2021-2022中国金融数字化“新”洞察行业研究报告.pdf

2021-2022中国金融数字化“新”洞察行业研究报告守正创新，砥身砺行前言2 2020年，全球数字经济规模达到32.6万亿美元，其中中国数字经济规模达到5.4万亿美元（39.2万亿元），雄踞世界第二。此外在疫情冲击和全球经济下行的叠加影响下，中国数字经济2020年依然保持9.7%的高位增长，是当年GDP名义增速的3.2倍多，成为稳定经济增长的关键动力。聚焦到金融行业，中国人民银行于2021年12月印发金融科技发展规划（2022-2025年），规划中提到当前的重点任务在于全面塑造金融数字化能力，强化数字思维、培育数字文化，提升全员数字素养，将以数连接、由数驱动、用数重塑的数字理念深度融入企业价值观，建立技术从“支撑使能”向“价值赋能”变革的数字化认知，增强对数字化趋势的洞察力和适应力。金融行业本身是信息科技运用的前沿行业，也是中国信息基础设施最完善、数据资源最丰富的行业之一，拥有开展大数据分析等新技术应用的基础资源，推动数字化转型的良好条件。因此，推动金融数字化转型被视为发展数字经济、推动新旧动能转换的排头兵、试验田。在金融数字化发展进程中，伴随着数据应用深度、广度的不断推进，亿欧智库观察到大量技术层（隐私技术、云原生）、业务层（数字营销、数字风控）以及服务层（数字钱包、先买后付）的“新”变化在市场上涌现出来，并受到广泛关注。该份行业研究报告将从这些金融数字化“新”洞察方面入手，探究其在数字化大潮中的表现特性、应用效果、发展难点及未来趋势。二金融数字化生态“新”变化1.技术层“新”变化I.隐私计算II.云原生2.业务层“新”变化I.数字营销II.数字风控3.服务层“新”变化I.数字钱包II.先买后付目录CO N T E N T S一金融数字化概念界定及现状三金融数字化未来挑战及趋势1.未来挑战I.数据治理是金融数字化价值发挥的底层支撑与关键一步II.作为保障金融发展进程平稳有序推进的核心支撑，数字化、复合型人才引进及培养现存在巨大缺口III.金融数字化新业态带来的是各类风险管理诉求的提升，合规性管理的重要性不言而喻IV.金融流量红利消退，内卷竞争此长彼消；场景化、内容化的精细营销既是金融机构破局机遇，也是大浪淘沙般的艰巨挑战2.趋势I.主流技术发展路径明晰，技术不在于其优越性，而在于其应用性II.场景拓宽及创新决定数字人民币在推动普惠金融与填补数字鸿沟中的应用价值III.数字化加速金融机构的梯队及差异性分化IV.金融数字化能力将进一步向全行业渗透，来自资金、技术、人才、业务等多方面赋能将是数字化发展到一定阶段的必然成果V.大国崛起正当时，数字化帮助中国走向金融强国，未来将深度参与标准制定金融数字化概念界定及现状 从农业经济、工业经济一路走来，数字经济现已成为拉动当前社会经济发展的重要引擎，数字化转型正在驱动生产方式、生活方式和治理方式发生深刻变革，对世界经济、政治和科技格局产生深远影响。中国数字经济规模占比呈现双“39”态势。2020年中国数字经济规模达到39.2万亿元，相较2019年增加3.3万亿元，占GDP比重为38.6%，同比提升2.4个百分点。数字经济内部结构“八二”分布。2020年中国产业数字化规模达到31.7万亿元，占数字经济比重达80.9%；数字产业化规模达到7.5万亿元，占数字经济比重达19.1%。5产业数字化数字金融智慧农业智能制造数字政府智慧交通数字经济四大特征特征一：以云为核心技术引擎特征二：以数据为关键生产要素特征三：以生态为主要商业载体特征四：以开放共赢为主流合作模式数字产业化数字产品制造业数字产品服务业数字技术应用业数字要素驱动业中国数字经济规模占比（双“39”）数字经济占GDP比重增长明显2020年中国数字经济规模达到39.2万亿元，占GDP比重从2015年的27.0%激增至2020年的38.6%。39.2亿元发挥产业数字化丰富应用场景特性，给予AI、区块链、云计算、大数据等规模化应用舞台，从而培育壮大新兴数字产业四种数字产业以实际应用为目的，多方位、全流程为产业数字化发展提供相应数字技术、产品、服务、基础设施和解决方案31.7万亿从2020年数字经济内部结构可以看出：产业数字化规模达31.7万亿元，占比达80.9%；数字产业化规模达7.5万亿元，占比达19.1%。总体表现出“八二分布”产业数字化在成为整个数字经济强大推动引擎的同时，也帮助实体经济抵御疫情时代和全球经济下行的大环境负面影响80.9%7.5万亿19.1%资料来源：信通院、亿欧智库推动科技平台与传统企业融合共生。