在Fintech时代，以数据科学思维和方法对数据进行结构变换、提炼降维、数值计算和转化映射等工程化处理，使数据与业务场景更紧密地融合起来成为具有应用价值的资产，从而基于数据资产构建能有效解决业务痛点的算法模型，形成数据、算法协同驱动的人工智能科技产品及智能化的分析咨询服务，是当前金融科技公司提升业务创新能力、增强市场竞争力的重要路径。

对于数金公司这类提供金融信息服务的数字金融企业来说，打造自有、专属的数据资产更加具有重要的战略意义。作为数据资产建设的切入点，构建面向金融市场的动态因子库有助于夯实公司智能化产品的数据基础，增强公司数据资产的厚度。在此基础上通过不断积累与扩充，形成真正意义上不断滚动增值、持续更新、具有应用价值的数据资产将极大地提升公司金融信息服务的深度与广度。在智能金融时代，以场景数据的工程化作为着力点，把算法原理与数据科学紧密结合起来，推动数据资产建设工作，将有力地促进数金在金融科技领域的探索、创新与突破。

智能化动态因子库建设是算法金融实验室在人工智能选股领域进行探索、尝试过程中完成的一项数据资产建设工作，通过这项工作，我们积累形成了从零开始的建设数据资产的一套方法、体系和经验，为进一步研发各类基于机器学习思想构建算法产品树立了范例。本文以此项数据资产的建设为背景，重点介绍数据资产建设的架构设计、关键问题及解决方案等。

一、数据资产开发的重要性

在整个人工智能算法产品、服务的研发过程中，数据资产开发所涉及的数据导入、清洗占很大的工作量，之所以要投入那么大的人力资源在基础数据资产的开发是因为对于AI技术驱动的人工智能产品或者服务来说，如何从具体场景服务端切入，进行数据工程化处理及围绕场景变化进行数据的深加工，从而开发出高质量、适用性强的数据资产，往往是这类产品研发的基石。

基于特定场景的数据资产开发与在此基础上算法模型的智能优化是智能化算法产品研发的两个重要方面，这两者是相互作用、相互影响的，但相互影响、相互作用的过程有所不同。

在完全信息博弈的框架下，比如围棋这种确定性优化问题，算法模型的预研比数据资产开发本身显得更基础，重要，更优算法可以更快收敛，避免了全局搜索。

图1：全息博弈（如围棋）

但在不完全信息博弈框架下，比如金融市场投资、特别是智能化选股领域，数据资产的开发比算法模型的选择要显得更基础、更重要。金融市场充满不确定性，没有高质量的数据资产及精细的特征工程作支撑，精巧的算法模型效果也会大打折扣。

图2：不完全信息博弈（如证券投资）

正因为在金融市场投资领域数据资产的开发建设对建模效果至关重要，我们以动态因子库建设作为金融市场数据资产开发的切入点，构建并不断完善属于数金公司的因子库数据资产，为数金的智能化选股产品提供稳定、高质量的数据支持，使算法模型更大程度地发挥其在资产分析、预测上的精确性，持续优化产品的性能表现，提升对客户的服务质量。

表1：数据资产的字典截图示例（部分）

二、动态因子库数据资产建设的基本情况

对于数金公司来说，动态因子库这一数据资产的建设基本上是从零开始进行开发，其工作量十分巨大，建设过程中往往会遇到各类问题，可谓困难重重，不仅需要用到数据库编程技术，还涉及大量的金融市场业务逻辑及投资思维，更重要的是只有具备将这两者结合起来的解决问题的能力才能推进这项工作。

算法金融实验室的金融建模团队从零开始，本着精益求精、准确无误的精神，依据金融市场业务逻辑及投资思维，基于金融市场数据对各种算法进行训练，分析、比较不同方案下模型的表现效果，判断因子的动态有效性，不断构建并形成新的有价值因子，并编译成结构化的脚本经过持续试错调整，终于建成一套基本完整的智能化选股动态因子库体系。该项数据资产覆盖基础字段、个股行情、财务指标、技术指标、异常状态、指数行情、行业数据等维度，共有近百个因子，未来还在不断的迭代升级与持续的弹性扩容中。

动态因子库建设是一项硕大的工程，其中架构设计最为关键。我们的算法工程师和金融建模工程师一道经过大量试错，巧妙设计了多层次、模块化的架构，实现了全量与增量一体化的批量更新机制，有效解决了动态因子库这类数据资产在更新机制设计上的难题，具体更新架构及机制如图3所示：

图3：动态因子库数据资产的架构及更新机制

架构固然很重要，但是光有框架是远远不够的。确定更新架构之后，就是更新数据的读取，这一过程中同样面临诸多的挑战。在算法设计及模型开发初期，可以从量化API终端直接读取因子表结构数据，但这种方式无法满足人工智选股模型对大规模数据训练及基础数据资产建设的需求，因此我们决定采购底层数据库，打破读取数据的限制。然而由于关系型数据库通常采用压缩的存储方式，并非直接的表结构，需要通过解压缩来转变数据读取的方式。一般而言，压缩率越高，解压缩难度越大，比如个股行情表相对比较容易，而个股行业、ST状态、指数成分股等高压缩比的表格展开难度很大，需要编写高度定制化的表结构转换函数，同时还需兼顾增量更新的兼容性。

