2018年中国人工智能2b金融行业研究报告.pdf

《2018年中国人工智能2b金融行业研究报告.pdf》由会员分享，可在线阅读，更多相关《2018年中国人工智能2b金融行业研究报告.pdf（48页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、中国人工智能+金融行业研究报告2018年22018.11 iResearch Inc 开篇摘要 概念界定：通过人工智能技术作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对金融业的产品创新、流程再造、服务升级的重要作用。发展特点：人工智能+金融行业的技术提供方主要通过创立、合作、赋能的方式为传统金融机构提供各类技术产品及解决方案，但行业整体发展还处于早期阶段，有待技术的不断发展以及与金融场景的不断融合。行业概述 应用程度：从各场景的发展程度来看，智能风控应用最多且较为成熟，智能支付的发展速度相对较快，智能营销与智能客服在未来有广阔的发展空间。应用场景 行业洞察：人工智能+金

2、融行业的主要壁垒在于高端人才储备、对金融场景理解以及数据积累三个方面。策略分析：面临现实挑战，技术提供方应加大通用技术平台输出提升复合人才引进与培养能力；传统金融机构应变革现有经营管理模式发挥区域协同效应；监管方应加强行业数据与公民信息的保护力度，并把握好监管与创新之间的平衡。行业洞察策略分析 技术关系：人工智能与大数据、云计算以及区块链共同为金融行业的转型升级提供技术支撑，大数据提供基础资源，云计算作为基础设施，区块链设立基础机制，而人工智能是金融业实现智能化的核心驱动因素。技术应用：近年来伴随着以机器学习、计算机视觉等人工智能技术的快速发展，相关技术在金融行业的风险控制、投资分析、移动支付

3、等主要领域实现应用落地。科技企业竞争格局：未来科技企业的市场竞争将趋于成熟与理性，具有技术、资本、人才以及场景优势的科技巨头以及拥有独特技术优势的细分领域标杆企业将获得长期发展。金融行业演变趋势：金融行业在未来将实现真正的普惠化，一方面使得更优质的金融服务覆盖到小微企业以及更多长尾客户，另一方面还会让金融机构的运营成本进一步降低，最终实现全社会福利的提升。金融监管发展方向：我国的金融行业监管可以借鉴国外的一些成熟理念，并结合中国国情建立专门的金融科技监管机构，加强对于新技术的研究与探索，在监管手段上进行创新，更好应对行业的未来发展与挑战。来源：艾瑞咨询研究院自主研究及绘制。趋势展望3人工智能+

4、金融行业概述1人工智能+金融行业趋势展望5人工智能+金融行业典型公司案例4人工智能+金融行业应用场景2人工智能+金融行业洞察与策略分析3人工智能+金融行业概述142018.11 iResearch Inc 人工智能+金融行业概念界定人工智能技术助力传统金融业务转型升级人工智能+金融（AI+Finance）与金融科技在界定上存在明显不同。金融科技主要是指广义的新兴技术（大数据、云计算、区块链、人工智能）与金融业的结合。艾瑞认为人工智能+金融主要是通过人工智能核心技术（机器学习、知识图谱、自然语言处理、计算机视觉）作为主要驱动力，为金融行业的各参与主体、各业务环节赋能，突出AI技术对于金融行业的产

5、品创新、流程再造、服务升级的重要作用。本报告围绕上述界定的人工智能+金融行业特征展开研究分析，描绘人工智能+金融行业的发展现状及未来前景。来源：艾瑞咨询研究院自主研究及绘制。中国人工智能+金融行业研究报告分析主体界定金融科技科技人工智能大数据云计算区块链金融风控支付理赔客服营销投研投顾人工智能+金融人工智能金融机器学习知识图谱自然语言处理计算机视觉概述52018.11 iResearch Inc 金融行业技术应用的发展历程技术进步推动金融行业由信息化向智能化方向演进纵观半个多世纪以来的金融行业发展历史，每一次技术升级与商业模式变革依赖科技赋能与理念创新的有力支撑。按照金融行业发展历程中不同时期

6、的代表性技术与核心商业要素特点划分，可分为“IT+金融阶段“、“互联网+金融阶段”以及正在经历的“人工智能+金融阶段”，各阶段相互叠加影响，形成融合上升的创新格局。如今的人工智能+金融发展阶段，是建立在IT信息系统稳定可靠、互联网发展环境较为成熟的基础之上，对金融产业链布局与商业逻辑本质进行重塑，科技对于行业的改变明显高于以往任何阶段，并对金融行业的未来发展方向产生深远影响。来源：艾瑞咨询研究院自主研究及绘制。科技赋能金融业的发展历程概述IT+金融阶段1990s2016互联网+金融阶段人工智能+金融阶段未来1950s磁条信用卡技术1969ATM机1970sPOS机CRM系统网上银行1990s手

