大家好，我是一个机器人，叫小R，全称是Robotic Process Automation，也叫机器流程自动化。

你们可以想象，假装长这样↓↓↓

是不是有点萌，但其实我并没有具象造型。我只是一个应用程序，一串富有生命力的代码。

为什么兴业数金的程序猿大大们，要夜以继日的奋战把我码出来？看了下面2个场景，相信你就明白了。

小R视角之小剧场

场景一：某虚拟又真实的电销中心

round 1  电销人员：您好，请问您是钱先生么？我是**银行的客服代表，关于......喂......喂......

round 2  电销人员：您好，请问您是钱先生么？我是**银行的客服代表，请问您有贷款的需求么？

客户：先说下我可以贷多少？

电销人员：不好意思先生，您的贷款额度要根据人行征信系统、信用卡发卡系统等抓取出数据并经过计算后得到的额度！我这边查询之后，稍后给您回电，方便么？

客户：太麻烦了，算了！

（画外音：要是有人可以马上给我算出额度就好了）

场景二：还是某虚拟又真实的银行办公室

L是财务部负责报销增值税发票核对及验证流程的职员，发票核对验证中需要人工，在来源于不同系统的表中建立复杂的表间关联关系，还需借助外部数据来验真，同时所有验证的结果的偏差均需要人工筛查及核对，工作重复，而且耗时耗力。

（画外音：要是有人来做这些重复性的任务和工作流程，我就能实现更多的价值。）

正是因为这种场景太多，我就应运而生了。

以下是说明版

RPA通过在电脑上复制人的行为，将一些由人工执行的重复性任务和工作流程，比如读取邮件和系统，计算，生成文件和报告，检查文件等，进行常规操作自动化，从而有效控制人为差错，实现24/7全天候运作，达到增加效率、减少成本、减少费用，让员工可专注处理有价值的工作。

举个栗子，当客户致电银行客服并提出查询信用卡信息时，小R会模仿人在系统界面上鼠标+键盘操作，将查询所需客户信息瞬间输入应用系统，并将后台反馈的信息以告知客户。

而在此前，这样的操作可能需要数十、上百人的人力重复劳作，设想一下，原先需要大量客服人员在电脑、电话前进行海量查询、反馈，且难免出现错漏的重复性工作，小R能够在短时间且几乎不出错误的完成，可以说是超级优秀了。

这样的小R，是不是非常值得拥有呢~

------------------------------------------------------------------------   分割线   ---------------------------------------------------------------------

作为一家兼具前瞻性和执行力的金融科技公司，兴业数金已经迎来了三个“僚机”——小准、小快和小婉，快一步步入机器人流程自动化的新时代！

“僚机”1号

“僚机”2号

未来，兴业数金将整合RPA、 OCR、AI等前沿技术，致力于机器人生产平台的建设，打造更多智能化、个性化、一体化流程机器人，以实现“让金融更简单，让金融更美好”的美好愿景。

自2007－09的经济危机以来，企业在成本控制、作业效率上面临了巨大的压力和挑战，许多公司纷纷重拾上世纪初精益生产管理的理念，通过对工作流程的优化重塑，加大对人力资源的有效利用并最终提高成本效率。

在这一系列的变革工作中，部分企业通过例如流程改造等项目在经营成本上取得了一定的成效。然而，企业的劳动力就本质上而言，并没有打破“总有人得去干苦活儿”这一规则的束缚。重复单调的低价值操作性任务仍然存在，使得员工疲于应对，无暇发挥其创造性和主观能动性。

随着机器人科技手段的日渐成熟以及企业机构高效运营呼声的与日俱增，机器人流程化（Robotic Process Automation）逐渐映入人们的眼帘。不少行业先行者，例如领先海外银行机构早已积极尝试与厂商实施商合作，紧锣密鼓地落实着各类RPA的试点工作，把宝贵的人力资源从繁重枯燥的操作工作中解放出来，去创造更高的价值。

工业4.0与精益管理的必然产物：RPA历史回顾

随着数据科学不断发展，机器人流程自动化、认知科学等数字化技术融入工作，企业已经展开了小型革命，通过自动化及智能技术，不断释放自然劳动力，追求员工 “更有价值”的体现。RPA代表着智能自动化技术发展的技术结晶，是工业革命4.0的必然产物。

而从近代企业管理理念角度来看， RPA可追溯至上世纪的精益管理概念与其主张的降低成本、提高质量、加快流程速度、提高顾客满意度等重要观点。而随着后经济危机时期对成本效率的重视以及近年来人工智能技术的进步更是加速推动了RPA的潮流：让机器代替人工去完成重复的、标准化的作业流程。

机器人流程自动化是一类自动化软件工具，它可以通过用户界面使用和理解企业已有的应用，将基于规则的常规操作自动化，例如读取邮件和系统，计算，生成文件和报告，检查文件等。

例如，当客户致电银行客服并提出查询信用卡信息时，RPA会模仿人在系统界面上鼠标+键盘操作，将查询所需客户信息瞬间输入应用系统，并将后台反馈的信息以告知客户。而在此前，这样的操作可能需要数十、上百人的人力重复劳作，设想一下，原先需要大量客服人员在电脑、电话前进行海量查询、反馈，且难免出现错漏的重复性工作，RPA能够在短时间且几乎不出错误的完成，另外，机器人更显著的不同在于，7X24小时工作与没有情绪。

