金融科技产业生态分析报告.docx

中国金融科技产业生态分析报告前 言当前金融行业进入转型发展阶段，随着人工智能、区块链、云计算、大数据等新兴技术的发展与应用，金融科技正在以迅猛的势头重塑金融产业生态，“无科技不金融”成为行业共识。近年来，中国的金融科技(Fintech)行业发展迅速， 在云计算、大数据、人工智能和区块链等领域已经成长出一批拥有先进技术和行业实践的核心骨干企业。 本报告聚焦于中国金融科技产业生态发展情况。首先，从金融科技产业生态现状分析入手，通过国内外对比分析，明确中国金融科技产业的发展水平和发展阶段；其次，通过金融科技产业各类主体的全面梳理分析，形成中国金融科技产业生态图谱，并分析指出当前行业生态的发展特点；接着，对人工智能、区块链、云计算、大数据等金融科技关键技术进行深入分析，展示其在金融行业的实践应用情况；再次，从监管、个人信息保护、竞争、应用场景和人才等五个方面，探讨当前中国金融科技产业生态发展面临的挑战和困难；最后，从融合应用、产业机遇、技术发展和政策监管等多个角度，展望中国金融科技产业的发展趋势。 3目 录 一、金融科技产业发展历程 . 5 (一)金融科技行业发展阶段. 5 (二)全球金融科技市场概况. 7 (三)中国金融科技市场概况. 9 二、 金融科技产业生态体系 . 12 (一)金融科技产业主体生态结构. 12 (二)金融科技产业主体类型划分. 12 (三)金融科技产业生态体系发展特点. 16 三、 金融科技关键技术 . 23 (一)金融云快速部署落地. 23 (二)金融大数据广泛普及. 25 (三)人工智能成为应用新方向. 26 (四)区块链带来金融服务机制的深刻变革. 28 四、 金融科技产业发展面临的挑战 . 30 (一)金融科技产业发展带来监管新挑战. 30 (二)金融科技广泛应用加深了个人信息安全管控风险. 30 (三)“赢者通吃”的竞争态势不利于产业生态健康发展. 31 (四)金融科技产业应用场景仍有待丰富. 31 (五)金融科技产业人才仍面临较大缺口. 31 五、 金融科技产业的发展趋势 . 33 (一)金融科技强化金融服务与实体经济的跨界融合应用. 33 (二)金融科技应用带来金融业转型发展的结构性机遇. 33 (三)人工智能和区块链将引领金融科技产业发展新浪潮. 34 (四)产业监管更加注重鼓励创新与预防风险的平衡. 34 附录-金融科技企业名录（部分） . 35 4一、金融科技产业发展历程(一)金融科技行业发展阶段1. 从金融行业的信息科技应用发展历程来看金融行业的信息科技应用可以分为三个阶段：第一阶段是金融电子化，第二阶段是互联网金融，第三阶段是金融科技。随着人工智能、区块链、云计算、大数据等新兴技术的发展与应用，金融科技正在以迅猛的势头重塑金融产业生态， “无科技不金融”成为行业共识。 l 在第一阶段的金融电子化时期，金融机构主要是尝试以现代通信网络和数据库技术为基础，将业务数据逐步集中汇总，利用信息化软硬件实现办公的电子化，提升业务处理效率。代表性应用包括核心交易系统、账务系统、信贷系统等。l 第二阶段是互联网金融发展期，主要是互联网技术和金融业务深入融合， 金融机构利用互联网对接金融的资产端-交易端-支付端-资金端，实现渠道网络化，并催生出大量创新的业务模式和业务形态。代表性应用包括网上银行、互联网基金销售、P2P、移动支付等。l 第三阶段以金融科技应用发展为代表，主要是金融机构利用大数据、云计算、人工智能和区块链等前沿技术进行业务革新，将传统的银行、证券、保险业务进行分解，提供更加精准高效的金融服务。通过自动化、精细化和智能化业务运营，有效降低交易成本，提升运营效率。