7、机银行2004无卡支付2000s2007互联网信贷互联网个人理财2013智能网点刷脸支付机器人客服智能风险定价金融行业通过信息系统实现办公业务的电子化与自动化，增强数据交互能力并提高服务效率利用互联网平台与移动智能终端汇集海量用户数据，打通各参与方信息交互渠道并变革金融服务方式基于新一代人工智能技术助力金融行业转型，削弱信息不对称性并有效控制风险，降低交易决策成本，充分发掘客户个性化需求与潜在价值区块链技术融合生态监管科技201962018.11 iResearch Inc 人工智能+金融行业驱动因素政府与社会各方共同推动人工智能技术在金融行业落地来源：艾瑞咨询研究院自主研究及绘制。国务院发布

8、新一代人工智能发展规划提出要创新智能金融产品和服务，发展金融新业态，鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统。中国人民银行成立金融科技委员会加强金融科技工作的研究规划和统筹协调，积极利用大数据、人工智能、云计算等技术丰富金融监管手段，提升跨行业、跨市场交叉性金融风险的甄别、防范和化解能力。近年来我国GDP保持平稳增长，其中第三产业的增速明显高于第一和第二产业，成为拉动经济增长的主要力量，经济的增长对于促进新兴技术行业的整体发展起到了重要作用。另一方面，居民的人均可支配收入伴随经济的增长而逐年增加，并且呈现出居民收入增长快于经济增长的态势。金融在居民生活中的

9、渗透程度逐渐加深，需求日趋强劲。移动互联、大数据、云计算、区块链、人工智能等新技术发挥各自优势，共同为金融行业的智能化转型升级奠定重要基础。移动互联为金融行业提供了高速的通信网络设施；大数据丰富了营销和风险管控的手段；云计算降低了金融服务的成本并提升了金融服务的效率；区块链技术去中心化的信任机制，颠覆了传统金融的服务模式，重构信用形成机制；人工智能近年来迅猛发展，在计算机视觉、机器学习、语音识别等技术研发方面取得了明显突破。在人工智能人才培养方面，教育部已经批准了数十所院校设立智能科学方面的专业。各地方高校相继成立了人工智能相关学院，致力于该领域的高端人才培养。同时一些高校与人工智能领域的知名

10、企业开展校企合作，加强从技术研发到应用落地的投入力度。人工智能+金融行业政策经济技术社会概述72018.11 iResearch Inc 4279 4929 5921 8426 12744 15122 17057 19571 1.00%0.95%1.00%1.25%1.67%1.74%1.74%1.86%2011.122012.122013.122014.122015.122016.122017.122018.6不良贷款余额（亿元）不良贷款率（%）2011年12月-2018年6月中国商业银行不良贷款余额及不良贷款率人工智能+金融行业驱动因素不良贷款余额增加倒逼金融机构采取更加有效的风控措施20

11、11-2018这八年间，我国商业银行的不良贷款余额从4,279亿元上升到19,571亿元，其中2018年6月的不良贷款余额较2011年12月上涨了357%；不良贷款率从1%上升到1.86%，整体呈现上升趋势。从近年的走势来看，传统金融机构由于存在对系统和流程建设的重视程度不够，及时监测违约风险的能力不足，系统性的风险预警机制尚未建立等原因，导致在风险管理方面存在诸多问题。同时在央行宏观审慎评估体系（MPA）实施以及监管日益趋严的环境下，金融机构需要改变以往的管理思路，通过运用人工智能等新科技手段不断增强自身的主动式风险管控能力以便应对未来的挑战。来源：中国银监会网站。概述82018.11 iR

12、esearch Inc 人工智能+金融行业相关技术梳理人工智能与大数据等技术相互融合，共同推动金融行业发展在人工智能+金融行业中，人工智能与大数据、云计算以及区块链技术并不是相互割裂的，更多的表现为相互依存的关系。大数据可以为人工智能技术在机器学习训练、算法优化等方面提供丰富的养料；云计算为大数据提供超强的运算和存储能力，显著降低运营成本；区块链解决了大数据、云计算、人工智能技术存在的信息被泄露、篡改的安全性问题，使得金融交易具有更高的安全性。人工智能技术作为金融行业未来发展的核心驱动力，与其他相关技术一道共同促进金融行业转型升级。来源：艾瑞咨询研究院自主研究及绘制。人工智能+金融行业技术关系

13、图大数据Big Data云计算Cloud Computing 提供运算和存储能力基础资源区块链Block Chain基础机制人工智能Artificial Intelligence主要利用机器学习、知识图谱、自然语言处理、计算机视觉等技术推动传统金融业务转型升级，降低成本损耗提升效能。消除信息中介，降低金融交易的成本；信息不可篡改，金融数据的存储更加安全；智能合约可以在满足保险赔付条件时自动启动理赔程序，无需人工干预。对各类海量数据进行分析筛选，为金融业务开展获取有价值的信息。提供便捷、按需获取和可配置计算资源的共享网络服务，降低金融机构的创新成本。基础设施有效的解决数据被篡改/泄露等安全性问题