扬长避短：RPA的适用性与优势

就上述定义观察不难理解：RPA仅具备模仿能力，不具备学习能力。换句话说，RPA适用于基于规则的，仅涉及结构化数据的流程。因此，适合用RPA自动化的流程必需具有稳定性、规则性、重复性。对此，德勤咨询RPA专家提出了七大类极为适合RPA流程：

在了解了RPA适用背景的前提下，企业还应了解实施RPA的优势所在：

1、工作效率提升：和人相比，RPA不间断地高速工作且几乎不出错，因此可以显著提升流程效率，降低成本，减少风险；

2、解放员工生产力：RPA为员工解决了重复枯燥的工作任务，不仅提高员工士气，而且能使得他们有更多的时间从事知识密集型的作业；

3、工作将更具有高度合规性：机器人减少流程错误，并能够精准无误、批量及时地提供审计追踪所需数据，因此更好满足合规控制的要求；

4、技术改造投入较低：RPA建设不需要显著的基础设施投入，因为它仅涉及系统的表层，企业不需要改变底层技术；

5、高灵活性和可扩展性：每个机器人通常都能够执行多种类型的流程，当有更重要的流程出现时，系统又能够快速重新分配机器人。同样地，只要将流程定义为软件机器人可执行的一系列指令，就可以设定于特定的时间执行，并且可以快速部署机器人；

6、高效存档记录备份能力：相比员工，机器人的工作更容易被监控和存档记录。如此便意味着在工作流程中产生的高价值的数据和工作日志会被更好的保留记录。而这也更方便企业进一步从中分析并挖掘后续的商业价值；

7、客观的投资回报效应：RPA的投资-回报期限短，可量化效益明显。根据德勤RPA专家的经验，通常RPA短则1季度，长则不超过1年必定实现投资回报。而BCG数据也证实：通常而言，RPA帮助企业减少20%-80%的成本，在实施的一年内即可达到盈亏平衡。

RPA发展方向以及结合人工智能技术的IPA

Gartner数据显示，在过去的一年中，全球范围中大型商业巨头里有300家陆陆续续开展了RPA工程，将原先手工化的流程进行自动化改革。到了2020年，全球40%的商业巨头会拥抱RPA技术（虽然这普及率就目前而言不到10%）。整体销量方面来看，RPA软件的最终用户开销将以41%的复合增长率递增，并在2020年达到10亿美元。此外，在RPA种类上 ，数据显示3年后，25%的RPA用户将会同时采用多种类型的RPA软件以及多种不同的人工智能工具。对于RPA卖方而言，随着产品技术的日渐发展，RPA将由目前的单一功能转向多功能演变，而用户与市场的逐步成熟则会带来较大的价格压力。

可以预想，商业社会对流程自动化的功能性期望将与日俱增。而至于RPA究竟会朝着什么方向演变，各大研究咨询机构不约而同的指向IPA，即智能流程自动化（Intelligent Process Automation）。它是RPA和领先人工智能技术的结合，相当于在基于规则的自动化基础（RPA）之上增加基于深度学习和认知技术的推理、判断、决策能力。

根据麦肯锡报告以及德勤专家访谈的归纳总结可得出：在未来，完美的IPA应用应体现以下几大核心技术特点：

1、机器人流程自动化（RPA，Robotic Process Automation）：如上文所述，RPA自动完成有规则性的、重复性的枯燥流程。它是一种基于事先流程梳理及规则编写并以此执行对应行动的科技工具，其本身并不具备自我认知或学习能力。换句话说，RPA是基础，需与其他技术手段相整合，方能实现IPA及其优势所在。

2、机器学习：是一种用来设计复杂模型和算法并以此实现预测功能的方法，即计算机有能力去学习，而不是通过预先准确编写的代码。它能够基于对现有结构化数据的观察，自行识别结构化数据中的模型，并以此来输出对未来的结果预测。

3、自然语言生成（NLG, Natural-Language Generation）：计算机具有人一样的表达和写作的功能，它遵循规则将从数据中观察到的信息转换成高质量的自然语言文本。例如自动识别会议邮件中的主题标题、数字地名、人名地址并生成行程表备忘录；或者识别出合同条款关键内容并将摘要的重点生成列表。

4、认知智能体（Cognitive Agents）：这是一种结合了机器学习和自然语言生成的技术，并在此基础上加入情绪检测能力并以此做出判断、分析等功能。换句话说，机器会像人一样“情感共鸣、精神共振”，真正成为一个完全虚拟的劳动力（智能体）。在一家英国汽车保险公司的案例中，用户采用了认知智能体技术辅助业务人员作业，提高了客户满意度并加强了保险验证的精准度，使客户转化率提高了22%，验证错误率降低了40%，整体投资回报率达到了330%。

综上可见：IPA执行任务时候，将在RPA的基础上，更加发挥出“人”的要素。回到前文的客服案例中：使用了IPA技术后，客服机器人不仅是向客户反馈查询结果，它会做到“更懂”客户。

情绪检测能得知客户的心情如何（比如是焦虑是不满还是愤怒），并以此为判断要素来选择有针对性的言语辞藻（对焦虑客户的回复或许是“您大可不必担心”，对愤怒客户的用词则会是“请您息怒”）。结合自然语言技术和机器学习来分析并完善客户标签（譬如对于信用卡在某A商户品牌的使用事项上，就深入细节询问并结果追问关联性问题的客户，标以“健谈”、“小心谨慎”、“精打细算”、“A商户品牌粉丝”），得出对客户的行为预测并生产备忘录，方便此后的精准营销等策略。

