PG电子(Pocket Games Soft )全球首屈一指的电子游戏供货商[永久网址:363050.com]，首位跨足线下线上电子游戏开发。PG电子,pg娱乐,PG电子试玩平台,pg电子app,pg电子外挂,pg电子接口,pg电子技巧,pg电子下载,欢迎注册体验！毕马威和风险投资公司H2 Venturess联合发布了《2017全球金融科技100》，在前十大最具有创新性的金融科技公司中，中国的金融科技公司就占据了五个名额。全球知名市场调研分析机构CBInsights近日发布了2018金融科技趋势报告，报告指出，2017年VC支持金融科技创纪录的一年，全球金融科技共有1128宗融资，共计166亿美元。

　　区块链热议、股市飘绿、余额宝限购，这些金融相关词汇越来越引起普通民众的兴趣，如今科技在金融业也扮演者举足轻重的角色。近两年火热的金融科技即金融+科技，但并非是金融(Financial)与科技(Technology)的简单叠加，其核心为科技在金融领域的应用，以显著改进传统金融行业的运作水平和服务效率。金融科技范围很广，从传统的分期借贷，到基于人工智能的智能投顾，再到大数据风控征信，人工智能与大数据在金融科技领域的深度应用，可以说在金融圈掀起了一场科技革命，人人都想加入这一行列，试图跟上这顺应时代的浪潮。

　　1月30日下午，搜狐创投SoPlus邀请了毕马威中国数据咨询合伙人陈立节、百融金服CFO合伙人赵宏强、天云大数据副总裁李从武、PINTEC品钛量化策略负责人贾宜宸，和TalkingData首席布道师鲍忠铁，在北京搜狐媒体大厦，共同探讨了大数据和人工智能，在金融科技领域的机会与风险。

　　毕马威中国作为传统的金融科技服务商，既服务传统企业，也服务创新的企业，陈立节表示，科技和金融是密不可分的，所有的金融业务都是建立在系统之上的，离了科技基本金融业务就无法开展，金融和科技是互相包含的。

　　而李从武认为，金融科技本质上是用技术手段来实现“祛媚”的过程，天云大数据给金融企业做的技术平台相对于过去传统金融企业的科技平台，提升了效率，ROI比原来传统技术架构和传统产品要好很多。现在的金融科技在金融企业里做了效率提升的事情，并且做的方式、方法、成本都发生了变化。作为一家平台和赋能公司，天云大数据让业务人员更直接地理解技术，并利用技术更好地提升业务效率。

　　金融离不开科技，科技给金融赋能，鲍忠铁认为这是一个大趋势：科技的力量和科技的地位在这五六年当中在银行里是逐渐提升的。金融科技可以帮到金融行业业务提升，效率提升。2017年在整个互联网金融或者金融科技看来是强监管年，并且监管的趋势在2018年会持续加强，央行划了很强的红线，背后原因在于，不想让金融企业在最基础的能力，包括风控能力、技术能力、产品能力完全依赖于第三方，希望金融企业在这方面成长，这样才能提高整个金融行业的竞争力。

　　除了科技加强了金融的有效性外，赵宏强提出了另一个观点，即动机：金融的不断发展对科技提出了更高的要求，反过来促进科技的提升。无论是数据收集、处理能力、服务金融机构建模的能力、数据挖掘能力，这两个是相辅相成的过程。

　　赵宏强介绍，百融金服整个体系是利用大数据的技术，加上算法、行业经验，更多为银行、消费金融公司，以及众多的金融科技公司，提供基于数据和算法风控的体系服务，同时向后延伸进入贷中监控、贷后资产的管理和定价等一系列服务。贾宜宸介绍了如何通过机器与大数据，用真凭实据的量化经验进行市场筛分，如此一来，理财师只要正常维护客户关系，就可以把事情做好，并且节省了很多心力。

　　大数据在金融领域应用的好处可见一斑，而我国在大数据行业的监管规则也非常特殊：某些领域这些东西不许干，有些领域就让你有一定市场竞争，不是充分竞争，至少在划定的区域里是可以竞争的，正因如此，中国大数据行业才真正有了今天的规模。赵宏强表示，这真的要感谢监管机构，在决策时没有武断选择欧洲模式。

　　大数据之所以大，单一公司是无法满足各种需求的，这就涉及到是否要接外部数据，实现各个维度的数据打通。陈立节通过银行的对外合作差异，进行了阐述。现在四大行都是跟BAT级有战略合作，一定眼光比较高，而对于中小行、城商行、区域性商业银行、农商行则大相径庭。较小的银行往往只服务于当地的客户群体，当地客户群体一定是具备区域的特征，如果需要拓展市场时，就面临着一个问题，完全没有任何客户数据，这时候它有非常大的意愿和动力找合作机构，帮他做获客、营销，甚至充当他的渠道。

　　可见不同金融机构定位也不尽相同，如果说要促成跨行业、跨企业的合作，一定还是要把住企业本身的诉求。赵宏强也认为关于数据的打通，要看业务发展，而且现在业务发展，尤其进到消费场景必须得接，不接不行。这返回来也要注意分析，BATJ这些公司到底是什么样的，他们是不是数据很全。像百融金服这样拥有大量用户数据的托管方，核心点在于数据的采集、储存、使用一系列的动作，是不是都有充分的授权，有正常的业务场景，还有在输出过程当中是以什么形式输出，这是非常关键的点。

　　当数据实现打通融合，就会涉及数据，尤其是隐私数据的使用上的讨论。鲍忠铁总结了隐私数据使用的几个原则：拥有和收集隐私数据得到客户授权，使用也要得到客户授权，使用之后最好不要留存，留存就要保护好它。用的场景只能是客户授权的场景，不要收集客户隐私数据之后，跟客户说用在A场景，结果你用到BCD。蚂蚁金服、电商、银行都拥有我们隐私数据，它是不侵犯隐私法的，但是如果没有在你授权情况下使用隐私数据，这些就是侵犯隐私法了，如果授权情况下过度使用了你的数据，比如授权他使用A场景，除了A，还使用在了BCD，这也是侵犯隐私的。

　　那么如何界定隐私呢？很多用户对什么是隐私数据是搞不清楚的，身份证号、手机号、驾照、信仰、性取向等都是隐私数据，就要得到保护。但是在互联网上点击了什么商品，你喜欢这个汽车，喜欢那个游戏，这不算隐私数据，这是没有办法通过数据反过来识别你这个人的数据。很多电商里，互联网媒体，经常用商品购买标签做推荐引擎，这不是隐私数据。但是要看商品涉及没涉及个人隐私，如果商品本身涉及个人隐私加工标签的话就是有问题的。陈立节从监管的角度指出，隐私的界定不再监管本身，而在于金融机构自身能否把自建的数据隐私管理体系说圆，大原则不违规，一般来说就没问题。

　　清楚了数据隐私的界定，那么如何保证隐私数据不会外泄呢？李从武表示，数据的隐私问题在各国各地方也有差异，欧美这些国家很担心的是老大哥全知全能，在我国对老大哥不是太担心，我们担心的是不停有人骚扰我或者数据被他人取用。中国的这方面一些保护更重视，设立了3级等保、4级等保，来分级保障数据存放的安全，只要是善意的使用就没大问题，这是符合国情的。

　　贾宜宸认为，在理财端更不用担心数据外泄，金融机构最不希望把他客户留出给第三方抢他客户的。一般从金融机构，不管是银行还是证券，还是保险公司拿到数据，都是脱敏的，整个客户我们看不到名字，年纪也看不到，只给年纪的范围，是标签化、模糊化的数据。依据客户画像、风险属性帮他找出来配置的状况，然后再推送回给他。所以在理财端，不用太过担心数据泄露。

　　既然数据安全在企业端有很好的保障，为何还会出现信息泄密案件呢？作为专业审计从业者，陈立节介绍，数据泄露案件有一个非常大的特征，就是大部分案件其实是因为内部舞弊导致的，比如金融科技或者金融机构内部员工泄密导致的，而因为技术手段、加密手段等泄漏的比例并不大。这也给整个行业提个醒，数据保护、保密更多是在管理机制、管理流程，甚至考核奖惩机制体系上应该如何制定，很多事情没有想象中那么复杂。

　　另外一个角度，对数据使用而言，其实它还更需要的是更进一步地精细化。李从武表示，有些大是大非的问题，这些数据无论给我多少钱也不愿意拿出来，但是有些东西不给我钱不愿意给你，给我一点钱可能会给你，这就涉及到数据的定价，我们是不是有能力和数据拥有者甚至个体进行谈判，这就涉及机器处理。因为很难一个机构去和100万人、200万人去个性化地谈这个问题，但机器是有可能的。一个平台衡量这个数据到底价值是多少，得付出多少钱，这就成了一个生意。这就会变得更安全，这对政府监管要求更高一点，这都是一个过程。

　　赵宏强为金融科技企业的人工智能下了定义：第一，一定有研究的功能，因为很多前沿东西不现在把握，可能以后会失掉这个机会，你还没意识到它就过去了；第二，非常核心的点是所有的应用生产出来必须是基于我现在的产品和服务和现在金融机构需求的。AI现在智能化程度还不够，来自美国运通高级副总裁表示，一定需要人工干预，不能完全让算法本身去跑这个过程。这对我们的启发是，人工智能是人工+智能，不能完全交给机器。

