季元：金融科技推动存在组织惯性、人才缺乏两大难题

百融云创科技股份有限公司CRO季元

　　新浪财经讯 “2019中国金融科技论坛”于2019年5月31日在北京举行，本次活动为京交会论坛活动之一，主题为：新时代 新金融新科技，百融云创科技股份有限公司CRO季元出席并演讲。

　　季元称，银行金融科技推动存在两大难点，一个是组织惯性，第二个是人才缺乏。

　　组织惯性就是一个组织改进技术时，会受固有的组织架构的约束，比如说在一辆马车上装上电池和电机也不是一个电车，跑到一定程度一定会散架的。当科技发展到一定程度，科技部门承载的不光是科技部门，更多需要涉猎到业务场景下。为什么很多的很多的银行在采用科技的时候会单独设立一个科技公司，其实也是组织架构的影响。

　　第二个就是人才缺口，当新技术出来的时候人才一定是最缺乏的，组织和人才是两大难点。

　　以下为演讲实录：

　　季元：大家下午好，今天这个主题是金融科技，前面三位嘉宾都是金融行业资深专家，百融我们的角色定位有一些差异，我们是作为一个第三方的服务方给金融机构提供服务的。所以我们的视角有一些不一样。

　　其实提到金融行业大家普遍的印象是比较的传统，但是我相信听完前面三位大咖的演讲已扭转印象，其实我们的金融在科技应用方面非常的领先。国际上对金融科技应用大的分几个阶段。

　　第一个阶段就是核心业务的流程数字化，在座超过三十岁以上的听众就可以想象一下三年前的银行是什么样的。真正银行核心流程数字化的过程其实开始得很晚，到1987年、1988年那时候才开始电子化，1987年到现在，整个银行包括业务经历非常大的变化。那个时候从1989年之前银行完成了内部流程数字化的过程，上了核心的系统，业务系统，把内部业务的数据沉淀下来。

　　第二个阶段随着互联网多发展，银行和客户的交互渠道逐渐从线下转到线上，包括网上银行、手机银行还有电话银行，但是这个阶段的变革是以第一阶段的科技运用为基础的，如果没有银行内部的变革业务线上化实现不了。2015、2016这几年因为互联网推动也好，竞争也好，开始推进银行内部自身业务决策和运营智能，也就是我们这两年讲的人工智能和大数据在业务里的应用。近两年的这些进展也是以前两个阶段数据为基本的，没有业务数据的沉淀，客户交互行为数据的沉淀，做不了风控，做不了营销。

　　从这个脉络可以看出来，金融行业在科技运用方面领先于其他的方面。从金融科技这个词使用的频率就能看出来，就没有其他的行业有一个XX科技这样的一个提法。

　　第三个阶段就是业务的智能化这个阶段，其实能分成两大环节，第一个就是技术的单点突破，这两年发生的领域，包括正在发生的。当我们应用科技特别是人工智能应用过程中，有三个阶段，第一个是辅助人，第二个是替代人，第三个是超人，不光是人工智能，从工业革命开始所有技术的进步其实都会经历这三个阶段。第一个开始作为人的辅助，不管是农业还是工作，一开始是作为工具提升人的生产力，到某一阶段之后自动化程度到一定的程度，就可以取代人。再往后发展就能超越人，人做不了的事情机器可以做。

　　举例，这个是AutoML，机器学习，大家想象一下几年前我们建一个模型都是手敲代码，从数据库提数据，那个时候建模的的周期大概一个月左右，一个人干一个月的时间，后来有了各种的开源的标准算法库，这个时候标准力能提高，但是标准提高了，这个阶段叫以算法为基础的金融，前一阶段是以代码为基础的金融。

　　AutoML以任务为基础的金融，直接告诉这个机器，你把需要建模的数据给他，能实现一键建模，能把建模的周期从代码一个月缩短到一个小时。这整个的模型应用效率被提升。AutoML它应用的意义可以总结，叫机器学习能力的平民化，原来使用机器学习是一个门槛非常高的事情，要学机器语言，要学数学还要懂编程，整个社会懂的机器学习的非常少。有了AutoML之后，这个世界上能应用机器学习的人才大大提升了，这会导致我们整个的模型应用的提升井喷，真正建立起数据驱动的业务。这个AutoML的出现对整个将来金融行业，包括我们的人才结构、业务模式都会带来非常大的颠覆。这是技术应用对我们业务的改变。

　　第二个我想举的例子叫智能语音服务。大家可能会发现从去年到今年，这一年多的时间骚扰电话的普通话的标准程度非常非常高，原来还有方言，现在基本上都是普通话，智能语音服务非常普遍。智能语音应用金融行业里面，大家进场会说有营销环节，催收环节，贷款环节，这都是我们经常会遇到的，以前打银行的客服，银行的操作流程是按1按2，可能从1按到9都没有想听的，智能语音服务把这个环节的体验大大提升，你直接说什么话想干什么事情，背后的NLP引擎会识别出你的意图，通过机器客服回答你，一个是体验大大提升了。