14、，降低金融交易中存在的风险通过共识和智能合约等机制设定查看权限，保证数据的隐私安全问题紧密相连核心技术概述92018.11 iResearch Inc 人工智能+金融行业核心技术梳理人工智能技术助力金融场景实现智能化就人工智能而言，在金融行业的相关场景中以机器学习、知识图谱、自然语言处理、计算机视觉这四项技术应用较多。机器学习（尤其是深度学习）作为人工智能的核心，作为金融行业各类智能应用得以实现的关键技术发挥极其重要的作用；知识图谱利用知识抽取、知识表示、知识融合以及知识推理技术构建实现智能化应用的基础知识资源；自然语言处理通过对词、句子以及篇章进行分析，对于客服、投研等领域效率的提升提供了有

15、力支撑；计算机视觉技术通过运用卷积神经网络算法在身份验证和移动支付环节广泛应用。来源：艾瑞咨询研究院自主研究及绘制。人工智能相关技术在金融行业的应用概述机器学习自然语言处理知识图谱计算机视觉深度学习技术作为机器学习的子类，通过分层结构之间的传递数据学习特征，对各类金融数据具有良好的适用性。目前长短期记忆神经网络、卷积神经网络、深度置信网络、栈式自编码神经网络等算法在股票市场预测、风险评估和预警等方面进行了相关应用。人工智能Artificial Intelligence在自然语言处理技术中，自动分词可以将金融报表中的格式化语句进行拆分，通过词性标注为每个词赋予词法标记，然后结合句法分析针对进行标

16、注的词组进行内在逻辑研究，进而对研报进行自动化读取与生成工作。在反欺诈领域中，对信息的一致性进行验证，提前识别出欺诈行为；在营销环节中，可以链接多个数据源，形成对用户群体的完整描述，帮助客户经理制定出具有针对性的营销策略；在投资研究中，可以从公司公告、年报、新闻等文本数据中抽取关键信息，辅助分析师、投资经理做出更深层次的分析和决策。主要应用在身份验证、移动支付等领域。在身份验证方面，通过前端设备的人脸捕捉与证件信息提取，然后再通过人脸关键点检测、人脸特征提取并与云端服务器数据进行信息比对；在移动支付方面，通过分析人的面部特征数据和行为数据调用相应算法从而进行更为快捷安全的支付。102018.1

17、1 iResearch Inc 智能风控场景信贷审批、额度授信；信用反欺诈、骗保反欺诈；异常交易行为、违规账户侦测；风险定价、客户关联分析智能投顾场景个人理财产品策略咨询；股票配置、基金配置、债权配置、交易执行、投资损失避税智能支付场景人脸、指纹、声纹、虹膜等生物识别支付；停车场车辆外观与号牌自动识别支付；用户账户自动聚类与关联分析智能理赔场景智能辅助拍摄、远程精准定损；理赔材料信息快速提取、智能审核；维修方案、价格、年保费影响实时推送，快速赔付智能营销场景线上社交渠道智能获客；线下活动透视分析获客；销售报表自动生成智能分析智能投研场景上市公司研报、公告关键信息分析；智能财务模型搭建与优化；投

18、资策略规划与报告自动生成智能客服场景7*24小时机器人客服；取代传统菜单式语音+人工客服模式；金融机构网点分流引导式服务机器人人工智能+金融行业应用全景图来源：艾瑞咨询研究院自主研究及绘制。人工智能技术应用于多种金融场景人工智能+金融行业应用场景概览概述112018.11 iResearch Inc 人工智能+金融行业图谱来源：艾瑞咨询研究院自主研究及绘制。2018年中国人工智能+金融行业图谱服务器IT系统提供商网络通信运营商银行证券消费金融互联网金融信用评级基础层软硬件/底层技术提供商应用层技术使用者金融监管机构智能风控核心技术层算法、产品及解决方案提供商芯片保险信托基金支付技术平台层数据平

19、台云计算区块链智能客服智能投顾智能营销智能理赔智能支付智能投研概述122018.11 iResearch Inc 2018.11 iResearch Inc 12451010143549Pre-B轮B+轮C轮A+轮战略投资B轮Pre-A轮A轮天使轮融资事件（个）人工智能+金融行业投融资情况投资热度持续不减，融资集中在早期阶段受益于近年来人工智能技术的快速发展与国内资本市场的日趋成熟，资本方对于人工智能+金融行业的投资热度持续升温。2011年至2018年第三季度累计发生融资事件130起，从2016年起每年的融资事件数量均超过30起，预计未来将保持稳定增长态势。从融资轮次来看，人工智能+金融行业的