代表性应用包括大数据征信、智能投顾、风险定价、量化投资等。5图 1：金融行业科技应用的发展阶段 2. 从科技企业在金融领域的服务模式变革来看科技企业为金融行业提供信息化服务的发展历程也可以分为三个阶段：第一阶段是售卖金融 IT 软硬件服务，第二阶段是提供基于云的整套业务解决方案， 第三阶段是以金融科技为依托提供跨界金融服务。过去，传统金融 IT 企业帮助金融机构建设 IT 基础设施，提供外包服务。现在，金融科技企业在金融服务领域中表现的更加积极，在不断通过新兴技术创新金融业务服务模式的同时，更多的开始与金融结构合作，为最终用户提供直接的金融业务服务。 l 第一阶段：科技企业提供的产品为定制化金融 IT 软件和相关部署，以及相应的运维服务，营收由项目的数量和规模决定。企业的收入与员工的数量相关，单个企业收入规模受限。l 第二阶段：科技企业提供的产品为整套基于云的从 IaaS 层到 SaaS 层的业务解决方案。由于产品为整套的解决方案，项目规模较大，客户黏性较高。相对第一阶段，基于云的解决方案具有更强的业务可持续性。l 第三阶段：科技企业提供的产品为直接面向最终用户提供的金融服务， 包括大数据征信、智能投顾等。科技企业的业务已经超出纯粹的金融 IT 范畴，直接参与部分金融业务，实现销售分成或业务分成。6(二)全球金融科技市场概况1. 全球金融科技市场发展迅速从企业数目以及融资额来看，全球金融科技产业正处于高速增长态势。波士顿咨询公司的研究数据显示，2016 年全球金融科技企业数量增长了 167%，达到8000 家，是 2015 年的约 2.7 倍；2016 年全球金融科技初创企业融资额增长了364%，达到 839 亿美元，是 2015 年的约 4.5 倍。 图 2：全球金融科技发展状况1 2. 北美地区金融科技市场发展相对均衡北美地区金融科技市场较为成熟，各细分领域的企业融资规模相对均衡。其中，支付领域的企业融资规模占比最高，达到 30%；数据分析次之，占比为 18%； 占比最少的信贷/众筹领域也达到了 14%。相比之下，从融资分布领域来看，亚太地区金融科技市场仍处于快速成长阶段，各细分领域的企业融资规模差别较大。其中，信贷/众筹领域的企业融资规模占比最高，达到 42%，支付次之，占比为 32%；数据分析最少，仅为 4%。 1 数据来源：波士顿咨询7图 3：北美和亚太地区金融科技创业企业融资比例1 3. 亚太地区金融科技市场发展处于高速成长期北美地区金融业发展较为成熟，金融服务人群覆盖比例高，消费者对基本金融需求满足度较高，金融科技侧重于为消费者提供更加便捷的金融服务，作用更类似于“锦上添花”。在亚太地区，特别是以中国和东南亚各国为代表，金融服务水平相对滞后，仍存在大量未开发市场，金融科技使金融服务触及海量长尾用户，作用更类似于“雪中送炭”。整体来看，亚太地区对金融科技应用的市场需求广阔，发展潜力巨大。 表 1：金融科技市场定位对比 项目 北美 亚太 市场现状 消费者基本金融需求满足度较高； 金融服务人群覆盖比例高； 大量消费者没有获得正规的金融服务； 市场定位 在零星领域起补充作用，侧重于为消费者提供更加便捷的金融服务； 服务广大的未开发市场，侧重于长尾用户的拓展； 市场价值 “锦上添花” “雪中送炭” 落地方式 原创技术，并自主探索新的商业模式。 快速地借鉴，并根据当地环境改变商业模式。 1 数据来源：波士顿咨询。其中，规划包括业务流程自动化、客户关系管理、了解客户、库存与供应链管理、个人理财工具，数据&分析包括大数据解决方案，数据可视化，预测分析，数据提供。8(三)中国金融科技市场概况1. 中国金融科技产业发展位居世界前列2017 年毕马威咨询公司发布的全球金融科技 100 强报告中，排名前十的企业中，中国公司有 5 家，占据半壁江山。