通过有效打通金融链、供应链、服务链、物流链等，为传统企业及开发者提供数字基础设施和科技支撑。产业数字化内在诉求充分运用数据要素重塑商业模式。加快培育数据要素市场、推进数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护。数字产业化内在诉求亿欧智库：产业数字化与数字产业化中国数字经济引领深度变革，2020年规模达39.2万亿元，占GDP比重为38.6%，呈现双“39态势”；同时数字经济内部结构成“八二”分布金融数字化转型是发展数字经济、推动新旧动能转换的重要内容；“5+6+4+N”的转型理念一定在未来3-4年内得到验证6 产业数字化涉及行业极广，包括数字金融、智慧农业、智能制造、数字政府等。其中金融业作为信息科技运用的前沿行业，积极拥抱AI、区块链、云计算、大数据、隐私计算等数字技术，打造完备的智能服务体系，在广度及深度方面都给予用户体验大幅度提升。亿欧智库认为“金融数字化”，是指在以上数字技术支撑和引领下，以数据为关键要素，以价值释放为核心，以数据赋能为主线，对金融产业链上下游的全要素数字化升级、转型和再造的过程，进而完成服务实体经济的使命。围绕金融数字化核心价值、创新方向、预期成果等，亿欧智库整理出“5+6+4+N”的金融数字化转型理念，该理念或将在未来3-4年内在以银行、保险、证券、消费金融公司等为代表的各类金融机构数字化进程中得到验证与实现。1.金融数字化中，风险控制作为关键考虑因素重要性进一步提升。一切变革的起始点都将是以符合风控监管要求为标准，不再随性而变。2.金融数字化可以实现业务流程自动化，对于金融行业存在的大量信息录入、核检、提交等简单重复性工作，进行数字技术辅助、替代人工劳动。3.金融数字化可以解决信息不对称问题，弥合数据信息差，这会对客户量大、数据复杂、精准度要求高的金融业产生巨大价值。4.金融数字化可以面对客户千人千面的需求，构建普惠金融，提供定制化个性化服务与方案，全新赋能数字普惠新发展模式。5.金融数字化的未来期望与核心目标是服务政府改革、服务产业升级、服务民生改善。金融数字化5大核心价值1.业务场景化实现体验创新。以用户流程为中心进行全渠道整合，通过AI、大数据、隐私计算等技术，将用户客群细分，建立精准画像，从用户体验出发重构业务流程、实现业务创新。2.能力开发互联实现生态创新。金融生态服务平台的建立，将金融服务融入用户生活场景，以更开放的形式提供数字化便利。3.金融与科技融合实现组织创新。传统金融业务将更基础、更核心，科技属性将成为大量金融机构亟待争取的核心竞争力，成熟优秀的金融机构未来将成长为围绕金融主业的综合性科技公司。4.架构演进与升级实现科技能力创新。金融数字化转型过程中，将涉及大量围绕促进业务架构与技术架构融合的演进与升级，从而实现从“信息支撑业务”到“信息驱动业务”金融数字化4大预期成果中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要指出，要健全具有高度适应性、竞争力、普惠性的现代金融体系,有序推进金融创新，稳妥发展金融科技，加快金融机构数字化转型。这意味着金融业的科技创新与数字化建设将迈入多领域、深层次探索与实践的新阶段。金融数字化新阶段发展将使得各类金融机构实现内核重塑，从而成为“数字化原生企业”，最终获得并持续加强数字化竞争优势。金融数字化6大创新方向业务流程创新2决策模式创新1用户体验创新4产品服务创新3工作资源创新6盈利模式创新5N个技术金融数字化涉及的技术具有更新迭代快、跨界、混合业务等特性。除了近几年提到较多的ABCD技术外，类似隐私技术、云原生、中台技术等也不断在市场涌现并迅速成长。金融数字化N个技术AI区块链云计算大数据隐私计算云原生中台技术知识图谱NLPOCRIoT亿欧智库：“5+6+4+N”的金融数字化转型理念资料来源：中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要、金融科技发展规划（2022-2025年）、亿欧智库疫情带给金融业的思考和数字化进程的催化，都使得数据互通的重要性提升。隐私计算、中台技术以及多维数据接口等，在未来也将为金融业数据使用发热赋能。7 受2020、2021年新冠疫情影响，中国金融业面临来自宏观经济与金融市场环境的深刻变化。