　　在金融行业里AI应用已经开始了，但是远远没有达到期望的完全替代人做决策，还要大量人工干预。鲍忠铁认为，这也是正常的，因为智能模型和智能应用对金融业务理解还没有达到人的智慧，这是漫长的过程。AI对于投资肯定是有很大的提升，但是提升比例不会很夸张一倍、两倍、三倍，整个金融产品风险不确定性太多了，特别怕出现黑天鹅事件，它的有效性还是有一定限度的。但是用肯定比不用要好。AI在投资领域的应用还处在早期。在智能投顾的“客户认知，资产配置，投资组合选择，智能交易”四个模块中，大数据和人工智能已经有了很多的应用，但是还未形成一个闭环，这也意味着市场上还有很多机会。我们给智能投顾的定义是，通过机器脑，即算法、数据模型、机器学习，而非人脑做出投资决策。

　　传统银行里面，50万资产之上已经配人工财富管理服务，按年收资产管理费用。普通白领，刚毕业的学生手里没有50万现金，他怎么样得到智能投顾的财富管理服务，这时候只能靠低成本、高效率智能投顾。鲍忠铁介绍，通过数据应用降低了风控成本，也将金融服务下沉了，过去很多服务不了的客户现在服务了，过去发现不了的风险现在都可以发现了，帮助金融机构在整个风控领域做得更精细化了，可以为更多潜在的客户服务了。

　　智能投顾在中国还有很大市场。如果了解华尔街金融市场的线年开始，对冲基金和量化基金整个平均收益率开始大幅度下降，为什么呢？当所有的对冲基金或者量化投资机构的风险策略相同时，数据又是一样的，投资偏好也是一样的，就造成没有更多利润空间可以获取的了。用一个行里话说，华尔街市场上傻子越来越少，对冲基金大的增长空间就很少，反倒在中国现在整个量化投资也好，整个金融产品风控程度还是有机会，还有很大空间。

　　PINTEC 品钛是一家芯片级金融科技解决方案服务商，为金融机构和商业机构提供高效的智能金融解决方案，包括智能信贷、智能投顾等。贾宜宸介绍，品钛的智能信贷风控引擎正在为国内最大的几家旅游网站提供消费分期服务，而智能投顾业务，服务于金融机构与平台，通过B-2-B-2-C的模式，触及到更多零售客户。

　　智能投顾，本质上是一种在线投资顾问的服务模式，即根据现代资产组合理论等相关算法搭建一个数据模型，根据投资者的风险偏好、财务状况及理财目标，为用户提供智能化和自动化的资产配置建议。再到智能风控的部分，平常可能审批需要众多环节，耗时费力，但是在智能风控系统下，几秒钟之能就能够决定要不要批，额度是多少，后面所有账户、开账、结算都很快。其实还是科技帮助金融多了一点，确实是一个以科技为主的驱动整个产业转型的部分。在招商银行等试水“智能投顾”后，多家银行也接二连三布局市场，抢占先机，智能投顾这一新兴的服务逐渐成为银行财富管理业务的“标配”。另一边，像PINTEC这样拥有新兴智能投顾科技公司的技术、品牌、用户体验越来越成熟，第三方技术公司自然而然成为了银行落地智能投顾业务的科技帮手。这是一个互利互助的过程。

　　人工智能在金融科技领域的应用，除了智能投顾，鲍忠铁特别提到了智能客服，比如信用卡公司3000人专门是呼叫中心的，有智能客服之后一半人接电话了，另一半人做电销了，1500人省的钱就很可观了。但是金融服务除了冷冰冰机器数据服务，还要有温情服务，人工服务是不可替代的，永远都不会说出现了智能客服之后，人工客服就不需要了。有些年龄大的人会有很急迫的，很复杂的问题一定靠人解决，智能客服只能解决标准化、重复性的劳动。

　　还有就是反欺诈，越来越多应用到AI的判断，比如说在网页上输入大小写偏好，还有是不是某一个域值上经常有修改，这都是一些行为，必须有技术能力获取，获取完不断跟后面模型比照，这是不是的确有问题的，也通过一些算法、样本不断优化。从不同角度，从简单行为推测这个人的意图。真正解决业务场景研究AI的，这样是比较有投资价值的。

　　伴随人工智能大量提高金融服务效率的同时，引起了从业者对失业的担忧，对此贾宜宸以无纸化的例子进行了说明：现在全球都在少纸化，也不需要太多的纸，有足够的就够了。科技是帮助任何行业做效率进展的，为什么会担心科技进来，金融从业者会失业？大概一两年前，苏格兰皇家银行宣布解雇400个英国的理财经理，用机器人投顾做取代。大家担心传统的理财经理工作会被机器人投顾取代，其实并不会。陈立节从另外的角度阐述了人工智能在落地时并不顺利的情况：毕马威有一个财务机器人，推的过程中发现很多需要人工干预的点，难在过程中涉及到很多部门管理认责的问题，最后归根到底总结很多管理理念和管理意识的问题。

　　鲍忠铁：大家好！很高兴大家有时间聚在一起参加SoPlus举办的金融科技和人工智能论坛，我是今天论坛的主持人，TalkingData首席布道师鲍忠铁。今天论坛的背景ABCD，大家都知道，就是：AI、Block Chain、Cloud、Big Data。金融科技这几年发展很快，特别是AI和大数据出现之后对整个金融科技的推动是很明显的。今天很荣幸请到了在金融科技行业里比较领先的几家企业和大家一起分享下AI和大数据在金融科技整个发展过程中起到的作用，业务场景和行业发展。先请几位嘉宾介绍下自己。

　　陈立节：各位在场的朋友大家好，我是陈立节，是毕马威数据咨询合伙人。今天特别荣幸参加交流，刚才几位嘉宾在休息室说希望在行业上能够有更多的机会。我从事更多在金融机构、银行，做银行的数据治理、数据分析、数据应用、数据未来整体的规划、建设，我服务的客户包括四大行、股份制银行、城商行，现在有非银的金融机构，证券、基金有很多的跟数据相关的服务。

　　赵宏强：谢谢鲍总的介绍，感谢搜狐给我们提供这么一个平台与大家分享。我是百融金服的CFO、合伙人赵宏强，我们是金融服务大数据应用平台，离搜狐非常近。我们整个体系是利用大数据的技术，加上算法、行业经验，更多为银行、消费金融公司，以及众多的金融科技公司，大家如果参加金融科技的会议经常能看到这些公司，给他们提供基于数据和算法风控的体系服务，同时往后延伸慢慢进入贷中监控、贷后资产的管理和定价，这一系列的服务。核心点还是基于我们本身的数据，以及众多的风险分析师、建模师他们对于行业的理解。主要解决的问题是，在央行体系数据覆盖不充分的情况下，怎么样帮银行，利用大数据相关的数据结成多维度的画像，为众多的消费者帮助向银行申请，是不是能够核批，能不能获得金融机构对他们持续的服务。

　　严格意义上讲，百融金服是金融行业的基础设施，我们这条高速路上面跑得快的，有大家伙，有小家伙，我把基础设施修好，保证每一个机构都能触达它的目标市场，真正实现展业。我们在这当中也根据这个分享一下成长给我们带来的红利，百融这几年发展赶上了中国消费金融的发展浪潮，对中国的金融机构、监管政府机构给我们的支持和帮助真心表示感谢。

　　贾宜宸：大家好！我是PINTEC品钛量化策略负责人贾宜宸。PINTEC 品钛是一家芯片级金融科技解决方案服务商，为金融机构和商业机构提供最高效的智能金融解决方案，包括智能信贷、智能投顾等等。我们的智能信贷风控引擎正在为国内最大的几家旅游网站提供消费分期服务。另外一块智能投顾业务，我们也服务金融机构与平台，通过B-TOB-TOC的模式，触及到更多零售客户。

　　这些客户可能没办法进入私募市场，平常又习惯投到银行理财产品里，他或许想接受更高收益的部分，怎么样做好的资产配置，我们则可以让他们低门槛、高效率的进行智能资产配置。PINTEC所做的并不局限于国内，我们发现离我们最近得东南亚地区也急需这样的服务，因此2017年我们集团布局延伸，在新加坡与FWD集团合资成立智能投顾公司PIVOT，在东南亚准备做架构。PINTEC是一家to B的机构，我们希望将品钛的智能财富管理技术展开，向全世界金融机构、非金融机构普及，让更多人收益。

　　鲍忠铁：看来品钛是From China to the World的公司，希望以后的10年或者20年中看到新的世界五百强从中国再出来。

　　李从武：我是天云大数据的副总裁李从武，天云大数据主要为客户提供大数据基础平台的公司，我们现在来借Hadoop这些机构为企业提供服务，主要的客户在金融机构居多，银行、保险公司、互金企业。在金融机构基础平台里头我们又特别侧重于一些领域，类似AI平台，复杂网络平台，来处理一些专门的问题，所以我们某种程度上，从另外一个角度和百融金服做的差不多，但是我们是从下往上做，经常和毕马威合作，他们提供咨询，我们来干活。

　　鲍忠铁：感谢四位嘉宾。今天的四位嘉宾来自于金融科技里不同的领域，陈总来自毕马威，传统的金融科技服务商，既服务传统企业，也服务创新的企业。百融金服是新兴创新企业，给金融行业包括传统金融行业和新兴金融行业做风控服务。贾总PINTEC品钛集团是智能金融集团，既做量化投资，既帮金融机构和企业客户，也为消费者提供智能金融服务和解决方案。李总是做技术平台的，主要服务于金融行业，但未来也有可能跨全行业，未来技术平台是通用的。