因此通俗来讲，如果说 RPA是一个从不思考、交代什么就做什么的一般员工，那IPA则更像一个不仅能完成交代的任务，还会察言观色、勤于思考、擅长总结的优秀员工。

当然，德勤、安永等咨询专家也坦然表示，就许多企业客户的流程管理与系统的基础能力现状来看，仍存在着大量的基础建设工作有待开展。而打造智能流程自动化所需的其他核心技术例如认知智能体等也尚停留在雏形阶段。因此，机器人流程自动化的市场需求，在未来5~10年内将仍以RPA为主。

先驱者的风采： RPA市场概况与领先案例

自问世以来，RPA作为企业流程及人力资源管理的重要突破口，备受各行各业的多方关注。其中的宝贵经验值得其他同业借鉴参考。

就RPA供给市场来看，由于国内起步较晚，市面上的主要参与者仍以海外为主。其角色大致可分为三类，即：提供顶层设计建议的咨询机构、提供集成方案的系统集成商、以及提供RPA生产平台的产品供应商。不同的角色之间通过不断的业务合作及项目磨合，逐渐产生自身特有的解决方案。

在金融行业，以国外领先商业银行为首的先行者早已在不同的应用领域中尝试各类RPA的试点工作，并取得了令人瞩目的成绩。

通过上述领先商业银行的案例分享可以发现，当前RPA的热门应用领域主要集中在零售小微个贷、集中运营大后台等具有较强的规则性、重复性的作业流程。

多数案例中体现的流程简化、成本控制等效应也呼应了前文所述的解放生产力、回报周期短等优势利益所在。

而同样作为金融行业的重要参与者，保险企业也正快马加鞭地积极构建RPA能力以提高企业竞争力。

该寿险企业案例所体现的，是大刀阔斧地通过IT、账务、结算等多个同期RPA项目加快中后台流程运营改造。作为一家传统老牌国字号企业，其改造力度与实施决心在同业内受到热烈关注。

在非金行业，RPA同样取得了重大突破。通过与外部行业专家的走访调查发现，机器人流程自动化在财务报销、内审合规等领域已崭露头角。

我国RPA应用尚属于起步阶段，而海外各类领先实践为本土RPA发展提供了许多可圈可点的借鉴经验。在着手RPA能力建设前，企业管理者需明确的是：RPA建设是在运营流程改造的大背景下进行的，然而国内国外企业发展往往有着不同的变革经历，在运营流程的管控机制、人员配置等要素上会不尽相同。因此基于运营流程改造的RPA建设也要做到有机结合：既要积极借鉴国外领先实践，又要充分考虑本土发展现状，切不可生搬硬套、照本宣科。

RPA工程的建设大体可分为两个阶段：评估筛选阶段与实施推广阶段。

首先正在第一阶段基于流程成熟度、预期绩效提升等维度来评估筛选RPA候选流程并准备对应材料、动员相关部门团队。在保持沟通顺畅的前提下，通过流程演示等传达方式，确保每个利益相关方都能对RPA的预期有充分的认识。随后，需选择试点场景并对其中的业务规则等做进一步梳理并细化有待RPA解决的问题流程。

在第二阶段，首先应以结果及受益范围作为最终实施目标设计RPA方案并进行RPA制作，即在RPA制作平台上（通常由第三方厂商所有）将流程改造的语言转化为符合RPA逻辑的编程语言。

在完成机器人测试后进行部署，于运行后进行检测评估，并对有待完善的机器人进行新一轮的优化工作，以此循环直至取得符合既定目标的RPA成果。

然而，由于其性质的特殊性，RPA工程在实施过程中难免会遇到诸多问题及挑战需要密切关注。

例如就前期决策而言，存在着“太多流程参与者但缺乏流程决定者”、“自上而下还是自下而上的实施策略”等问题。

在工程落实过程中可能遇到“在诊断梳理阶段缺乏前瞻性分析导致实施中的RPA与原有的业务规范、人员配置、业务权限等机制有所冲突”。

就后期试点推广工作而言，存在着“究竟由谁来负责全机构范围内的RPA推广工作？是由业务经验丰富、熟悉作业流程的业务部门负责？还是由系统编程较强、技术能力突出的IT部门来牵头？”、“是否存在由于更换RPA厂商而导致产生过高的交易成本”的问题。

而这些决定RPA项目最终效益性和落地性的考量要素，恰恰又是实施RPA工程的企业往往忽视的因素。

关于RPA的成败，引用专业咨询机构RPA专家观点即：制造RPA的难度远低于其推广落地的难度。

未来展望：RPA究竟会走多快，跑多远

RPA的主旨是解放劳动力，让员工从单调重复、枯燥乏味的操作型工作中得以解放。然而，市场上仍存在一种普遍忧虑观点：“RPA会抢走我们的工作、我们会被机器人取代”。这种顾虑随着机器人在近年各项人机对比中的耀眼表现，正被逐步放大。

诚然，机器人取代规则化、重复性的低价值劳动任务是大势所趋，但不可否认的是：机器人技术不仅解放员工的时间和精力使其去从事更多高价值的工作，更会创造诸如机器人管理、人机合作类职能岗位的大量潜在需求。（就好比当初，个人计算机的普及并没有让人类失业，反而促进了艺术、金融、教育、传媒、信息技术等各种领域的自然劳动力需求。）