在抵御疫情负面影响、保证同业间差异化竞争等压力下，金融业数字化转型呈现出不断加速的趋势，并逐渐走向应用深水区。以营销、运营、风控、客服等为核心组成的金融机构业务全流程中，数字化技术应用已经实现稳定、全面、高效覆盖；并基于AI、大数据、云计算、隐私计算等技术，形成一套金融数字化技术应用新生态。实现营销、运营、风控、客服等一系列金融业务流程的数字化经营 实现“三先”，即先知（提前知悉，准确获取信息）、先觉（提前感知，做出正确决策）、先行（提前行动、落实举措追踪执行）最终目标后疫情时代给金融业线下展业带来的影响存在较长持续性。类似信用卡地推、寿险线下代理人展业等业务，短期内将受疫情制约情况较为严重。疫情加深人们对移动互联网的依赖，使得线上化、数字化的产品营销效果更优秀。数字化关键驱动技术数字营销关键词：后疫情时代、互联网依赖1亿欧智库：疫情下金融数字化转型全景图数字运营关键词：数据互通、价值协同2数字风控关键词：风险提前预知3数字客服关键词：AI客服、数字虚拟人4核心环节底层技术人脸识别声纹识别语音识别语音合成自动问答OCR深度神经网络知识推理引擎情感理解引擎意图识别引擎风控引擎数据中台NLPAI智能推荐DeepLink疫情对金融数字化核心业务环节的影响数字营销数字运营以银行业为例，疫情的影响从系统性风险、流动性风险、信用风险等角度给银行带来较大不确定性。提升数据使用价值，实现“风险先知、先觉、先行”是数字风控当下最紧要的任务。数字风控客服作为最接近渠道业务且交易频次极高的环节，数字化程度较高。后疫情时代对人工客服的需求下降，加之元宇宙、虚拟人的热度，AI数字客服、数字虚拟人等新概念、新产品目前也正在试点和小范围布局。数字客服疫情加速金融数字化建设，数字化被看作金融业应对后疫情时代的“最佳疫苗”；对症下药，才是数字化彻底融入到金融的标志8 金融数字化从业务角度出发，存在高并发、多平台、高敏感、严监管的特性；数字化技术的高速迭代，使得数据重要性得到进一步体现，几何级速率递增的数据量和扇面扩展的数据应用，为金融数字化中数据安全治理带来更高的要求。市场对于数据价值的认知更加全面与清晰，金融业数据接口也越发丰富多彩。在加大发挥数据价值的同时，也使得数据暴露风险变大。数据价值的发挥，引领着金融数字化催生出技术层、业务层与服务层的多种“新”变化，极大程度上丰富金融场景、扩展金融业态。金融业数据接口急速扩张第一方数据接口：线下网点、各类金融机构自有APP、金融电商等第二方数据接口：个人征信、企业征信、电信、社保、司法、税务、海关、社交、资讯数据等第三方数据接口：数据服务商提供的经授权数据等据相关数据显示，2025年全球数据量将高达175ZB（1ZB=10万亿亿字节）；在全球的数据圈中，中国数据量最大，到2025年将高达48.6ZB，占全球的27.8%。金融数字化的特殊性高并发，如支付结算、外汇支付等业务并发峰值可达每秒万笔以上多平台，金融业务通常涉及资产方、负债方、委托方、管理方、审计方、中介方等不同角色，数据安全治理必须达成多方实时共享共管三方数据接口使得数据暴露风险变大四大特性造就金融数字化的特殊性高敏感，金融数据涉及大范围个人隐私与商业秘密，在特定企业、特定组织的数据处理方面还会涉及国家机密，具有政治敏感性严监管，整体金融行业在未来会处于更全面、完善、严密的监管大环境下，对安全性、稳定性的极高标准将是金融业不变的核心诉求金融数字化的“新”变化“新”服务数字钱包先买后付“新”技术隐私技术云原生“新”业务数字营销数字风控亿欧智库：数据价值与金融数字化“新”变化隐私技术保证数据“可用不可见”，云原生配合金融业务快速创新。营销风控环节中的数据价值在二者协同作用下，呈现出可信、完善、全面的优秀表现。金融数字化带来营销精度与风控强度的提升，为新兴支付带来了生机。数字钱包为虚拟货币提供支撑，先买后付创造新模式，全球范围内已出现多位千亿巨头。金融数字化高速发展带来的是对数据安全治理更高的要求，数据价值的发挥进一步催生出技术层、业务层与服务层的“新”变化，新场景新业态一飞冲天金融数字化生态“新”变化金融数字化“新”洞察生态图谱10技术层“新”变化业务层“新”变化服务层“新”变化云原生数字营销数字风控隐私计算数字钱包先买后付技术层：隐私计算，为数据流通“可用不可见”提供想象空间11 隐私计算，以多方安全计算、联邦学习、可信执行环境等为代表，为数据流通环节中数据的“可用不可见”提供解决方案与想象空间。金融业通过应用AI、大数据等技术，其基础设施经历了深刻且有效的数字化升级改造，为应用隐私计算提供良好发展基石。