　　李从武：从开始我们就是以服务运营商为主，慢慢过渡到金融行业，现在已经不局限于金融行业，能源、政府都有。金融行业在我们看来，是目前时间点最活跃的一个市场。

　　鲍忠铁：天云大数据解决了很多技术平台的问题，品钛集团解决了产品的金融产品问题，百融解决了金融机构风控的问题，特别是一些风控比较弱的中小金融公司或者消费金融公司，毕马威解决了认知，很多传统企业或金融企业在ABCD发展过程中缺少认知，需要一些专业人士带领他们进入这个领域。

　　今天开始第一个话题：金融科技。金融科技是2008年美国华尔街提出来的，现在学术界和产业界对金融科技没有很正式的定义，2008年沃顿商学院的定义是“金融科技是利用技术改变金融行业效率的一个经济行业产业。”金融科技之所以成为热点，也是因为金融科技对金融企业的效率有很大提升。

　　第一个问题，从大家专业的角度怎么理解“金融科技”这个词。从天云大数据的李总开始。

　　李从武：我们看了“金融科技、科技金融”两个词，在金融行业里头科技引领了很多年了，我80年代开始从业开始给银行做服务。到今天为止一个普通的股份制商业银行一年投资几十亿IT费用，为什么今天会有金融科技呢？以前就不是提高效率吗？实际上以前也是为提高效率，在流程上给它优化，给它自动化，为什么今天会有这个词？按我的理解，应该比这个更高一点。套用一个比较时髦的词，我觉得这是“祛媚”的过程。很多行业有很专业的知识和人，每人都有自己的饭碗和专业领域，我们以前有一个词叫“叠窗架屋”，像俄罗斯套娃一样把内容一个一个套起来。金融科技本质上是用技术的手段来回答我们到底要干吗，我们是不是有更好的方法来做到这件事。这个是我对金融科技的一点看法。

　　贾宜宸：金融科技是金融帮科技还是科技帮金融呢？这个问题是互相的，但是金融帮科技的程度有限，比如金融可以帮科技行业募资、融资、IPO，这其实是以前就有的事情。但科技帮金融的程度正在逐步加深，我本身比较多在所谓投资这块部分，像智能的投研，这个解决可以很快速给分析人员或者给一般的人做财富管理使用，就是一个很快的部分。作为金融科技在财富管理领域的应用，“智能投顾”（Robo-Advisor）落地中国后，就迅速风靡。智能投顾，本质上是一种在线投资顾问的服务模式，即根据现代资产组合理论等相关算法搭建一个数据模型，根据投资者的风险偏好、财务状况及理财目标，为用户提供智能化和自动化的资产配置建议。再到智能风控的部分，平常可能审批需要众多环节，耗时费力，但是在智能风控系统下，几秒钟之能就能够决定要不要批，额度是多少，后面所有账户、开账、结算都很快。其实还是科技帮助金融多了一点，确实是一个以科技为主的驱动整个产业转型的部分。

　　赵宏强：这个问题大家也一直在说，包括阿里巴巴董事长马云也把这个定义成TechFin。第一，科技一定是加强了金融的有效性。尤其在百融金服，我们看得特别明显，我们刚开始要严格意义上做大数据做风控，2012年、2013年还是很虚的概念，那时候不叫大数据，是数据挖掘。不是大数据，用行为数据等等去大致评判一个人的信贷风险，这是非常前沿的。但是为什么会有这样的需求呢？技术先驱动金融，2013年是互联网金融元年，2013年银行面临大量竞争，来自互联网机构对它很大的冲击，这时候发现发信用卡也好，做个贷也好越来越深入到三四线城市，不能再在一二线城市玩儿了，下面已经被扫光了，我必须切入，这是它的一个动机。

　　另外一个动机，发现很多事情到了这个地方以后发现做不了，缺乏数据，央行数据到那个地方特别稀疏。主流的金融机构不能只依赖稀疏的数据用我的钱做测试，做不了这个事，这时候就必须用强的科技数据平台为它提供服务。这个时候就产生了我们。

　　科技和金融两个东西好像有种天然结合的点，当金融要扩张的时候必须依赖一定的科技手段，尤其在消费信贷领域特别明显。还有就是我们发现现在金融科技企业也有一个特点，就是效率非常高。我们一家主要的客户是持牌的消费金融公司，它在这个场景里两分钟内批贷，消费是非常冲动的行为，如果一瞬间不能批，这个人就不用你的贷款了，而且很多人在提供同样的贷款服务。这时候给我们提出了要求，必须秒级所有运算完成，风险信用评分返回给我，认为这个人能不能批，这个要求非常高的。如果是传统的金融机构经过一层层审批没有一两天，最快一两天，而且额度非常小，买个电话三四千块钱，额度非常小。这样的东西传统金融机构在它的成本架构之下没有可能满足这类金融需求的。这时候就给我们提出一个新的课题，高速同时非常精准的运算，就必须他的ID传过来马上匹配数据、运算结果、返回，如果没有数据还得告诉我没有。金融的不断发展反过来促进科技的提升，这样我们也得投入更多的东西。无论是数据收集、处理能力、服务金融机构建模的能力、数据挖掘能力，这两个是相辅相成的过程。目前还是比较良性的，从过去几年消费金融发展的角度来讲。

　　我们严格意义上是科技企业，但是在金融市场里服务，为金融客户服务，我们也深深感受到这两个事情真的是相互促进的，并不是此消彼涨的过程，也不能完全说科技带动金融，也不能完全说金融带动科技，是相互交互的过程，慢慢双方都会水涨船高。

　　陈立节：特别认同赵总说的，我换个视角陈述基本概念的问题。毕马威经常会有机会跟银行行长、业务部门主管领导聊，经常聊的一个课题是你觉得你们银行的科技能否支持整个金融业务的发展、创新？基本上大部分答案都相对比较偏消极。我们回头问科技部门，建大数据平台，你们建大数据平台做什么，除了技术架构上的事不提，解决什么业务场景问题，解决哪些具体的部门应用诉求。好像也说不太清楚。

　　回归到问题的本质，金融科技无论是金融怎么服务科技，还是科技怎么服务金融，我赞同赵总讲的，它更多是融合。我一定要回归业务银行的本质，这家银行到底要做什么，做什么业务，什么细分市场，主推金融市场还是主推某一块投资类的业务。在这块业务发生什么样的瓶颈，需要什么样的技术手段支撑你做风控、获客、扩展渠道，这个融合就回到这个问题本质上。这是我们的理解。

　　鲍忠铁：感谢四位嘉宾。四位嘉宾的理解再给大家总结一下，天云给金融企业做的技术平台相对于过去传统金融企业的科技平台，在效率上肯定是有提升的，ROI比原来传统技术架构和传统产品要好很多。现在的金融科技在金融企业里做了效率提升的事情，并且做的方式、方法、成本跟原来都不一样，可能原来用IBM、用Oracle，现在新的技术架构更高，成本更低，可能1/3都不到。

　　贾总提到服务，金融科技为金融企业做服务，这种服务体现在多方面，产品服务、营销服务。百融金服的赵总提到金融服务的下沉，在过去传统金融企业所划分的行业里面，已有的风控模型和数据没办法支撑大部分金融客户的需求，这时候新的风控方式和新的数据可以帮助金融企业，去做金融服务的下沉。

　　毕马威的陈总提到了融合，科技和金融是密不可分的，所有的金融业务都是建立在系统之上的，离了科技基本金融业务就停掉了，金融和科技是互相包含的。

　　从几位的嘉宾观点看，我们可以看到金融科技在这几个方面可以帮到金融行业业务提升，效率提升。核心的观点就是金融是离不开科技的，科技是要给金融赋能的，这是一个大趋势。

　　我在银行做了十多年科技，感觉多科技的力量和科技的地位在这五六年当中在银行里是逐渐提升的。最直观的感触是，每年金融企业年底的薪资调整和级别评定的时候，科技部门拿到份额要超过业务部门，如果给不了科技部门这么好的待遇，外面有BAT来抢他们。2017年3月份达沃斯论坛阿里就跟中国银行行长提到了，蚂蚁金服要回归技术，不做金融了，他们要敬畏金融。说得最多的一句话就是“敬畏金融”，那么敬畏金融代表金融科技公司和传统金融行业到底相生相爱，还是相恨相杀？把这个问题先抛给赵总。赵总最早也是从金融行业出来的。

　　赵宏强：这个问题真的问得很有意思。我们也服务很多家银行，像李总经常服务银行。这个也是代表了传统金融企业对于金融科技的看法也是在转变的，最早他们为了应付金融科技企业，比如说驻贷平台，满足金融消费的平台，非持牌机构非银机构。这类机构有很强的能力发现市场，一个非常小的细分市场，非常复杂的交易场景，它能够设计一款金融产品满足这样一个客群的需求，它的特点就是灵活，因为没有包袱。跟工行比就是灵活，一个蚂蚁或者老鼠可以战胜大象，他觉得我很快，当时的金融机构对这些也是有顾忌的，他们认为这是一种竞争。