表2：ST状态表（解压前）

表3：ST状态表（解压后）

三、动态因子库数据资产建设中的关键问题及解决方案

因子库建设的源数据来自于外购数据库，其本身各种数据表内生逻辑的不一致也大大增加了数据处理的难度。

一是数据项含义存有差异的问题，比如涨跌停状态表包含大量非交易日，需要单独剔除，而上市/ST状态表和指数/行业成分股表的起止日期含义不同，其中上市/ST状态不包含结束日期，指数/行业成分股则包括结束日期，这些细节在数据库厂商提供的数据字典里没有备注，需要进行多表交叉验证后才能确认。另外由于指数成分股的数量通常是固定的，需要破例采用固定列的表结构，每一列包含当日成分股代码，考虑到某些交易日成分股退市会导致成分股个数少于总列数，这时需要引入缺失值填充的容错机制。

二是财务类数据表的数据更新方式的问题。基础数据库中财务表的内在逻辑最为复杂，往期的财报信息更正会将过去的存量数据覆盖，导致增量更新的结果和重新全量提取的数据集从根源上无法保持一致，需要编写智能算法在抓取最新数据的同时自动过滤掉往前更正的数据，最大程度消除存量数据中的窥视偏差，同时避免增量数据遗漏，提高整体数据的质量。

三是各类数据表表格式的批量转换问题。为了使因子库具有通用性和开源性，兼顾此后的跨语言、跨平台的多策略模型的研发便利度，需要对所有因子表进行批量格式转换，将原来带时间序列的table类型转成开源语言可读的矩阵类型。由于转换后丢失了时间信息，需要对起始日期不同的表进行统一缺失值补足，这些批处理是通过编写高级宏语言得到实现。

四、动态因子库数据资产的持续运维支持

为了使作为我司重要数据资产的动态因子库正常高效的更新运转，算法实验室金融建模工程师们经过大量的编译测试、日志分析和数据集严格匹对，已将因子库建设脚本中的bug全部修复，每日增量更新正常，补充新的因子不会影响原有的庞大存量数据；这也说明我们数据库脚本的兼容性已大大提高，在不同版本的mysql下均能正常运行且结果一致。

由于外部数据推送存在不稳定的可能性，且数据库服务器的性能也可能出现问题，我们编写了脚本对因子库进行持续监控，并做好突发问题的应急预案准备，一旦检测到数据推送中断立即采取补救措施，全力保证因子库正常更新运行，避免其对产品开发测试及线上运营的不利影响。

动态因子库数据资产的建设是一项不断持续的重点工程。未来我们会在因子维度上作进一步拓展，一方面补充高频财务数据和舆情非结构化文本；另一方面引入特征工程的算法来智能提取特征，通过GPU的算力自动构建海量因子并进行非线性因果关系检验，筛选生成动态有效因子。不断丰富的动态因子库能够为不同时期的不同算法模型提供更多有效的输入，提高各类机器学习模型（包括深度学习模型）对股票市场的灵敏度和自适应性。

作者：兴业数金算法金融实验室

兴业数金研发打造的兴业银行集团首款股票机器人投顾产品——股海精灵机器人投顾 正式上线了。只需下载华福证券手机APP，进入机器人组合模块，就能体验智能化的股票组合推荐服务啦！

那么，这款机器人投顾究竟能给用户带来哪些新的体验呢？它又有什么的特点呢？就让我们一步步揭开它的神秘面纱。

机器人投顾的特点

01.千人千面

机器人投顾最直观的解释就是“把合适的资产推荐给合适的人”，也就是私人定制。

它主要是通过两套评价体系相结合的方式来实现，一方面通过问卷及数据对客户风险和行为特征进行分析，刻画用户属性；另一方面对资产风险收益进行衡量，挑选出有效的投资组合；最后将用户属性与资产组合进行匹配，使不同的人有不同的配置组合，形成千人千面。

千人千面原理图

02.全流程服务

对于完整的机器人投顾产品来说，它实现的并不只是投资咨询中的一个环节，而是一整套全链条服务。

广大个人用户在进行投资理财的过程中会遇到不知道购买哪些具体的股票，不知道如何分配资金比例，不知道何时进行买卖调整以及不知道如何确定调整份额等诸多痛点，对于投资环节中的这些痛点，机器人投顾基于前沿技术都能有效帮助个人用户解决。从用户评估开始，到组合推荐再到一键购买，最后到组合调整，它能够使这一系列的完整流程得到智能化、专业化的实现。

全流程服务图

03.服务？工具？还是金融衍生产品？

机器人投顾的英文名是“Robo-advisor”，翻译过来是机器人投资顾问，行使的是理财顾问的职能，提供的是理财建议服务，所以究其根本，机器人投顾是一个智能化的金融咨询顾问服务，不是去创造金融衍生产品。

它的目标并不是完全追求高收益，它更注重于帮助用户挑选适配的股票，平衡风险收益，进行理性投资；同时也帮助人们节省投资理财的成本，这些成本包括用户自己研究资产、跟踪市场的时间、精力等等。机器人投顾它也可以理解为是帮助人们投资理财的工具。

04.核心：AI算法+数据科学

机器人投顾的核心在于围绕金融市场投资行为所开发的专属数据资产，以及在此基础上训练、研发的场景化算法与模型，千人千面、组合调整等核心功能其实都是依托数据科学驱动的各类算法模型来实现的；成千上百个组合的生成以及对各个组合的单独跟踪调整也都是由智能算法模型来完成的。机器人投顾是数据科学、人工智能算法及量化分析模型相融合的产物，它以大量数据为开发基础，通过智能化算法学习数据特征，再结合客户维度信息生成最优适配组合，整个过程均由算法、模型自动实现，可以有效避免市场噪音、人为情绪等对投资决策的干扰。

因此，与部分投资个体根据经验人为挑选股票组合的投资策略相比，机器人投顾则是完全不同的投资决策方式，这种投资决策方式上的巨大差异也决定了机器人投顾与单纯人工投资策略之间存在着本质上的区别。

基于动态因子库的数据资产是机器人投顾产品建设中至关重要的部分，它直接影响着算法模型的最终表现效果。对于AI技术驱动的人工智能产品或者服务来说，从具体场景服务端切入的数据工程化处理及围绕场景变化进行的数据深加工，开发出高质量、适用性强的数据资产，往往是产品研发的基石。对于金融市场投资、特别是智能化选股领域等不完全信息博弈框架下，数据资产的开发比算法模型本身的选择要显得更基础、更关键。金融市场充满不确定性，没有高质量的数据资产及精细的特征工程作支撑，精巧的算法模型效果也会大打折扣。

人工智能算法对金融市场特征和投资行为的刻画与揭示方式是多样的，不同机器人投顾产品背后所蕴含的算法、模型与实现方法都可能存在着差异，即使基于相同的算法原理开发的模型也会对相同资产给出不同的筛选建议。这主要源自算法的场景化、数据的工程化和金融理论的实证化方面均存在或大或小的差异，每个环节对数据的选择处理存在的一系列差异造就了不同机构开发的智能化产品在“制作工艺”及“市场表现”方面存在的较大差别，这也是市场上不同智能化产品核心竞争力的差异所在。

例如，可以用马科维茨现代投资组合理论，对于不同的风险波动程度选取有效边界上对应的最优配置点；可以利用XGBoost算法，通过决策树迭代构建多个弱分类器，将弱分类器以串行的方式组合起来形成强分类器，从而对股票的涨跌概率进行预测，挑选出上涨概率较高的股票；也可以利用SVM算法，基于数据的诸多维度构建分类超平面，使不同类型的点到分割边界的最短距离取最大值，实现对涨跌样本的分类，从而进行对个股或大盘走势的判断。

XGBoost算法用于选股模型

神经网络用于资产配置

股海精灵机器人投顾

兴业数金股海精灵机器人投顾将数据资产、机器学习算法、投资理论、量化分析模型相结合，能够帮助广大个人客户解决不知道如何挑选股票、不知道如何及时进行买卖调整等诸多股票投资中的痛点，促进客户股票投资效率的提升。

与市场上大部分侧重于个股分析的投顾产品不同，数金股海精灵机器人投顾以股票组合推荐为主，将客户端和资产端进行匹配，根据客户特点进行差异化的适配组合推荐，同时随着市场变化动态调整、优化组合配置。通过利用人工智能算法技术，股海精灵能够同时满足大量客户的定制化需求，让客户以较低的成本享受到高效便捷的投资顾问服务。产品在以下方面能够给用户带来更好的体验：

1、个性化推荐。将用户的持仓时间、风险维度、拟投资金额等因素考虑进来，为用户提供个性化的股票配置。客户只需选择相应的维度，股海精灵将自动推荐与客户最匹配的股票组合，无需客户自行对股票进行挑选。当客户选择的持仓时间、风险偏好、拟投资金额等因素发生变化时，推荐的适配股票组合都会有差异，使股票组合与客户属性有更好的互通，与客户特征有更好的匹配。

2、全流程服务。提供从客户分析到组合推荐再到组合调整等全流程、自动化的服务，帮助用户节省选择股票、跟踪市场的精力及时间。股海精灵基于算法模型能够对生成的每一个组合进行监测，根据金融市场的变化动态调整股票组合。

3、 理性操作。根据算法模型对股票市场数据的分析结果给出操作建议，减少C端客户个体在市场上涨时兴奋狂热、在市场下跌时惧怕恐慌等非理性情绪导致的追涨杀跌等投机行为。股海精灵对影响股票价格的因子进行特征化处理，从影响股价的诸多因子中挑选出影响较显著的特征因子集，然后在特征因子的基础上利用机器学习算法训练选股模型，通过模型自动构建股票组合并进行动态调优，整个选股、组合及调整的过程完全在数据驱动下由模型实现，最大程度减少人为因素的干扰，能够避免操作失误及不理性情绪的影响。

4、风险平衡。股海精灵算法模型综合考虑股票的风险及收益，以风险收益平衡为出发点挑选股票组合，旨在使组合在中长期的投资期限内表现趋于稳健，并将股票组合与客户的风险属性相匹配；这种组合推荐的形式本身能够在一定程度上降低风险，避免因单只股票价格剧烈波动而导致的较大损失。

在科技赋能金融的背景下，兴业数金致力于为广大金融机构提供以人工智能算法支撑的信息咨询服务，给资本市场的广大 C端投资者客户在个性化选股、组合配置等方面提供智能化的服务体验，帮助其进行更加便捷和理性的投资，同时也助力金融机构实现客户服务模式的多样化、智能化改变，促进金融机构降低客户服务成本，提高服务效率，增强客户粘性，增加经纪业务收入。

6月2日，由《银行家》杂志社、中国社会科学院金融研究所财富管理研究中心等共同主办的中国金融创新论坛暨“2018中国金融创新奖”颁奖典礼于北京举行。兴业数金“数金云”产品凭借在金融科技领域的多项创新成果及应用，荣获“十佳金融科技产品创新奖”。

2018中国金融创新奖颁奖典礼现场

“中国金融创新奖”评选于2007年由《银行家》杂志发起，至今已成功举办10届，是金融创新领域最权威的评选之一。该奖项评选经过权威专家初选、二评、终评及大众网络公开投票等环节，历时3个月。

本次论坛以“新时代 新金融 新科技——科技助力金融服务实体经济”为主题，重点讨论新时代、新金融、新科技背景下金融科技助力金融服务实体经济的切入点和着力点，旨在探索银行业未来转型与创新的方向和路径。

近年来，科技进步对金融业发展产生重大影响，尤其是以云计算、区块链、人工智能等为代表的金融科技迅猛发展，正在创造新的模式、业务、流程与产品，加速改变银行的金融生态和应用模式。对于中小银行而言，在金融科技的资源投入和人才储备等均处于劣势的情况下，依靠自身力量较难破局，通过与金融科技公司紧密合作，则是中小银行快速获取先进科技能力，实现跨越式发展的最佳解决方案。

兴业数金“数金云”荣获十佳金融科技产品创新奖

面对各类金融机构的上云需求，兴业数金顺应市场，于2017年3月推出全新的金融行业云服务品牌“数金云”，为中小金融机构提供技术与业务相结合的、全方位、一体化的云服务。截至目前，“数金云”已累计服务超350家合作银行，有400项从基础设施到解决方案的服务品种，成为国内的银行信息系统云服务平台。

兴业数金一直以来致力于构建金融科技资源生态平台，提升金融服务实体经济和创新创业的能力和效率。此次兴业数金“数金云”获得十佳金融科技产品创新奖，是对“数金云”产品服务的认可和肯定。在未来，兴业数金将为银行业客户提供更加丰富的使用场景和更加灵活的解决方案，帮助客户节约成本、提高效率，帮助金融行业客户向智能化转型。

近年来，零售信贷不仅是大型股份制银行的立足战略，同时也成为许多中小银行希望寻找增量的发力点。然而，中小银行零售信贷长久以来受到消费场景、线上获客、运营能力、技术水平等多重制约，想谋发展并不容易。

针对中小银行在零售信贷领域产品创新不足、获客难、审批效率低、资金利用率低等问题，兴业数金开放赋能，精心打造互联网信贷核心产品——金东方信贷云，旨在帮助中小银行提升零售信贷和小微信贷业务效率，发展普惠金融。

金东方信贷云能帮助中小银行：

从零启动互联网零售信贷业务；

业务筹备期从至少半年缩短至1个月；

增强银行的业务创新能力、风控能力、获客和活客能力；

帮助合作银行快速增长零售信贷规模；

实现业务转型和创新。

截至目前，金东方已经接入多家城商行、村镇银行，场景合作端和金融科技生态端，其标准版本已经上线并稳定运营。

为进一步帮助合作银行业务快速转型、降低IT投入风险、深化业务合作，兴业数金面向合作银行推出“体验版”计划。“体验版”使用金东方信贷云标准业务流程和系统功能、与合作银行联合风控的云服务模式。体验版不支持定制客户化需求研发，由信贷云统筹规划系统功能升级。

参与“体验版计划”的合作银行可享受以下服务：

首年低服务费、在1亿元贷款规模内体验金东方信贷云服务；

在1个月内上线本行自营零售信贷业务全线上流程，实现业务转型；

“体验版”参与方式

①合作行提出接入意向、商务签约

↓

②分析产品需求及风控规则

↓

③信贷云配置及测试

↓

④业务上线

欲了解金东方信贷云畅享版、劲享版、尊享版等

更多服务计划

请联系

徐俊杰  13761561853

出色

又到了每月一次披露业绩报告的时刻！

兴业数金首款资产配置机器人

已经陆续公布过几份业绩报告

《机器人说 | 一款资产配置的神器，附业绩秘密》

《机器人说 | 再披露！资产配置神器最新业绩》

《机器人说 | 资产配置神器12月佳绩》

《机器人说 |又一份新鲜出炉的资产配置神器业绩》

《机器人说 | 又到了披露业绩的时候》

《机器人说 | 资产配置神器3月业绩报告新鲜出炉！》

今天，5月份的业绩报告也出炉啦~

快来看看资产配置机器人表现如何吧！

产品简介：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：基于截至5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类基金为主，适当配置权益型基金（17.65%），货币基金居于绝对主导（占比82.35%）；对于识别出的中风险投资者来说，AAR降低对货币基金的投资（占比47.82%），增加对权益类基金的投资(52.18%)；而对于高风险的投资者，AAR依然以权益类基金投资为主（占比88.89%）。

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0.46%、1.25%、2.16%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1.21%、0.43%和-1.82%；AAR三类投资组合的最大回撤分别为0.71%、1.80%、3.69%，而沪深300、上证综指、中证500最大回撤分别为5.12%、5.38%、6.73%；AAR三类投资组合的年化波动率分别为2.38%、6.71%、11.57%，而沪深300、上证综指、中证500指数年化波动率分别为15.85%、15.09%、15.95%，AAR在取得一定的相对收益的同时波动也更小。

一、AAR的大类资产配置结果

图 1：大类资产市场表现（截至2018年5月）

大类资产在2018年5月走势各不相同，外围贸易战的不确定性和国内金融整体严监管的大环境影响下，A股上证综指和沪深300保持震荡，而中证500跌幅则将近2%，而大宗商品本月上涨超过1%，债市和货币市场企稳微涨，AAR及时捕捉各类资产市场行情变化，对金融市场进行智能化认知、识别，自动调整各类投资者的资产配置比例。以下从大类资产的层面来看，AAR对不同类型投资者的持仓进行差异化动态调整的情况如下：

1、低风险层级投资者推送组合的历史仓位变化

图 2：低风险投资者推送组合的大类资产仓位变化

对于识别为低风险层级的投资者，主要配置收益较稳定的资产类型。随着货币市场走势的稳定，AAR最终配置比例为货币基金比重为82.35%，而权益型基金配置比重17.65%。

2、中风险层级投资者推送组合的历史仓位变化

图 3：中风险投资者推送组合的大类资产仓位变化

对于识别为中风险层级的投资者，AAR平衡不同风险类型资产的配比，在货币市场企稳、债市中长期利空的形势下暂不配置固定收益类资产，保持货币基金47.82%的高位配比和权益型基金52.18%的配置比重。

