8

金融科技“后浪”主战场,子弹已上膛

 3 years ago
source link: https://www.pintu360.com/a67955.html?s=10&o=0
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

金融科技“后浪”主战场,子弹已上膛

摘要:新技术,带来新革命



46080ebd-ec93-c116-3603-192ad208c8c9.jpg

近年来,金融科技吸引了投资者最炽热的目光,A股有市值千亿元的恒生电子,为长期投资者带来了高达百倍的回报。港股主板上市的索信达,也在短短一年内为投资人带来了近4倍的回报。

投资者对赛道的一致看好,背后往往蕴藏了新趋势的巨大势能。数以万计的热钱涌入,指向一个从未解释清楚的问题,金融科技的未来,会去向何方?

从项目制到产品化的探索

 早在2018年,就有机构统计,中国金融科技市场规模300亿元,潜在市场规模高达1100亿元,同年毕马威预测的中国金融科技相关市场规模为12万亿。金融科技是一个存在无限可能的市场。

金融科技发展的背后,是科技行业的改革浪潮,科技公司发展经过了三代浪潮。第一代代表企业是硬件销售思维的IBM,第二代代表企业是软件销售思维的数据库龙头Oracle,第三代代表企业是服务销售思维(即后来所说的SaaS)的先驱者Salesforce。

29cae1e2-12c7-3e05-423b-2ff2d8b1f75c.jpg

沿着同样的轨迹,金融科技巨头的成长路径也逐渐清晰。

毋庸置疑的是,中国金融业的科技化起点更高。得益于海外金融业电子化的探索和国内基础设施的完善,中国证券交易所跳过了艰难的纸质阶段,上交所、深交所成立之初就直接采用电子化交易系统。中国银行业也在改革开放以后,自主研发了联行业务处理系统,逐步进入信息化和数字化阶段。

但即使拥有了高起点,国内金融业仍然要面临重重问题。

以证券市场为例,股票市场牛熊轮转,交易量峰值被不断推高,哪怕1毫秒的交易时延都可能对投资者造成巨大损失,这对证券公司、基金公司、交易所的系统承受能力提出了更高的要求。

中国证券业对外不断接受着市场峰值考验,对内也有业务创新和政策适应的需要。押注证券相关产业软件投入的增长风口,恒生电子围绕“交易管理”,打造出面向证券业、基金业的后台交易、结算、投资等核心系统,让交易更加高效、精准地进行。

2006年,恒生电子首次引入内存数据库作为证券交易系统的缓存,帮助券商和交易所应对更大的市场容量。2012年,恒生电子打造证券极速交易系统,使业务处理时间被缩短到50微秒,后来逐步缩短至10微秒以内。

恒生电子对产品的不断探索,也甩开了与竞争对手的差距。如今,恒生电子占据了一半以上的证券集中交易系统市场,在基金、保险、信托、交易所等市场也有极具优势的市场占有率,是国内金融科技市场的绝对龙头。

再以银行业为例,银行处在利率整体下行大趋势中,息差业务利润不断被压缩,银行不得不提升其他增值业务的服务能力。银行业拥有海量用户,但很多客户都属于沉睡客户,碎片化的数据无法支持营销决策,使得银行的营销推广基本靠“试”和“猜”。

银行营销的低效,同样激发了索信达等聚焦解决银行领域痛点的企业。自2004年成立以来,索信达已服务超过70%的头部银行客户,经历了海量数据洗礼后,索信达摸索出一套用户的“脸谱”。

经过索信达对用户“脸谱”化的分析,同样是三十岁出头的客户,TA拥有多重身份。TA可能是职场精英、企业高管或小微客户。职场精英最大的痛点是资金闲置,有更多投资需求。企业高管则更多关注企业结算和工资管理,有更多融资需求。而小微客户更关注确保进货的现金流,只能接受流动性更高的理财产品。根据三种不同需求,叠加用户过往的行为数据,索信达帮助银行实现精准营销,为用户匹配最适合的服务,显著提升转化率。

索信达将过往数据经验凝聚成了整合智能营销平台灵犀,灵犀一面连接了近百个用户画像体系,把不同客群的细微差异“脸谱化”,并且打通银行方内部数据孤岛,各部门在灵犀帮助下“协同作战”,真正精准触达客户,提升成交率。在灵犀的算法体系中,客群与渠道的无数种组合被分割为四大类营销,在不同场景下有的放矢。

从定制化到产品化的发展,如同恒生电子改变了券商业,索信达等企业也改变了银行业。在科技发展浪潮中,这些企业不约而同地选择了市场前景最为广阔的金融,伴随着一个又一个项目的学习和深耕,形成了自己的独门绝技,笑傲江湖。

从产品化到平台化的征途

 数据和技术的无限延展性,决定了金融科技不会止步于独门绝技,而是继续自我拷问——同样的分析经验能否用于其他场景?同样的产品能否用于其他行业?