因此，社会与企业的关注点，应更多地放在如何高效便利、友好和谐的人机协同机制体系上。而这，将最终决定RPA究竟能走多快，跑多远。

回看2017年，票据市场掀起变革、集中、转型的三股巨浪。虽已年终岁末，行业交流论坛热度不减。2017年12月2日，由汇票线、兴业数金主办，票金所、融资线、浙江共工金融、上海知谦律师事务所协办的“中国互联网票据发展论坛”在上海召开。

本次论坛不仅云集同城票据网、深度票据网、票友邦，章鱼云商等主流互联网票据公司，更邀请到了建行、中信、国泰君安、农信等金融机构，以及乾银、君财等票据行业的“老兵”。

在央行“224号文”的强力推动下，电票市场发展迅猛，当前电票的开票金额已经大幅超过纸票，票据的电票时代已然到来。

兴业数金总裁助理陈旭群在开幕致辞中指出，票据行业已出现“三主”新趋势：

第一个“主”是电子票据成为商业汇票的主流；

第二个“主”是商业承兑汇票有望成为票据市场的主角；

第三个“主”是央行票交所已成为票据市场的主导。

▲兴业数金总裁助理 陈旭群

“为了抓住这个风口，通过与兴业数金合作，汇票线于今年推出了汇票线在线交易平台，平台将寻求产品差异化，建立可持续性的盈利模式，靠品牌与服务获得客户的认可。”

▲汇票线创始人 徐顺

论坛上，兴业数金普惠金融事业部总经理毛强华针对票据发展做出了更详细的阐释。他在演讲中表示，电票时代，假票、克隆票等问题解决了，银行柜台验票和客户经理上门验票的压力也大大减轻，但随之而来的企业与企业间票据流转中双方互不信任的问题就显得十分突出，企业间票据流转始终面临“先打款还是先背书”的困境。

此外，毛强华总经理还分析了在票交所影响下票据经纪的生存问题，并就如何生存提出了票据经纪未来重点将在贴现前端，并揭示商票业务存在的巨大机会，同时强调票据经纪业务办理应坚持四大原则：科技引领、拥抱监管、风险可控和各显神通。

▲兴业数金普惠金融事业部总经理 毛强华

随后，招商银行总行票据业务部副总经理李明昌教授概述了2001-2017年票据发行与交易市场的情况，指出政策利好、经济趋稳、价格下行是票据市场票量回升的主要条件，并指出票据市场向贷款票据化、票据电子化、交易集中化、流程一体化发展的新趋势新特点。

▲ 招商银行总行票据业务部副总经理 李明昌

为了抓住电子票据发展的这一趋势，兴业数金于2016年中旬正式进入电子票据领域，推出的执剑人-电票保平台。该平台集“见证、代管、支付、签约”四大功能于一体，能有效解决企业间票据流转中的不信任问题，真正实现“仗剑诚助天下票，抱朴共享普惠人”，致力于为票据行业各参与主体提供服务，促进我国票据市场的健康发展。

经过2017年多次行业高峰会议、论坛和众多成功实践的案例，也可以看出兴业数金执剑人-电票保作为票据见证资金代管平台，具有前瞻性和战略性的探索意义。

最后，附上本次论坛的主题演讲和互动问答环节的花絮图~

票据中介合法性的变迁及经典案例

▲ 上海知谦律师事务所主任 朱鑫鹏

互联网票据发展及未来机遇

▲ 票友-票据圈儿那些事创始人 郑超胜

▲ 兴业数金参会人员合影

▲ 论坛参与人员合影

兴业数金首款资产配置机器人即将上线！

产品11月份最新业绩披露，邀你验收！

时光荏苒，转眼又是一年过去啦！2017年的最后一个月来临，也就意味着银行的年终决算马上要到了。12月31日，在银行从业人员眼里，无疑是最紧张、最忙碌的一天。他们需要在这天将一年来的所有账目结清，所以这一天被称为“年终决算日”。

年终“结账”并不是一个小工程，涉及银行众多的部门和人员，所有人一年来的努力和拼搏都会在这天有所体现。为迎接即将到来的年终决算，兴业数金金融云事业部的小伙伴们精心备战，火力全开。

兴业数金金融云事业部承担着“年终决算”当天技术系统平稳运行的保障工作，为合作行的正常运营支起了强大的后盾。12月2日，金融云事业部搭建演练环境，调整参数进行模拟演练，以保证正式决算时不会出现任何误差。

兴业数金的程序员们以保障流程畅通、系统稳定为主要目标，提前进行决算演练，进一步检验了系统的稳定性，确保即将到来的2017年年终决算顺利完成。

2017年第一批年终决算演练进度如下：

让我们为辛勤工作的同事们点个大大的赞！

11月23日，兴业数金数据产品研发团队负责人李雪盛受邀参加《金融电子化》打造的全新互动直播平台——连线“赢”行家节目录制。本次内容以金融区块链为主题，探索金融场景创新和商业价值落地。此次录制将于11月30日星期四19：30播出，敬请期待哟。

在访谈中，李雪盛主要从四个方面对金融区块链做出了解读，今天预告一部分内容，让大家先睹为快。

访谈剪影

Garnter做出过战略猜想：到2020年，AI（Artificial Intelligence）将成为30%CIO的首选；到2021年，AI相关的服务将进入主流应用，30%的大公司都会应用AI。AI“袭来”，而你却还不知道AI和IAS的区别？

AI 与 IAS 有何不同？

基于AI的解决方案和服务是IT和商业服务领域的主要趋势。虽然这些解决方案吸引了很多的关注，但市场对此仍然存在困惑。部分原因是用来描述这个领域的词汇太多，比如Autonomics， 自动化(Automation), 机器人流程自动化(RPA)，认知(Cognitive)和人工智能。