特别是排名前 3 的公司都是中国企业。其中，蚂蚁金服依靠出色的技术优势以及金融销售服务模式，成为全球金融科技企业的典型代表；众安保险凭借出众的保险科技生态系统以及高速的业务发展位居次席；趣店则依托海量在线借贷业务，在排行榜中位居第三。以上三家企业体现了中国金融科技行业在全球范围内的领先发展态势。 图 4：2017 年全球金融科技企业 Top 101 同时，Visual Capitalist 公司研究数据显示，2016 年全球金融科技独角兽2企业数量为 27 家，中国公司有 8 家，仅次于美国，排名第二。2016 年全球金融科技独角兽企业估值规模为 1389 亿美元，中国企业为 964 亿美元，占比约 70%， 全球排名第一，领先优势十分突出。 12数据来源：毕马威金融科技独角兽为估值超过 10 亿美元的金融科技私营初创企业。9图 5：2016 年中国金融科技独角兽表现1 2. 中国金融科技用户渗透率快速提升美国国际贸易署(ITA)发布的2016 顶级市场报告认为，中国金融科技市场总体发展居全球第二位。从用户渗透率来看，从 2013-2016 年，网络信贷、网络资管和电子支付的用户渗透率均处于显著上升趋势，预计 2020 年，以上三个细分领域的用户渗透率将分别上升至 28.4%、77.9%和 83.1%。尤其是电子支付领域，以支付宝和微信支付为代表的移动支付工具快速发展，截止 2017 年底，微信支付用户已达到 8 亿。 图 6：2013-2020 年中国金融科技主要板块用户渗透率2 3. 金融科技重点细分领域市场规模成倍增长网络资管领域，2016 年网络资管市场规模增速超过 50%。中国网络资管规模超过 2.7 万亿元，预计 2020 年，中国网络资管将超过 6 万亿元。 1 数据来源：Visual Capitalist2 数据来源：艾瑞咨询10图 7：2013-2020 年中国网络资管市场规模1 第三方支付领域，2016 年我国支付机构的网络支付金额达到 99.27 万亿元， 交易笔数达到 1639.02 亿笔。相比 2015 年，在交易笔数和交易金额上均达到近100%的增长。 在网络借贷规模上，2016 年我国网络借贷规模达到 19544 亿元。相比 2015 年，市场规模增长达到 99%。 图 8：2014-2016 年中国细分金融科技市场规模2 12数据来源：艾瑞咨询数据来源：人民银行、前瞻研究院11二、 金融科技产业生态体系 (一)金融科技产业主体生态结构我国金融科技产业生态体系主要由金融企业、科技企业、金融监管机构、行业协会和研究机构组成。其中，金融企业主要是运用云计算、大数据、人工智能和区块链等先进技术，提供创新金融服务。科技企业主要是为金融企业和金融监管机构在客服、风控、营销、投顾和征信等领域，提供云计算、大数据、人工智能和区块链等技术服务。监管机构主要是依据国家相关政策法规，对提供金融科技服务的企业进行合规监管。行业协会和研究机构主要是进行金融科技产业研究，推动行业交流和标准制定，促进金融科技应用成果的经验分享和互动交流。 图 9：金融科技产业生态结构 (二)金融科技产业主体类型划分根据我国金融科技产业主体的发展特点，从“新金融”和“新技术”两个不同角度，可将金融科技企业分为两大主要类型：科技金融类和金融科技类。 科技金融类主要是利用互联网、大数据、云计算、大数据、人工智能和区块链等新兴技术，变革金融业务模式，提供创新型的金融服务。科技金融类企业可以从原生背景和业务领域两个方面，进行更进一步的深入划分。其中，原生背景12是指企业最初的行业属性，业务领域是指企业主要提供的业务类型。 