3、高风险层级投资者推送组合的历史仓位变化

图 4：高风险投资者推送组合的大类资产仓位变化

对于识别为高风险层级的投资者，AAR自动配置更多高风险的基金，考虑到近期股票市场存在较大风险，最终AAR配置权益基金的比重控制在88.89%，货币型基金的配比维持11.11%。

二、AAR各类投资者推送组合的业绩表现

AAR能对不同类型投资者进行识别，将用户智能分为10个风险层级，在预期收益和流动性需求一定的情况下，对各风险层级的用户进行不同的组合配置，也会有差异化的表现。

从2018年5月份当月表现来看，兴业数金AAR对识别为低、中、高风险层级不同投资者推送的组合分别取得了0.46%、1.25%、2.16%的累计收益，而同期沪深300、上证综指和中证500累计收益为1.21%、0.43%和-1.82%；从最近一年来看，数金AAR累计收益分别为4.78%、7.32%、15.74%，基准累计收益为3.19%、4.09%、8.44%，组合中长期的表现稳定跑赢基准指数，而且与各类基准指数相比，AAR配置组合的波动率大幅减低，体现了很好的稳定性和抗风险能力，具体业绩披露如下：

1、各风险层级投资者组合5月业绩披露

表1：各风险层级投资者推送组合-5月业绩披露表

2、不同类型投资者推送组合的表现及业绩归因

2.1低风险层级投资者推送组合的表现及业绩归因

图 5：低风险层级投资者推送组合近一年表现

图 6：低风险层级投资者推送组合近1月业绩归因

2.2中风险层级投资者推送组合的表现及业绩归因

图 7：中风险层级投资者推送组合近一年表现

图 8：中风险层级投资者推送组合近1月业绩归因

2.3高风险层级投资者推送组合的表现及业绩归因

图 9：高风险层级投资者推送组合近一年表现

图 10：高风险层级投资者推送组合近1月业绩归因

3、各风险层级组合近一年表现汇总

图 11：各风险等级组合与基准累计收益率对比（近1年）

图 12：各风险等级组合与基准最大回撤对比（近1年）

当我们谈及营销，最常见的问题是

如何让老用户流连忘返？

如何让新用户眼前一亮？

如何快速拓展市场、发展更多业务？

纵观金融业界，众多银行与平台都采取了各种各样的手段来深耕老用户、吸引新用户， 以期促使业务的全面成长，例如线上小促销、线下小礼品等。但正如大家常常经历的一样，并不是每一个小福利都让客户心动。如何通过平台让大多数客户获得让其满意的福利，实现营销目的？这是我们今天要聊的话题。

合作行们赶紧来pick一下~

5月28日，兴业数金与Gartner进行了一场开放银行与数字化业务平台的研讨会。

第三方开放银行平台是兴业数金分拆独立后的关键业务战略，就如何建设开放银行平台、丰富商业生态，过去两年来，兴业数金已先后与摩根大通、BBVA等全球领先金融机构进行了深入调研与经验互换。

国际顶级IT咨询机构Gartner在2016年率先提出开放银行概念，并进行持续的机构调研和平台研究。为研究中国开放银行平台业务生态，分析师Alistair Newton和Christophe Uzureau专程来到兴业数金。

Alistair Newton拥有28年金融从业经验，加入Gartner之前，Alistair供职于英国Abbey National银行，专注于数字银行，支付技术与战略以及金融机构创新等领域。Christophe Uzureau拥有19年金融IT从业经验，此前供职于IT研究公司Context，目前研究方向主要是数字银行转型、新兴技术对传统金融价值链的影响等，两位分析师同时是《2017年开放银行技术成熟度曲线》、《2017年数字银行转变技术成熟度曲线》、《2018数字银行体验入门》等前沿报告的作者。

开放银行平台概念图

区块链技术在金融领域实际应用的过程中，存在哪些困哪与挑战？在银行领域最大化发挥区块链技术优势的场景有哪些？对于区块链应用中出现的信息安全、合规、效率等问题，有哪些有效的解决方案......

近日，《共享财经》与兴业数金－－区块链应用项目经理王海腾进行了一次深度，就区块链技术在银行领域应用的相关问题展开讨论。

兴业数金－－区块链应用项目经理 王海腾

历时9个月，由邯郸银行与兴业数金通力合作打造的“新一代信息系统”，于2018年5月28日成功上线，这也是兴业数金首个以兴业银行核心V3为基础的科技输出项目群落地案例！

项目上线现场

从左至右分别为：邯郸银行科技部总经理助理 石伟、兴业数金总裁助理 李山河、邯郸银行监事长 王健康、兴业数金监事长 杨忠、邯郸银行科技部总经理 李铁军

“新一代信息系统”项目是邯郸银行对SGB系统、核心业务系统、信贷系统、数据支撑平台、统一监管报送系统、经营分析系统、互联网银行系统的一次全面升级。本次系统升级将大幅度优化客户体验、提升业务效率、扩展服务便利，为广大客户提供更加方便、快捷、优质的金融服务。

“基于与兴业银行集团长期以来的良好合作关系，本次新一代信息系统建设项目，邯郸银行与兴业数金一拍即合。”邯郸银行董事长郑志瑛表示。

邯郸银行董事长郑志瑛 （右）

邯郸银行与兴业银行集团的合作，始于2009年与兴业银行银行合作中心合作上线V1核心系统。九年来，作为邯郸银行的合作伙伴，兴业银行集团见证了邯郸银行坚持业务发展与风险防范两手抓、两促进，内抓管理，外抓服务，实现“区域化—集团化—规模化”的三大跨越。

