過去的2016年可稱之為“智能金融”元年。相比過去五年，以云計算、大數據、區塊鏈為首的新興技術創新全面滲透至金融業的方方面面，用科技手段解決供需矛盾、用機器解放人力資源，以數據驅動的決策實務出現了前所未有的爆發式增長。  

[[182805]]

作者 | 陳祖峰

本文長度為4500字，建議閱讀9分鐘

回顧2016，中國金融業經歷了不平凡的一年。金融市場環境瞬息萬變：

銀行業不良率攀升、凈利潤收窄、公司營業收入規模下降;

證券行業資管與投行業務增長、經紀業務占比下滑、A股市場整體處于震蕩形式;

保險業萬能險、另類投資、消費保險、互聯網保險成為關鍵詞;基金業量化基金、大數據基金收益形式良好。

總體來說，供給側改革核心之一是金融改革，降低企業融資成本、提升資金利用率成為焦點話題。

過去的2016年可稱之為“智能金融”元年。相比過去五年，以云計算、大數據、區塊鏈為首的新興技術創新全面滲透至金融業的方方面面，用科技手段解決供需矛盾、用機器解放人力資源，以數據驅動的決策實務出現了前所未有的爆發式增長。

從監管到市場，從企業到個體，無不討論著金融如何智能化、智慧化：

銀監會發布《中國銀行業信息科技“十三五”發展規劃監管白皮書》，提出推進互聯網、大數據、云計算技術應用;

證監會主導建設證券期貨行業數據模型，從業務流程除非，強化數據模型應用，建立統一、完備的資本市場多層次數據模型;

互聯網金融信用信息共享平臺開通，成為數字普惠金融信息基礎設施;

央行積極探索數字貨幣和區塊鏈應用，數字票據交易平臺測試，數字法幣發行逐漸擺上議程;

銀行業逐步采用分布式架構作為數據倉庫方案，恒豐銀行、江蘇銀行等采用大數據平臺為業務應用提供統一數據管理;

銀行業主動探索私有云項目，建設銀行、光大銀行、恒豐銀行等啟動結合大數據、容器技術的資源池化私有云項目;

保險業積極探索云計算和區塊鏈應用，平安保險推出金融云平臺、陽光保險推出區塊鏈保險應用;

此外，2016年亦是中國互聯網金融“監管元年”，以金融科技(FinTech)為代表的新金融的誕生和迅猛發展，從渠道升級到深化技術應用，給中國金融帶來了新的思路和實踐方向。金融科技在產業供需矛盾依舊凸顯的背景下，成為有效的解決手段。在大眾創業、萬眾創新的政策環境下，以科技驅動的金融改革確保了產業升級和經濟長期可持續發展?；ヂ摼W金融首次納入政府工作報告，寫進十三五規劃，政府、企業、資本市場在金融科技領域的投入均呈現顯著上升趨勢。

展望2017年，金融市場的外部和內部環境更加難以預料，不確定性將成為金融業的關鍵詞：

國際形勢依舊變化莫測，美國新一屆政府的貿易保護主義政策、英國脫歐程序的不確定性、貨幣政策分化加劇、國際金融市場的波動加劇、美聯儲加息帶來的流動性風險，都將影響中國金融市場的穩定;

國內經濟發展不確定性增大，國家對GDP保6.5%的信心是否能確保金融業經營環境的平穩增長仍不確定，房地產調控、基礎設施投資、新產業投資泡沫化的背景仍然對國內金融市場產生著各種影響。

由于流動性趨緊的形式已經較難轉變，“資產荒”與“資金荒”已成為金融市場的整體現象，合規壓力進一步增大。在去產能、去杠桿、控風險的形勢背景下，金融風險仍是監管與機構的重中之重;而在多變的內外部環境下，銀行信貸、零售銀行、證券經紀業務、基金財富管理、消費金融、資產證券化或是各類金融機構突破重圍、提升業務營收的機遇點。

2017年，在宏觀經濟、市場環境、監管政策的外部因素影響下，金融機構擁抱技術變革、謀求轉型發展將成為突破口，在云計算、大數據、人工智能領域將持續發力，形成獨具特色的綜合業務型、專業服務型、技術驅動型新金融企業，以確保在競爭壓力日益增大的環境下立于不敗之地。

從競爭環境、應用場景、技術方向、數據資產四個方向上，我們可以預計2017年金融行業在大數據應用上的10個趨勢：

1、金融科技(FinTech)行業差異化趨大

2016年最火熱的詞匯是金融科技(FinTech)，2017年可以預見金融科技將會持續增長。P2P、資產管理平臺、眾籌、智能投顧、支付、網絡銀行、互聯網保險、消費金融、財富管理、數字貨幣、區塊鏈…金融科技(或新金融)作為傳統金融的挑戰者的姿態，正向細分領域的專業化、差異化發展。

金融科技行業的競爭焦點是資產端的渠道和資金端的流量，在當前的市場環境下，2017年兩極分化的趨勢更加明顯，預計行業巨頭的競爭優勢將逐步增大。

2017年也將是傳統金融機構積極布局金融科技的一年，招商銀行已上線智能投顧應用“摩羯智投”，基于區塊鏈的跨境清算系統也即將上線。民生銀行、恒豐銀行、興業銀行等積極跟進，券商和基金公司也在逐步搭建大數據平臺開展創新業務。

2017年傳統金融與金融科技的界限逐漸模糊，利用新技術(機器學習、云計算、區塊鏈等)和新渠道(互聯網)探索新價值的能力將逐步加強。

2、監管科技(RegTech)與大數據結合

監管與合規在金融風險管理趨緊的形勢下，逐漸成為金融機構科技競爭的焦點。監管科技(RegTech)幫助降低企業成本，提高對風險的主動管理能力，反洗錢(AML)和了解你的客戶(KYC)已經成為人民銀行、銀監會和證監會的合規要求，結合風險數據構建風險管理平臺已逐漸成為金融機構的數據應用之一。

此外，“穿透式監管”概念在2016年出現，涉及到投資人適當性、通道、架構、資產端、資金來源。監管科技對金融機構運用數據的能力提出新的要求和挑戰。2017年監管科技將會與大數據結合的更加緊密，基于大數據架構的反洗錢和合規審計應用會是各地人行、銀監和證監的探索與實踐方向。

3、"銀證?；?quot;加大大數據應用投入

2016年是商業銀行全面部署大數據基礎設施的一年，五大、股份制、城商行和農商行已經逐步開展傳統數據倉庫架構向大數據平臺架構的轉型改造過程。與之相比，證券、基金業的步伐相對較慢，多數機構仍采用傳統數據架構方案，難以滿足創新業務的要求。

證券基金行業在互聯網、大數據時代的轉型需求迫切，預計將有越來越多的機構采用大數據平臺架構，結合新形勢下的經紀、投顧、風控、合規等要求，構建多種基于大數據的創新業務應用，如市場風險、信用風險、操作風險、精準營銷、用戶畫像、實時風控、時序分析、反欺詐、反洗錢、智能投顧等。

2017年銀證?；鶎⒓哟髷祿茖W上的投入力度。數據科學是通過數據來獲取商業價值的手段，將數據轉變為決策的體系方法論。數據科學通過數據處理、特征工程、建模與訓練之后，形成最優算法的選擇。算法作為業務應用的基礎工具，金融機構將加大在算法研究、數據挖掘方向上的投入力度。

4、人工智能與深度學習與金融場景結合

人工智能與深度學習的商業應用場景逐漸在金融領域浮現，如交通銀行的智能網點機器人、平安集團的智能客服等。隨著金融機構的服務模式更加主動，金融機構大數據處理能力逐步提升，將出現越來越多的商業成功案例和業務框架，如以語音識別與自然語言處理為基礎的智能客服、語言挖掘;以計算機視覺與生物特征識別為基礎的人像監控、交易安全;以機器學習與深度學習為基礎的風險預測、反欺詐、授信融資、定價、圖像識別與智能投顧等。

5、大數據技術構建數據倉庫成為主流方案

傳統數據倉庫架構由于成本高昂、擴展性差、聯機分析能力弱等缺點，將逐步被成熟的分布式架構全面替代。以Hadoop/Spark為首的分布式系統架構及其開源生態支持非結構化數據、海量數據計算、流數據處理、多節點擴展等?；趚86服務器集群的大數據平臺，通過橫向擴展方式、線性存儲方式和計算資源，大大降低了計算資源和IO資源瓶頸，其優勢已經被金融機構普遍認可。

商業銀行已逐步采用基于Hadoop分布式架構的數據平臺，替代傳統的數據倉庫統一管理多源數據，如恒豐銀行采用星環科技TDH基于Hadoop的大數據管理平臺，全面重構數據倉庫應用，基于大數據構建設了各管理分析領域的數據集市，包括歷史數據查詢系統、風險管理系統、信貸工廠、精準營銷等應用體系。

另外，券商、保險公司與基金公司也在逐步采用分布式架構處理核心業務，結合數據治理與管理項目梳理企業指標庫與標準化方案?；旌鲜郊軜嫷臄祿?Data Lake)方案也逐步被大型金融機構所接納。結合傳統數據庫和大數據平臺的混合架構能支持更為復雜、多樣的業務應用場景。2017年金融機構將全面采用分布式架構作為數據管理解決方案。

6、實時計算成為金融領域的關注焦點

海量、實時計算能力將會是大數據平臺的標配，可以支持秒級、毫秒級要求的業務場景(如實時風控、交易預警、反欺詐等)。流式計算框架如Spark Streaming、Flink目前逐漸在金融機構得到應用，以事件驅動和微批處理驅動為代表的流處理技術，能夠滿足低延時的復雜應用場景需求。隨著監管明確了風險實時監控要求，各機構將逐步落地實時計算引擎，結合大數據平臺的處理能力，提升風險管控的效率。

7、私有云平臺在金融機構逐步落地

2016年金融信息化的另一大現象是銀行業主動探索私有云的構建和落地方案。以Docker為首的容器引擎已經開始被商業銀行采用并形成商業案例。2017年，大型金融機構通過自建私有云平臺，為中小機構提供行業云服務;而中小金融機構將核心系統逐漸遷移至私有云平臺。

從監管層面，銀監會對銀行業云計算發表了監管意見，提出積極開展云計算架構規劃，主動和穩步實施架構遷移，到“十三五”末期，面向互聯網場景的重要信息系統全部遷移至云計算架構平臺，其他系統遷移比例不低于60%。

雖然OpenStack仍是作為開源社區中的寵兒，也有評論認為其逐漸成為私有云事實上的標準，但其商業化之路走的并不理想，不同發行版之間的兼容性交叉，前景未明。目前來看，未來的潮流是容器編排和集群化容器管理，Docker、Kubernetes、Mesos等工具成長迅猛，虛擬化軟件、容器編排軟件、超融合系統均將逐漸被大型金融機構或多或少的采納或實踐部署。

8、大數據治理成為金融數據管理工作要點

金融機構已經意識到需要有效地管理其日益重要的數據和信息資源，也需要通過數據型組織控制數據和信息資產。由于沒有數據治理和數據管理的標準體系，在數據架構管理、數據質量管理、元數據管理、主數據管理、數據操作管理、數據安全管理、數據開發管理、文檔和內容管理、數據工具管理、數據應用管理等方面，金融機構將主動思考和實踐。

2017年金融機構將逐步擴大在大數據治理項目中的投入，或結合大數據平臺建設項目，構建企業統一數據標準庫，實現數據的“穿透式”管理。

9、金融機構更加重視數據資產管理

大數據時代的數據資產管理是金融機構需要深入思考的命題，應就“數據資產控制”、“數據資產的貨幣計量”和“數據資產的經濟收益”三個方面，形成對第一方數據、第二方數據和第三方數據的有效管控，使之成為金融機構的核心競爭驅動力。

另外，以數據“血緣”分析、數據資產質量管理和企業數據資產視圖能夠從宏觀和微觀角度透視企業的數據整體情況，形成管理摘要，發現潛在問題和商業價值。

在未來數年，數據資產價值化還體現在數據交易市場的建設之中。數據市場或出現數據現貨交易、數據期貨交易、數據衍生品交易等，數據進入資產負債表的時間或將在不遠的未來實現。金融機構應把數據價值放在企業信息化管理中的重要位置，積極迎合市場的數據資產交易，在業內不斷探索數據交換、交易、交互的共贏生態。

10、智能時代的新金融體系逐步形成

智能時代的商業模式特點是通過新技術和新渠道驅動的新價值。2017年，金融服務脫媒成為常態，個性化金融服務將更加細分，決策智能成為金融信息科技的常規要求。銀行業、財富管理、證券中介、保險、基金將全面迎來金融科技創新，金融機構開始重構數據處理方式，共享與開放數據成為趨勢，大數據將提升金融活動效率、促進金融服務實體。

尤瓦爾·赫拉利在他的新書《未來簡史》中說：科學正逐漸聚合在一個無所不包的教條之中，也就是認為所有生物都是算法，而生命則是數據處理。智能正與意識脫鉤。無意識但具備高度智能的算法，可能很快就會比我們更了解我們自己。2017年或是智能意識滲透至金融服務領域的起點，未來的金融將更加開放化、智慧化和生態化。

— 關于作者 —

陳祖峰，星環科技金融業解決方案總監。歷任平安陸金所高級規劃經理、FIS中國區金融高級咨詢顧問、SAP中國研究院商業分析師。10年大型金融機構系統分析、業務咨詢和技術服務經歷，在金融科技、大數據平臺及應用、數據治理、企業信息化戰略方面擁有豐富的經驗。獲得上海交通大學工商管理碩士MBA學位，并持有GARP金融風險管理師認證(FRM)和PMI項目管理協會認證(PMP)。