Gartner用AI来代表所有和研究规划、推理与知识表示、认知与学习、移动和操作、自然语言处理和机器学习等相关的技术领域。其中，机器学习只是一个相对于其它技术发展更快的AI子技术领域。此外，Gartner使用IAS来代表所有使用AI技术的商业应用、基础设施和流程解决方案。

IAS包括很多与AI相关的策略、技巧、工具和技术。它的优点在于能够减少技术服务商的内部成本，提高服务质量，提升服务交付速度，减少或替代人工劳动力。与此同时，它能够帮助客户确定使用案例，选择技术，收集数据、建立和训练模型，部署解决方案，减少风险，将流程智能化。

正因这些解决方案的复杂性与迷惑性，技术产品负责人面临许多困难。比如怎样在如此多的领域中选择AI解决方案，怎样将AI解决方案差异化，怎样升级AI产品，怎样确定资本回报率等问题。

如何选择 IAS 解决方案？

图1 技术产品负责人定位智能自动化服务需要采取的步骤

技术产品负责人可以从以下四个领域来定位自己的产品：

1、提升和优化操作

     IAS可以通过提升和优化操作来提高组织效率。

2、财务影响 

     IAS可以通过预防问题的发生，从而减少操作成本，提升收益。可以应用在贷款风险管理，欺诈检测，预测信用失效，提高信息风险评分等方面。

3、提升客户参与度

     通过拟人化的服务，AI解决方案可以提升客户体验，还可以减少人工的错误。可以应用于声音或人脸识别，将一些服务自动化、拟人化。

4、强化安全与管理风险

     IAS可以应用在安全架构的四个阶段：防护、检测、应对和预测。比如欺诈检测与管理、声音或人脸认证、法律与合规等。

图为4个客户影响类别

除定位产品外，在每个领域建立客户案例库并明确其价值与风险是非常重要的。首先， 根据行业来建立一个IAS在四个领域的案例库；其次，估计每个案例的影响与价值；最后，建立一个资本回报率评估框架。

为什么要这么做？在当今以数字为导向的商业世界里，一切都是为了生意。在每个IAS应用领域，其价值与风险都必须明确。

那么，如何去评估呢？客户的价值可以通过评估已解决的业务问题及其影响的KPI（关键绩效指标）来确定，以此评估在整个组织内部的收益，比如提升用户体验、减少成本及对现金流的影响。将所有这些点结合起来，从整体上，可以得出一个总体的收益。

同样，风险也可以通过量化下面关键的一些挑战来评估。具体步骤如下：

1、与客户一起讨论确定IAS应用案例；

2、对潜在的收益与风险有一个全局的把握，一个清晰的战略价值风险地图（图2）可以帮助确定业务案例和估计资本回报率；

3、确定潜在的价值参数，这些参数帮助确定项目的目标；

4、对服务商提供更多的信任。

图为战略价值风险地图

  衡量成功的标准与 KPI（关键绩效指标）

将智能自动化服务的结果与企业关键绩效指标挂钩能够使供应商和客户的对话更有价值，且更易进行深入的交流。这意味着预先确立衡量四个影响区域的成功标准或KPI将创造更多的价值。如果想要尝试将IAS的使用结果与KPI相关，可以使用表2的方法，按类别来定义和度量。

表2 影响类别和说明性KPI的举例

如何做出产品差异化？

从竞争的角度来看，IAS领域已经是一片红海。在这个领域找到良好的基本服务提供者是可以期待的。但与此同时，服务提供商在他们的产品逐渐成熟的过程中，与竞品有所差异变得至关重要。这里提到了能够做到产品差异化的几个方面，技术产品负责人需要以此为基础使产品能够区别于竞争对手。表3列出可以差异化自身的范围和它们可以关注的具体领域。

表3 如何差异化AI解决方案和服务

注重解决方案的灵活性

人工智能技术正在迅速发展和成熟，业务需求的变化更加迅速。这些变化使得客户不断地适应和发展，所以供应商和他们的解决方案也必须与客户一起进化。大多数组织都在尝试用技术来衡量其商业价值和潜在的投资回报率。

考虑到这个区域的流动性质，服务提供者最好不要只专注于解决方案策略、市场营销计划、实施和参与方法的一种途径。相反，他们的方法必须保持一定的灵活性，尤其是在接下来的几年里。这样的灵活性可以使服务提供者适应市场上不断变化的需求和应用模式。此外，这能够让提供者在所有部门之间随机应变，例如从解决方案开发到市场营销，再到执行方法和接触模型。

保持灵活的状态意味着服务提供者愿意并准备好为进化的商业应用解决方案开发进行投资。从进入市场的角度来看，他们应该不断评估、颠覆模型。这些潜在的模型包括：

1、一个基于伙伴面向市场的模型。

2、 一个基于API（应用程序编程接口）的模型。

3、将解决方案嵌入竞品基于AI的平台中。

一个潜在的解决方案可能包含所有的这些模型。而最重要的是，服务提供商必须清楚地知道产品的哪一点吸引客户，如何去吸引客户，以此来及时调整产品进入市场的方法。

本文翻译自Garnter研究报告《How to Position Intelligent Automation Services in an AI World》，在不改变原意的情况下有删改。

