过去的2016年可称之为“智能金融”元年。相比过去五年，以云计算、大数据、区块链为首的新兴技术创新全面渗透至金融业的方方面面，用科技手段解决供需矛盾、用机器解放人力资源，以数据驱动的决策实务出现了前所未有的爆发式增长。 

作者 | 陈祖峰

本文长度为4500字，建议阅读9分钟

回顾2016，中国金融业经历了不平凡的一年。金融市场环境瞬息万变：

银行业不良率攀升、净利润收窄、公司营业收入规模下降;

证券行业资管与投行业务增长、经纪业务占比下滑、A股市场整体处于震荡形式;

保险业万能险、另类投资、消费保险、互联网保险成为关键词;基金业量化基金、大数据基金收益形式良好。

总体来说，供给侧改革核心之一是金融改革，降低企业融资成本、提升资金利用率成为焦点话题。

过去的2016年可称之为“智能金融”元年。相比过去五年，以云计算、大数据、区块链为首的新兴技术创新全面渗透至金融业的方方面面，用科技手段解决供需矛盾、用机器解放人力资源，以数据驱动的决策实务出现了前所未有的爆发式增长。

从监管到市场，从企业到个体，无不讨论着金融如何智能化、智慧化：

银监会发布《中国银行业信息科技“十三五”发展规划监管白皮书》，提出推进互联网、大数据、云计算技术应用;

证监会主导建设证券期货行业数据模型，从业务流程除非，强化数据模型应用，建立统一、完备的资本市场多层次数据模型;

互联网金融信用信息共享平台开通，成为数字普惠金融信息基础设施;

央行积极探索数字货币和区块链应用，数字票据交易平台测试，数字法币发行逐渐摆上议程;

银行业逐步采用分布式架构作为数据仓库方案，恒丰银行、江苏银行等采用大数据平台为业务应用提供统一数据管理;

银行业主动探索私有云项目，建设银行、光大银行、恒丰银行等启动结合大数据、容器技术的资源池化私有云项目;

保险业积极探索云计算和区块链应用，平安保险推出金融云平台、阳光保险推出区块链保险应用;

此外，2016年亦是中国互联网金融“监管元年”，以金融科技(FinTech)为代表的新金融的诞生和迅猛发展，从渠道升级到深化技术应用，给中国金融带来了新的思路和实践方向。金融科技在产业供需矛盾依旧凸显的背景下，成为有效的解决手段。在大众创业、万众创新的政策环境下，以科技驱动的金融改革确保了产业升级和经济长期可持续发展。互联网金融首次纳入政府工作报告，写进十三五规划，政府、企业、资本市场在金融科技领域的投入均呈现显著上升趋势。

展望2017年，金融市场的外部和内部环境更加难以预料，不确定性将成为金融业的关键词：

国际形势依旧变化莫测，美国新一届政府的贸易保护主义政策、英国脱欧程序的不确定性、货币政策分化加剧、国际金融市场的波动加剧、美联储加息带来的流动性风险，都将影响中国金融市场的稳定;

国内经济发展不确定性增大，国家对GDP保6.5%的信心是否能确保金融业经营环境的平稳增长仍不确定，房地产调控、基础设施投资、新产业投资泡沫化的背景仍然对国内金融市场产生着各种影响。

由于流动性趋紧的形式已经较难转变，“资产荒”与“资金荒”已成为金融市场的整体现象，合规压力进一步增大。在去产能、去杠杆、控风险的形势背景下，金融风险仍是监管与机构的重中之重;而在多变的内外部环境下，银行信贷、零售银行、证券经纪业务、基金财富管理、消费金融、资产证券化或是各类金融机构突破重围、提升业务营收的机遇点。

2017年，在宏观经济、市场环境、监管政策的外部因素影响下，金融机构拥抱技术变革、谋求转型发展将成为突破口，在云计算、大数据、人工智能领域将持续发力，形成独具特色的综合业务型、专业服务型、技术驱动型新金融企业，以确保在竞争压力日益增大的环境下立于不败之地。

从竞争环境、应用场景、技术方向、数据资产四个方向上，我们可以预计2017年金融行业在大数据应用上的10个趋势：

1、金融科技(FinTech)行业差异化趋大

2016年最火热的词汇是金融科技(FinTech)，2017年可以预见金融科技将会持续增长。P2P、资产管理平台、众筹、智能投顾、支付、网络银行、互联网保险、消费金融、财富管理、数字货币、区块链…金融科技(或新金融)作为传统金融的挑战者的姿态，正向细分领域的专业化、差异化发展。