同时由于数字资产是金融数字化建设的核心要素，而隐私计算是在保护数据拥有者权益安全及个人隐私的前提下，实现数据流程及价值深度挖掘的重要方法，在天然特性方面与金融业形成明显契合。因此，金融业是当下隐私计算技术应用落地最为活跃的行业。数据层平台层行业层应用层活动数据交易数据行为数据产品数据通讯数据轨迹数据社交数据联邦学习可信执行环节隐私求交匿踪查询多方安全计算模型调参隐私保护结果可解释性联合建模合规可靠多源数据融合算法安全隐私计算平台技术隐私计算平台特性模型加固攻防对抗演练风控回捞申请评分模型安全评分欺诈评分数字风控智能客服交叉获客营销渠道流量调控客户挽回营销拉新客户画像数字营销银行证券保险互联网金融亿欧智库：金融业隐私计算应用架构图资料来源：公开资料收集、亿欧智库2016.11网络安全法强调收集的用户信息严格保密，维护网络数据完整性、保密性和可用性2019.9金融科技发展规划（2019-2021）提出利用多方安全计算技术提升金融服务安全2020.2个人金融信息保护规范对个人金融信息保护提出明确要求2021.6数据安全法强调数据安全与开发利用并重，多手段保证数据交易合法合规2021.8个人信息保护法强调个人信息在数据流通过程中的合法合规亿欧智库：金融业数据流通相关政策（部分）深化精准营销精度、提高联合风控强度是金融业隐私计算两大主要作用12金融数据运用困境“数据孤岛”情况明显，服务共享受阻受政策、观念、现有技术影响，数据在不同行业之间的共享开放程度较低，“不愿、不敢、不能”是导致“数据孤岛”形成的直接原因数据运用不审慎，信息泄露时有发生数据价值在被进一步认知和挖掘的过程中，也导致黑客攻击更加频繁。2018年3月Facebook（现Meta）、2019年Capital One、2020年7月淘宝等众多信息泄露事件时有发生外部监管日渐趋严，数据使用态度保守数据寡头、过度挖掘带来风险不断加剧隐私计算协调数据运用与隐私保护可用不可见可用并可控可控可计量隐私计算实现基于数据价值的流通，而并非让企业担心的原始数据流通支持多个机构在满足隐私保护需求下进行数据流通与使用（原始数据不出域）隐私计算中联邦学习等技术可通过对数据加密处理，实现对原始数据按用途、按量授权使用隐私计算通过可信身份认证、分布式账本、零知识证明等技术融合，将数据处理过程可追溯、身份可信任融入解决方案，从而提升数据安全金融业隐私计算主流技术隐私信息检索隐私集合求交可信执行环境联邦学习多方安全计算 金融业作为强监管行业，一方面各类金融机构数据人员对于数据共享持保守态度；另一方面数据运用一旦不合规，其后果影响辐射范围极大。隐私计算在数据运用与隐私保护之间承担了从“可用不可见”到“可控可计量”的关键作用；类似多方安全计算等主流技术将从精准营销、联合风控、普惠金融、跨境贸易等方面进行金融多业态数据护航。亿欧智库：金融业隐私计算落地联合风控&精准营销联合风控 主要痛点过往风控以金融机构自身数据为主要依据，数据量不足、覆盖面较少人工授信压力大、成本高，同时依旧无法抵挡多头借贷等问题 隐私计算关键技术应用效果实现金融数据与其他行业（政府、医院、消费等）数据的加密互通利用多方安全计算平台，持续推进数字风控场景联合建模方案解决金融机构过度依赖历史数据、维度少、同质化严重等情况隐私信息检索满足查询机构与数据提供方互盲特性 核心目标有效挖掘多方数据价值形成多个行业的联防联控机制提升借贷服务处理效率与风控强度精准营销 主要痛点金融机构数据特征单一，不足以完整刻画用户画像监管及数据隐私需求，使得数据的对外传播、多方数据融合成为问题 隐私计算关键技术应用效果对金融机构历史营销客户进行联合建模，极大程度丰富模型维度隐私集合求交使得多方都能挖掘高潜客户名单，提高获客精度隐私计算使得数据共享和计算过程中参与的合作方无法获知相关用户的营销筛选结果，形成全闭环的营销识别方式 核心目标“获客”“活客”同步推进提升金融服务推荐的精准度降低营销成本、提升用户满意度金融业隐私计算主流应用场景精准营销联合风控普惠金融乡村振兴跨境贸易市场反馈热烈、技术价值长存，破解隐私计算挑战，是未来发展的关键13技术接受度尚需提高，市场教育必不可少隐私计算技术分支较多、流派繁杂，适用场景与评价体系因此存在差异性。对于要求高稳定性的金融业，数据人员面对隐私计算的技术门槛和试错成本会产生相应的迟疑心理数据授权不明晰，真假隐私计算难以分辨明文计算的数据授权已然明晰，但针对隐私计算这类匿名化技术的个人主体授权并未有相关指引性文件。