来用户数据体量和规模的迅猛增长,以市场为导向的传统粗放式营销模式不再适用。借助大数据技术,将收集到的各类用户信息,包括职业、家庭状况、网络应用浏览记录、交易信息等,进行分类聚合关联,结合大数据分析模型,实现用户画像。在用户画像的基础上,金融机构能够对客户展开对应的营销策略,如实时营销、交叉营销、个性化推荐、客户生命周期管理等。
金融人工智能
人工智能使用机器代替人类实现认知、识别、分析、决策等功能,它在金融领域应用主要包括五个关键技术:机器学习、生物识别、自然语言处理、语音技术以及知识图谱。金融行业沉淀了大量的金融数据,主要涉及金融交易、个人信息、市场行情、风险控制、投资顾问等多个方面,其海量数据能够有效支撑机器学习,不断完善机器的认知能力,尤其在金融交易与风险管理这类复杂数据的处理方面,人工智能的应用将大幅降低人力成本,通过对大数据进行筛选分析,帮助人们更高效率地决策,提升金融风控及业务处理能力。
人工智能在金融科技中的应用进一步提升了金融行业的数据处理能力与效率,推动金融服务模式趋向主动化、个性化、智能化,同时有助于提升金融风险控制效能、助推普惠金融服务发展。目前,人工智能技术在金融领域应用的范围主要集中在智能客服、智能投顾、智能风控、智能投研、智能营销等方面。

  • 智能客服
智能客服主要以语音技术、自然语言理解、知识图谱等为技术基础,掌握客户需求,通过自动获取客户特征和知识库等内容,帮助客服快速解决客户问题。智能客服系统采用自然语言处理技术,提取客户意图,并通过知识图谱构建客服机器人的理解和答复体系。同时,智能客服以文本或语音等方式与用户进行多渠道交互,为广大客户提供了更为便捷和个性化的服务,在降低人工服务压力和运营成本的同时进一步增强了用户体验。

  • l 智能投顾
智能投顾又称机器人投顾,主要是根据投资者的风险偏好、财务状况与理财目标,运用智能算法及投资组合理论,为用户提供智能化的投资管理服务。智能投顾基于机器学习算法以及现代资产组合优化理论,来构建标准化的数据模型,并利用网络平台和人工智能技术为客户提供个性化的理财顾问服务。智能投顾的应用价值在于可代替或部分替代昂贵的财务顾问人工服务,将投资顾问服务标准化、批量化,降低服务成本,降低财富管理的费率和投资门槛,实现更加普遍的投顾服务。

  • l 智能风控
知识图谱、深度学习等技术应用于征信反欺诈领域,其模式是将不同来源的结构化和非结构化大数据整合在一起,分析诸如企业上下游、合作对手、竞争对手、母子公司、投资等关系数据,使用知识图谱等技术大规模监测其中存在的不一致性,发现可能存在的欺诈疑点。在信用风险管理方面,关联知识图谱可以利用“大数据+人工智能技术”建立的信用评估模型,刻画用户画像,对用户进行综合评定,提高风险管控能力。

  • l 智能投研
传统投研业务需要收集大量的资料,进行数据分析和报告撰写,投研人员每天需要耗费大量时间进行数据的收集与处理。智能投研基于大数据、机器学习和知识图谱技术,将数据、信息、决策进行智能整合,并实现数据之间的智能化关联,形成文档供分析师、投资者使用,辅助决策,甚至自动生成投研报告。

  • l 智能营销
人工智能可以通过用户画像和大数据模型定位用户需求,实现智慧营销。智能营销在可量化的数据基础上,基于大数据、机器学习计算框架等技术,分析消费者个体的消费模式和特点,以此来划分客户群体,从而找到目标客户,进行个性化营销和推荐。智能营销相较于传统营销模式,具有时效性强、关联性大、性价比高、个性化强的特点。
对于金融企业与金融科技企业而言,大数据是金融业创新发展的基础资源,而人工智能则是金融服务迈向智能化的关键,随着相关技术的进步与落地,行业正在迎来前所未有的发展新机遇。

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!
<
回复 天涯海角搜一下: 百度 谷歌 360 搜狗 搜搜 有道 谷粉 雅虎 必应 即刻

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|创意技术分享 ( 蜀ICP备18038252号-1 )

GMT+8, 2020-5-23 17:37 , Processed in 0.078102 second(s), 18 queries , Redis On.

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表