金融科技类主要是为金融机构在客服、风控、营销、投顾和征信等服务领域， 提供云计算、大数据、人工智能和区块链等新兴技术支撑服务。金融科技类企业可以从技术领域和服务领域两个方面，进行更进一步的深入划分。其中，技术领域是指支撑服务能力聚焦在云计算、大数据等不同技术领域，服务领域是指支撑服务领域分布在客服、风控等不同服务环节。 1.科技金融企业-按原生背景划分根据科技金融企业的原生背景，可将其主要分为五大类：互联网背景、金融IT 背景、传统金融背景、其他传统行业背景和初创背景。互联网背景的科技金融企业具有技术、数据、平台和人才优势，正在迅速成长为国内金融科技的核心力量。金融 IT 背景的科技金融企业拥有深厚的行业积累和丰富的风控经验，正在积极进行战略转型，开展金融科技服务。其他传统行业背景的科技金融企业， 则是利用自有渠道和用户优势，提供跨界金融科技服务。初创背景的科技金融企业是指以金融科技为核心业务的初创型企业，企业在创立初期就以金融科技领域的技术和商业模式创新为核心竞争力。 图 10：按原生背景划分的科技金融企业 132.科技金融企业-按业务类型划分对于科技金融企业，按其主要提供的业务类型可分为两类： 一是提供传统金融业务类，包括银行、保险、证券和基金等。开展传统金融 业务的企业，转型需求相对迫切，需要利用科技手段提升业务发展能力，发现新需求、降低成本、优化流程、开辟新业务，完成转型升级。 二是提供互联网金融业务类，包括消费金融、小额信贷、征信、第三方支付 等。这类科技金融企业利用新兴技术，大力发展创新型金融服务，在促进普惠金融、小微金融和智能金融方面具有重要作用。 图 11：按业务类型划分的科技金融企业 3.金融科技企业-按技术领域划分对于金融科技企业，按照其为金融行业提供支撑服务的技术领域可分为四大 类：云计算、大数据、区块链和人工智能等。其中，云计算已经成为金融 lT 架14构转型的主流方向，金融云部署较快，企业发展较为成熟。大数据是金融业创新发展的基础资源，提供金融大数据服务的企业数量众多，互联网巨头优势明显。人工智能是金融服务迈向智能化的关键，人工智能应用发展迅速，正在成为金融科技应用的热点方向。区块链是实现金融价值传递的重要支撑技术，金融区块链应用仍处于起步阶段，企业数量相对较少，但发展迅速。1 图 12：按技术领域划分的金融科技企业 4.金融科技企业-按服务领域划分金融科技企业按照为金融行业提供支撑服务的具体领域可分为五大类：客服、风控、营销、投顾和支付等。客服领域企业主要是利用大数据和人工智能技 术，通过自动化和智能化客服，实现客服效率和质量的双提升，并实现与精准营销的有机结合，助力客服从成本中心向营销中心转变。风控领域企业主要是运用大数据、机器学习和人工智能等技术，实现智能风控，降低业务坏账率，提高放贷效率。营销领域企业主要是利用大数据和人工智能进行智能营销，建立个性化1 何宝宏. 新一代信息技术推动金融科技向纵深发展J. 金融电子化, 2017(5):67-69.15的顾客沟通服务体系，实现精准营销。投顾领域企业主要是基于算法和模型，实现智能投顾，规避市场风险，获得最大化收益。支付领域企业主要是基于大数据和人工智能技术，将人脸识别、指纹识别等智能识别技术应用于支付领域，实现支付技术的创新发展。 图 13：按服务领域划分的金融科技企业 (三)金融科技产业生态体系发展特点1.互联网企业成为金融科技领域的支柱力量互联网企业成为金融科技领域在金融和科技两侧的重要主体。百度金融、蚂蚁金服、财付通和京东金融等互联网巨头旗下的金融科技企业具有数据和技术上的双重优势，快速成长为科技金融类的独角兽企业。