同时名义上采用隐私计算，实则是明文计算的现象，将对整个数据生态造成信任度与健康程度的巨大打击隐私计算当前挑战从“孤岛”到“群岛”，平台间互通成最大阻碍不同隐私计算算法的差异性导致平台间难以互通，“数据孤岛”问题解决的同时，“数据群岛”现象应运而生。金融业零星探索的大环境，使得总体呈现出小范围、区域性、团体型数据抱团，并不有利于平台间互通共荣综合性合规评估体系缺乏，全面监管方可实现技术无罪在缺少评估体系的当下，原始数据处理、隐私计算技术应用、业务应用等方面的合规性都无法保证。隐私计算如果被应用于非法业务，造成损失不可估量隐私技术性能存在现实性问题，攻坚是长期任务性能和效率是隐私计算面临的主要矛盾，目前其与明文计算相比有1到2个数量级的差距。隐私保护程度、计算信任度、计算效率形成的隐私计算不可能三角如何优化，将会是推动未来长期攻坚的根本原因隐私计算未来推广策略参考“黑盒”效应亟需破解，客户理解成本决定隐私技术接受程度隐私计算涉及多种技术算法、平台产品、专有名词，导致技术原理、解决方案等无法通俗解释并与客户形成高度同步。对于稳态为主导的金融业，化繁为简，填平“黑盒”效应才是提升隐私计算接受程度的关键所在数安个保紧抓金融信息安全，隐私计算合规应用是近期重点2021年，数据安全法及个人信息保护法再一次对金融业客户个人信息安全及数据流通安全进行强调。隐私计算由于其新兴属性，数据收集、治理、采用依旧处于不明晰阶段；同时多方数据融合计算的风险隐患将更加复杂隐蔽，这对全流程数据监管提出了更高要求互联互通需要阶段性推进，“产-研-用-规-管”五方联动，协同助力跨平台发展隐私计算未来服务的一定是跨层级、跨机构、跨区域的立体数据流通网，因此互联互通是关键特性。同时当前隐私计算的数据价值链、框架、输出产品均未实现标准化，在与现实场景的应用验证过程中，行业内或将出现更多以互联互通为核心思路的应用尝试，同时“产-研-用-规-管”的协同发展也将不断成熟隐私计算合规评估体系决定未来应用走向隐私计算蓬勃发展的同时，进一步明确隐私计算的法律边界、构建完善产品标准及评估体系势在必行，依法合规的数据要素融合运用将对未来应用走向形成指导性意见不可能三角面对金融业更高诉求，始于金融且终于金融或是实践路径金融应用由于其高隐私性、高实时性、高合规性、高稳定性等特征，对于之前提到的隐私计算不可能三角提出深层诉求。隐私计算在进行全行业布局的同时，应通过应用深度及广度的逐步建立，最终达成金融业的更高诉求，所谓始于金融、亦终于金融“求木之长者，必固其根本；欲流之远者，必浚其泉源。”隐私计算的金融业应用并不应该依赖感性的理念与期望，当下市场面临平台间互通困难、合规评估体系缺乏等关键问题亟待解决。只有当数据价值的应用环境更加可信、完善、全面，金融业高隐私性、高稳定性等特质实现满足后，客户对隐私计算的技术应用才能真正实现“以技术驱动业务增长”的美好愿景。资料来源：工商银行、交通银行、亿欧智库技术层：云原生，五大能力领域为金融数字化提供架构保障14狭义云原生容器技术微服务DevOps声明式API服务网格持续交付广义云原生云原生中间件云原生大数据云原生数据库云原生芯片云原生安全API自动部署自动化运维数据中台低/无代码单元化、多活多云部署混沌工程 云原生，究其赋予金融数字化的根本意义，是在于规范“用云”的架构模式、技术标准，在数据及算力地位不断提升的当下，使得云计算变为“水电煤”的关键所在。同时由于金融业对应用的敏捷性、弹性及韧性提出了更高需求，狭义云原生定义逐渐被广义所代替。广义云原生包含了中间件、大数据、数据库、安全、芯片等泛云原生架构、技术、产品等。广义云原生为金融数字化提供来自灾备域、研发域、设计域、运行域、运维域五大能力领域的架构保障与创新升级。资料来源：阿里云、亿欧智库容灾域同城双活三地多中心多集群运维管控单元化流量路由单元化容灾应急单元化监控分析流程编排容灾仿真和演练容灾平台研发域项目协作代码托管源代码静态分析研发洞察智能测试CICD设计域应用和服务设计分布式模型设计领域驱动设计方法研发洞察运行域RPC限流平台服务授权定时任务Serverless分布式事务服务网格服务治理数据访问数据同步列式数据库消息队列面向灾难提供对节点级、机房级、城市级灾难的容忍能力面向研发&设计提供一站式研发生产力工具，屏蔽分布式技术复杂性，降低组织认知成本，提升研发人员生产率面向应用云原生架构覆盖分布式应用全生命周期，包括创建部署、监控编排，支持多种应用交互与数据存储模式运维域应用监控主动拨测智能告警运维看板巡检管理预案管理风控管理流量调度全链路压测分布式链路应用诊断日志服务面向运维人员解决分布式架构的先天复杂性，广泛使用工程手段，保证系统整体可用性水平亿欧智库：云原生五大能力领域助力金融业架构保障与创新升级金融业云原生化改造需求并非一蹴而就，如何用好这颗“银弹”才是关键15 云原生技术体系贯穿金融业软件基础设施、应用中间件以及容患灾备机制建设，是满足金融业快速交付、高效迭代与弹性扩容的“银弹”。