在過去的幾年裡，以支付寶、Apple pay為代表的第三方支付平臺，人人貸、陸金所為代表的P2P網貸平臺等網際網路金融相繼崛起，給傳統金融行業帶來了極大的衝擊和挑戰。
距離2008年金融危機已經過去10個年頭了，全球經濟緩慢復甦，貨幣政策逐漸步入正常軌道。在過去的幾年裡，以支付寶、Apple pay為代表的第三方支付平臺，人人貸、陸金所為代表的P2P網貸平臺等網際網路金融相繼崛起，給傳統金融行業帶來了極大的衝擊和挑戰。
為了更好的迎接挑戰，銀行業採取了構建電商平臺、發展網際網路交易銀行、建立綜合金融服務模式等方式，並希望透過雲端計算、大資料、人工智慧、區塊鏈等新的技術，變革原有的產品、服務和風險管理。那麼，這些新興技術的發展情況如何？在金融行業的應用情況又是如何？
先說說什麼是大資料、人工智慧和區塊鏈
大資料是什麼？麥肯錫全球研究所給出的定義是：一種規模大到在獲取、儲存、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的資料集合，具有海量的資料規模、快速的資料流轉、多樣的資料型別和價值密度低四大特徵。
細分下來，大資料包括結構化、半結構化和非結構化資料，非結構化資料越來越成為資料的主要部分。據IDC的調查報告顯示：企業中80%的資料都是非結構化資料，這些資料每年都按指數增長60%。如今，有人把資料比喻為“蘊藏能量的煤礦”，但處理的方式不同發揮的價值也就不一樣。對於銀行業而言，如何有效的利用自有的大規模資料進行精準營銷、風險控制、運維管理是關鍵。
業內人士把整個大資料產業分為四個層次：第一層是平臺、資料庫、分散式計算架構等等；第二層是工具；第三層是應用；第四層是應用的開發和雲服務。星環科技董事、高階副總裁張月鵬認為在未來2-3年的時間裡，大資料領域會有三種新趨勢。第一個是SQL，利用過去舊的程式碼遷移到Hadoop平臺；第二個是記憶體，實時的研究會逐步替代T+1批次研究，即時的研究會越來越流行；第三個是人工智慧會在語音、影片等細分領域開花結果。
虛擬聊天機器人、無人駕駛汽車、智慧語音助手……人工智慧已經慢慢走進人們的生活。美國麻省理工學院的溫斯頓教授認為：“人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作。”即人工智慧是研究人類智慧活動的規律，構造具有一定智慧的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作。
那麼，對於各行各業，人工智慧扮演的角色是什麼？資料驅動對於業務流程衝擊的變化更多是由人工智慧帶動的，這是從人做決策的過程向自動化實施過程的轉變，天雲大資料CEO雷濤如是說。
說完大資料、人工智慧，再來說說區塊鏈，區塊鏈技術發源於比特幣，其本質在於創造一種去中心化的貨幣系統。區塊鏈不僅僅是一種技術，更是自由的化身。區塊鏈的本質就是去中心化，該技術不依賴中央集權就能自發地實現大規模社會協作。
大資料在金融數字化轉型的過程中扮演的角色
對於銀行來說，數字化轉型之路是從其資訊創造方式的改變開始的。民生銀行公司業務管理部數字化中心總經理王彥博表示，物聯網、區塊鏈、大資料、人工智慧等都是非常具有戰略意義的技術。
從營銷角度，交易產生的豐富資料是銀行的重要資產，在網際網路時代，銀行還可以充分利用搜尋引擎和爬蟲技術，收集客戶以及潛在客戶的資料。把原有資料和外在資料相結合，透過資料再利用和資料重組，分析客戶的消費偏好，實現精準營銷；
從產品角度，大資料應用將為銀行業務的發展推波助瀾，開發出更具有競爭力的產品。舉個簡單的例子，社交媒體的興起為銀行創造了全新的客戶接觸渠道，人們的支付習慣已經發生了很大的變化。去年，招商銀行與滴滴進行了戰略合作，達成了客戶消費地理相關大資料產品的重構；