　　还有就是成本大大提升，原来跟分行聊有20多人的客服，需要租一层的办公室，给这些客服人员办公，同时还要部署各种的语音设备，像耳机、麦克，还有操作系统电脑，其实每年的成本大几百万，后来他用机器人做服务替代掉这20多个人，虽然效果上略有有一些差异，但是管理陈本上大大降低，人员的招聘成本、培训成本相应大大降低，关键是业务的弹性增加。业务量突增的时候如果想从20人扩展大40人，没有两三个月的时间是做不到的，要招聘要培训，两三个月的周期，现在只需要加几个机器人就可以了，这个还是一个的分行的应用，我们一般大的银行大几千人，这里面的管理成本、运营成本，还用业务波动的时候导致人员扩充的成本非常高。

　　从银行内部管理角度来讲，智语音技术非常好，客户体验、降低成本、客户弹性。

　　往深了讲，语音交互这种方式有可能替代我们网上端、移动端的交互的。其实我们仔细想想我们现在手机端的操作并不是体验最好的操作，我们要给一个人转帐，微信里面可能只需要三步，你选上这个人，加上“+号”，转帐多少钱就过去了，一般看银行的APP里面这个过程比微信复杂，但是如果将来通过智能语音可能只需要打一个客服，我需要给谁转多少钱就完成了，因为语音的交互方式是人最自然的交互方式，人每天用得最多的交互方式，智能语音技术如果成熟到一定的程度，现在目前还到80%多，不到90%，如果能到95%以上，有可能变成银行最主要的渠道，而且就像刚才的杨会长讲的变成普惠金融最主要的渠道，数字化成为比较低，可能播个电话、说个话这个工作就完成了。这是智能语音技术对将来银行业的发生的影响。这个主要是替代人，首先能替代金融机构几千号的坐席人员。

　　第三个想介绍的是大数据风控，这两年这几技术相当成熟了，不管是大的互金公司，还是传统银行，在大数据风控方面投入都非常大，而且我们现在在座的也能直接体会到风控的影响。今天我想分享的是大数据风控潜在影响的是风控，大风控本身这件事情很简单，就是原来早期咱们国内的13亿里面可能有征信记录的人不多，四五年前也就几千人，那个时候大量的人超过70%的人享受不到传统服务的风控，大数据风控解决的无征信人群，让金融机构敢给无征信人群放贷。后来演进带来周边的好处，因为3亿人敢上，现在超过13亿人都敢上，只要在互联网有行为记录，就是银行客户群体增加了，另外体验更好，传统的征信方式要填一堆的资料，几年前去银行办征信至少要填两页纸，现在去互联网平台借钱，只需要三个信息，姓名、身分证号、手机号就可以了。而且原来人工审批非常长，整个贷款至少一周，长的两三周，现在基本上秒级，填完资料几秒钟就能拿到结果，给你多少钱。这个客户体验更好了。

　　风控更精准，因为现在用的数据维度更多，超过几千万人，对人的判断更精准，而防伪程度更高，原来模型只有8、9个字段，我想在这几个字段里做手脚更容易，而且这几个字段还是从线下采的，两千个字段你要做假很难。这是大数据风控给大家直观的印象。

　　我想说采用了大数据风控之后，对整个银行业务的影响到底在哪儿。因为现在能够对风险做得更精准之后，我来了这个客户群体，实际上我们可操作度很高，原来在传统的风控程度下，100个人只能批准3%，现在我如果能识别更精准的话，可能到不了50%、60%，对银行前端和后端部门的影响会很大。因为2017年互联网金融行业非常繁荣的时期可以看到，一些互联网金融的公司它的人员的结构跟银行有非常大的区别，原来银行最大的两个部门一个是借贷部门，一个是催收部门，一个前一个后，一个负责放钱，一个收钱的。互联网前端人很少，可能只有十几个人，几十个人，但是能支撑千万亿的客户，但是催收的人更多，因为那个时候催收自动化的程度不高，还是靠人。那个时候他的业弹性非常大，只需要有十几号人维护一下就可以了。大家想象一下在传统模式下靠人工智能的方式，你的业务量从一万扩展到十万，对你的组织架构的冲击非常大，你要扩人，你要扩十个人才能支撑业务规模的提升，可能这个业务量的井喷只是一个短期现象，比如说双十一期间，可能过了这几天就没了，对银行来讲它的结果就只能损失掉这些爆喷的客户，会丧失很多的机会。