由于金融业对于安全性、稳定性的极高要求，云原生化改造过程中合规性、连续性和功能完整性是其主要考虑。从整体金融数字化进程出发，亿欧智库认为云原生化改造总体遵循“敏态增量优先、稳态存量迁移、最终全量改造”的“三步走”路径。备注：银弹，即Silver Bullet，指极其有效的解决方法软件基础设施应用中间件容患灾备机制建设基础架构物理机虚拟机容器容器规模部分业务试点容器常态化、规模化专用中间件以“IOE”为代表的专用中间件存在发布效率低、无法快速扩展、专用高端设备运营成本高等问题。开源通用中间件云原生中间件满足了分布式消息队列、分布式缓存、分布式负载均衡等功能。应用需求兼顾安全与成本提高业务承载跨云业务容灾解除厂商锁定云原生技术支持跨云统一运维跨云弹性伸缩跨云服务治理跨云应用管理亿欧智库：金融业云原生化影响范围合规性考虑信息系统安全的合规要求，如公安部等保、金融行业安全等保等国际对于数据安全、业务连续性等的标准与认证要求，如PCI-DSS认证、SOC1/SOC2、ISO 22301等金融行业对于业务高可用的要求金融行业应用对于资源隔离的要求连续性考虑新老业务系统的交替，一直以来都是对金融业云原生化改造的巨大挑战对于新业务系统，投产前需要进行演练以及故障问题的预案机制对于老业务系统，投产前需要提供灰度方案、回退方案、交易质量的验证方案等功能完整性考虑微服务架构能力端到端敏捷交付能力极致的弹性能力服务自治/故障自愈能力大规模可复制能力可观测运维能力亿欧智库：金融业云原生化改造“三步走”路径阶段一阶段二阶段三敏态增量优先金融业历来是前沿科技落地的试验田和先锋队金融数字化应用程度在全行业中排名翘楚的背后，也意味着对遗留系统改造难度大对快速迭代、创新要求高的敏态增量业务，如银行业的渠道类业务，可以放在路径中的第一步稳态存量迁移云原生化改造路径需要注意：1.技术路线必须不影响现有稳定架构；2.技术路线必须经过实际生产环境的大规模检验；3.技术路线必须是主流，使用者越多，生态越丰富，产品升级越快该阶段是针对稳态存量业务平滑向云原生化过渡的关键最终全量改造整体业务系统的云原生化改造是建立在对新老业务主体定义、流程解析、逻辑解耦等完成后的最终阶段建设主题应围绕：1.理清全局架构；2.解耦业务逻辑；3.强化技术底座；4.抽象化通用能力；5.服务化关键功能资料来源：阿里云、亿欧智库金融业云原生改造的核心关键是将对安全合规、交易强一致性、单元化扩展、容灾多活、全链路业务风险管理、运维管理等各方面行业要求与云原生技术进行深度融合。业务层：数字营销，“获客”“活客”两手抓、两手硬16流量层购物平台视频网站征信信息资讯中心社交软件私域数据层客服营销风控运营数字化技术进行多个数据源整合三方数据层隐私计算协助获取三方数据其他公域流量营销大脑层敏捷营销精准营销利用数据和分析工具持续、实时地搜寻机会或解决方案快速部署测试、评估结果，并迅速迭代实现营销全环节的体验优化个性化营销对投放的精准程度与灵活程度提出更高挑战金融机构需要将客户数据中心、营销决策中心以及一系列精准营销触达技术整合在一起，实现动态精准营销流量转化层内容营销（利用内容引领消费者主动沟通）场景营销（结合场景、精准定位目标客群）全域营销（全链路、全数据、全渠道）在后疫情时代的进一步催化下，金融业数字营销呈现出线上化、数据化、场景化、精准化等特征。通过数字化经营，金融机构可以有效盘活并深耕触达客户；数据显示数字营销可以使得银行销售生产率提高20%，客户流失率降低25%，交叉销售成功率提高160%。金融业数字营销分为获客与活客两大路径。通常来讲处于客户触达前期、私域成长速率快的金融机构以获客为主；大型银行、保险公司则以活客为主。