20、融资主要集中于天使轮和A轮，占比分别达到38%和27%，说明投资机构普遍看好该行业处于早期发展阶段的优秀创业公司，希望通过资本布局加速行业内科技企业的孵化进程。商业2011-2018Q3中国人工智能+金融行业融资轮次分布2011-2018Q3中国人工智能+金融行业融资事件数量来源：艾瑞根据IT桔子数据库等整理绘制。来源：艾瑞根据IT桔子数据库等整理绘制。概述11271735303720112012201320142015201620172018Q1-Q3融资事件（个）132018.11 iResearch Inc 2018.11 iResearch Inc 智能风控34.7%智能投顾25.7%

21、智能客服5.9%智能投研12.9%智能营销11.9%智能理赔5.9%智能支付3.0%人工智能+金融行业投融资情况智能风控与智能投顾受追捧，头部企业加大融资力度从人工智能+金融行业的科技企业类型来看，在监管政策持续加码、公众理财多样化发展需求提升等因素的影响下，智能风控和智能投顾占据一半以上的轮次比重，智能投研、智能营销等领域紧随其后，智能支付由于市场格局已相对成熟，融资轮次较少。在2018年前三季度亿元以上的融资事件中，蚂蚁金服、度小满金融、京东金融、金融壹账通的融资额均在10亿元人民币以上，头部企业凭借资本优势主导未来人工智能+金融行业的市场格局。商业2018年前三季度中国人工智能+金融行业

22、亿元以上融资事件来源：艾瑞根据IT桔子数据库等整理绘制。来源：艾瑞根据IT桔子数据库等整理绘制。概述中国人工智能+金融行业投融资企业类型分布时间公司轮次融资额2018.8慧安金科A轮1亿人民币2018.7京东金融B轮130亿人民币2018.7Advance.aiB轮5000万美元2018.6蚂蚁金服战略投资16亿人民币2018.6PINTECA轮1.03亿美元2018.6虎博科技Pre-A轮数亿人民币2018.4度小满金融战略投资19亿美元2018.4百融金服C轮10亿人民币2018.4冰鉴科技Pre-B轮1.55亿人民币2018.3知因智慧A轮1亿人民币2018.2蚂蚁金服战略投资数亿人民币

23、2018.2优品财富A轮2亿人民币2018.1金融壹账通A轮6.5亿美元142018.11 iResearch Inc 人工智能+金融行业商业模式技术参与主体多样，形成差异化服务及盈利模式当前，不仅是科技巨头和细分领域标杆企业作为技术提供方为金融行业赋能，传统金融机构也正在利用自身资源创立或与互联网科技公司合作形成新的金融服务模式，加快人工智能技术的扩散速度，使更多金融企业分享科技红利。基于开放的技术平台、稳定的获客渠道与持续的创新活动，金融机构的行业资源优势与互联网科技公司的技术沉淀优势相结合，重新定义价值链创造模式，在提高客户使用效率与服务满意度的同时，重建新型商业逻辑，推动双方价值资源共

24、享，逐步形成人工智能+金融行业的生态与市场格局。在此基础上，各类技术提供方围绕基础设施、流量变现和增值服务等关键环节，形成差异化服务能力与多样化盈利模式，并不断拓展新型商业模式与蓝海市场，利用长尾效应为行业创造更大价值。人工智能+金融行业技术参与主体及服务盈利模式来源：艾瑞咨询研究院自主研究及绘制。服务类别服务内容服务方式收费方式基础设施服务解决方案的应用环境搭建与模型调试 软硬件一站式解决方案 算法模型与原有硬件平台对接 技术初装费用 调试费用流量变现服务增加企业获客渠道方式并提升入口流量 场景化设计 精细化获客根据流量单价按量计费后续增值服务系统后期服务与行业咨询 更新升级系统 定制化研究

25、根据服务内容与体量按单收费创立合作赋能传统金融机构内部创立新型技术部门或独立科技公司互联网技术企业与金融机构合作形成新服务模式科技巨头或细分领域标杆企业对外输出技术能力概述大数据与人工智能创新实验室15人工智能+金融行业典型公司案例4人工智能+金融行业洞察与策略分析3人工智能+金融行业应用场景2人工智能+金融行业趋势展望5人工智能+金融行业概述1162018.11 iResearch Inc 智能风控运用多种人工智能技术，全面提升风控的效率与精度风险作为金融行业的固有特性，与金融业务相伴而生，风险防控是传统金融机构面临的核心问题。智能风控主要得益于以人工智能为代表的新兴技术近年来的快速发展，在