　　还有对市场营销的影响，原来很看中客户的渠道来源，就要选择资质比较高的客户，因为差的防不住，如果现在对自己的风控有信心的话，不管什么样的客户来都可以，获客的带宽可以增加。会带来一系列的影响，对你前端的营销和手段的催收都带来一系列的影响。

　　前面这三点其实讲的都是在某一个点上，不管是AutoML也好，这是建模的，智能语音也好，针对交付的，大数据风控这个是针对风控环节的，真正的技术应用其实是由点到面的组织升级的过程，这个其实有一个非常深刻的一个例子，大家知道前一段播音737M800那个飞机出事了，为出事了，就是因为采用了新的发动机，更省油，相应发言人的口径更大了，为了把发动机装在飞机上，只能往前移。升级了几次之后，发动机会更倾向于机头，导致整个空气动力结构不稳定，机头往下钻。这就是一个技术单点应用的典型案例，只升级了发动机，但是飞机的器械结构没发生变化，你升级到一定结构一定出问题。在一个组织里面用技术，如果只有再生一个点上用技术也会出现问题，比如刚才讲的大数据风控带宽足够大，后面的客服也好，催收也好，压力非常大，导致客户体验非常差。所以技术应用到第二个阶段一定是由点到面的组织升级。

　　第一个案例我想的是智能的风控平台，其实把刚才讲的几个点都集中到一起，不光是一个技术的平台，也是一个组织的平台，是一个双重升级。这里面包含五个模块，实现三个功能，平台我们大家都讲，一般来讲提到平台都是内部智能的服务化，不管是互联网公司提到的平台也是这样的，服务化，就是它变成一个内部的服务的机构。第二个就是敏捷化，对前端业务的响应更加敏捷，第三个就是智能，因为你要敏捷化一定离不开智能化。这里面需要五大模块，一第一块就是我们讲的数据湖，前面经过几十年的技术应用，传统金融机构大部分内部信息化建设已经很完善了，基本上都有数仓，有数据集，但是数仓跟数据湖的区别在哪里，一个字之差反映的是数据的流动性，在数仓的时代各个数据进入数仓很容易，每天晚上都会真实沉到数仓里面，但想一个业务应用想把一个真实数据拿出来非常的容易，没有几个月的时间拿不出来，所以数据库解决数据流动性的问题，让数据流动起来，使实时的数据能被用起来。

　　第二个就是特征池，第三个就是AutoML平台，这些数据要大量涌起来，这是我们数据驱动的决策，一定要有高效的建模工具。第四就是要有模型管理平台，支撑模型监管，最后一个就是风险策略引擎，所有的模型都可以部署在引擎上，对接业务，通过五个模块的业务改造，实现数据平台把风控变成金融机构内部的一个服务，特别是当我们现在各个机构的业务复杂度更高的程度下，业务非常多，风控集中化是提升效率的一个非常重要的手段。集中化之后有更多的好处，比如说客户集中管理，因为不同的策略大家有区别，但是在同一个平台上可以达到统一，集中管理。

　　第二个案例是讲产业金融平台，因为前些年就是过去的两三的时间随着P2P电商平台的发展，大量供应链的数据开始沉淀下来。跟咱们消费金融发展是一脉相承的，消费金融为什么能起来，因为前些年消费电商发展非常好。但是在这个产业金融里面，产业互联网平台跟金融机构之间其实是有一层屏障的，因为产业平台在搭建的时候，它的目的是以服务供应链，服务企业为主，所以不管是平台的设计，数据的采集也好没有考虑到金融风控的需求，这个时候一定需要一个中间的连接器，来把双方需求对接起来，这里面金融机构，这个决策不管是第三方的科技公司也好，还是银行系的金融科技公司也好都可以。通过这样一个平台的搭建，一个是把金融机构的需求，不管是通过物联网设备也好，通过什么设备也好，把数据采集的需求集成到设备里去，把采集的数据变成策略提供给管理层，变成标准的接口，这是一个产业金融平台要干的事情，也是它的价值点。供应链金融和小微金融要大力发展，离不开中间的决策。

　　因为时间限制，最后还有一个点，就是科技运用的难点，刚才其实民生科技的牛总也提到了，其实金融机构技术难点不在技术，金融机构科技部门的人才储备和技术都很强，但为什么推不动，真正的技术转化无业务的应用。两大难点，一个是组织惯性系，第二个是人才缺乏。组织惯性就是一个组织一旦改进技术的时候一定会受固有的组织架构的约束，比如说在一辆马车上装上电池和电机也不是一个电车，跑到一定程度一定会散架的。当科技发展到一定程度，科技部门承载的不光是科技部门，更多需要涉猎到业务场景下。为什么很多的很多的银行在采用科技的时候会单独设立一个科技公司，其实也是组织架构的影响。第二个就是人才缺口，这个很容易理解，当新技术出来的时候人才一定是最缺乏的，组织和人才是两大难点。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：谢长杉