8dc73072-0e77-0260-c8a6-857359787771.jpg

用产品解决问题之后,恒生电子和索信达,以及这条路上的无数先驱,不约而同地走向了平台化的征途。他们逐渐将业务触角延伸到其他领域,进化成服务多元的平台型企业。

为金融业提供CRM服务的Salesforce,率先开辟出了一条从服务提供者进化成为应用平台提供商的道路。2005年,Salesforce公司推出了Force.com和AppExchange两个平台,提供基础架构和运营,允许第三方基于现有产品研发新的应用,并在平台上发布这些应用供他人付费使用。

平台化是Salesforce从成立至今最关键的一次转型,既丰富了Salesforce的产品库,也创造了跨界的新产品。自平台化以来,Salesforce股价已经上涨170倍,总市值超过两千亿美元。

在海外科技企业践行平台化发展并创造市值神话之时,中国金融科技也开始了平台化的探索。

恒生电子与当年Salesforce的做法如出一辙。2016年,恒生电子提出六纵六横的平台化战略,依托过往经验积累,形成数据、业务、技术支持的大中台,服务于零售、资管、交易所与银行四大行业。2020年,恒生电子打造开放技术平台LIGHT,向第三方开发者开放其核心产品的API接口,或将对行业产生巨大变革。

由于证券业的保密和合规要求,目前市面上并未流出平台使用的案例,但从恒生电子四年增长三倍的股价和稳定在约95%的毛利率,我们仍然得以一窥平台化的光明前景。

如同Salesforce和恒生电子的平台化转型,服务于银行业的索信达也对平台化发展作出了长线布局和安排。12月9日,索信达发布公告,收购深圳银兴智能数据有限公司56%权益,该公司是Cloudera在华南、华北及西南地区最大的业务合作伙伴及技术服务提供商。Cloudera则是全球分布式文件系统Hadoop的鼻祖,用户可以在不了解底层细节的情况,在其中开发分布式程序,这或将成为索信达在平台布局中的关键一环。

恒生电子、索信达等企业专注服务细分市场的场景,对通用业务流程和场景化特殊需求了如指掌,能够在产品的通用性和定制性之间收放自如。产业知识被这些企业转化为平台上的软件模型,在服务项目中多次复用、积累和改进,形成一套行之有效的行业软件标准,既能确保市场占有率的稳步增长,又能确保大规模生产时保持较低的边际成本。

外界看来,平台化似乎只是为技术共享打造了底层架构,实际上,一旦平台得到推广,发起方极有可能成为行业标准的制定者。

AI新技术带来的巨变

 平台化的基础上,科技公司提供的工具也愈发多样化。以当下的市场环境来看,我们处在一个前所未有的金融科技时代。大数据、区块链、5G、IOT、量子计算,每一项新技术的应用,都意味着更加广袤的市场。

5160fa5d-5cde-eef8-8297-79fc475e4113.jpg

如果金融科技上半场的增长来自于经济发展带来的增量市场,那么下半场的巨变则更多来自于技术创新带来的增量。

企业会如何选择,取决于管理层对产业终局的思考,正如一些机构会尝试向中小企业者提供贷款,也有一些机构会选择利用杠杆优势扩充消费贷。

索信达则相信市场还有很多增量市场。在一项千人千面营销咨询项目中,索信达的精准营销平台为银行新增了2.27万客户,成功转化交易金额103亿,产生收益940.95万元,并提升了高校客户的交易笔数和金额,实现长期的收益转化。

精准营销平台,正是用到了人工智能技术。正如阿尔法狗挑战人类智慧之巅围棋一样,人工智能对人力的超越也在金融科技中得到了验证。

某银行原本与四大咨询公司的其中之一合作,效果不及预期,该咨询公司能够指出问题所在,但并不擅长解决问题。无奈之下,这家银行找到了索信达,采用数学建模、机器学习等技术进行管理,营销等效果有了明显提升。这家银行此前的服务商作为全球最大的咨询公司之一,集结了最优秀的一批会计师、审计师,依然在这一案例上败给了人工智能。

为了保持领先于同行的技术优势,索信达设立了金融人工智能实验室,专注于神经网络及深度学习、自然语言处理、图像识别及处理技术三大领域的研发。在这一方实验室里,科学家们推崇可解释机器学习技术,并且已经在金融场景下进行试炼,这项技术开启了AI与人类沟通的可能性。

机器学习的可解释并非画蛇添足,在AI与人类共存的社会中,理解AI变得十分重要。李开复曾提及过机器学习的弊端,作为一项“黑盒”技术,其决策的过程和原因都无法被知晓。为什么在星期三取得贷款的借款人往往能更快还清贷款?人工智能可能有自己的算法,但要人类从业者和用户能够认同机器学习的结论,还需要逻辑和常识。索信达在机器学习领域中做出了一次超前的尝试。

目前,可解释机器学习技术已经有了应用场景,其中之一便是中高端客户的挽回。通过模型流失预警,向行方解释为什么用户会流失的具体原因,进行更加有针对性的营销策略。某银行拥有60万中高端客户,每季度会出现20%的自然流失,但采用了可解释机器学习技术调整了挽回策略后,流失率降低至10%。相比开发一位新客户,挽留老客户只需要银行花费拉新成本的三分之一。这一技术的应用,间接为该银行带来了每季度6000万、每年2.4亿元的利润。

金融科技的下半场,技术创新的新征程开启,每一步都会是新的起点。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK