金融科技爆发！银行不能坐以待毙！

随着大数据、云技术、区块链、人工智能、 物联网等新技术日渐成熟，银行提升数字化业务能力和客户体验有了新动能。新技术孕育了金融服务的民主化，推动金融科技公司迅速崛起。银行也同样可以获得或者发展此类技术，强化自身的数字化能力、提升用户体验。一些领先银行已经率先将改善用户体验列为战略重点，并快速付诸行动，赢得市场份额。

目前来看，商业银行发展金融科技的着力点主要是数字平台和金融云的建设、人工智能和区块链等关键技术，并应用于商业银行各个场景。

关键技术一：大数据（数据智能 精准画像 数据资产）

在数字时代，数字技术日新月异，在前中后台的应用更加广泛，这为银行带来前所未有的革新机遇，银行与客户的关系又回到一对一的服务关系。比如，银行可以对海量的客户数据进行分析，利用大数据找出客户的个性化服务需求，然后提供相应的服务；区块链技术通过数据的分布式存储和点对点传输，打破了中心化和中介化的数据传输模式；金融云可为客户提供远程的、基于需求的服务，架构灵活能有效节约总开支。

如今计算能力增强、成本降低，商业银行可利用大量结构和非结构性客户信息，更好地做出信贷风险决策，监控投资组合，构建基于大数据的智能风控体系。

▲图 大数据在银行智能风控中的应用

在银行的整个价值链之中，金融服务的全生命周期均可以利用大数据技术进行改良与改革。银行可采用数字化技术以此提高收入，改善资本使用率，尤其是削减成本。根据麦肯锡预测，如果全行业都采取数字化措施，到2025年就能将行业的成本收入比从现在的54%降到38%。商业银行在传统对公金融信贷业务中积累了丰富的风控经验，AI技术的应用有助于提高大数据处理能力，优化风险评估模型，提高风险识别能力和实时性。在智能风控方面，商业银行的主要动作有：

• 建立基于大数据技术的银行风险防控解决方案，AI 技术基于现有大数据系统，有利于提高方案的及时性和有效性。

• 针对高风险交易特点及行为特征，建立相关评估模型，基于模型发现风险。

• 利用机器学习等技术，银行可通过流程机器人完成重复任务，实现自动化运行，循序提取与清理数据。在风险管理与交易这种对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并提升金融风控及业务处理能力。

关键技术二：人工智能（机器学习 自然语言处理 智能机器人）

领军银行也已开始通过使用智能机器人（RPA AI）自动完成重复任务，实现数字化运营。机器人流程自动化（RPA）已在资本市场运营的中台展现出巨大潜能，能够迅速完成数据提取和清洗等日常工作。在交易风险计算方面，机器人可以下载、验证和分析银行头寸。一些银行已将该流程所需资源减少了95%，所需时间从10天缩减到20分钟。流动性风险计算也可用机器人代劳。

其实，银行在运营、风险、金融、法律等方面的大量工作，也可以通过智能机器人来完成，并且速度、效率和质量还能得到保证。澳新银行因为大量部署机器人，平均降本达到40％。巴克莱银行在财务部门使用机器人，实现坏账准备金流程自动化，每年节省将近1亿美元。欧洲一家主要的支付处理公司开发了机器学习算法，当货币在各市场主体、账户、地区之间流动时，可在多家银行之间进行“货币追踪”。这一技术便于调查人员追踪“骡子账户”的使用路径，从而大幅降低洗钱欺诈犯罪活动的调查成本。

人工智能（AI）和认知技术也影响着银行运营。麦肯锡全球研究院的研究表明，严格来说，60％的职业中至少有30％的工作是能够实现自动化的。

• 机器学习：高级算法可检查大型数据集以识别模式，帮助在诸如产品控制和交易监控等领域作出决策。北美某大型银行开发了一款机器学习算法用于更好地识别信用卡诈骗。相比该行以前的方法，这款算法的预测能力提升了80％，速度也快了50％。每年有超过10万名客户享受到了更优质的体验。

• 自然语言处理：机器可以将语音和文本（包括来自呼叫中心的法律文件和通话记录）转换成结构清晰并可搜索的数据，用于创建自定义电子邮件回复。

• 认知主体：认知主体可将机器学习与自然语言生成结合起来，组建一支虚拟工作队伍，能执行任务、实现沟通、学习数据，甚至还能根据“情感检测”做出不同决策。这些远程顾问也能与银行工作人员在员工服务中心、服务柜台，或其他内部联络中心进行互动。

关键技术三：云计算（云平台 API/开放银行 敏捷架构）

云计算服务模型包括SaaS、IaaS、PaaS，云计算开始改变数据架构和IT“堆栈”，且有望实现在云端管理高达85%的工作量。结合运维开发等成熟工具和迅速的软件开发速度，云技术缩短了新产品开发和应用面市的时间。麦肯锡研究发现，云计算及相关技术可将银行IT运营成本降低30%以上。