從風控角度，透過網頁爬蟲技術獲得更多企業資訊，並與已經購買的外部資料相結合，對其進行分析得出畫像，觀察企業的異常情況，進行實時預警；
從運維角度，利用大資料技術在運維領域做監控系統，透過日誌分析結果觀察系統的執行狀態；利用大資料技術對安全態勢進行感知，在安全事件發生前做好防護；
從管理角度，銀行積累了關於資產、負債、評級等各種資料資產，透過對行內大資料進行有效的統計、分析、評估，以及內外部大資料的結合，為銀行業務發展、市場營銷、資產負債管理、客戶關係管理等方面提供有效的預測分析及決策支援；
需要強調的是，外部資料對於銀行業來說是一個重要組成部分。恆豐銀行科技開發部副總經理趙毅表示，銀行資料更多的是金融資料，在做一些客戶畫像，營銷和風控的時候，可能也需要更多的外部資料。
金融行業在BI失效的前提下如何利用AI
機器學習是人工智慧的核心。“在過去幾十年裡，計算機被廣泛用於完成自動化任務，後者是被清晰的規則和演算法描述的，如今機器學習技術允許我們在難以精確描述規則的邊界內完成同樣的任務。”亞馬遜創始人貝索斯說。
眾所周知，傳統BI階段中的規則是由人定的，小資料時代離不開老三樣，即一套SAAS保險平臺、一批科學團隊做資料科學服務和基於這兩者生產出來的規則，並把生產出來的清晰評分卡等內容交給自動化策略引擎。大資料時代，雖然只有少量圖象，但是後臺卻反饋出了非常豐富的語義環境。當這些特徵和內容很難被人類用簡單的、清晰的語言描述出來的時候，BI失效的前提下我們該怎樣用AI的方法提供更大規模的計算？
對於這個問題，來聽聽天雲大資料CEO雷濤怎麼說：第一是離線抽樣to線上全量，在這裡不要把人工智慧侷限在客服機器人、人臉識別等狹窄的應用的場景裡面，而是應該考慮怎樣利用機器學習來支撐企業的流程改造和BI升級；第二是從靜態個體到動態關聯。金融行業面臨的挑戰有很多，比如資料維度不夠、處理資訊的方法效率低等。
傳統的方式是從頭讀到尾，但是在大量的資訊裡面，複雜的高維結構很難量化和處理，需要進行動態關聯；第三是基於統計思路開始逐步進入到大規模的學習階段。在AI領域，最有效的方式是將答案交給機器，重複輸入大規模資料，這樣一來深度學習的層級網路會把這些隱含的金融屬性特徵表達出來。
綜上所述，從傳統的BI分析模式到資料互動模式的轉變，最終的目的是為了發現資料之間的血緣關係，這是金融行業做好資料資產管理的重要途徑。
區塊鏈能否成為金融機構的標配
每年全球欺詐事件帶來的損失將近3.7萬億美金，這個數字和銀行業息息相關；信用卡等銀行產品支付交易成本居高不下、交易效率低下造成了很多機構、個人不願意使用信用卡；金融機構的基礎設施頻繁被駭客攻擊，安全問題一直得不到很好的解決……
從應用場景最為成熟的金融領域來看，區塊鏈可以幫助銀行業系統性地解決這些痛點和頑疾。之所以能解決，要得益於區塊鏈的分散式去中心化，具備的加密安全性；低成本、低風險和低複雜度；監管透明，共同執行可信流程等特點。
最早使用區塊鏈技術的是銀行業。據瞭解，民生銀行、中國平安、招商銀行、中國郵儲銀行、微眾銀行、浙商銀行等都已經實現了區塊鏈落地應用，在國內已有多個區塊鏈聯盟組織。
其實不光是銀行業，農業、物聯網、分享經濟等行業都是區塊鏈技術的使用範疇。在區塊鏈的應用上，美國FinTech4Good創始人張曉晨總結出了6個方向：數字貨幣、數字身份、數字資產、智慧合約、移動支付和登記認證。
雖然區塊鏈技術發展的態勢良好，但在應用中仍面臨一些挑戰。業內專家表示，區塊鏈技術仍面臨計算效能低、空間佔用大、演算法靈活性差、無法以淨頭寸結算等問題，目前應用主要侷限於虛擬貨幣、初步的交易結算和資訊公證等方面；監管仍處於模糊狀態。由於技術尚未定型，導致各個國家監管機構態度不一，增大了市場風險。看來，區塊鏈成為金融機構的標配還需一些時日。
現在，大資料、人工智慧、區塊鏈在金融行業的應用已經如火如荼地展開了，想必在不久的將來，這些新型技術的使用將會徹底顛覆原有的金融業務模式。