 “信息系统上线是一项复杂而艰巨的系统工程，本次邯郸银行新一代信息系统项目成功上线，得益于邯郸银行行领导和各部门的高度重视，也离不开兴业数金项目组成员与邯郸银行项目组全体成员的共同努力。” 兴业数金总裁助理李山河在系统上线现场表示。

兴业数金作为整个信息系统建设的关键一员，从前期IT整体架构规划、架构设计与管控，到后期需求落地服务、现场开发与实施、投产指挥支撑等各个关键环节，全程陪伴邯郸银行新一代信息系统建设，再次见证一个核心项目群的成功。

项目从2017年9月正式启动，技术方面分为两期建设，共涉及系统建设119个，一期建设系统数总为105个，后续二期建设系统数为14个。一期项目完成整个新一代上线过程中1000多条指令，40000多条案例的分发。从架构支撑、项目管理、业务升级三方面进行全面升级，架构支撑方面，实现了以客户为中心，交易核算分离，多渠道协同支撑的架构体系，进一步提升了邯郸银行的信息科技架构管控水平。项目管理方面，统筹规划项目进度、统一调度公司资源，确保项目在有限时间有限资源保质保量完成。业务升级方面，可全面支持流程银行、客户差异定价、多层级账户体系、支持业务快速创新等体系，满足合作行监管合规、风险管理和精细化管理的要求。

项目启动前，兴业数金与邯郸银行进行深入交流，充分了解真实标准的客户基础信息，快速响应客户定制化要求，采取先进且成熟的需求分析方法，对邯郸银行行内渠道、对客服务、系统集成、客户信息、利率市场化产品、账户管理等8个关键架构领域进行分析，提出了邯郸银行未来的架构规划及新一代信息系统项目群实施路径方案。

凭借在金融领域的资深架构专业和丰富的项目实施经验，以前期的需求对接为基础，兴业数金快速明确各系统的定位及功能边界，对实施过程中系统间的问题进行决策仲裁，有效的推进系统功能的落地。同时，协助客户组建一支具备全局视角的业务和技术团队，有力的支撑新一代项目的顺利开展。

项目落地过程中，兴业数金交付团队与邯郸银行新核心建设团队并肩作战，在参与“新一代”需求分析工作，为项目建设提供需求支持的同时，为客户业务需求的连续性提供重要保障。

“邯郸银行新一代信息系统项目是兴业数金首个以兴业银行核心V3为基础的科技输出项目群落地案例，对兴业数金具有重要意义。”兴业数金监事长杨忠表示。

5月24日-25日，由《金融电子化》杂志社、云南省农村信用社联合社、农信银资金清算中心主办的“第十一届中国农村金融机构信息化发展创新座谈会”顺利开幕。中国人民银行昆明中心支行行长杨小平、云南省农村信用社联合社理事长于华、农信银资金清算中心副总裁刘永成等嘉宾出席会议，兴业数金总裁助理李山河受邀出席并发表主题演讲。

论坛现场

本次大会以“业务驱动、科技引领，推进农村金融创新”为主题，围绕金融科技发展热点领域及农村金融机构信息化发展现状，探讨农村金融机构的科技建设、科技应用、科技创新等难点热点问题，共享云计算、大数据、移动互联、人工智能等技术应用经验及趋势。

近年来，随着宏观大环境的演变发展，中小银行发展面临着巨大挑战。一方面，经济增速放缓导致不良率、不良余额双升，降低中小银行利率，另一方面，互联网金融竞争、消费线上化、多元化金融需求激增等对中小银行传统业务带来冲击，导致中小银行经营面临内部科技力量薄弱、资金少，外部获客成本高，竞争加剧的现状。

随着竞争加剧，部分中小银行意识到转型发展刻不容缓。过去几年间，金融科技对银行业务转型发展的巨大支持作用突显，一部分中小银行把握先机，率先利用新技术手段实现业务转型，正在逐步实现“弯道超车”。而由于中小银行在金融科技的资源投入和人才上均处于劣势，依靠自身力量较难破局，通过与金融科技公司紧密合作，是中小银行快速获取先进科技能力，实现跨越式发展的最佳解决方案。

兴业数金总裁助理 李山河

“目前，中小银行信息科技合作主要有自建与云服务两大模式，当前云服务的主要模式又可进一步区分为行业云与公有云。我们从运营成本、技术赋能、业务赋能、风险合规、持续增值这五项价值模型来看，中小银行与信息科技公司合作的三种选择，即自建、选择金融行业云、选择公有云相比较，专业的金融行业云具有明显的显著优势。”兴业数金总裁助理李山河在主题演讲“金融云助力农村金融数字化转型”时表示，“所以我们认为，专业的金融行业云是中小银行上云较为理想的选择。”

兴业数金一直助力农村金融数字化转型，提供从IaaS、PaaS到SaaS的全方位金融行业云服务。在基础设施层，兴业数金实现对Power服务器与X86服务器、集中存储与分布存储、传统网络与虚拟化网络的异构融合管理，通过云管理平台实现对这些基础资源的统一分配和调度，提供基础设施服务；在平台层，除数据库、中间件等技术性组件平台外，还提供区块链平台、人工智能平台、金融组件平台三大场景化PaaS服务；在应用层，可提供百余款面向金融行业的各类应用系统，比如核心银行类系统、渠道类系统等，以及基于大数据、区块链、人工智能等技术的创新类产品。截至目前，金融云服务签约客户数超350家，覆盖城商行、民营银行、村镇银行，提供400余项从基础设施到解决方案的服务品种。

未来，兴业数金将持续助力中小银行实现业务与信息技术的高度融合，致力于构建金融生态互联。

近期，兴业数金与天津银行股份有限公司（以下简称“天津银行”）就移动支付业务达成合作，本次合作主要围绕移动支付领域的软件技术接入服务及其他增值业务等项目展开。

天津银行是兴业数金移动支付业务团队继南阳村镇银行，遵义新蒲长征村镇银行等合作机构之后的又一重要客户。经过前期详尽的沟通和紧张的部署，2018年5月，天津银行移动支付业务正式上线。