同时，这些互联网行业巨头将其经过验证的云计算、大数据、人工智能和区块链等新兴技术，提供给其他金融机构，在金融科技类企业中也具备较为突出的发展优势。 16表 2： 互联网背景的金融科技企业1 企业 云服务 大数据 人工智能 区块链 综合特点 百度云 公有云、私有云 数据分析、展现和开放 客服、智能风控、智能 API 设有金融云解决方案 百度金融 私有云 用户画像 智能风控、智能获客 资产证券化 对外输出云、大数据、AI 解决方案 阿里云 公有云、私有云 数据分析和展现 智能风控、平台开放 设有金融云解决方案 蚂蚁金服 公有云、私有云 用户画像 客服、智能风控、智能 API 公益-募捐 对外输出云、大数据、AI 解决方案 腾讯云 公有云、私有云 数据计算和分析、展现 开发套件、智能 API 设有金融云解决方案 财付通 用户画像 智能风控 黄金红包 支付 API 开放 京东云 公有云、私有云 数据计算、分析和展现 开发套件、智能 API 设有金融云解决方案 京东金融 私有云 数据治理， 用户画像 智能风控 资产管理 对外输出云、大数据、AI 解决方案 网易云 公有云 用户画像 客服、营销 设有互联网金融解决方案 网易金融 用户画像 智能风控、智能投顾 技术自用 360 金融 用户画像、大数据选股 智能风控 技术自用 小米金融 用户画像 智能风控 营销 技术自用 2.传统金融 IT 企业积极谋取金融牌照传统金融 IT 企业基于长期的金融 IT 服务实践，拥有先天性的金融科技应用优势，其熟知金融行业运作方式，通过收购、参股、成立子公司申请和引入投资的方式获得金融牌照，向金融领域跨界转型。随着传统金融 IT 企业的金融化转型，其与传统金融机构“科技+牌照”的双向合作成为趋势： l 传统金融机构的优势是拥有牌照、研发实力、资金和客户优势，劣势是缺乏金融科技创新的能力，或是创新环境相对薄弱。1 数据来源：各企业官网17l 科技公司的优势是具有科技能力和对金融创新的敏锐嗅觉，劣势是缺少金融牌照。表 3：传统金融 IT 行业背景的金融科技企业1 合作方式公司情况简介参股安硕信息投资 5000 万元入股凉山州商业银行，获得银行牌照。东华软件出资 1.5 亿元，占海南银行 5%股份，获得银行牌照。恒生电子出资 1 亿元参股粤财信用保险公司，获得保险牌照。申请牌照汉得信息投资 1 亿元设立全资保理子公司，申请保理牌照。收购新大陆收购国通星驿 100%股权，获得支付牌照。3.零售企业率先转型进入金融科技市场传统行业中，以具有 To C 服务经验的零售企业为代表，它们往往拥有大规模的用户信息和消费行为数据，在客户服务方面的经验丰富，对客户需求理解较深刻。借助金融科技的应用趋势，大量传统零售企业将金融服务与自身原有服务进行融合，通过捆绑式服务，大力发展基于原有服务的金融服务，以消费金融、智能风控、智能营销等应用场景为突破口，转型进入金融科技市场。 表 4：传统零售行业背景的金融科技企业2 1 数据来源：各企业官网2 数据来源：各企业官网18企业 云服务 大数据 AI 服务 区块链 万达金融 用户画像 智能风控、智能营销 电子发票 苏宁金融 用户画像、个性化服务 智能风控、智能营销、智能投顾 已成立实验室 海尔金融 用户画像 智能风控、智能营销 资产证券化、智能合约 永辉金融 用户画像、供应链金融 智能风控 4.传统金融机构成立科技子公司提供对外技术服务传统金融企业将科技能力对外转化服务，成立独立化运营的科技公司，传统金融机构成立的科技子公司拥有云、大数据和人工智能平台搭建能力、行业应用搭建能力和海量金融数据积累。向科技公司转型的金融企业对行业理解深入，并拥有切实的新兴科技应用实践，较易获得传统金融企业的信任。 