　　现在来看更多是相互的促进，银行机构也发现，就算把工行拆成1000个小机构，也没有可能像互联网平台一样非常迅速发现去做，因为毕竟我是银监会监管的机构，央行监管的机构，没有可能把贷款份额拆得很小，秒贷或者是几分钟之内批贷的，做不到。金融机构就说好，我跟你区分，你做你的市场，我做我的市场。金融机构把一二级市场伺候好，3-4亿人群足够多了。任何一家金融机构把这些人服务好其实是足够多了，因为他们有很多的需求。还有更多中小微企业，这些企业的东西作为一个小的互联网的平台或者纯金融科技平台是非常困难的，让他做这样的事情他没有那么大的资本量，也没有能力整合数据评判的模型，他更多针对个人消费行为。在我们看来这绝对不是相恨相杀的，刚开始只是不了解，不了解跟你合作就比较犹豫。

　　现在又看到一个现象，主流的持牌金融机构，银行、地方性区域银行，他们发现这些FinTech公司挺好的，有很大潜在的客户来源，有些市场不知道怎么切，他找到这块市场，制定的产品相对而言我能够服务的产品，我就给你提供资金做。过去两年期间这样的现象并不少见，主流金融机构和互联网的平台或者FinTech平台直接结合，我给你提供大量资金，你只要把风控做好，我给你提供资金，相当于我是你的后方，你帮我获客获资产，各取所需。这也是一种非常好的生态。

　　这中间还有一层一种融合，还是回到刚才的话题，大家越来越意识到这个行业的生态大家在一起都能挣到各自的钱，李总做基础的基础架构，数据架构各方面的东西，当然后面还有延伸。我们做风控、贷后监测，现在延伸到审批系统教给你，整套风控的经验教给你，你能够更好跟FinTech机构进行结合。

　　你说是不是大家完全相爱？我不敢说，至少大家在相互理解，相互融合，相互接受。这点是我们看到的一个大趋势。

　　贾宜宸：赵总讲的信贷部分多，我从理财端讲一下。国内理财市场是非常两极化的部分，有钱人钱都进私募，甚至股权私募。一般的零售客户、散户又分两极化：一块极度保守，全部在银行的理财，3%、5%，到期100%兑付。另外一种，是在股市证券里杀来杀去的。

　　在这样的经济环境和投资者教育下，市场完全缺了一块像智能投顾方向，做资产配置的。PINTEC品钛通过大数据与行为金融学的问卷，可以得到更加精准的用户画像，更了解客户的理财现状，从而提供量身定制的理财产品。智能顾问的优点是，它可以不知疲倦地监控投资组合的表现，7*24小时不停歇地工作。还可以对所有的投资组合同等对待。所以，人工顾问和智能顾问之间是可以有很多合作。

　　这块不会到所谓的相恨相杀，相爱确实也没有，在招商银行等试水“智能投顾”后，多家银行也接二连三布局市场，抢占先机，智能投顾这一新兴的服务逐渐成为银行财富管理业务的“标配”。另一边，如PINTEC这样拥有新兴智能投顾科技公司的技术、品牌、用户体验越来越成熟，第三方技术公司自然而然成为了银行落地智能投顾业务的科技帮手。这是一个互利互助的过程。

　　比如，过去一般的理财师不会看市场的，只会告诉用户说这个东西4%，是招行、建行、工行的，各位就安心买吧。但是我们们通过机器与大数据，用真凭实据的量化经验可以提供他说这个市场为什么好，为什么不好，理财师只要照着念可以维护客户关系，其实一样可以把事情做好，并且节省了很多心力。除此之外，对客户来说，下单的时候客户不用一天到晚跑到银行买这个、买那个，一键可以完成所有的下单跟配置。我们可以帮券商和银行做的，我们在银证保都落地了，全部系统部署在银行和券商体系内，也符合监管。相对金融机构对我们就是爱了，这时候帮他完成很多他做不到的事情。对我们是合作阶段比较多一些。

　　鲍忠铁：2017年在整个互联网金融或者金融科技看来是强监管年，并且监管的趋势在2018年会持续加强，无论从金融资产的ABS，金融产品的设计，还有资金的渠道，甚至风控，还有风控合作这方面央行划了很强的红线，背后原因在于，不想让金融企业在最基础的能力，包括风控能力、技术能力、产品能力完全依赖于第三方，希望金融企业在这方面成长，这样才能提高整个金融行业的竞争力。监管的方式划一条红线，让金融科技企业很难进入传统金融企业的业务领域，对金融企业是保护，但是反过来说又降低了他们的变革动力。

　　谈到金融科技对金融企业变革影响的时候，刚才两位嘉宾谈的都是银行、证券，忽略了保险，想请李总谈谈金融科技在保险这块有没有一些应用？

　　李从武：我们还确实是有点这方面的经验，刚才讲了我们之前是做运营商项目，到了金融行业里头银行选了一家，大的保险公司选了一家。

　　保险和银行业务形态还是有一点区别，但是本质也是要获客，本质上有大量数学模型的需求，保险怎么盈利靠的是计算，传统讲的精算师这些。但是现在压力越来越大，在于希望有各种各样个性化的险种，希望越来越细分人群，哪有这么多，哪有这么多团队做这些事情？这是一个巨大的挑战。

　　我讲一家银行，某一家大型股份制商行做了手机银行新的版本，一年600多个模型，用了2000个人左右。这么大的规模是不是所有的机构都可以支撑？这是一个巨大的问题。是不是有那么多合格的人，懂这块、理解这块的人。鲍总提到一点，我们是一家平台公司，更是一家赋能公司，怎么叫赋能？是把这种能力传递给金融企业，保险公司也好，银行也好，无论是在银行、保险，都有业务人员和IT人员。首先我们碰到IT人员，我们怎么能让IT人员很容易地进入技术领域，当然这也是由于新的一些技术发展，好比深度学习，大家都比较多地接触到深度学习，它有一个特点，不需要你对业务非常理解，好比我们都知道的AlphaGO，也没学会围棋的内容，靠计算来体会出来这些内容，我们人的直觉是什么。我们把这种IT能力，这种算法教给IT部门，让他们能够很容易接触到业务领域。

　　另外，业务部门的人怎么很容易使用IT平台，不知道有多少人看过谷歌的TensorFlow，那个paper头一页就进入到代码了，我自己虽然学数学的，但是我第一次看那页的时候我也懵了一下。我绝对不相信一个保险公司的业务人员能理解这东西，或者接受一个模型想法。但是我们是不是能够有一个平台让它很容易，他只要知道我要做什么，分类还是聚类。下围棋你就是要赢，你就是拿着黑子要赢，知道这么简单的东西你就可以来做出你要的东西，你要的结果，有很专业的评判在这平台上，这就是赋能。IT给一个企业的赋能，我们讲“AI+”就是这样。

　　陈立节：李总讲到赋能，我就顺着赋能来讲。在座各位好多是创业者，金融科技公司有自己的定位，李总给天云的定位是赋能。回归到我们刚才说到的，现在传统的金融市场基本被各大金融公司刮分了。作为金融科技公司，作为新的市场角色，进来之后面临第一个问题就是定位问题，到底做的to B端还是to C端，如果to C端意味着瓜分银行、保险公司的市场，跟人抢肉，除非你抢的是人别人不碰的细分市场，这时候没有任何竞争。如果做的to B市场。我们跟很多金融科技公司聊，大部分金融科技公司转型做to B了，以赋能为主。跟我们毕马威一样，我们给银行做审计、咨询，我们是乙方，银行、保险是甲方，你给我服务费，我帮你做到你想做到的事儿。现在很多金融科技公司转型就做赋能，给银行、保险公司提供技术产品、技术支持。可能收入情况会有两种：一种是服务费，这个项目1000万给你。还有分润，带来多少客户分成。无论什么样的形式，这个定位和刚才说的to C的定位，需要大家在金融市场自己定位的。我们去除央行划的红线，能不能在这个市场上找到合适自己的定位。

　　鲍忠铁：陈总开了一个很好的头，开始抢答了，我们这个论坛轻松点，以后的问题大家谁有想法的时候咱们就主动拿起麦克风，不要像原来的一问一答，太枯燥了。还是有一个问题递给陈总，研究金融科技或者金融行业服务这么多年了，像大的金融科技公司大家知道有一家是蚂蚁金服，它的未来是金融还是科技呢？从你的经验上和观点上和大家分享一下。

　　从我自己的观点，作为一个金融科技公司，不同公司战略定位是不一样的，我不轻易地说蚂蚁是什么样的定位，这涉及到每家机构策略问题。我的观点是未来在这个市场上能生存下来的金融科技公司一定都是具备非常鲜明个性的，你做的一定是别人没有的。我觉得这个是未来不论是蚂蚁也好，还是在座大家创业者也好要想的问题，这个问题我不能直接给你一个答案了，大家思索一下。

　　鲍忠铁：差异化竞争，不要正面战场上跟传统金融行业进行竞争，存贷汇这些传统金融业务不要做了，其它方面可以考虑一下。

　　赵宏强：其实这个问题我们也在看，蚂蚁最早起来全牌照，各个方面什么都有，拆分出来的核心点就是要做金融，这块外资不许进入，必须要拆分一个。但是会发现做到一定程度以后，可能这个平台效益会逐渐体现，因为借呗、花呗越做越大以后发现，第一作为消费银行募资能力有限的，是直销银行，不像大银行能吸储，这是亲儿子，再怎么做，反正不是央行照顾的那一类。