区块链的概念越来越火热，不少成功的应用案例让很多企业跃跃欲试。那么，是不是所有企业都适合部署区块链？对成功的案例生搬硬套可行吗？一样的套路，真的会有一样的结果吗？这篇文章给出了答案。

目前市场上有两种不同类型的区块链架构：需要许可的和无需许可的，但实际情况要复杂得多。理解区块链的架构和组件可以帮助团队在开发区块链项目时做出合适的选择。

区块链技术是一种建立在分布式账本基础上，按时间排序、不可撤销且签名加密的交易记录。每一笔交易记录都包含一个时间戳和对前一笔交易的链接。在目前的技术版本中，这些交易记录会被分组成块并依次添加到之前块组成的链中。由于交易信息都被保存在分布式帐本中，任何一个有权限的人都可以追溯任意一个成员的历史交易。

然而，现阶段还没有一种架构方法或实现方式与区块链开发相关联。这就造成信息和交易访问、透明度和使用的复杂性(参见图1)。与分类帐的体系架构和平台组件同样重要的是，使用不同的方法将这些架构基于企业、行业以及更广泛的生态系统要求组合起来。

图1： 区块链结构的宏观概述

如何基于实际组合区块链架构？

首先，核心平台架构需要从构建比特币区块链开始，因为所有后续方法的根源都是这个初始设计。虽然比特币技术堆栈不符合大多数企业的需要(主要是工作量证明共识算法的低效，以及缺少弹性和规模)，但其中一些因素可以用在随后的非连接分布式分类帐架构中。

第二，企业需要承担和管理各种相互关联的、涉及核心区块链或分类帐平台范围外应用的交易流程。这就意味需要审查由其他因素组成的大规模解决方案架构，包括分析、报告和安全性，而这可能需要整合同一个行业甚至是不同行业的企业。

第三，商业平台的演变，以及市场生态系统的发展，意味着这些解决方案架构将需要在相互依赖的实体生态系统背景下进行拓展。

这些架构之上，是信任的叠加。这主要体现在不同的架构类型是如何被应用到商业案例中，并且通过这些案例的相互关联满足中心化和去中心化的要求(如公共网络和私有网络)。（有关不同架构部署类型的特性，请参见图6表格）

下文将从区块链平台架构的基本组件开始分析。为了便于分析和系统概述的目的，以下将使用区块链代替所有的分布式分类帐。

区块链平台架构的组件

分布式分类帐有多种架构形式，而区块链是这些架构形式中的一种。区块链是一种将交易记录分组成块并按顺序编译成一个长相关的数据链。然而这种架构方式也带来了一些问题。

区块链平台架构拥有多个组件(具体见图2)。对这些组件的实施和组装会根据应用和参与者的不同而不同。这些组件的复杂性从电子钱包到共识机制越来越高。而在代码设计和实施阶段的任何错误都将会给区块链平台的完整性带来持久的损害。

图2：区块链平台架构

本文首发于《中国金融》杂志2017年第20期。文章从金融与科技的融合趋势、API经济与开放银行的发展背景、开放银行模式等方面，全方位的探讨了第三方开放银行平台的模式和发展趋势。

从互联网金融到金融科技，金融与科技的融合趋势已经得到普遍认可。从时间维度看，商业银行与金融科技公司的关系在近几年发生了深刻变化。最初，银行与金融科技公司是相互独立发展的，银行主做线下，通过网点方式来服务，基本不会做长尾；金融科技公司则以电商平台+线上支付切入，服务于长尾，积累了诸多场景和客户，典型的例子如支付宝。

2017年以来，国内大型银行和互联网巨头的合作引起诸多关注，似乎一夜之间两者打破了之前的芥蒂。实际上，商业银行与互联网公司之间的合作由来已久，这一次它们能否找到最佳合作模式呢？银行和互联网公司都有自己的诉求，但是如果两方都能够真正站在“以客户为中心”的角度，以服务好客户为共同诉求，那么就有可能构建一种全新的生态秩序。

（银行与金融科技的融合发展趋势）

在全新的生态秩序中，每一个参与者都应当发挥自己的专长。银行和金融科技公司可以在客户服务流程的不同环节发挥各自专长、扮演好自己的角色。银行应当更加专注于金融产品与服务的打造和风险控制能力的提升，金融科技公司则致力于将各类专业金融服务无缝融入万千生活消费场景、融入各行业企业生产经营活动，发挥技术创新优势，给消费者和企业持续创造更便捷、更安全的服务体验。

将商业银行与金融科技公司各自的优势融合起来为客户服务，这是未来银行和金融科技融合最重要的趋势。在这一趋势下，银行和金融科技公司都应该意识到，首先必须让自己更开放，只有相互开放，才能实现真正的融合。

API经济与开放银行

2014年，Gartner提出“开放银行”的概念，并在此后不断完善其定义。Gartner认为，银行未来的价值创造将不再是对核心资产的保护，而将来自于核心资产的提供、分享和杠杆作用。开放银行通过与商业生态系统共享数据、算法、交易、流程和其他业务功能，为商业生态系统的客户、员工、第三方开发者、金融科技公司、供应商和其他合作伙伴提供服务，使银行创造出新的价值。

开放银行是API（Application Program Interface）经济浪潮下的必然结果。API经济是基于API（应用程序编程接口）技术所产生的经济活动的总和，是信息化网络时代产生的一种崭新的经济现象。供应方企业可以把自己的特定技术服务用API的形式开放出来供需求方企业或者个人来使用，又不用担心核心技术与机制细节遭泄露；而需求方则仅需从供应方处获取所需的API，而非自行开发研究该特定技术服务。