2016 年 7 月，银监会发布的中国银行业信息科技“十三五”发展规划监管指导意见（征求意见稿）表示，“鼓励有条件的银行利用技术优势和冗余资源，为其他银行提供场地、系统、运维等方面的托管服务与外包服务。增加信息科技工作透明度，尝试信息科技公司化运作。”从目前的发展趋势看，一是部分银行机构正在积极筹备独立运作的科技子公司，二是部分大型传统金融机构正在联合成立独立运营的科技合资公司。 表 5：传统金融机构成立科技子公司1 企业 云服务 大数据 AI 服务 区块链 兴业数金 云平台搭建、SaaS 服务 大 数 据 平 台 搭建、数据建模 人工智能平台搭建、智能风控 区块链平台，适用于供应链金融、数字票据和积分系统 平安科技 云平台搭建、SaaS 服务 大 数 据 平 台 搭建、数据建模、数据开放 人工智能平台搭建、智能风控 区块链平台，适用于支付清算、资产管理、供应链金融和智能合1 数据来源：各企业官网19约 招银网络科技 云平台搭建、SaaS 服务 大 数 据 平 台 搭建、数据建模 智能风控、智能投顾 供应链金融 5.第三方支付领域已经进入市场整合期第三方支付领域已呈“赢家通吃”态势。2016 年的数据显示，超过 80%的第三方支付市场份额被支付宝和微信支付占据。卡拉卡、易宝、联动优势、连连支付、平安付、百度钱包、京东支付和快钱等八家第三方支付占据 13%的市场份额。领先企业的线上线下生态还在继续扩张，其他 257 家支付机构正面临较为严峻的竞争态势。随着线上线下的生态拓展，市场份额还将进一步向支付宝和微信支付聚集，大量支付企业将面临被淘汰出局的严峻挑战。 图 14：2016 年第三方支付业国内市场份额情况1 6.网络借贷市场进入严格监管期网络借贷是“互联网+金融”模式下，金融服务模式和服务渠道的重大变革， 它在一定程度上满足了部分群体的金融服务需求。然而，随着网络借贷业务的快速发展，过度借贷、重复授信、不当催收、畸高利率、侵犯个人隐私等违规经营问题越来越突出，存在着较大的金融风险和社会风险隐患。 监管机构正在采取有效措施强化对网络借贷业务的合规管控。2017 年 12 月，1 数据来源：中国人民银行20互联网金融风险专项整治、P2P 网贷风险专项整治工作领导小组办公室正式下发关于规范整顿“现金贷”业务的通知，明确统筹监管，开展对网络小额贷款清理整顿工作。在业务上，严格限制网络小额贷款和 P2P 网贷的经营范围，暂停现金贷业务；从严管理小额贷款公司资金来源；限制杠杆比例和 ABS；在管理流程上，再次重申一行三会、工信部、网信办和地方金融办的职责；强调对不合规的企业将限期整改或吊销牌照。 2017 年 12 月 13 日，银监会 P2P 网贷风险专项整治工作领导小组办公室于近日向各地 P2P 整治联合工作办公室下发了关于做好 P2P 网络借贷风险专项整治整改验收工作的通知（57 号文），对下一步的整改验收阶段做出了具体、详细的部署。明确要求各地应在 2018 年 4 月底前完成辖内主要 P2P 机构的备案登记工作、6 月底之前全部完成；并对债权转让、风险备付金、资金存管等关键性问题作出进一步的解释说明。 图 15：2012-2016 年中国网贷信息中介机构数量1 7.个人征信领域发展将纳入牌照监管目前，个人征信领域的主要服务机构包括人民银行征信中心、信用中国和百行征信（牌照申请中）等三家机构。人民银行征信中心于 2006 年成立。信用中国网站于 2015 年正式上线运行。2018 年 1 月 4 日，中国人民银行受理了百行征信有限公司（信联）的个人征信业务申请。百行征信最大股东为中国互联网金融协会，持股 36%，其他 8 家个人征信1 数据来源：中国人民银行、前瞻产业研究院 21试点单位芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、考拉征信、中智诚征信、北京华道征信作为股东加入信联，各持股 8%。1人民银行征信中心 征信中心于 2006 年成立，负责企业和个人征信系统的建设、运行和维护。 截至 2017 年 3 月，人民银行数据库收录自然人 9.2 亿人，有信贷记录的自然人 4.4 亿人。信用中国 信用中国网站于 2015 年正式上线运行，是政府褒扬诚信、惩戒失信的窗口 截至目前，网站已发布信用信息 1.4 亿余条。（包含企业基础信息、红黑名单信息、行政许可与行政处罚信息、统一社会信用代码信息）百行征信 （信联） 信联由互联网金融协会牵头组建，2017 年底将正式批筹，收编 8 家首批个人征信牌照试点机构。 信联为央行征信系统提供补充支撑，主要服务对象为互联网金融个人借贷业务机构，且数据共享。表 6：个人征信机构对比 征信机构 简介 。1 中国人民银行，关于百行征信有限公司（筹）相关情况的公示22三、 金融科技关键技术 云计算、大数据、人工智能和区块链等新兴技术的发展与应用对金融机构的业务服务模式产生了重大影响，已逐渐成为金融行业发展的关键性技术驱动。云计算、大数据和人工智能技术之间存在相互依赖、相互促进的关系。如果说大数据是金矿，那么金融云可被看作是矿井。矿井的安全性、可靠性决定了金矿的开采效率。人工智能需要海量高品质的训练数据来感知、认知、分析和预测世界； 反过来，人工智能又能促进大数据的发展，提高数据采集与处理的速度和质量， 推动大数据产业的发展。区块链的去中心化和分布式记账，则会带来金融服务机制的根本性转变。 图 16：金融科技关键技术 (一)金融云快速部署落地1.技术定位“互联网+金融”时代对金融行业的技术架构提出新的要求。金融企业普遍面临产品创新层出不穷，产品迭代越来越快，交易量峰值无法预测的挑战。云计算作为实现 IT 资源按需供给的技术手段，可以实现让金融企业像使用水、电、煤一样使用 IT 资源。 云计算，可以提升金融行业的信息化水平，推动金融科技行业发展。在性能上，云计算具有高可靠性和高可扩展性，同时还支持通过添加服务器和存储等23IT 设备实现性能提升。在成本上，云计算采用相对廉价的 X86 服务器作为基础设施，并且可以通过提高单位 IT 设备的使用效率，降低成本。在运维上，云计算通过统一的平台实现金融企业内服务器、存储和网络设备等设备的集中管控， 提升了企业对 IT 设备的管理能力，有助于实现精益管理。在数据管理上，云计算使得组织可以通过一个平台，承载或管理组织内所有的信息系统，消除信息孤岛，将保存在各系统的数据集中到一起，形成“数据仓库”，从而实现组织内部数据的集中化管理。 2.行业特性一管理这些 IT 资源，以实现内部系统的打通和数据的整合。 金融行业的特性对云计算的业务连续性有严格的要求。金融机构的 IT 系统的稳定性、可用性、网络时延性以及数据安全性的要求非常高。银行和证券企业金融机构物理设备多样性导致金融云整体架构相对复杂。物理设备层，大型金融机构经过数十年的信息化建设，拥有复杂的 IT 基础设施。包括 X86 服务器、小型机、SAN 存储、NAS 存储和网络等。虚拟化层，不同的设备拥有各自的虚拟化软件，各类设备组成多个资源池。因此，金融机构需要一个多云管理平台来统两地三中心。通过业务和数据的备份可以减少系统停机时间，保证业务的连续运行。 关键业务系统停机属于极度严重的金融事故，造成巨大的经济损失。业务连续性是涉及到管理制度、技术方案和物理设施等多个层次，要确保这些关键职能在任何环境下都能持续发挥作用。为满足业务连续性要求，金融企业需要建立完善的灾难备份和灾难恢复体系。