26、信贷、反欺诈、异常交易监测等领域得到广泛应用。与传统的风控手段相比，智能风控改变过去以满足合规监管要求的被动式管理模式，转向以依托新技术进行监测预警的主动式管理方式。以信贷业务为例，传统信贷流程中存在欺诈和信用风险、申请流程繁琐、审批时间长等问题，通过运用人工智能相关技术，可以从多维的海量数据中深度挖掘关键信息，找出借款人与其他实体之间的关联，从贷前、贷中、贷后各个环节提升风险识别的精准程度，使用智能催收技术可以替代40%50%的人力，为金融机构节省人工成本。同时利用AI技术可以使得小额贷款的审批时效从过去的几天缩短至35分钟，进一步提升客户体验。传统业务面临的问题与智能风控流程图（以信贷为例

27、）来源：艾瑞咨询研究院自主研究及绘制。欺诈风险提供虚假材料；贷款申请人与金融机构内部人员联手，泄露其他客户信息，合谋骗贷信用风险一些金融机构现有信用数据维度不够，无法获取权威征信数据库信息；多头借贷，单家机构无法了解风险情况传统信贷通常需要申请人手工填写大量信息，且存在重复填写相同的内容，造成用户体验不佳流程繁琐传统风控流程需要人工审核，且存在审核人员的资质参差不齐，难以保证审批的效率与质量审批漫长营销获客TextTextTextText贷款申请贷款审核贷后监控逾期催收贷前贷中贷后人脸识别微表情识别机器学习知识图谱机器学习语音识别机器学习语音交互知识图谱机器学习-其他平台借款申请-其他平台逾期

28、-法院失信记录-手机号停用机器学习-用户互联网行为数据（社交、购物、搜索、LBS等）-央行征信数据-公安/法院数据用户信息扫描新增风险扫描场景172018.11 iResearch Inc 2018.11 iResearch Inc 智能支付以生物识别技术为载体，提供多元化消费场景解决方案在海量消费数据累积与多元化消费场景叠加影响下，手环支付、扫码支付、NFC近场支付等传统数字化支付手段已无法满足现实消费需求，以人脸识别、指纹识别、虹膜识别、声纹识别等生物识别载体为主要手段的智能支付逐渐兴起，科技公司纷纷针对商户和企业提供多样化的场景解决方案，全方位提高商家的收单效率，并减少顾客的等待时间。智

29、能支付作为承载线上和线下服务的有效连接，结合智能终端、物联网以及数据中心，能够将结算支付、会员权益、场景服务等功能多角度呈现给消费者，同时可以将支付数据与消费行为及时反馈至后台，为商户进行账目核对、会员营销管理、经营数据分析等工作提供支持。未来，以无感支付为代表的新型技术将提供无停顿、无操作的支付体验，全面应用于停车收费、超市购物、休闲娱乐等生活场景。商业人脸识别与指纹识别支付的特征对比智能支付关键实现流程来源：艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院自主研究及绘制。身份识别 生物识别 身份特征比对账户应用 账户聚类 账户关联支付场景 与IOT深度融合 场景无感支付数据发现 支付数据

30、关联 用户行为预测风险管理 账户盗用预警 反洗钱套现服务应用 移动端APP 智能支付机器人人脸识别支付面部特征点拾取分析指纹识别支付比较指纹的细节特征点来进行鉴别场景VS 识别率可达到99.5%至99.8%支持1:1与1:N比对 非接触式使用便捷 应用场景支持广泛 识别率可达到99.2%支持1:1与1:N比对 存储数据集较小 识别验证时间可小于0.25秒 伪造攻击难度较大182018.11 iResearch Inc 智能理赔简化处理流程，减少运营成本，提升用户满意度传统理赔过程好比是人海战术，往往需要经过多道人工流程才能完成，既耗费大量时间也需要投入许多成本。智能理赔主要是利用人工智能等相关

31、技术代替传统的劳动密集型作业方式，明显简化理赔处理过程。以车险智能理赔为例，通过综合运用声纹识别、图像识别、机器学习等核心技术，经过快速核身、精准识别、一键定损、自动定价、科学推荐、智能支付这六个主要环节实现车险理赔的快速处理，克服了以往理赔过程中出现的欺诈骗保、理赔时间长、赔付纠纷多等问题。根据统计，智能理赔可以为整个车险行业带来40%以上的运营效能提升，减少50%的查勘定损人员工作量，将理赔时效从过去的3天缩短至30分钟，明显提升用户满意度。智能理赔主要流程示意图（以车险为例）来源：艾瑞咨询研究院自主研究及绘制。1.快速核身2.精准识别3.一键定损4.自动定价5.科学推荐6.智能支付借助声

32、纹识别、人脸识别等技术，实现对投保车主身份的快速识别，自动将语音转录成文本信息结合深度学习、图像识别等技术，可对于各种车型、外观件以及损失程度进行精准识别通过对海量理赔数据进行训练，运用机器学习算法对于车辆的损失程度进行智能判定与主机厂、采集地相关数据相连接，自动列出配件、工时等价格清单根据车辆位置科学推荐附近维修点，并提供导航及代步车等便捷服务车主利用人脸识别等方式进行验证，快捷收取保险公司支付的理赔款项50%减少查勘定损人员工作量0.5h显著提升理赔处理时效72h场景192018.11 iResearch Inc 智能客服构建知识管理体系，为客户提供自然高效的交互体验方式银行、保险、互联网

33、金融等领域的售前电销、售后客户咨询及反馈服务频次较高，对呼叫中心的产品效率、质量把控以及数据安全提出严格要求。智能客服基于大规模知识管理系统，面向金融行业构建企业级的客户接待、管理及服务智能化解决方案。在与客户的问答交互过程中，智能客服系统可以实现“应用-数据-训练”闭环，形成流程指引与问题决策方案，并通过运维服务层以文本、语音及机器人反馈动作等方式向客户传递。此外，智能客服系统还可以针对客户提问进行统计，对相关内容进行信息抽取、业务分类及情感分析，了解服务动向并把握客户需求，为企业的舆情监控及业务分析提供支撑。据统计，目前金融领域的智能客服系统渗透率预计将达到20%-30%，可以解决85%以

34、上的客户常见问题，针对高频次、高重复率的问题解答优势更加明显，缓解企业运营压力并合理控制成本。智能客服系统服务体系架构及主要功能来源：艾瑞咨询研究院自主研究及绘制。底层平台运维服务获客渠道 多领域、多结构化数据维护 细化颗粒度管理模式 交叉搜索与关联分析 面向客户及企业内部访问 问题聚类及分布统计 业务盲点探索及关联发现 客服应用效果评估 多层次语言分析 智能分词及模糊推理 多渠道接入并输出 必要时可切换至人工辅助知识管理问题应答统计分析PC端APP端电话呼入网点访问展厅体验人机协作在线智能客服文本式交互坐席知识库主动记录外呼语音式播报员工开放平台智能终端实体机器人基于机器学习、自然语言处理等

35、技术的学习分析平台基于知识图谱的知识融合平台各类硬件、网络连接、管理组件及安全层社交网络场景202018.11 iResearch Inc 2018.11 iResearch Inc 智能营销改变传统营销模式，提供个性化营销服务营销是金融业保持长期发展并不断提升自身实力的基石，因此营销环节对于整个金融行业的发展来说至关重要。传统的金融营销渠道主要还是以实体网点、电话短信推销、地推沙龙等方式将金融相关产品销售给潜在客户，这些营销方式容易产生对于市场需求的把握不够精准、使得客户产生抵触情绪，同时标准化的产品以群发的方式进行推送也无法满足不同人群的需要。智能营销主要通过人工智能等新技术的使用，对于收

36、集的客户交易、消费、网络浏览等行为数据利用深度学习相关算法进行模型构建，帮助金融机构与渠道、人员、产品、客户等环节相联通，从而可以覆盖更多的用户群体，为消费者提供千人千面、个性化与精准化的营销服务。智能营销为金融企业降低了经营成本，提升了整体效益，未来在此领域仍需注意控制推送渠道、适度减少推送频率、进一步优化营销体验。商业来源：艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院自主研究及绘制。社交网络浏览行为 产品购买行为 网点业务办理频次客户信息采集实体网点电话推销短信推送社交网络地推营销会议沙龙自助机具手机银行电子邮件2424SMS 运用深度学习、自然语言处理等相关技术进行建模 通过自有渠

37、道或第三方渠道进行信息投放，实现个性化营销金融行业传统营销渠道智能营销典型流程认知模型构建营销精准触达场景70%获客成本相较于传统营销方式明显降低50%客户活跃度显著提升212018.11 iResearch Inc 2018.11 iResearch Inc 智能投研克服传统投研模式弊端，快速处理数据并提高分析效率当前，中国资产管理市场规模已超过150万亿元，发展前景广阔，同时也对投资研究、资产管理等金融服务的效率与质量提出了较高要求。智能投研以数据为基础、算法逻辑为核心，利用人工智能技术由机器完成投资信息获取、数据处理、量化分析、研究报告撰写及风险提示，辅助金融分析师、投资人、基金经理等专

38、业人员进行投资研究。智能投研能够构建百万级别的研究报告知识图谱体系，克服传统投研流程中数据获取不及时、研究稳定性差、报告呈现时间长等弊端，扩大信息渠道并提升知识提取及分析效率，在文本报告、资产管理、信息搜索等细分领域形成广泛应用。智能投研的终极目标是实现从信息搜集到报告产出的投研全流程整合管理，基于更加高效优化的算法模型与行业认知水平，形成横跨不同金融细分领域的研究体系与咨询建议，并在金融产品创新设计方面提供服务支撑。商业智能投研典型应用产品人工智能技术在投资研究流程中的赋能效应信息提取数据处理数据分析结果输出来源：艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院自主研究及绘制。渠道众多且耗

