爱分析张扬：金融科技的技术创新与场景应用

大家好！首先，我先简单介绍一下爱分析，大部分人了解我们可能通过公众号，我们日常工作主要是调研企业，调研的主要都是甲方，包括沃尔玛，招商银行，招联消费金融等，通过甲方的视角了解我们关注的上游企业真实的关键能力到底怎么样，技术、研究落地到场景能力到底怎么样，额外要对产业上的企业进行采访和调研。杨娟总和艾小斌总也都是我们爱分析客户。

在我之前演讲安排的主题是金融科技领域各种各样的场景，到我这里刚好稍微调整和过渡一下，第一方面主要分享的是未来2-3年新的一些技术路线，主要讲我们看到的技术与用户匹配度。第二个是讲行业的应用，在金融方面，上午嘉宾大部分都在讲银行，银行这个场景我们看了3-4年，从去年下半年开始储备的行业是保险，待会主要跟大家分享保险。

首先，是技术，我们每年年初都会开一次创新大会，今年年初定位的主题是人工智能，其中一个核心是知识图谱。大家能看到知识图谱在2019年各个行业在快速的落地，今天下午的技术场就变成一个典型的标杆案例展示，包括公安和医疗领域。医疗叫医疗大数据，其实里面核心还是知识图谱技术，今年在医疗领域中可以看到比较明确的一些进展，主要是国家行政机构有智慧医疗的政策，智慧医院在建设的过程当中有等级的要求，因此推动了技术应用的快速落地。医疗的人工智能本质上是作为一个医生在诊疗过程当中辅助的工具。

在医疗落地情况比较好是因为所有的医疗诊疗有明确的诊疗手册，本质上是标准化，现在用IOT的技术能够把数据标准化，把已经沉淀下来的知识代码化，再算法化，是一个非常顺利成章的过程。除了医疗行业，另外一个IOT做的比较多的是金融，是AI深入去落地很好的一个新方向，本身金融的结构化数据相对来是比较好的，但是它需要时间和实践的积累，但是它并不如大家想的那么快。

今年我们主要讲数字孪生，核心的原因是它是一个新的东西，在行业实际的情况中，我们会发现虚拟世界的数据在过往的2-3年里面大量的落地，基本上你能看到的小公司有原始数据相关的一些厂商基本上全都在做。电信运营商很早就开始做了，移动数据是最贵的，拿出来最慢，但是今年看到移动开始在汇集数据，尤其在金融行业里面。比方说保险领域，它跟招商银行合作，基本上是把移动一个省一个省来开放，跟招商银行联合合作去做精准营销。其实运营商的数据已经被开发的差不多了，互联网公司的数据所有的能想到的，从原来做交易到做客户端的信息流也被充分开发了，即使是头条也在做各种各样的贷款，对看到的所有的在线化结构化比较好的领域都拿出来做分析。

所以纯粹虚拟世界的数据分析已经过了最大的爆发期，未来几年核心的是看到一些新的数据分析可以支持这样的服务。因此，落地的时候我们愿意去讲保险，保险保的不光是保人，还有保物，在保物的过程当中，就是需要知道物体的状态，物联网是很核心和关键的一个基础设施，所以保险是IOT很重要的一个领域。

另外一个很重要的应用领域是物流，物流的效率其实是很低的，我们看到我们大的两个客户都是60-70亿的运费水平，但它的利润只有2000-3000万。用数据来提升效率运营水平的潜力很大，企业有很强的动力把物流的利润往上提，长期来讲他提升1%的利润率还是非常可能的，所以物流也是物联网很大的应用领域。

还有一个是零售，现阶段我们看到的MVP行业里第一个就是零售，核心的原因就是零售的品牌商和渠道商。在调研过程当中，我们能发现2019年他们对于数据的价值认知有很明显的改变，最直接的原因是数据中台的洗脑，现阶段他们切数据中台的时候主要是通过大数据。大数据技术企业很重要的出发点就是你要有数据源，因为大部分企业可处理可应用的数据源没有你认为的那么多。举个例子，比如说KFC百胜，其实它存的数据量是挺大，但基本上都是批注，不是流处理，但做数据分析和知识图谱强调很强的数据实时性。这个过程当中你会看到很多时候线上的数据时间单位是秒，线下的数据是天，这个数据一致性差距是挺大的，最后去做模型，根据线下大量数据去考核模型，会发现很多不匹配的现象。通过数据的转录和压缩，丢失了很多原始用户画像，这些数据去做模型，放到线上去推转，放在一个实时的环境，其实会发现问题很多。这个过程当中，你要想用什么样的方式帮它把原始的线下批处理的数据做得更好，需要有很强的用户画像数据，说白了就是你要有自己的数据源，然后用你的数据把用户画像做的很全，这也是数据中台落地特别好的方式。

比如零售领域，靠技术去切其实是挺累的，因为数据治理这一块如果你没有自己的数据源，发现治理完了是不能用的，线上和线下的数据没法掌控，所以最好的方式是与BATJ、SDK或者一些数据厂商的背景来去合作。

还有就是人工智能领域，刚才也提到了技术爆发的角度来说没有那么大规模的成熟技术应用场景，包括语音，CV，文本处理等，这些技术的成熟的爆发期过了。AI这个领域在技术层面它到了一个相对来说比较平稳的阶段，如果它没有数据源补进来，它是一个渗透速度比过去2-3年要慢的领域。