　　这就比较麻烦。他会发现这个平台的效应，通过做金融业务本身发现很多平台科技的效益逐渐能够发挥出来，比如通过借呗、花呗也会做相关的信用评分，在他的体系里这些信用评分严格意义还是蛮准，在蚂蚁体系里本身还是可以的，因为借呗、花呗看它后面的ABS一系列的发行能看出来，资本市场对它也比较认可。

　　但是它发现我光这么做我资金量是有限的，我为什么不把现在能够产生的经验或者相关的模型，拿出来赋予别人呢？我是不是也做一个科技平台，我觉得很多企业严格意义上是这种思路。包括京东金融，和正在拆分出来的百度金融，这些东西都在做。可能它创立之初不是想成为赋能公司、平台公司，企业业务发展到一定程度发现这两个东西要取舍，这块是未来的一个新的增长点的时候，他会把这个信息拿到市场。马总提“TechFin”是去年的事儿，今年蚂蚁金服已经开始对外输出很多。定位过程中，做企业还是要看企业的发展，不是定死了只做这个，要随着市场的脉络各个方面，看你的能力到底怎么样，你会到不同地方延伸。

　　同时也能看到很多原来的平台企业，比如经常见到的金融科技公司，原来也是想做数据服务的，也想做风控，但是发现做风控太难了，挣不了钱，我得养活我的人。他也会逐渐逐渐转向做直接的业务。我觉得它还是会有逐渐转化的过程，主要看矛盾的关注点在哪。当然，资本市场是另外一回事了，对不同类型的企业估值模型不太一样，这时候也会做取舍。

　　到底做金融，还是做科技，实际上还是要看企业的发展阶段，在这个阶段积累足够的资源。像李总的企业，原来做数据算法的，所以很快能够把这个推出去，但让你放贷你肯定觉得没法整。还是要看当时主要会在哪。

　　李从武：说到这个问题，讲国内公司有点不太好讲，在海外有一个很出名的例子，还是非常火热的一个话题区块链。就是典型的科技人做金融的事儿，一帮IT极客们发币了，他来回答什么是货币，什么是交易，对于这些最核心的问题，用一个技术手段回答了，又做了一个市场来回答这个问题。也许很快金融人做出一家科技公司来回答一些问题，这就是跨界融合，之前有的移动互联，到底是做通讯人做互联网，还是做互联网的人做电信。都是有可能的。从我们的角度我们也在不停探索，这个平台是不是能够支撑类似这种想法、创意的市场发展，这是每家公司，每个个体都会思考的一个问题。

　　鲍忠铁：赵总提到公司定位的问题，未来定位是做服务，还是可能会做金融。实际上从长远看做服务的可能市场会更大，做金融的话红线会很明显，未来的监管会越来越严。李总提到的区块链为很多人勾勒了通往财富的自由之路，告诉大家科技也可以变成金融的。

　　下一个话题，今天是AI+大数据。大数据热了几年之后发现很多，我经常跟很多媒体，行业里人聊天的时候，他们特别提到一个问题，每个人都关心这个问题，他说大数据看上去挺神奇，这么热，但是很多的大数据应用好像有那么一些模糊的地方，比如侵犯个人隐私。很多客户奇怪企业怎么知道我需要这个金融产品，需要这个电商商品。在大数据应用过程中，企业包括传统的企业，也包括互联网企业，其实现在更多是互联网企业，如何合理收集使用数据。过分保护个人隐私数据也没办法应用了，就像整个大数据应用领域最好的就是在中国，其次就是在美国，但是欧洲就没有大数据企业，整个欧洲个人隐私规定要公布了。企业做大数据应用的时候如何合理使用和收集这些数据，并且保证数据价值最大化与个人安全隐私之间的平衡？

　　陈立节：我马上转换一下角色，我这次不以金融科技角度，我本身在毕马威也做审计。举个例子，我们之前给一家金融机构做审计，去年发了很多控敏感信息的文件之后，帮银行做专项的敏感信息的审计。特别有意思的一件事，我们问银行，你们觉得哪些数据是属于客户敏感信息，监管的要求里只是提大的原则，没有具体的哪些是，哪些不是。为了做这个管理，首先要解决定义范围问题，我们首先问银行科技部门，科技部门说我不知道，你得问业务来定义。我们又问业务，业务又说这事儿科技定，这属于信息安全，信息安全专项工作是科技部做的。审计报告第一条敏感信息是什么都没有人界定。

　　我回到整个怎么做敏感信息的本源，经常问自己，我自己的姓名是不是敏感信息，好像不是。身份证号，好像是。年龄呢？很难回答了。确实有很多模糊的边界。我们之前帮很多监管机构到银行做很多检查，监管检查的重点、要点不在于监管本身，而在于金融机构自身能否把你的这套管理体系说圆了，问业务部门、科技部门，把自己管理的理念、体系、方式方法讲圆了，大原则不违规，我就算你过。现在大部分问题我问，你讲不圆，怎么讲得圆留给各位。

　　鲍忠铁：陈总说了一个很多企业碰到的问题，这是一个认知的问题，还是需要咨询机构多给他们教育一下，哪些信息需要保护的。

　　赵宏强：刚才您说的ABCD，我们BCD都有了，整块服务严格意义上讲是非常典型大数据公司能够提供的服务。回到您说的欧洲，还是稍微讲讲大背景。

　　第一，法律界定角度来说信息到底谁拥有，其实所有在座各位对你个人信息你绝对拥有的，法律就是这样界定的，美国、欧洲法律差不多都这样界定的。所有的数据公司也好，银行业务也好，各个方面的公司及时只是信息托管者，这个信息到我这里并不是我所有。

　　第二，个人信息是你的，欧洲的法系和美国的法系为什么有两个不一样？欧洲是我告诉你能够采集什么你才能采集什么，是许可的模式，更像集权模式。但在美国是自由竞争起来的市场，对这块只要不禁止或者消费者不明确告诉你不许收集，那么你可以收集，这两个思路是不太一样的。

　　回到中国就面临到底学哪个领域，我学两者的和，某些领域这些东西不许干，有些领域就让你有一定市场竞争，不是充分竞争，至少在划定的块块里是可以竞争的，中国大数据行业才真正有了今天的规模。这点真的是不得不感谢监管机构当时决策的时候没有很武断说就是欧洲模式，那样咱们中国大数据行业也就基本没戏了。这是大数据行业的背景。

　　第二块讲到保管。作为数据的托管方，或者叫看护数据方，核心点对于数据的采集、储存、使用一系列的动作，是不是都有充分的授权，有正常的业务场景，还有在输出过程当中是以什么形式输出，这是非常关键的点。绝大部分人是弄不清楚的，在座各位如果没有扎到数据行业里，可能也是弄不清楚的。

　　为什么这么说呢？比如百融这样的平台，我们是把大量数据集合到这里来，每个集合的场景有自己的数据合作方，我们还有自己的相关业务生态体系，包括以前的公司，通过各类的业务积累很多数据。但这是裸数据，这些数据含有个人信息的，关键你有这个信息怎么用？假如你产品输出是非常裸的模式，把数据直接卖出去，这一定是违法违规的，这是一条红线绝对不允许的。但是把它加工成标签，通过你的服务能力换算成评分的模式输出，这时候隐私信息含量就降到很低了。同时还要调节颗粒度。我们给银行提供风控模型是非常注意颗粒度的，这个东西提供到什么类型的数据，到什么标准就足够了，我们要遵从颗粒度和数据量互斥的原则，颗粒度越大运算量越大，这样保证覆盖率高；颗粒度越细，给你运算量就很小，不能够让银行大量查询特别细致的数据。在整体风控产品设计里也遵从这样的原则。从产品设计上整体输出角度上全是经过加工的，这是数据行业好的特点。

　　当然我不能不说，这个行业里的确也有一些机构在隐私保护方面做得相对没有那么好。但是从我们这个角度，因为这是我们立命之本，直接受央行的监管，因为我们有企业征信的牌照，我们就一直非常合规。

　　还有一块就是数据的授权问题，到底是谁来授权你，我们是被动查询机构，很多程度上消费者授权银行来查询相关他作为风险评判的分，我们作为决策支持很重要的核心组件嵌到银行的风控体系里。这个过程当中授权链非常直接，个人授权银行，作为消费者授权银行或者授权金融机构查询三方的平台，三方平台返回是经过处理以后相对模糊化的结果，结果是很难还原的。比如你的信用平分在600、650，符合信用卡客群，这种情况下很难还原这个人具体每一项的评分，这个信息基本不存在，对最终的结果输出不需要展示给金融机构看，这样通过层层的方法保护隐私。

　　另外就是数据储存。公安部对这个有很详细的规定，有不同的安全等级保护规定。对于国防科技类的企业数据安全保护4-5级，是非常高的。对于大型银行、保险公司，国家级的银行数据安全等级到3级，征信机构2级就够了。我们这家机构绝对要做3级，作为初创企业真的投入非常大，两三千万的投入在一个企业是很难的。但是无论硬件、网关各个方面布局非常严格，这是委托各个地方公安局的网安人员做测试，每年做测试。安全等级保护也是很好的手段，保证大数据企业总得有一定的数据安全保护，不能哪天硬盘一拔就卖了，这个硬盘有几亿人数据。