金融科技行业的竞争焦点是资产端的渠道和资金端的流量，在当前的市场环境下，2017年两极分化的趋势更加明显，预计行业巨头的竞争优势将逐步增大。

2017年也将是传统金融机构积极布局金融科技的一年，招商银行已上线智能投顾应用“摩羯智投”，基于区块链的跨境清算系统也即将上线。民生银行、恒丰银行、兴业银行等积极跟进，券商和基金公司也在逐步搭建大数据平台开展创新业务。

2017年传统金融与金融科技的界限逐渐模糊，利用新技术(机器学习、云计算、区块链等)和新渠道(互联网)探索新价值的能力将逐步加强。

2、监管科技(RegTech)与大数据结合

监管与合规在金融风险管理趋紧的形势下，逐渐成为金融机构科技竞争的焦点。监管科技(RegTech)帮助降低企业成本，提高对风险的主动管理能力，反洗钱(AML)和了解你的客户(KYC)已经成为人民银行、银监会和证监会的合规要求，结合风险数据构建风险管理平台已逐渐成为金融机构的数据应用之一。

此外，“穿透式监管”概念在2016年出现，涉及到投资人适当性、通道、架构、资产端、资金来源。监管科技对金融机构运用数据的能力提出新的要求和挑战。2017年监管科技将会与大数据结合的更加紧密，基于大数据架构的反洗钱和合规审计应用会是各地人行、银监和证监的探索与实践方向。

3、"银证保基"加大大数据应用投入

2016年是商业银行全面部署大数据基础设施的一年，五大、股份制、城商行和农商行已经逐步开展传统数据仓库架构向大数据平台架构的转型改造过程。与之相比，证券、基金业的步伐相对较慢，多数机构仍采用传统数据架构方案，难以满足创新业务的要求。

证券基金行业在互联网、大数据时代的转型需求迫切，预计将有越来越多的机构采用大数据平台架构，结合新形势下的经纪、投顾、风控、合规等要求，构建多种基于大数据的创新业务应用，如市场风险、信用风险、操作风险、精准营销、用户画像、实时风控、时序分析、反欺诈、反洗钱、智能投顾等。

2017年银证保基将加大数据科学上的投入力度。数据科学是通过数据来获取商业价值的手段，将数据转变为决策的体系方法论。数据科学通过数据处理、特征工程、建模与训练之后，形成最优算法的选择。算法作为业务应用的基础工具，金融机构将加大在算法研究、数据挖掘方向上的投入力度。

4、人工智能与深度学习与金融场景结合

人工智能与深度学习的商业应用场景逐渐在金融领域浮现，如交通银行的智能网点机器人、平安集团的智能客服等。随着金融机构的服务模式更加主动，金融机构大数据处理能力逐步提升，将出现越来越多的商业成功案例和业务框架，如以语音识别与自然语言处理为基础的智能客服、语言挖掘;以计算机视觉与生物特征识别为基础的人像监控、交易安全;以机器学习与深度学习为基础的风险预测、反欺诈、授信融资、定价、图像识别与智能投顾等。

5、大数据技术构建数据仓库成为主流方案

传统数据仓库架构由于成本高昂、扩展性差、联机分析能力弱等缺点，将逐步被成熟的分布式架构全面替代。以Hadoop/Spark为首的分布式系统架构及其开源生态支持非结构化数据、海量数据计算、流数据处理、多节点扩展等。基于x86服务器集群的大数据平台，通过横向扩展方式、线性存储方式和计算资源，大大降低了计算资源和IO资源瓶颈，其优势已经被金融机构普遍认可。

商业银行已逐步采用基于Hadoop分布式架构的数据平台，替代传统的数据仓库统一管理多源数据，如恒丰银行采用星环科技TDH基于Hadoop的大数据管理平台，全面重构数据仓库应用，基于大数据构建设了各管理分析领域的数据集市，包括历史数据查询系统、风险管理系统、信贷工厂、精准营销等应用体系。