灾难备份主要有三种，分别为同城灾备、异地灾备和3.应用现状目前，大型金融机构纷纷开启了基于云计算的信息系统架构转型之路，逐步将业务向云迁移。新兴金融机构如蚂蚁金服、微众银行等在诞生之初就把所有 IT 系统架构在云上。24中大型金融机构倾向使用混合云。在私有云上运行核心业务系统，存储重要敏感数据。自主购买硬件产品、虚拟化管理解决方案、容器解决方案、数据库软件、运维管理系统等，搭建私有云系统。在生产过程中实施外包驻场运维、自主运维或外包运维。在公有云上运行面向互联网的营销管理类系统和渠道类系统。 小型金融机构倾向将全部系统放在公有云上。通过金融机构间在基础设施领域的合作，通过资源共享，在金融行业内形成公共基础设施、公共接口、公共应用等一批技术公共服务。用于对金融机构外部客户的数据处理、服务，或为一定区域内金融机构及其垂直下属机构提供资源共享服务。一般为购买云主机、云存储、云数据库、容器 PaaS 服务、金融 SaaS 应用等云计算服务。 (二)金融大数据广泛普及1.技术定位金融行业数据资源丰富，数据应用由来已久。从发展特点和趋势来看，金融云快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享和开放正在成为趋势。 大数据可以显著提升金融企业的运营效率，促进创新，节约成本，保障合规。提升效率方面，大数据可以帮助金融企业总结现状、预测未来，从而更精准地对市场变化做出反应。促进创新方面，大数据技术在金融领域融合的过程中能不断衍生出服务与业务模式的创新。节约成本方面，大数据底层平台可以实现大规模数据的存储和调度，在部分场景替代原有的 Oracle 数据库，节约成本。保障合规方面，大数据可以集中组织的数据并进行分析，从而做到充分了解客户的状态， 从而帮助金融企业做到 KYC（了解你的客户）和 AML（反洗钱）。2.行业特性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为精准营销、实时风控、交易预警和反欺诈等业务都需要25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、智能的营销和风险管控体系。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。3.应用现状随着大数据技术的广泛普及和发展成熟，金融大数据应用已经成为行业热点趋势，在数据资产变现、交易欺诈识别、精准营销、黑产防范、消费信贷、信贷风险评估、供应链金融、股市行情预测、股价预测、智能投顾、骗保识别、风险定价等涉及支付清算、银行、证券、保险和互联网金融等多个细分领域的具体业务中，得到广泛应用。涌现出一大批技术创新、业务突破的应用案例。总结来看， 对于大数据的应用分析能力，正在成为金融机构未来发展的核心竞争要素。 (三)人工智能成为应用新方向1.技术定位人工智能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。机器学习具有多种衍生方法，包括监督学习、无监督学习、深度学习和强化学习等。从贷款审批到资产管理，再到风险评估，机器学习在金融生态系统中的每个阶段发挥着不可或缺的作用。生物识别技术主要包括指纹、人脸、静脉、虹膜、声纹、掌纹等体表的和内在的多种技术， 在金融业中运用于客户身份验证、远程开户、无卡取款、刷脸支付、金库管理和26网络借贷等场景。自然语言处理技术应用到金融数据分析领域，对海量复杂多样的企业信息进行处理，以提取出行业分析人员最关注的数据指标，并进行投资分析总结，最大化减少不必要的重复人力劳动，帮助分析人员进行