ThoughtWorks金融科技雷达——金融科技趋势前瞻

裴兴蕊

ThoughtWorks资深商业分析师，互联网金融产品经理，互联网金融团队负责人。加入ThoughtWorks十年，带领团队建设ThoughtWorks互联网金融产品化平台，为陆金所、中信集团、嘉实基金、中国银行、招商银行、渣打银行等金融行业客户提供产品规划和咨询。

FinTech的实质

FinTech，在维基百科（中文）上的定义是：“金融科技（英语：Financial Technology，也称为FinTech），是指一群企业运用科技手段使得金融服务变得更有效率，进而形成的一种经济产业。这些金融科技公司通常在新创立时的目标就是想要瓦解眼前那些不够科技化的大型金融企业和体系。”

FinTech并不是一个新兴词汇。最初是指连接消费者和交易金融机构的后端技术。在这个词诞生的时候，它是代表先进技术的。因为在那个时代，金融机构与消费者之间的信息交互完全通过人工，没有任何自动化的信息技术可用。

目前，无论是国际还是国内，对FinTech都没有一个明确的定义。

在国际上，比较宽泛的认识是：任何跟金融部门相关的创新，例如：金融扫盲和教育、零售银行、投资、电子货币（例如比特币）等，都属于FinTech的范畴；甚至各种跟新兴金融相关的、技术和非技术的都被纳入这个范畴，包含股权融资、风投等。

在国内，它似乎被看成是互联网金融的升级版。然而，在2016.7.2举行的中国互联网金融协会从业机构高管系列培训会上，刘向民表示：“应划清互联网金融和FinTech的界限。FinTech不直接从事金融业务，主要是与持牌机构合作。而互联网金融的本质仍然是金融，风险属性并没有改变，同样具备金融风险的隐蔽性、传染性、广泛性和突发性等特征，在行业高速发展的同时，风险也在快速积累，并已经开始爆发。”那么，FinTech究竟是互联网金融++，还是一个必须完全规避金融风险的新型领域？

在我们分析看来，目前国内FinTech领域可以归于三类：

一：互联网金融狂欢时代留下来的“模式创新”挤入了FinTech的范畴。

从零六、零七年开始，互联网金融在国内迅速火热起来，除了拍拍贷、宜人贷等这种P2P（个人对个人的借贷）模式之外，又迅速创新出P2B（企业对个人的借贷）、A2P（个人贷款由金融机构包装成资产包）等模式，甚至出现了信托团购、互联网股权众筹这些不被监管允许的创新模式。这些创新与传统的存、贷模式相比，可以更快匹配资金需求方和盈余方，使得资金使用更有效率。然而，有些模式在创新时无视金融风险，有些模式只是对原有金融产品进行线上化包装，更有一些是对其他模式的简单复制组合。随着监管越来越落到实处，互联网金融的创新会淘汰大部分，剩下“巨头”的模式会趋于稳定和成熟。

二：传统金融行业借助FinTech概念在进一步进行数字化和互联网化的转型。

在互联网金融狂欢时代，曾经的传统金融机构被批得无以复加：因循守旧、拒绝改变、跟不上时代等等。但其实这些创新的互联网公司本质上还是依赖于传统金融机构的支持或专家知识。例如，在做大数据风控时，银行几十年的信贷数据积累就是很好的模型训练数据。所以，传统金融机构进行数字化和互联网化的转型是后劲十足的。

传统金融企业的转型一般有三个维度：渠道和体验上的移动化，核心业务系统的微服务化，组织架构的敏捷化。从而使得传统金融企业逐渐跟上乃至引领金融领域的变化和创新。

三：创新技术例如大数据、区块链等，借助FinTech概念在金融行业寻找应用场景。

这些技术有些诞生于金融领域（如区块链），有些看似跟金融并不密切相关（如VR/AR等），它们在金融领域的创新应用往往会带来颠覆式的变化。例如，区块链的应用之一，分布式可信账本，业界认为它是目前最可能威胁到传统银行中心地位的技术。银联联手IBM打造的信用卡积分交换，就是基于分布式可信账本的。区块链的另一应用，数字货币深受各国追捧，法定数字货币成为各国央行的重点研究领域，英、加等国表示已提出了自己方案。我国则宣布其数字货币原型方案已完成两轮修订。