培训会现场

上线前，兴业数金移动支付业务团队组织前往天津银行开展业务上线培训工作。此次培训主要就银行移动支付接入的业务模式、如何在最新的监管政策下转型升级等问题进行探讨。同时，培训还针对商户移动支付的实际应用场景进行了业务状态梳理，基于业务模式和场景对系统操作进行讲解。此外，兴业数金移动支付团队为天津银行员工就业务与系统的操作细节疑问做出解答，并对天津银行提出的个性化需求进行收集整理。

兴业数金移动支付产品负责人 王春葆

兴业数金移动支付产品负责人王春葆表示，移动支付产品是兴业数金的拳头产品之一，旨在为银行提供以一站式服务为核心的专属解决方案，以科技力量助力银行提高支付业务效率。

兴业数金作为移动支付接入服务商，为包括第三方支付公司、银行、商户的移动支付参与方提供技术及营销的一站式行业解决方案。此次与天津银行的成功合作，也是兴业数金在移动支付业务领域又一标志性的成功案例。

近年来，保险业增长空间饱和、竞争激烈加剧，行业进入微利时代。主动变革转型、谋求突围已迫在眉睫。如何打造新的突破口成为保险业必须面对的问题。

对此，与其保险业驾齐驱的银行业早已给出了借鉴参考：受制于利率市场化、金融脱媒等要素而导致营收利润增速放缓，银行业从很久以前便重新审视经营方针策略，开始构建并不断提升金融科技能力，以科技驱动业务的服务姿态重塑价值链。（往期回顾：《商业银行2017年金融科技盘点：大数据、区块链成主要关键词》）

 一、金融科技的细分，保险行业的颠覆

保险科技（Insurance-Technology，AKA：InsurTech）是指运用金融科技手段，优化保险公司的业务、产品及运营等经营能力。换而言之，作为一项细分领域，保险科技是金融科技发展到一定阶段后的必然产物。

在InsurTech生态中，传统保险公司和金融科技企业将不同的科技技术（例如人工智能、区块链、云计算、大数据等）应用到整个保险行业本来固有的生产经营过程里面，在一定程度上克服行业原有痛点，从而改进整个行业环境。

对于保险公司而言，这意味着保险业务各环节的颠覆性变革（产品设计、定价承保、渠道分销、后续理赔、技术系统等等），实现更高附加价值的新形态保险产品，覆盖传统保险未能服务的市场，降低内部运营经营成本。

二、投融情况盘点

通过对比五年间全球保险科技获投情况可以发现：我国保险科技正在逐步发力，其获投笔数在全球笔数的占比已赶超英国、德国等发达国家。此外，保险科技投融趋于慎重理性，早期投资与中后期投资比例由五年前的五五开变为如今的不到三七开。

保险科技作为金融科技的分支领域，在国内的起步较晚。主要投融活动在近三年开始集中发力。

而对于下一轮的投资方向而言，普华永道的全球报告预测显示：未来保险科技将更多地重点关注大数据分析、移动技术、流程机器人自动化等领域。

三、行业的升级、完善及革新

保险科技通过技术应用，围绕核心场景，重塑客群与服务模式，实现行业的进步完善、升级革新。就技术应用而言，大致可分为：大数据、物联网、人工智能AI、区块链、云计算。行业几大参与主体有：直接面向C端的保险平台、面向B端提供场景端技术以及其他赋能技术的第三方公司、以及针对A端代理人提供Agent类工具的服务商。

在17年，蚂蚁金服推出了“定损宝”，成为国内首家将图像定损技术落实到车险领域的商业应用。其发布会将该产品与资深定损人员作对比并显示：两者在工作精准度、金额匹配度上已基本一致。而耗时仅数秒的AI定损使其在面对耗时数分钟的人工定损时，在时间效率上显示出绝对优势。蚂蚁金服给出的参考意见是：在一定假设前提下，定损宝每年可节约案件处理成本20亿元。

值得一提的是，近日发布的2.0版本还大幅强化了泛用性：通过内嵌支付宝形式进入个人端，使用人群从定损员扩展至普通车主。如此，即使不具备任何定损专业知识的车主也可第一时间得到维修的方案和价格。（原1.0版本主要面向机构服务，对拍照、勘查等环节的人员专业性较高）除自助定损，2.0版本还升级了视频识别精度，打造了在线理赔方案，并加入了开放平台概念为未来外部险企系统对接做铺垫。

除了定损环节，AI在保险顾问领域也大放异彩。目前，国内已有数家保险科技公司尝试智能保顾（智能保险顾问）：针对客户输入的信息，结合大数据和人工智能算法，产出自动化的风险评测、保障方案建议和相关产品推荐。据悉，太平洋推出智能保顾产品阿尔法保险，可帮助企业减少30%的人工成本，目前已支持评估理赔、反欺诈、产品推荐、保单生成、人机客服等功能服务。

当然，业内先行军现仍停留在初期摸索阶段，尚存在不少进步空间 。例如，基于H5等轻型传播途径的智能保顾覆盖范围有限，仅限于微信这类线上渠道。而人群偏离与否、实际需求交集程度等还有待考证。此外，此类应用存在缺乏关联规则、历史数据、外部信息支持等问题（在美国等领先实践中，会有专业的行业数据汇总、挖掘分析机构加入，形成有效的外部信息输入）。另外，受制于“客户咨询与代客决策分离”等原则，智能保顾极有可能像智能投顾一样，面临监管层的长期观测。最终是否能真正做到像美国实践中那样的“分析-方案-决策”一站式服务很大程度上还取决于监管层态度。