39、费时间精力较大可批量化提取非结构化数据数据获取不完整且提取效率较低根据规则自动提取数据并生成图表数据理解差异且分析主观性较强基于模型优势形成稳定分析输出报告产出周期长且后期调整复杂快速生成且动态调整各类报表传统弊端赋能效应赋能等级研究分析文本报告 对各类型数据进行汇总、清洗、解构 对外输出PDF研究报告及图表提取功能 交易指令下达前资产智能化管理维护 减少基金经理标准化作业时间并提升效率智能风险预警智能资产管理智能搜索推荐 利用NLP挖掘消息主体之间的关联影响 利用知识图谱洞察风险扩散范围程度 在文本解析基础上进行智能搜索聚类 根据用户个性化需求形成动态事件推荐场景222018.11 iRes

40、earch Inc 2018.11 iResearch Inc 397.5 642.9 1080.1 1884.7 61.7%68.0%74.5%20172018e2019e2020e中国智能投顾市场规模（亿元）中国智能投顾市场规模增长率（%）2017-2020年中国智能投顾市场规模智能投顾聚焦个人理财投资，有效降低交易成本并提升服务体验智能投顾的概念始于2010年兴起的机器人投顾（Robo-Advisor）技术，2014年进入中国市场后，经历技术的不断升级与服务模式的逐步创新，渐渐为市场与公众所熟知并接受。2016年底招商银行的摩羯智投诞生，成为中国银行业首个智能投顾系统，随后更多的智能投顾

41、产品相继落地。根据预测，2018年中国智能投顾市场规模将达到642.9亿元，未来几年都将呈现快速增长的态势。智能投顾按照投资期限、风险偏好、回报预期等维度，运用人工智能相关技术形成个性化的资产配置方案，同时辅以营销咨询、资讯推送等增值服务，相较于传统理财管理费率普遍降低80%，门槛由百万元以上降低至1万元左右。智能投顾在应用落地过程中不仅需要良好的算法平台与技术体系作支撑，更需要对大量行业与用户行为数据进行收集处理，国内互联网科技巨头与金融机构分别在技术端和数据端发力，结合各自优势推出符合中国客户的个性化产品。商业来源：综合企业访谈、公开市场信息，根据艾瑞统计模型核算。来源：艾瑞咨询研究院自主

42、研究及绘制。场景智能投顾业务流程智能投顾风险测试资产配置流程引导资产管理 风险问卷调查 KYC客户洞察 数据行为修正 传统量化模型 机器学习算法 定制化解决方案 自助式账户开立 一键式资产配置 资产组合动态分析、调仓及交易 可视化查询主要经营模式：B2B2C 智能资讯推送 理财产品智能营销投后服务23人工智能+金融行业典型公司案例4人工智能+金融行业应用场景2人工智能+金融行业趋势展望5人工智能+金融行业概述1人工智能+金融行业洞察与策略分析3242018.11 iResearch Inc 进入壁垒人工智能+金融行业的发展目前尚处于起步阶段，新兴的科技公司如果想要进入这个行业面临着许多壁垒：1

43、）高端人才储备：我国人工智能方面人才培养的时间不长，在学术界以及产业界高端的AI技术人才十分稀缺，因此拥有高端人才是推动企业快速发展的核心因素。2）金融场景理解能力：由于金融行业的天然特性，一方面国家监管严格金融机构内部的合规和风控要求高，另一方面金融的细分业务众多且流程较为复杂，如果想要实现技术的更好落地还需要对于金融场景有深刻的认知，因而对于金融行业有深入了解的业内专家可以促使企业开发的AI技术更好的满足金融场景的实际落地要求及监管规定。3）数据积累实力：人工智能技术相关算法的迭代优化需要数据作为支撑，拥有海量优质的金融数据将成为科技公司提升自身实力的重要基础。来源：艾瑞咨询研究院自主研究

44、及绘制。人才储备、金融场景理解、数据积累成为主要壁垒在金融行业智能化转型升级的过程中，需要大量掌握人工智能技术的高学历人才，目前该类人才十分稀缺。由于金融服务涉及到许多复杂的处理流程，技术能否更好的落地有赖于企业是否拥有理解金融业务的资深专家以及丰富金融行业案例的积累。人工智能算法模型的训练需要大量的数据做支持，拥有海量且优质的结构化与非结构化数据成为科技公司能否提升自身实力的重要基础与前提条件。高端人才储备金融场景理解能力数据积累实力洞察人工智能+金融行业进入壁垒252018.11 iResearch Inc 技术提供方：挑战与应对措施加大通用技术平台输出，提升复合型人才引进与培养能力不同于