　　刚才讲的核心意思就是数据是属于个人的，这是没有错的。作为企业取数据必须有相关的授权，而且基于正常的业务场景，用出去一定要脱敏。不脱敏的话也是很危险的，因为这个数据接收方不知道会拿来做什么，就很危险。

　　鲍忠铁：隐私数据使用有几个原则：拥有和收集隐私数据得到客户授权，使用也要得到客户授权，使用之后最好不要留存，留存就要保护好它。用的场景只能是客户授权的场景，不要收集客户隐私数据之后，跟客户说用在A场景，结果你用到BCD。蚂蚁金服、电商、银行都拥有我们隐私数据，它是不侵犯隐私法的，但是如果没有在你授权情况下使用隐私数据，这些就是侵犯隐私法了，如果授权情况下过度使用了你的数据，比如授权他使用A场景，除了A，还使用在了BCD，这也是侵犯隐私的。很多用户对什么是隐私数据是搞不清楚的，其实国外很简单，我们叫PII信息，通过这个信息识别出你在世界上是唯一一个人的时候是可以的。身份证号、手机号、驾照、信仰、性取向等都是隐私数据，就要得到保护。但是在互联网上点击了什么商品，你喜欢这个汽车，喜欢那个游戏，这不算隐私数据，这是没有办法通过数据反过来识别你这个人的数据。很多电商里，互联网媒体，经常用商品购买标签做推荐引擎，这不是隐私数据。但是要看商品涉及没涉及个人隐私，如果商品本身涉及个人隐私加工标签的话就是有问题的。

　　贾宜宸：我们在跟金融机构合作是蛮多的，我们可以讲一下我们企业怎么样在使用数据方面比较合规，给大家做一个参考。可以分成三块：

　　第一块，我个人参与多是理财端部分。理财端更不用担心数据外泄，金融机构最不希望把他客户留出给第三方抢他客户的。一般从金融机构，不管是银行还是证券，还是保险公司拿到数据，都是脱敏的，整个客户我们看不到名字，年纪也看不到，只给年纪的范围，是标签化、模糊化的数据。依据客户画像、风险属性帮他找出来配置的状况，然后再推送回给他。理财端来说，各位不用太过担心。

　　理财端还有另外好处，理财端跟弱金融属性的、互联网社交信息等等这种大数据关系不太高，刚刚讲到不管你有什么取向，不管你有什么偏好跟理财没关。

　　如果跟另外一块智能信贷，在风控模型这块，这跟赵总讲比较类似，一个是客户授权，不管是跳转授权，还是静默授权，客户首先在勾选里已经同意我们做这件事。

　　第二是所有的数据服务商，不管是阿里做服务，还是跟谁，这个数据服务是不是合规的，我们都知道很多违法的电信服务商也可以查得到所有的通话记录，这是很危险的，你讲了多久，跟谁谈了，这他都知道。基本上从一个内部的合规部分要避免掉这些事情。

　　第三是你输出的东西，我们如果提供分期服务或者零售信贷服务的时候，我们只是会给这个A客户要借多少钱，借不借，并不会有其它的数据在里面，所以你传输出来的东西也是非常重要的。

　　李从武：我们做平台的，我们是替别人处理数据。从数据角度来看，好比像银行，传统上他们只用自己的数据，但确实现在我们做模型的过程中，大量的使用外部数据，这些外部数据现在都是合规的，按照要求善意获取、使用这些内容。从另外一个方面来看这个问题，数据的隐私问题在各国各地方也有差异，欧美这些国家很担心的是老大哥全知全能，在我国对老大哥不是太担心，我们担心的是不停有人骚扰我或者这个数据不小心被人家拿走。我觉得中国的这方面一些保护更注重，好比说3级等保、4级等保，数据存放的安全。然后就是你的使用是不是善意的使用，善意的获取角度，这是符合国情的。

　　另外一个角度，对数据使用而言，其实它还更需要的是更进一步地精细化。因为有些大是大非的问题，这些数据无论给我多少钱也不愿意拿出来，但是有些东西不给我钱不愿意给你，给我一点钱可能会给你，这就涉及到数据的定价，我们是不是有能力和数据拥有者甚至个体进行谈判，这就涉及机器处理。因为很难一个机构去和100万人、200万人去个性化地谈这个问题，但机器是有可能的。一个平台衡量这个数据到底价值是多少，得付出多少钱，这就成了一个生意。这就会变得更安全，这对政府监管要求更高一点，这都是一个过程。

　　陈立节：我们在业界也看到很多信息泄密的很多案件，我们做很多审计查了好多案件，这种案件有一个非常大的特征，大部分案件最后是因为内部舞弊导致的，比如金融科技或者金融机构内部员工泄密导致的，反而因为技术手段、加密手段等等泄漏的比例真的不大，这就是给整个行业提个醒，很多数据保护、保密更多是在管理机制、管理流程，甚至考核奖惩机制体系上应该如何制定。很多事情没有想象中那么复杂。

　　鲍忠铁：数据的风险更大来源于操作风险，内部，而不是外部对它的攻击和外部对它的威胁。

　　大数据应用再问一个问题，在很多的企业数据应用中发现大多数企业数据应用的时候还是自身数据，没有用到外部数据，或者很少用到外部数据。这种数据应用相对BAT就比较弱，BAT很多数据是流通的，很多金融企业就想要BAT数据，BAT也想要金融企业数据，这种数据大家都不融通。我的问题是，金融企业数据应用过程中是不是一定需要引入外部数据，引入哪些外部数据进行应用，这些数据是原始还是加工过的？

　　赵宏强：这个问题很有意思，跟李总刚才讲的有一点相关性，要看整个数据生态，所谓的内部数据和外部数据真的是看你的需求，银行传统做信用卡，一线城市摄入信用卡客群不需要外部数据，填表、查央行，有就批了。业务一旦发展到互联网上开网，客群就不是那么纯粹了，这样就发现央行数据不足以让我评判了，这时候必须接外部数据。

　　第一次跟银行讲大数据、风控，他觉得你简直大忽悠，什么大数据，我不信，央行还没有吗？直到二线城市开始搞业务突然发现央行线个有央行数据，线个。业务端花了这么多的营销成本，只能获批10个，比我开店都慢，开一个网点基本获批率百分之三四十。缺乏数据情况下怎么办，对于拒件怎么处理，用哪些数据怎么匹配，看风险怎么样。

　　最初的大数据风控的想法，中国在这方面不比美国差，可能这方面我们还领先一点。美国主流金融机构能服务的场景已经非常丰富了，而且相对而言，美国信用体系的建设相对比较早，几十年的磨砺对信用体系把控比较清晰，85%人或多或少有自己的信用评分。你在美国换个工作、买房子要查征信。但在中国这块相对比较弱。适合普惠金融覆盖人群，整体央行能够覆盖的2-2.5亿，这2.5亿还是有水分的，并不是每个人都有真正的全息的信用画像。我们跟央行领导交流时候也说，像我们机构很大部分解决信用保护和信用白户获取信贷资源的核心问题。这个问题银行解决不了，唯一解决的方法就是营业员放贷，他自己积累数据，但这是非常累的。

　　这就回答那个核心问题，是不是要接外部数据，真的要看业务发展，而且现在业务发展，尤其进到消费场景必须得接，不接不行。这返回来说，BATJ这些公司到底是什么样的，他是不是数据很全。

　　我们作为服务机构，很多人问我们这个问题，我们做过对比。百度的搜索数据非常强，但你在每次用百度搜索会登录吗，会实名吗？有几个人在用百度钱包？百度的实名体系非常薄弱。阿里巴巴电商数据和其它数据真的是非常强，这个毋庸置疑的，用户量六点几个亿，非常强大，但在电商之外某种意义上有点缺失，阿里想做社交网络，支付体系能够看出来一些，但是覆盖量不够，跟腾讯差一个数量级。腾讯社交数据非常强，但是电商做得很一般，不然不会把那部分卖给京东，腾讯说我不做这个，我做生态。这样情况下腾讯数据社交属性非常强，电商类数据相对而言是薄弱的。然后再看J，京东是自营，可能对物流这些数据体系内部非常强，但是数据量跟阿里比的确差一点，而且二者高度重叠，就是缺乏社交类或者其它类的数据。这给大数据公司创造了一些机会，并不一定每一个领域都比这些领域的头部企业强，但你的数据一定要广泛，有足够多的维度以后，把这些维度全部加起来，还是能够拼出一个比它单一维度拼出的画像在通用场景下更加好用的东西。这是一个基本原则。

　　同时，这几家企业也是有对外输出能力的，蚂蚁金服芝麻信用是对外输出的，京东金融里相关风控能力也在对外输出，也在输出标签和能力，这又是一个融合的故事。最终大家都在努力接外部数据，京东金融也是我们的客户，微众银行也是我们客户。就是某些维度上，某些业务场景需要某一维度数据，但是不全，或者需要某一类评分补充现有的服务模型的时候不够，这时候还是有大数据公司能够给所有机构提供服务的平台的机会。

　　鲍忠铁：您提到在企业应用数据过程中需要数据维度很广，BATJ无法解决广的问题，需要外部的数据公司帮他解决数据应用维度广的问题，比如车、房、消费的数据，这些数据在征信领域中又出现了信联，也有腾讯、阿里。信联作为公共服务单位，以后也会接所有的数据源，信联从您角度未来对这些还是从事金融征信的或者风控服务的企业有什么样的作用，是大家互相各服务一块领域，还是信联出现以后对征信业务有影响，这也是现在行业里比较热点的。

　　赵宏强：信联机构本身成立背后的理念真的是非常好的，通过央行整个体系也想为泛金融的信用体系建设真正做贡献的。它会面临几个挑战，我们也真的希望它能做好。因为它如果真正行业上树一个标杆我觉得是好事。

　　它面临的挑战是非常明显的，首先，8家进到信联，每家的股份占比并不高。如果做成这样的联盟模式，数据还是比较敏感，李总提到数据定价非常难定。比如腾讯、阿里是不是主动为这个平台无偿或者有偿贡献出我的数据，我怎么做呢？这个定价是非常复杂的。

　　第二，信联正因为它是在非常社会上广泛征集，哪一些机构能够对它报送数据呢？ 8家真正有数据也就是ATP三家，也就是腾讯、阿里和平安。如果是金融机构为他们报送数据，这又有一个问题了，我给你无偿报送数据，还是需要收一定的钱呢？共享信用表现数据本身是一个社会性的好东西，可是我作为一个企业，我作为金融科技企业或者放贷平台，这些数据都报送给你了。这些数据我可以自己开发的，为我未来服务的。你给我返回什么呢？可给我返回股份，股份整个占比不能超过3%，金融机构容纳多少家呢？只有3%的股份剩下了。这个问题是一定会面临的问题。当然我们希望能把这个事情处理好，我们更希望能够成为这个体系中的一部分，这不是没有讨论过，但就要看怎么去做。

　　还有服务能力也是很大的问题，当一个机构有这么多股东，而他自己没有服务基础的时候，第一没有数据，第二没有经过业内给机构做服务历练的过程。咱们在座各位都是服务出身的，所以这种脸朝客户，对着上级的心态，在这样一个机构里面是要花很长时间克服的，真的需要找到一群非常市场化，非常愿意迎接市场挑战，同时拿着金牌的一群人。我们希望他能找到，我们也希望他真正能做好，这样我们参与的感觉就更好，更保险了。

　　鲍忠铁：您的观点是信联底能不能做好还靠时间检验，企业的服务不是简单成立一个公司就可以做的，还要把B端服务做好。如果以机构的形式，而不是企业形态做的话，很难在市场上立足。

　　陈立节：现在有这样一个契机是挺好的，在政府的干预下，能几家连在一起，数据放在一块，我觉得在整个行业上一定是迈出了第一步，方向是正确的，进步了。但确实本身有先天的限制，到底市场定位，服务能力，我的渠道，手里的数据有这方面问题。但是站在从保证金融市场稳定的视角来讲，政府做这事有重大意义的，否则完全市场化的行为也会出很大的问题。

　　回头再看，我们提到了数据在不同的企业间怎么打通的问题，回到金融机构看这个问题，以后创业公司也想目标客户的群体是什么。我们跟不同的大中小型金融机构都打过交道，发现每个机构态度都不一样。跟大行聊的话，大行是有大行的底气的，我曾经跟一家大行的行长聊，对方直接提到我们行拿这么多的内部数据，如果能用好，已经能解决很大一部分的业务诉求了。那时候真正哪家银行拍胸脯说大数据做得非常好，还真没有。当时行长定位就是能把内部数据用好，做很多客户获客，或者不用获客，做交叉营销，银行开立结算账户的很多无贷户，跨区域、跨产品、跨条线的可以带来多少业务收益，这是大行的姿态。现在四大行都是跟BAT级有战略合作，一定眼光比较高。而去和中小行、城商行、区域性商业银行、农商行聊的时候就完全不一样了，他服务于当地的客户群体，当地客户群体一定是具备区域的特征，比如说山西，这里做小微客户大都是煤矿相关的业主。没办法客户就这么多，只要市场行业不好，只能拓展市场。这面临一个问题，除了离开这个区域拓展新的市场，完全没有任何客户数据，这时候它有非常大的意愿和动力找合作机构，帮他做获客、营销，甚至充当他的渠道。可见不同金融机构定位也是不一样的。所以说如果说要促成跨行业、跨企业的合作，一定还是要把住企业本身的诉求。

　　鲍忠铁：陈总说第一大数据应用也好，金融很多企业里应用的数据的价值还没有挖掘出来。谈到数据应用先不提外部数据，先把自己的数据用好，之后基于业务场景，需要样的数据再调，这是第一。

　　第二个问题，银行碰到转型的痛点，转型痛点之后去到新的领域中，互联网叫冷启动的问题，没办法获得新的客户，这时候外部数据会帮助他，这时候有一些需要了。

　　下一个话题AI发展应用，AI这几年发展比较快，很多公司都喊“ALL IN AI”，AI是所有发展的重点。如计算机视觉、语音识别、自然语言处理、无人驾驶，这是AI领域中可以达到商用标准的领域。

　　李从武：这个问题天生有趣，涉及到AI到底是什么。我们有这么一个观点，今天看到的几个例子：自然语音、视觉、无人驾驶这些，它反映的是人生下来就具备的一些最基本的能力。另外一种能力是信审人员面临要不要给他放贷，这是受过教育的专业能力。具体到操作上是不一样的，我们来看如果是一个学说话的，它用的样本是什么样的？是公开的，最早的时候被几个公司把持，但现在越来越多是开源的包，大家普遍获取的。它的算法是什么样的？基本上大家都认可这儿就应该用这个算法，只不过是一些具体算法的优化，更精雕细琢，所以提供的服务应该就是公共型的服务。这是一类。

　　我们今天做的是，我们服务于无论是银行、保险公司、互金、能源、政府，是需要具备专业知识，受教育的人。那些核心数据，银行领导讲了自己的数据就是最大的金矿，这些数据是专门的有特征的一些数据，可能光大、建行数据本质做这件事都差不多。吴恩达之前说过，做算法重要的是调参，说这句话的人肯定没干过这活。真正我们干的时候，那天跟Facebook工程师聊也是，他说我们也是这么干的，一个场景下做四五十个模型来选最好的。我们自己一个产品叫“马克西姆机枪”，我们不是瞄准打，我们是一片子弹打，哪个打得好就用哪个，而且不停地要换，这个阶段用这种，下个阶段可能就用那种了。咱们可能有些同事做过股票对冲，也是不停要调的，原因就在这儿。

　　回来这个问题关键看我们目标是什么，可能对我们来说，如果用到自然语言，终端服务的抽取，我们自己也有这样的平台，我们也会用科大讯飞的API做。但是核心我们要解决什么问题，这是问题的本质。

　　贾宜宸：AI在投资领域的应用还处在早期。在智能投顾的“客户认知，资产配置，投资组合选择，智能交易”四个模块中，大数据和人工智能已经有了很多的应用，但是还未形成一个闭环，这也意味着市场上还有很多机会。我们给智能投顾的定义是，通过机器脑，即算法、数据模型、机器学习，而非人脑做出投资决策。

　　鲍忠铁：AI应用没有固定场景，要解决什么问题，如果原来的技术和原来的方法解决这个问题的成本太高，效率太低，这时候就考虑可以用AI了。

　　贾宜宸：我讲一下我们公司在AI上的应用。如果我们把区块链也算是广义的AI的话，其实我们应用还蛮大的。我们公司一个技术总监发展了从场景的分期，风控模型进来，到银行资金端进来，到最后发行ABS。总的去中心化的记账记录由区块链技术完成的。

　　如果自己理财端部分，用到比较多NLP、NLU，这块就是会有产业链知识图谱，今天有原材料上涨可能会引导哪些产业，哪一家公司的股票有机会上涨。不过这块比较偏向单因子或者事件驱动的模式所做的投资建议，可能并不一定非常全面。都知道股票上涨下跌不是原材料上涨导致出来的结果。

　　再来我们这里所用的理财部分，对大类市场的收益率的预估，这又有几种方法。有一种听分析师说看好、看差，这种可以用到分类的算法，把市场做分类，把因子拿进来做学习。另外一种直接猜市场的点位，可以猜沪深涨到多少点。但说实话不可能猜到百分之百，如果猜到百分之百他就在家里天天猜就好了，连挖矿都不用挖了。

　　贾宜宸：他还是可以看猜的偏离度，越低是越好的。这在所谓机器学习里的分类、回归都是用得到的。矩列可能会在选产品比较用得到，会把类似的产品用到，而且所谓风险控制模型，风险的评价除了传统方法，可以用KNN的方法来做，我们用过以后效果比较好的。具体是有用到一些算法在应用场景里。

　　鲍忠铁：AI在证券投资领域更多做的是风险管理，如果你不用AI的话，波动比较多，但是用了AI模型可能波动很小。

　　贾宜宸：基本上用传统量化模型也是可以做的，多加了AI的算法，整个收益率也不会太夸张，大概一年多1%，不可能100%。

　　鲍忠铁：AI对于投资肯定是有很大的提升，但是提升比例不会很夸张一倍、两倍、三倍，整个金融产品风险不确定性太多了，特别怕出现黑天鹅事件，它的有效性还是有一定限度的。但是用肯定比不用要好。