四、保险科技的布局与策略

在我国，保险科技将成为金融科技的下一个细分蓝海。对此，保险科技企业应考虑如何布局以及采取何种策略构建竞争优势。鉴于该领域在国内起步较晚，不妨参考海外领先实践并从中获取灵感启发。而在诸多海外先行者中，Verisk作为其中的佼佼者特别具有借鉴价值。

美国的Verisk公司成立于1971年，最早从事数据报送服务。通过不断的兼并收购扩充保险各环节作业能力及市场业务版图的Verisk目前不仅是本土房地产与意外保险风险相关的保险精算龙头，也是保险业数据领域中规模最大的集成商，同时还是全球最大的保险数据分析业务供应商。

Verisk从最初的数据报送商，成长为如今的保险科技巨头，与其扩张式生长密不可分：通过收购英国GeoInfo集团获取地理数据方案能力；并购MarketStance强化市场情报分析能力；吞并Arium优化负债风险建模与决策支持能力；买下Fintellix打造开发数据管理平台与监管报告综合解决方案能力。可见并购交易是Verisk增长战略的重要组成部分。

除了集团财务层的一系列并购策略，Verisk在业务战略层也煞费苦工：不断积累构建行业壁垒。该优势拆分来看归功于两点：一是其夯实的数据源基础。监管层需求令其在行业初期就早早扮演起了类行业协会的角色，挟“监管需求”以令诸侯，在聚拢行业数据的同时，锻造分析服务能力。二是其业务聚焦。Verisk并未过度关注于行业集中度较高、附加值有限的领域（如定损、预测等），而是发力于反欺诈核赔、控费赔付等具有高价值、高行业门槛的核心环节。

由此可见，谋求突围的关键在于把握切入机遇，明确定位，主动转型，不断累积专业能力，在保险科技的茫茫蓝海中构建行业壁垒。

相比领先国家，我国金融科技整体起步较晚，保险科技分支仅从近年开始逐步有所摸索。不少保险科技企业尚未形成明确的战略定位或业务及产品策略，同时也缺乏足够多的本土行业标杆案例以参考借鉴。而就在去年，我国保险科技第一股众安保险上市，引爆国内保险科技热度。如果说保险科技领域中，Verisk是美国的代表，那众安则是国内本土的先行者。

众安在线财产保险股份有限公司（众安保险/众安在线）成立于2013年11月，是国内第一家获得保险科技公司法人许可证的互联网公司，由阿里巴巴、腾讯、中国平安三家巨头共同发起，完全依赖互联网完成定价、承保、理赔等一系列价值链环节。

“三马效应”固然有效，然而抛去资本层面这一优势，在战略业务层众安同样有着独到见解：采取深化场景、多产品多品牌策略。有别于传统险企依托电话销售、线下直销等粗放式的展业模式，众安在线利用科技精准切入各类场景，围绕生活消费、消费金融、健康、车险、航旅五大生态圈，提供小额化、碎片化、高频化的多条线保险产品及技术支持。

在生活消费领域，一是借助股东阿里巴巴的电商资源，提供与网购场景紧密联系的退货运费险、买家账户安全险等服务，并借助开放平台输出退货运费险技术；二是推出手机碎屏险，与新机市场各厂商实现数据互通，运用AI深度学习和图片识别技术解决碎屏险反欺诈难题。

在消费金融领域，借助信用保证保险为资产进行增信，并且构建了一个中央消费金融系统。在该系统中可以查到每一位用户的画像，根据不同的用户数据给予个性化的信用额度。

在健康领域，除了提供个性化、定制化的尊享e生健康险产品以外，更是直接介入健康管理与健康预测环节。一方面连接体检机构、医药厂商等三方机构，另一方面通过“步步保”打通小米运动、乐动力等穿戴式设备，获取海量的用户健康数据，颠覆了传统的精算定价环节。

在车险领域，通过UBI（User Based Insurance/Usage Based Insurance）技术的运用，基于出行记录、车辆信息、司机信息、乘客信息、用车习惯、驾驶行为等数据，筛选出险率较低的优质客户，实现个性化定价与风控。

在航旅领域，众安在线从航旅纵横、飞常准、中国航信等第三方数据商获取航班实时数据，一旦监测到航班延误状况，会即刻对客户进行自动理赔。

值得一提的是，为了更宽泛地向外输出科技能力，众安在线还不断通过投资孵化，强化创新能力，并于2016年11月成立众安科技。作为旗下全资子公司，众安科技依托安链云生态云服务与众安学院两大平台，主推区块链、数据智能、保险科技、金融科技、医疗健康五大科技产品，并通过内设孵化器的形式推动创新。

此外，众安借用 “开放金融科技平台”这一主流概念，提出保险科技版本：开放保险平台的概念，即通过标准API、嵌入式页面组件、嵌入到操作系统的软件开发套件等方式嵌入各生态系统，与合作伙伴共同提供相关服务，例如上文所述的退货运费险、延误险等。可以说，众安不论是在创新机制，还是在战略主张上都极具代表性。

五、展望

面对价值链各环节消耗过大、产品同质化、效率低下、流程僵化等问题，保险业进入微利时代，不得不主动谋求转型，尝试创新突破。对此，与保险业并驾齐驱的银行业早已构建并不断提升金融科技能力，重塑银行价值链，非常具有借鉴意义。

就金融科技行业而言，银行领域竞争格局愈发激烈，势必沦为红海。相比之下，作为另一大细分领域、目前仍处于发展初期的保险版块蕴含着巨大机遇。可以预见，保险科技极有可能成为金融科技的下一个蓝海。