另外，券商、保险公司与基金公司也在逐步采用分布式架构处理核心业务，结合数据治理与管理项目梳理企业指标库与标准化方案。混合式架构的数据湖(Data Lake)方案也逐步被大型金融机构所接纳。结合传统数据库和大数据平台的混合架构能支持更为复杂、多样的业务应用场景。2017年金融机构将全面采用分布式架构作为数据管理解决方案。

6、实时计算成为金融领域的关注焦点

海量、实时计算能力将会是大数据平台的标配，可以支持秒级、毫秒级要求的业务场景(如实时风控、交易预警、反欺诈等)。流式计算框架如Spark Streaming、Flink目前逐渐在金融机构得到应用，以事件驱动和微批处理驱动为代表的流处理技术，能够满足低延时的复杂应用场景需求。随着监管明确了风险实时监控要求，各机构将逐步落地实时计算引擎，结合大数据平台的处理能力，提升风险管控的效率。

7、私有云平台在金融机构逐步落地

2016年金融信息化的另一大现象是银行业主动探索私有云的构建和落地方案。以Docker为首的容器引擎已经开始被商业银行采用并形成商业案例。2017年，大型金融机构通过自建私有云平台，为中小机构提供行业云服务;而中小金融机构将核心系统逐渐迁移至私有云平台。

从监管层面，银监会对银行业云计算发表了监管意见，提出积极开展云计算架构规划，主动和稳步实施架构迁移，到“十三五”末期，面向互联网场景的重要信息系统全部迁移至云计算架构平台，其他系统迁移比例不低于60%。

虽然OpenStack仍是作为开源社区中的宠儿，也有评论认为其逐渐成为私有云事实上的标准，但其商业化之路走的并不理想，不同发行版之间的兼容性交叉，前景未明。目前来看，未来的潮流是容器编排和集群化容器管理，Docker、Kubernetes、Mesos等工具成长迅猛，虚拟化软件、容器编排软件、超融合系统均将逐渐被大型金融机构或多或少的采纳或实践部署。

8、大数据治理成为金融数据管理工作要点

金融机构已经意识到需要有效地管理其日益重要的数据和信息资源，也需要通过数据型组织控制数据和信息资产。由于没有数据治理和数据管理的标准体系，在数据架构管理、数据质量管理、元数据管理、主数据管理、数据操作管理、数据安全管理、数据开发管理、文档和内容管理、数据工具管理、数据应用管理等方面，金融机构将主动思考和实践。

2017年金融机构将逐步扩大在大数据治理项目中的投入，或结合大数据平台建设项目，构建企业统一数据标准库，实现数据的“穿透式”管理。

9、金融机构更加重视数据资产管理

大数据时代的数据资产管理是金融机构需要深入思考的命题，应就“数据资产控制”、“数据资产的货币计量”和“数据资产的经济收益”三个方面，形成对第一方数据、第二方数据和第三方数据的有效管控，使之成为金融机构的核心竞争驱动力。

另外，以数据“血缘”分析、数据资产质量管理和企业数据资产视图能够从宏观和微观角度透视企业的数据整体情况，形成管理摘要，发现潜在问题和商业价值。

在未来数年，数据资产价值化还体现在数据交易市场的建设之中。数据市场或出现数据现货交易、数据期货交易、数据衍生品交易等，数据进入资产负债表的时间或将在不远的未来实现。金融机构应把数据价值放在企业信息化管理中的重要位置，积极迎合市场的数据资产交易，在业内不断探索数据交换、交易、交互的共赢生态。

10、智能时代的新金融体系逐步形成

智能时代的商业模式特点是通过新技术和新渠道驱动的新价值。2017年，金融服务脱媒成为常态，个性化金融服务将更加细分，决策智能成为金融信息科技的常规要求。银行业、财富管理、证券中介、保险、基金将全面迎来金融科技创新，金融机构开始重构数据处理方式，共享与开放数据成为趋势，大数据将提升金融活动效率、促进金融服务实体。

尤瓦尔·赫拉利在他的新书《未来简史》中说：科学正逐渐聚合在一个无所不包的教条之中，也就是认为所有生物都是算法，而生命则是数据处理。智能正与意识脱钩。无意识但具备高度智能的算法，可能很快就会比我们更了解我们自己。2017年或是智能意识渗透至金融服务领域的起点，未来的金融将更加开放化、智慧化和生态化。

本文作者：陈祖峰

来源：51CTO