　　赵宏强：我们做大数据公司，AI所有算法都是数据，是基于数据，没有这个原材料是没办法算的。某种意义上讲，前沿我们还是很舍得投入的，在2015年刚刚起步还不错了，2016年开始讨论AI是不是要在这方面有所投入，说实在当时我们看2015年看AI和区块链，我们感觉当时整个市场里非常成熟、非常专门的应用并不多。在2016年下半年发现越来越多的客户采用了生物识别，有各个方面的需求，在我们的风控产品里，尤其在一些信贷审批系统方面的开发上，就把主要的AI的应用场景嵌入到自己的产品里面去，比如人脸识别技术，包括声纹识别，这也是用AI的技术。

　　到2017年发现这块还有很多可做的，2017年的时候筹备成立AI实验室，但是真的找人非常难。各位都笑得很会心，这个领域找大拿真的很难，我们也是做了几乎六七个月搜索，最终把斯坦福一个学者挖回来做AI实验室首席科学家，我们刚刚宣布成立。我们感觉不要纯为了AI而AI，毕竟还是做企业。

　　赵宏强：对。我们还是希望真的能给我们自身AI定义：第一，一定有研究的功能，因为很多前沿东西不现在把握，可能以后会失掉这个机会，你还没意识到它就过去了。第二，非常核心的点是所有的应用生产出来必须是基于我现在的产品和服务和现在金融机构需求的。因为我们这个平台企业需求千差万别，我们现在有一些相关的企业跟我们说智能催收方案有点像语音智能学习，用一种什么样的方式和策略回答这个问题，引导消费者，或者引导欠债人还钱。最初主要是筛选。这样情况下首席科学家跟我们说过，其实这个领域可以大量提升，然后替代人工的无效性。尤其对于号码、人的基础的反应等。但是最终一步，要不要还钱，还要一定的人工介入，不会是用AI完全替代人工。说白了，AI现在智能化程度还不够，五六岁小孩的程度，专业判断角度还是有点差别。

　　第二块，我们在看包括AI、区块链技术是一定要看到金融场景中的核心应用的，刚才我觉得贾总提得非常好，你们找到核心的场景应用，信贷的资产一步一步怎么样经过所有的流程进到ABS市场，能够完全端到端整体的跟踪，对资产的风险会有全程跟踪，这是非常好的应用，我们也在研究这些东西。这个核心点还是在于AI如果为了论研究，有一些偏了。核心还是这个东西真正要对企业应用场景产生很大的影响。

　　跟很多银行的领导交流时他们也问，几年前说大数据不相信，到你不跟我谈大数据你就不是科技行业的人，现在你不跟我谈AI也不行。但其实并不是真正每个人理解AI能给他带来的效率的提升到底在哪，刚才举了例子还是催收的场景。还有前端的决策模型，整个策略引擎，这个引擎根据你输入，你不断做决策，你自己调参，你自己看，输回来云端返回给你建议，不断告诉你这样调更合理。这种好像觉得科技含量并不高，但后面含了大量人工判断，因为这个策略引擎本身的设计，以及后面的运算逻辑，都是要不断调的。

　　我们这来自美国运通高级副总裁，非常资深风控行业的人，分享了一个点，这个事情在美国运通测试过的。两组，一组深度学习的方法，同时加以人工干预，另一组纯机器学习算法。他们发现，经过一段时间，纯机器的算法因为不断找最优解，比如定义的是损失率最低的，他就一直找，最后会把自己找到死胡同里，获批率就非常非常低，不到1%。而如果这里有人工干预就能保持10%、15%，这还是相对而言比较健康的循环状态。他当时跟我们说，一定需要人工干预，不能完全让算法本身去跑这个过程。这对我们也是有一定启发的，人工+智能，AI不能是完全机器。

　　鲍忠铁：AI金融行业应用除了原有优势，效率优势和成本优势，对这个行业专业的理解业务知识也是非常关键的。

　　陈立节：刚才赵总讲了人工+智能，人工干预，我们最近半年在推相关人工智能助手，毕马威有一个财务机器人，推的过程中发现很多需要人工干预的点最后归根到底总结很多管理理念和管理意识的问题。财务机器人帮金融机构编财务报表、财务报告，很多财务报告收数是要一级一级收上来，我们想把这个流程通过机器人方式全部自动化，结果发现技术上不是非常复杂的一个东西，只要有一定的规则、算法就做整合合并，合并做抵消，这不复杂。难在过程中涉及到很多部门管理认责的问题，这个数据通过自动方式直接从某个数据库去取，取回来的数值别的部门或者分支机构认不认的问题。以前有很多遗留的要一层一层报上来，是要签字认可，意味着数据认责，数据出问题你找我，现在通过AI方式把这些流程绕开了，管理上的问题怎么解决。最终需要花很大时间精力梳理已有的管理流程、管理职责，通过智能化的方式。说白了很多东西也可以线上化，我们说的数字签名等等都可以做，但是更多要转换业务部门的意识和理念，这个反而是在推AI时候碰到最难的问题，技术上反而不是问题。

　　在金融行业里AI应用已经开始了，但是远远没有达到期望的完全替代人做决策，还要大量人工干预，这也是正常的，因为智能模型和智能应用对金融业务理解还没有达到人的智慧，这是漫长的过程。

　　但实际上现在行业里面，智能应用，AI应用确实帮金融行业在效率提升、收入增加、风控水平提升确实起到了很大作用。比如智能客服，信用卡公司3000人专门是呼叫中心的，有智能客服之后一半人接电话了，另一半人做电销了，1500人省的钱就很可观了。

　　智能投顾，传统银行里面，50万资产之上已经配人工财富管理服务，按年收资产管理费用。普通白领，刚毕业的学生手里没有50万现金，他怎么样得到智能投顾的财富管理服务，这时候只能靠低成本、高效率智能投顾。

　　陈立节：要小心一个问题，现在通过AI很多客服电话能降低一半，问在座各位，我们有很多银行的客服电话，我打客服电线，人工服务，哪怕投诉也得找人投诉，发泄我的怒火，不会听机器冰冰的语言。

　　鲍忠铁：我提到智能客服是APP端的人机交互的智能客服，但是语音人机交互的智能客服现在技术还不成熟，还没有办法。那个智能客服就是一段段录音，听标准的录音答案就可以了。

　　陈立节：很多时候未来人工智能推广真的要考虑到客户体验，这又是人文的东西了。

　　鲍忠铁：金融服务除了冷冰冰机器数据服务，还要有温情服务，人工服务是不可替代的，永远都不会说出现了智能客服之后，人工客服就不需要了。有些年龄大的人会有很急迫的，很复杂的问题一定靠人解决，智能客服只能解决标准化、重复性的劳动。

　　最后提到智能风控，通过数据应用降低了风控成本，也将金融服务下沉了，过去很多服务不了的客户现在服务了，过去发现不了的风险现在都可以发现了，帮助金融机构在整个风控领域做得更精细化了，可以为更多潜在的客户服务了。这是AI在整个现在金融行业的应用。

　　其它慢慢随着金融行业场景的需要，慢慢转。现在AI、大数据，有一个领域中是企业特别需要的，就是中小企业的风控，这是由于很多数据不完善，数据不打通造成中小企业风控没有办法做，就导致整个服务成本高，变成了无法服务这些企业。

　　讨论一下最后一个问题，机会与风险。刚才谈了大数据，也谈了AI，大多数谈了机会，应用场景，机会和风险并存，我们现在金融科技应用中已经有太成熟的风控、营销、智能科技平台和生物识别了，中国光做人脸识别的公司有200多家，都声称自己有核心的技术。这个市场是不是可以容纳这么多家。

　　我的问题是未来三年内金融科技还有哪些机会，创业者还可以探索哪些机会，哪些新的领域是很有潜力的，可以给大家推荐一下到底关注哪些领域，有关投资的，有关创业的。

　　赵宏强：我本人也是CFO，战略投资部也是我管的。我们自己自身的感觉真的出于大数据公司的需要发现：

　　第一，真正解决业务场景研究AI的，这样是比较有投资价值的。大家投资经常看应用，你能不能应用。首先大方向上AI领域还是有很多机会的，现在AI相对而言比较初级，整体应用在图像、声纹、文字上，是非常标准化的，有大量可以训练的标准化样本，这东西AI不AI，说白了就是不断比对。如果这领域上更深一步，比如现在区块链前沿的东西，能不能整个交易链条上布更多的AI的元素，让整个交易变得更加透明化。比如我们提到智能催收，随着现金贷整治，很多银行体系都觉得纯人工方法太落后了，好像停留在六七十年代。现在越来越多想以此来提升效率，但是目前为止真正能够做好的这块也不太多。

　　还有一块反欺诈，越来越多应用到AI的判断，比如说你在网页上输入大小写偏好，还有是不是某一个域值上经常有修改，这都是一些行为，必须有技术能力获取，获取完不断跟后面模型比照，这是不是的确有问题的，也通过一些算法、样本不断优化。从不同角度，从简单行为推测这个人的意图。

　　即使大数据领域，金融科技范畴，金融科技企业也还是有很多的可以看的机会，并不是每家企业都一样，因为有些科技企业真的抓住一个非常好的场景。我一直抱一个观念，金融科技企业真的不要相互拼风控，没意义，没必要。因为有人专门做这个事，没必要花时间和精力，谁能够搞几百人团队天天搞算法、搞风控，而要做什么呢，你要把场景找好。有些企业非常善于捕捉场景，一切进去都是几百亿、上千亿市场。对于一个企业就够了，有成长性。也有并购价。