金融机构通过私域流量、隐私计算协助下可使用的第三方数据等，快速建立自身优质流量池通过内容营销（推文）、场景营销以及全域营销等手段，促使流量转化，最终实现规模化获客营销大脑层的敏捷营销与精准营销可以使得裂变流量比例增大，传统客户向“客户经理”转型成为可能规模化获客个性化活客针对大型银行、保险等，其已有客户（非活跃）比例较高，新获客成本高完成客户获取后的针对性、个性化经营管理，促进金融客户留存、复购，是个性化活客的关键所在个性化活客与精准营销密不可分，对于数据使用与客户360画像要求较高亿欧智库：金融业数字营销“获客”、“活客”流程示意图线下网点金融软件投资软件资料来源：McKinsey&Company、亿欧智库获客保证流量来源，活客提升运营绩效，二者鱼水相依、不可或缺17规模化获客数据：伴随着金融数据多样性的提升，金融机构可以从自身的第一方数据（银行APP、线下网点等）、第二方数据（征信数据、社交数据、电商数据等）以及数据服务商的第三方数据入手，借助多维算法进行客户分类与标签化处理获客思路：传统的公域流量及线下获客已经不再适用。类似“拼多多”等电商的裂变获客给予金融机构新的思路。如招商银行、平安保险等金融数字化标杆企业，利用裂变传播辅以私域流量，充分调动员工、新客、老客资源，进行“病毒式”获客，以将“客户”培养成“客户经理”的目标不断进发获客途径：能够真正吸引到金融客户的内容营销已经逐渐取代“撒网式”广告类营销。结合目标客户的所在场景与客群特征，“场景化营销”正在将“以客户为中心”的理念贯彻到底获客理念：与过去几年相比，如今的数字营销获客更加注重对于数据的使用、理解和应用，获客理念也正在从“以金融产品为中心”向“以客户为中心”谋求转变以数据为中心，夯实数据基础；在保障客户隐私安全的同时，利用数据碰撞出数字营销策略与洞察 无论是规模化获客，还是个性化活客，其核心都在于对客户数据的理解与运用 多数据流量接口接入、隐私计算保护下的数据联动，最终形成360全景客户画像个性化活客数据：在利用规模化获客之后的金融机构，应当着眼于对现有客户更具针对性、个性化的经营、管理与需求挖掘，从而达到促进客户留存、复购与忠诚度提升的目的，此为“活客”的核心价值。因此，通过大数据积累、分层、标签、定位、追踪、影响而形成的360全景用户画像显得尤为重要活客思路：与获客的私域流量及裂变流量不同，活客的关键在于定制化与个性化，金融业客户已经疲于面对同质化产品的冲击。一个优质的个性化金融产品，应当基于客户需求实现功能、个性乃至情感的价值主张。以保险为例，不同消费标的（汽车、房屋、企财）、不同消费特征（大额寿险、小额产险或健康险）、不同服务特征（分期支付、透明计息），都会组成完全异质化且个性化的产品精准营销：精准营销如今似乎已经成为数字营销的另一个名字，值得注意的是，精准营销本质与客户旅程密不可分。金融机构只有从客户的视角与身份出发，明确客户旅程的每一个环节，完成精准的客户交互。最终制定出对应不同客群的策略，并对精准客户的未来行为进行预测布局 亿欧智库认为，虽然数字营销中获客与活客是两种不同路径，但是现阶段的金融机构依旧会选择两种途径同步推进。获客是为了使得客户池更广阔，保证流量来源；活客则更注重对现有客户的需求挖掘与价值判定。二者在未来2-3年内，是鱼水相依、共同发展、相互成就的关系。未来的数字营销，依旧会紧抓“数据”这一核心要素。对获客与活客来讲，对数据的理解运用依旧是发力方向，区别在于广度与精度的问题。精准营销敏捷营销金融业近几年一直对敏态转型关注颇多。包括云原生在内的新技术架构也在为敏捷应用、快速创新提供平台支持敏捷营销指的是利用数据和分析工具持续、实时地搜寻营销机会或痛点解决方案，快速创新、快速测试、快速部署、快速评估定量数据显示，实施了敏捷营销的组织每月进行的种子测试较以往提升8-10倍，每次线上营销活动间隔天数缩短5-6倍，渠道收入指数增长4-5倍全域数据裂变获客场景营销客户中心需求挖掘价值判定精准营销客户旅程个性化活客对于投放的精准程度与灵活程度提出了极高的要求。同时，规模化获客的内容营销，也使得低精准的内容输出投放逐渐失效精准营销触达技术是与数据平台息息相关的。如今备受关注的营销技术栈（MarTech Stack）正是将营销数据平台、客户洞见挖掘、策略制定与归因评估进行了整合，形成精准营销功能闭环资料来源：McKinsey&Company、亿欧智库18实践参考：百融云创打造精准营销服务平台百融智汇云，利用AI、云计算等数字化新技术实现全渠道精准营销与存量精细化运营合作流量平台个人客户小微客户消费场景营销意向模型风险评估模型准入规则流量分发精准营销解决方案金融机构银行消费金融小微金融百融智汇云整体技术架构 百融智汇云在专有金融产品推荐平台的基础上，从场景入手，推出MAAS（智能化场景营销）平台解决方案，帮助金融机构破局低频场景、借力高频场景找到精准客户，并提升转化效率 同时依托成熟的金融产品整合能力，百融智汇云拓展了丰富的场景资源。