所以基本上你可以看到企业间核心的差别是IOT线下的数据如何作为新的数据源补充进来，来帮助把业务做的更好，所以这个是IOT在未来2-3年核心要改变的事情。IOT技术本身没有太大不足的问题，原来渗透的时候各种各样的问题几乎都是因为硬件设备成本的问题。举个例子像货车，货车IOT其实无非就是两个摄像头，一个放在车里去看他的行驶路线，一个放在驾驶舱里做人脸识别，识别驾驶员是否驾驶疲劳。两个摄像头简单的CV技术就能实现，它对于实时性要求没那么高，所以这个过程中不是技术难度问题。比方说一个大货车正常情况下，它装了物联网设备的投资大概在1000-2000块钱，问题的关键是这个钱谁出不明确，因此导致渗透速度很慢。但现在货车这个领域是政府有要求的来帮助政府解决问题，因为政府的配合推动，这个业务场景落地的很快。

另外就是对于物流企业，企业本身有很高的成本费率，利用数据技术帮助物流企业降低费用就能实现很大的利润增长。本质上来讲对物流卡车的司机去监控起来，监控他的行为，货物的装载量，油耗，保养，ETC，所以我们看到物联网领域硬件已经包进去了，一旦进去以后就会有新的数据源，再结合新的技术这个领域会有爆发性增长。这个是未来2-3年核心的IOT给这个行业带来一些不一样的变革和改变。

数字孪生主要是工业领域，我们大概看了3-4年，每年来看总是会比较失望。核心的原因就是工业领域数据的闭塞和难以搜集。浙江省说自己的工业企业利润是-2.7%，工业企业全部都在收入下降，你看过这些所有的大数据和工业AI企业没有一个是帮助他们解决收入问题。你帮他解决的是设备，检测和财产问题，解决的成本和效率的问题，但帮他解决不了订单的问题，这个是导致在工业场景渗透比较慢的原因。所以企业做机器人，做设备排障，但你会发现它没有到爆发点，因为帮他解决不了工艺的问题，解决不了材料的问题，解决不了基础零部件的问题，这是数据没办法帮他去解决的。

未来有可能去解决的一个方式，就是所谓的工业领域的数字孪生，比方说像造一个大飞机，他们叫CPS系统，是进行虚拟和模拟空间中映射的过程，原来影响是单一的，相当于我建一个大飞机是线上和几百万的零部件应该怎么样搭配和组合，但实际上他控制不了线下，线下是一个很多元化的网络方式解决的，是最难的一个点。数字孪生解决的问题是线上虚拟环境的变化，怎么样自动化会对应到线下供应商的体系，然后零部件的配件体系自动化去运营和调整，这个是未来长期工业领域有价值的一个应用场景，但还比较远。

现阶段实际上能做就是工厂内的领域，比方说家居行业，因为家居这个领域产品要高扩展性，柔性生产效率要比较高，A股家居上市公司索菲亚是一个代表，他们的柔性生产水平已经很高了，它能够做到很高的非标的柔性生产一些要求。在这个过程当中有家公司叫三维家，把所有的图纸前期设计都做好，相当于把CAD替代掉，然后到自己的社会化工厂去开展智能排产，是现在我们看到的最靠近数字孪生的应用。但这个应用还需要时间，因为你要保证社会化的工厂足够多的订单，而且要建设社会化的工厂，要能够保证他产能做到一个亿以上。所有可以在几百个零部件，高级一些的领域内的加工工厂去进行渗透，这个其实是未来3-5年核心的一个新的领域。要把线下的数据基础做好，加上它本身数据分析和人工智能数据分析的技术产品，能融合在一起去解决商业的问题。

我们其实核心看这三个技术，数字孪生，大数据，人工智能。

另外一个我把它叫数字生态，举一个例子就是保险，数字生态是我们看到的很重要的一个趋势。核心的原因就是IOT具备以后是一个完整的线上线下交融在一起的生态体系。金融领域讲有蚂蚁，微信，平安的金融生态，大家原来可能大部分认为是三四家合作的生态，但实际上不管是银行也好，保险公司也好，一定都会去打这个牌。比方说我们前两天在当代人和，当代人和是2017年成立的这样一家两年的公司，他的资本实力比较雄厚，两个股东一个是中国银行信息，另外一个是中国移动。两年的一个公司为什么它要搭生态，它是一个寿险公司的一定要做各种各样的渠道把人的生命周期全部搭出来，核心的原因就是大家已经很明确地意识到，我们金融行业不是财富驱动的，而是客户驱动的。

其实银行和消费金融公司要搭商城，核心是为了与客户有互动，今天出去调研的时候，商城是不赚钱的，那商场的价值到底在哪？核心最后的结论其实不简单，是第一个保证他不亏钱，然后第二个就是一定要保持商城，因为商城能够帮助建立客户画像，所以这个生态其实是必须要建的，大到一个大的银行小到一个小保险公司。

在生态的过程当中，今天我们重点会讲开放银行，我们投资人客户讲在开放银行大生态里面，关注它扮演怎样的角色，在一个银行整个大的开放生态里面是一个什么样的角色决定了未来的商业价值。今天上午华为讲它供应商体系里面已经有五个过100亿的企业，但如果过程银行里面能出来5个过100亿的，那就是个很大的市场。