45、其它传统产业，金融行业进入门槛高、行业风险大、业务复杂程度和关联敏感程度相对集中，对技术赋能与行业认知融合理解要求相对严格。作为人工智能+金融行业供给方的技术输出型企业，除科技巨头和大型金融集团内部孵化的金融科技公司等头部玩家外，大部分初创企业只能从技术颗粒度细化程度与模型执行效率等方面入手完善解决方案层面问题，而在诸如主动创新、行业赋能认知、新赛道开拓等更为宏观层面的问题上存在资源与禀赋相对不足，缺乏对行业深层次的理解、技术的开放性与标准化、复合型人才储备等能力。作为人工智能+金融行业的重要参与者，技术提供方应不断加强对金融机构的端到端服务能力，而实力较强的头部企业更应该主动承担更多责任，主

46、导建立开放包容的产业生态，加大科技与金融领域复合型人才培养力度，推动全行业的高效、规范和有序发展。来源：艾瑞咨询研究院自主研究及绘制。挑战1：传统点线式创新成本较高应对1：加大通用技术平台输出技术提供方大多依赖已有算法模型和行业经验在某个细分领域实现方案的单独设计，数据相对稀疏割裂，应用模型的可迁移性一般，重复开发现象时有发生，项目管理流程较为单调。如果进行跨领域开发，重置成本较高，操作相对复杂，不利于资源的节约使用。技术提供方可围绕深度学习、自然语言处理、知识图谱等人工智能的关键技术，通过自建或联合建立通用技术平台，整合不同金融细分领域的底层算法模型，提高调用频次并降低重置开发成本，利用公共

47、脱敏数据训练池提升模型训练效率，推动开发模型的API接口统一与SDK标准化进程。挑战2：行业理解程度不深制约创新技术提供方下沉至垂直应用领域后，对行业整体认知理解程度有待加强。除少数头部企业外，初创企业缺乏对客户的端到端解决方案服务能力，单纯重视技术输出而忽略技术与产业融合效果的评估与咨询能力，新赛道挖潜准备不足，不利于企业持续创新。应对2：提升复合型人才引进与培养一方面技术提供方应重视科技与金融复合型领军人才的引进力度，形成行业咨询体系；另一方面可尝试与高校及科研院所联合建立科技与金融复合型人才培养机制，强化未来行业专家的前瞻研判能力。同时，还可以为现阶段技术员工提高金融行业认知创造积极条件

48、。策略技术提供方面临的挑战及应对措施262018.11 iResearch Inc 传统金融机构：挑战与应对措施积极变革现有经营管理模式，发挥区域协同效应随着银行业黄金时代的终结，在国内外宏观经济下行因素与监管环境日趋严格的共同影响下，中国金融机构普遍面临增速放缓的发展窘境，技术创新与业务转型将成为金融机构持续发展的必然选择。通过技术提供方的综合解决方案，传统金融机构可有效提升用户体验并降低运营成本，实现特色化服务；与此同时，由于自身发展理念、组织架构、经营方式、业务渠道等存在一定的限制因素，大部分传统金融机构还没能及时适应自身角色的转变。为此，在风险可控的前提之下，各金融行业参与主体应尊重金

49、融科技发展的内生需求，结合自身发展阶段以及当地的监管要求，主动寻求在部门调整、管理模式与人员配置上的积极变化，进一步激励创新，建立互信、包容的产业发展生态。来源：艾瑞咨询研究院自主研究及绘制。挑战1：现有组织架构适应程度不够应对1：针对管理模式进行有效变革需求方现有的组织架构方式大多停留在金融信息化发展阶段，在知识产权、项目定价、人员招聘待遇等方面存在惯性问题，内部科技团队和金融业务团队的绩效考核评价指标未能实现科学设计，短时间内难以适应科技对于金融行业发展所带来的挑战。在确保金融机构的日常业务开展安全有效的前提下，科学合理规划组织架构方式，可尝试在银行总行层面成立专门负责人工智能、大数据、云

50、计算、区块链技术的科技部门，持续提升技术在业务的渗透力度与融合程度。同时可以建立更加灵活的用人制度以便吸引更多的科技人才加入到传统金融机构中来。挑战2：中小金融机构资源受限对于数量众多的中小金融机构，尤其是城商行和农商行来说，在业务领域、经营渠道及获客方面与大型银行存在较大差距，运用新兴技术管理资产的成本较高，收益回报率相对有限，导致其在科技方面投入的意愿不强，不利于普惠金融体系的建设。应对2：立足区域优势发挥协同效应中小金融机构对本区域内的经济情况、社会环境与人文特色具有较为深入的了解，可尝试联合地方政府、国有大行建立区域内的产业创新基金，基于协同效应形成本地化特色显著的行业促进组织。策略传