除了头部同业资源场景外，还扩充了电商、出行、支付、影音、教育等场景渠道流量，吸纳不同种类优质客群全渠道精准营销 百融智汇云通过人工智能和云计算等核心技术赋能，可根据金融机构存量特征，综合多维画像开发客制化用户分层模型，经过营销意向模型筛选出高意向客户 百融智汇云还将匹配特定场景，灵活调整运营手段，配置包含AI、人工等多种形式的耦合运营策略，最终将用户与合适的金融产品实现互通存量精细化运营 平台中立：作为专注金融领域的技术服务平台和流量融汇中心，助力金融机构精准营销，实现资金方和流量方的互惠交互，共创共赢 拓扑式分析：通过动态客户标签的构建能力对数据要素进行网状验证，辅助金融机构精准、高效地链通目标客群 全场景覆盖：一站式接口带来的灵活响应优势，支持金融机构精准营销应用场景的全覆盖 极化效应：早期入局叠加行业深耕累积的成本优势壁垒已经形成势能，协助金融机构精准营销的全流程业务发展，实现降本增效核心优势 百融智汇云是百融云创打造的专注于金融领域的精准营销服务平台。基于百融云创多年积累的AI技术能力及多维模型信息，百融智汇云通过自身流量资源优势、营销建模优势、营销体系优势为金融机构提供全流程的精准营销解决方案，使其更有效地触达及服务目标客户。全渠道精准营销方面，百融智汇云在专有金融产品推荐平台的基础上，从场景入手，推出MAAS（智能化场景营销）平台解决方案，帮助金融机构破局低频场景、借力高频场景找到精准客户，并提升转化效率。存量精细化运营方面，百融智汇云通过AI和云计算等核心技术赋能，开发客制化用户分层模型，经过营销意向模型筛选出高意向客户，最终将用户与合适的金融产品匹配。19案例1：某国有银行省分行活动促活营销核心痛点 该省分行拥有海量客户待营销，大量的“长尾”和“睡眠”客户日常跟进力度较弱。在活动营销、手机银行促活等场景中，人工跟进成本高、效率低，且对人工席的管理难度大，数据难以实时监控关键举措 百融智汇云基于各业务场景客制化开发模型，上线并投产十余套相关话术。投产场景包括：手机银行促活营销、充值话费优惠活动营销、出行优惠活动营销、优惠券领取活动告知等最终效果拨打案件：20583拨通案件：9651有效拨通：9495成功转化：4527单批次活动营销效果类型机器人（调优后）机器人（调优前）人工坐席拨通率46.89%46.29%44.49%有效拨通率46.13%45.06%43.64%成功率48.39%46.03%50.83%4倍拨打效率1/6外呼成本案例2：某持牌消金公司沉睡客户激活营销核心痛点 该持牌消金公司面临沉睡客户激活困难，成本难以覆盖，合规要求高等痛点关键举措 百融智汇云基于智能分析和机器学习技术，对睡眠客户的信贷意向、特征、风险进行高频的量化评估 同时精准筛选当前有信贷需求和意愿且低风险的客户，配置包含AI、人工等多种形式的耦合运营策略，提升客群响应率和放款GMV最终效果营销模型样本量申请授信率授信通过率提现率放款件均（元）放款金额（万元）客户方案200万0.53%9.33%73.48%4108298百融方案200万1.48%10.53%84.34%4549418运营情况与客户自营数据相比，整体申请授信率提升179.25%，授信通过率提升12.86%，放款件均与大盘相比增幅10.74%实践参考：百融智汇云利用自身技术优势与业务理解，深植金融行业数字营销，助力金融机构促活营销、沉睡客户激活等场景显著成本下降与效率提升业务层：数字风控，以数据、技术、场景为要素的三位一体正在形成20 2019年9月，中国人民银行印发金融科技（FinTech）发展规划（2019-2021年），提出运用大数据、AI等技术建立数字风控模型，可以有效甄别高风险交易，智能感知异常交易，实现风险早识别、早预警、早处置，提升综合金融风控能力。传统风控模式下，银行等金融机构主要运用人工信审，数据多来自央行征信。而在普惠金融大环境下，个人与企业资金需求特性差异较大，传统风控审批效率不高、人工处理成本居高不下、数据来源单一等问题逐渐显现。在各类金融数字化技术加持下，数字风控作为传统风控模式的一种数字化升级补充应运而生。在数字化不断推进的时代背景下，以数据为企业核心资产、技术为数字化重要引擎、场景为业务关键落脚点的数字风控三位一体正在形成。公司内部资料、央行征信资料、