开放银行是API经济在银行业的具体应用，即指银行把自己的金融服务，通过Open API或SDK（Software Development Kit，软件开发工具包）等技术方式开放给合作伙伴乃至客户。比如一个电商平台希望银行为其客户提供账户查询、支付、消费贷款等服务，银行开放若干个金融服务接口供电商平台调用，那么客户就可以直接从该电商平台在线获得上述银行服务而无需再到银行办理。

这种情况下，银行是一种服务，而不是一种场所，银行在整个服务链条中位置后置。通过开放自身金融服务接口给第三方使用的这种银行，被称为开放银行。

欧美开放银行领先实践

当前，开放银行逐步从概念走向实践，在全球各地呈持续发展态势，其中欧洲、美国发展尤为强劲。开放银行在欧美呈现出两种不同的组织形态，一种是大型银行自主搭建开放银行平台，另一种是中小银行通过第三方平台的开放API，融入金融科技生态圈。

大型银行资金实力雄厚，技术资源充沛，有能力自主打造开放式平台，因而大多选择自建开放API，对接外部生态圈。如欧洲开放银行的领先者BBVA，2013年就开始以黑客松为载体向开发者开放数据和接口；2017年5月，BBVA的API接口对西班牙客户正式开放，首轮开放API 8个，其中6个属零售用户服务（包括客户信息服务、账户与交易信息服务、支付和贷款等），1个为企业信息服务，1个是零售端多渠道数据整合服务。和BBVA相似，巴克莱、花旗、Capital One、美国运通等大型金融机构近年来也纷纷加入了开放银行的行列。

对于众多的中小型银行而言，因地域和客户群体所限，其对接生态、融入线上的愿望更为强烈，但其资源和能力有限，自建开放银行往往心有余而力不足，故通常会采取借助外力策略，寻找第三方平台为其提供定制化的开放银行解决方案，对接商业生态。因此，在欧美国家，第三方开放银行平台开始崭露头角。如德国Solaris Bank，其本身是一家纯技术公司，后申请银行牌照，但无传统银行业务，主要为电商、零售商、金融科技公司等企业提供纯粹的开放API服务，包括支付、电子货币清结算等。又如德国公司Fidor，除自营纯线上数字银行业务外，还通过开放API的方式，向企业和其他中小金融机构输出支付、线上社区运营等业务能力。美国公司Yodlee过去十年主要是通过整合多家银行的数据服务于零售客户的财务管理，但近年来已从B2C向B2B模式拓展，积极打造连接众多银行及金融科技公司的API聚合平台。

第三方开放银行平台的概要模型

（第三方开放银行平台示例）

底层是拥有牌照的中小银行等金融机构，提供诸如账户管理、支付、融资等基础金融服务能力，中小银行希望跟上层的商业生态系统进行对接，但囿于技术和能力掣肘，需要借助第三方平台。中间层即第三方开放银行平台，负责将底层金融服务与上层的商业生态系统进行对接，将基础金融服务组装为可被上层生态系统调用的服务。除依据不同场景聚合、集成基础金融服务组件外，第三方开放银行平台亦可在基础金融服务中融入人工智能、区块链、物联网等各类新技术，或者结合银行端的金融交易数据和场景端的客户行为数据创造新的金融风控模型，使得金融服务更加强大、更加精准。最上层为商业生态系统，金融科技公司、电商平台、行业服务平台、供应链核心企业、第三方开发者乃至个人创业者均可快捷、安全、合规地调用中间层平台所提供的金融开放API接口，获取相应的数据，开发创新应用，在其构建的各类商业场景中为其客户无缝提供金融服务。

这是一个开放、连接、共赢的生态模型。第三方开放银行平台基于模块化的开放API，在金融机构和商业生态之间架起中间桥梁，帮助金融机构有效对接各类商业生态，利用场景创新能力获客导流，同时帮助各类商业生态参与者快速利用金融机构的专业能力，为客户提供切合需求的、合规的金融服务。第三方开放银行平台自身可以通过基于用量的API使用费以及进一步提供数据服务和信息分析获取收益。显而易见，第三方开放银行平台成功的关键在于一端连接更多金融机构，一端连接更多商业生态系统。

第三方开放银行平台的实践探索

兴业数字金融服务（上海）股份有限公司（以下简称“兴业数金”）是兴业银行旗下的金融科技公司。兴业数金继承了兴业银行“银银平台”的科技输出业务板块作为主营业务，目前，正围绕银银平台十多年耕耘的客户积累，积极探索第三方开放银行平台建设。

兴业数金打造第三方开放银行平台具备较好的基础。

一是兴业数金具有银行资源优势。兴业数金依托兴业银行集团在金融同业业务的业务积累和渗透率，在银行端拥有独特优势，兴业银行银银平台合作法人机构已超1000家，而兴业数金自身的金融行业云服务已积累了超过300家中小银行客户、400多项从基础设施到解决方案的服务品种，科技能力扎实，银行客户资源丰富。

二是兴业数金可借鉴兴业银行集团在部分细分领域先行先试的经验。兴业银行在“互联网+”浪潮推动下，近年来显著加强了融入商业生态系统的探索，如企业金融领域的收付直通车、融资直通车、财资直通车等三驾直通车已切入各类细分领域场景。

三是兴业数金已积累一定的第三方开放银行平台技术基础。兴业数金成立以来即着手搭建和运营DFP（数字金融+）平台，以账户中心、资金存管、支付中心、大数据分析组件等为起点，成熟一个集成一个，通过服务组件的积累已初步搭建起第三方开放银行平台雏形，并积极地与外部科技公司、行业平台及供应链核心企业合作，在此基础上对接商业生态系统，渗透企业和零售客户场景。

目前，兴业数金正积极探索通过第三方开放银行平台模式，帮助合作银行对接更多的行业服务场景。以物流行业为例，数金开放银行平台将通过平台的各类基础服务组件，结合物流行业具体业务场景构建诸如运费结算、代收货款等一系列专门适用于物流行业的“行业金融组件”，再将这些行业金融组件开放给各家物流行业核心企业或SaaS服务平台调用；同时，基于逐步积累的物流行业经营信息，平台还可运用新的智能风控技术为中小物流企业提供聚合融资服务。这里所说的聚合融资，是指第三方开放平台连接了多家合作银行，有条件依据不同企业的融资需求和征信情况，匹配不同风险偏好的银行贷款资金。

作者系兴业数字金融服务（上海）股份有限公司总裁  陈翀

本文为原创文章，未经授权，不得转载，否则将追究法律责任。

11月7日，上海市科学技术委员会公示2017年度上海市第二批拟认定高新技术企业名单，兴业数金名列其中。

为了扶持和鼓励本市高新技术企业的发展，根据国家科技部、财政部、国家税务总局颁布的《高新技术企业认定管理办法》和《高新技术企业认定管理工作指引》，上海市科委、上海市财政局、上海市国家税务局、上海市地方税务局于2008年8月1日起，在上海市范围内正式开展高新技术企业评估认定工作。

说到高新技术企业这个词，大家都不陌生，但高新技术企业的具体涵义可能不是人人都了解，小编来当搬运工普及一下。高新技术企业是指在《国家重点支持的高新技术领域》内，持续进行研究开发与技术成果转化，形成企业核心自主知识产权，并以此为基础开展经营活动，在中国境内（不包括港、澳、台地区）注册的居民企业。

高新技术企业的认定标准较高，主要从企业业务规模、人才结构、核心关键技术、主营业务自主知识产权、研究开发投入、高新技术产品（服务）收入、企业创新能力评价、企业运营稳定性等多个维度进行评估。最终根据知识产权、科技成果转化能力、研究开发组织管理水平、企业成长性这四项评分来确定是否获评。

兴业数金在成立两年内就通过高新技术企业认定，是对兴业数金成立以来整体经营和技术力量的肯定。

成立于2015年12月的兴业数金，是兴业银行集团面向中小银行、非银行金融机构、中小企业提供金融信息云服务的最主要平台，同时也是兴业银行集团开展数字金融业务创新探索的最主要平台。

自成立以来，兴业数金不断成长，优化创新。此次认定，是对兴业数金整体经营、研发水平和技术力量的认可。同时，根据管理办法相关文件，兴业数金将享受高新技术企业认定后的若干政策优惠，为今后兴业数金在高新技术方面的发展奠定了更加夯实的基础。

兴业数金首款资产配置机器人即将上线！

产品10月份业绩披露，让大家先睹为快！

兴业数金资产配置机器人（Asset Allocation Robot，以下简称“AAR”）以国内公募基金为标的，由基于递归神经网络的算法模型驱动生成基金投资组合，结合投资者行为标签进行用户画像，自动推送给投资者适配组合，包括大类资产类型及子类资产基金的配比，并自动跟踪市场变化，对资产配置和投资组合进行动态再平衡。

最新配置结果：基于截止10月底的基础资产市场信息，AAR给出的分类配置结果如下：对经用户画像后识别出的低风险投资者来说，其大类资产配置以货币和权益类基金为主，货币基金居于绝对主导（占比88.3%）；对于识别出的中风险投资者来说，AAR大幅降低对货币基金的投资（占比64%），增加对权益类基金的投资；而对于高风险的投资者，AAR以权益类基金投资为主（占比94%）。固定收益类资产在货币政策中性偏紧的大环境下全年表现低迷，已经被自动调出各类投资组合，而以黄金为代表的另类资产目前仍处于震荡行情，AAR对此持观望态度。

最新配置业绩：最近一个月，AAR对识别为低、中、高风险层级投资者推送的组合分别获得1.01%、2.35%和6.1%的累计收益率，同期沪深300、上证综指、中证500累计收益率分别为3.21%、0.56%和-1.77%；AAR三类投资组合的最大回撤分别为0.12%、0.19%和0.32%，而沪深300、上证综指、中证500最大回撤分别为0.44%、0.78%、3.12%；AAR三类投资组合的年化波动率分别为1.31%、2.51%、7.25%，而沪深300、上证综指、中证500指数年化波动率分别为4.30%、3.70%、10.08%，AAR在获得较高收益同时体现了很好的规避风险的能力。

AAR研制综述

1、AAR特点

算法驱动：AAR将大数据、机器学习算法、量化分析模型相结合，完全在算法模型和数据的驱动下生成大类资产及子类基金的配置结果，自动确定各资产组合中基金的类型及数量，无须人为决策因素介入。

个性化配置：AAR从风险层级、预期收益、流动性需求等多维度对用户进行识别和画像，实现对不同类型用户的自动识别，AAR根据用户特征自动生成定量的适配投资组合，真正实现千人千面。同时，投资组合还会根据用户属性及金融市场的变化进行动态调整，始终确保推送给用户最适配组合。

图 1：AAR全流程自动化配置