我们认为：FinTech的核心在于，用科技力量让金融更好、更快的服务于实体经济。

FinTech雷达

技术本身可以不具有领域属性，相比技术的理论基础，我们更关注于技术在金融领域的应用。例如VR或AR，其技术基础已较为完备，在游戏或购物场景中，其应用也已经相当成熟。而在绝大多数产品均为非实物的金融领域，VR或AR所擅长的营造身临其境感，给金融客户带来的噱头远远大过于体验的提升。因此，我们在关注和理解一项技术时，会考察它是在哪个方面给金融领域带来改变的，是提供了更好的体验，还是使得交易结算更加有效率，抑或是使得金融服务更加安全。

此外，一项技术在金融领域都有其生命周期。例如AS400小型机，为银行核心系统服务超过二十年，然而我们并不去关注它，因为它成熟、稳定，不会再发生变化和创新，已经开始逐渐被替代。我们会更多的去关注那些正在或者已经找到在金融领域创新应用的技术，理解它在金融领域的发展，是尚在探索应用场景，还是已经找到契合点，还是已经发挥巨大作用。

为了更好的促进和追踪科技力量对金融服务的改善和创新，我们构建出了FinTech Radar框架：

按应用场景将FinTech分为四个象限：

1．体验和渠道：渠道是金融服务于用户的最后一公里，它是最容易发掘用户痛点，做出改进创新的部分。在互联网化和移动化的冲击下，金融体验也在朝着Anywhere、 Anytime随时随地发展。

2．支付和交易：与传统金融将支付和交易做在十分封闭和中心化的系统中、以保证其安全的做法不同，FinTech要求它的支付和交易方便快捷且不牺牲安全性。

3．风控和安全：在金融领域，风险和威胁是永恒的话题，如何利用科技的力量，增强风险控制和安全保障，是FinTech要解决的关键问题之一。

4．基础技术：为其他几个象限提供计算资源、算法模型、安全等的核心技术保障。

按成熟度将FinTech分为三个等级：

1．H1—应用于市场：处于该等级的技术正在金融领域发挥着巨大作用，并依旧保持着发展的动力。值得注意的是，曾经发挥巨大作用、但正在被逐渐取代的技术并不会出现在H1中。

2．H2—技术理论成熟，寻求产业化突破：处于该等级的技术是需要特别关注和持续投入的。能够率先找到产业化途径的公司和组织会在新一轮的金融创新中占得先机。

3．H3—新的技术创新：关注处于该等级的技术的，大多是研究机构。他们致力于研究这些技术的理论完善以及寻找它们可以在金融领域应用的契机。

体验和渠道象限：

在线投融资平台出现在体验和渠道象限的H1，并不是指它在线撮合交易的业务创新模式，而主要是指它利用互联网技术使得金融服务的渠道更加能够面向用户。

IBM公司于1973年推出的IBM 3614 Consumer Transaction Facility，是最早的自助柜员机。在这之后的很长一段时间里，银行和其他金融机构的渠道只有封闭的柜面和自助机。网银的出现，表面上看是打开了互联网渠道，但其体验依然专业和封闭，例如用金融术语去解释理财产品，用产品所属部门去划分金融产品的类别，这都让大量非专业用户无从理解。直到互联网投融资平台（宜人贷、拍拍贷、陆金所等）出现，才真正给用户提供了开放的在线体验，并从用户视角去设计体验和渠道。同时，也使得银行慢慢放弃了网银的维护和发展。

值得指出的是，在线投融资的互联网化体验，并不仅局限于对C端用户，对B端甚至金融机构也是如此。例如，招商银行的招赢通同业投融资平台，将互联网渠道成功的应用于金融同业间。

移动体验或者移动化（Mobility）已经成为企业所必须构建的。各家银行的手机银行、掌上银行越来越完善也越来越人性化。然而，我们所说的移动体验，并不仅仅指手机上的App们。更重要的是，移动体验是构建金融场景的重要手段。它对私密性、便捷性、频繁性的支持，才使得金融服务的Anywhere, Anytime成为可能。

智能投顾的数学模型基础，是马科维茨的投资组合理论。该理论认为，应根据不同人对风险和收益的态度，结合对投资人的客观情况分析，组建不同的资产组合，实现最优资产配置。对理财产品提供方来说，智能投顾是非常有效的销售渠道，它使得隔离的理财产品组合起来并产生附加值；对投资人来说，智能投顾是相当完美的体验，它客观冷静，不会因为情绪而在风险和收益中左右摇摆；并且降低了投资人对金融知识理解的门槛。

概念体验店是线上化、虚拟化潮流下为数不多的强化线下体验的做法。它更能拉近服务和客户的距离，更容易使客户产生品牌认同感。在实物产品领域，例如汽车、服装等，概念体验店在销售和推广上效果非常明显。而在金融领域，其产品和服务是非实物的，如何与客户增强互动、如何让客户亲身体验到金融创新带来的新奇感、如何结合线下布局线上、如何同时兼顾轻资产运营和体验店建设，都是金融服务提供者需要考虑的问题。所以，概念体验店位于H2。

智能投顾所依赖的大数据技术尚在发展中，并且相类似的模型和算法导致同类人群投资趋同、是否会带来系统性风险上不明确。所以智能投顾位于H2。

虚拟柜台位于H3。这里所指的虚拟柜台，并不只是自动柜员机的超级版，也不是ATM+远程视频。而指的是前端借助AR/VR技术、生物身份，后端结合语音识别、大数据分析和人工智能，为用户提供身临其境的、完全定制化的柜台服务体验，且同时将柜员从高频高强度但低价值的劳动中解放出来。

由于生物身份识别还未能达到强身份识别的要求，语音、语义的识别以及人工智能还远未达到全自动化服务的程度，所以虚拟柜台放于H3。

支付和交易象限：

处于H1的三种支付方式，看起来并不是多“炫酷”的技术。关键点在于，看似平淡的“旧”技术在金融领域的创新应用。以USSD为例，2007年，肯尼亚运营商Safaricom推出一项手机银行服务——M-PESA，通过这项服务，用户只需要一部手机，就可以在几秒钟之内通过手机短消息进行支付、转帐、兑现等。它不需要Wifi，不需要3G、4G网络，甚至不需要智能手机。在肯尼亚以及非洲大部分欠发达地区，这是一种用科技力量应对当前资源限制、让金融更快更好的为实体经济发展服务的方式。

从这个角度讲，基于二维码的App支付，比NFC更符合FinTech的精髓。不增加硬件需求，用最多可以承载2K信息的二维码，建立收付双方的临时通路。“临时”有两个好处：一是不长时间占用存储、二是随用随生成安全性高。

虚拟货币是在虚拟空间中购买商品和服务的货币。它具有交易媒介和记账单位的货币功能。广义的虚拟货币包含游戏币、某类服务提供商发行的专用货币（例如Q币），以及互联网虚拟货币（例如比特币、莱特币等）。这里所指的虚拟货币仅指第三种，因为只有它可以不受限于虚拟世界而直接用于现实生活的使用。作为“货币”，基于区块链的比特币或莱特币，以算法保证其稀缺性，而稀缺性是交易媒介和记账单位的基础。而据此还不足以将虚拟货币放诸H1，因为它尚未找到改变人们现实金融生活中的途径。

分布式可信账本技术的典型应用案例有跨境支付、资产确权、贸易结算等。其距离产业化应用还隔着以下几个问题：各种风险和漏洞依然存在，安全标准尚未制定；丢失钥匙问题只有缓解措施，还未完全解决，这在金融行业是无法容忍的；为了保证“去中心化”和“安全”，区块链中采取冗余和串行机制，由此而带来的记账速度问题、对大规模并发请求的响应能力问题，都使得分布式可信账本尚不能在金融领域大范围应用。

“智能合约”是上世纪九十年代由尼克萨博提出的理念，但由于缺少可信的执行环境，智能合约只是停留在概念中。自比特币诞生后，人们认识到区块链可以为智能合约提供可信的执行环境。当智能合约产业化之后，几乎所有类型的金融交易都可以应用智能合约。由于同样是依赖于区块链技术，其进入H1的难题与分布式可信账本相同。

生物身份识别并不是一项新技术。2015年12月25日晚间，央行发布了《中国人民银行关于改进个人银行账户服务加强账户管理的通知》，允许有条件的银行探索将生物特征识别技术作为核验开户申请人身份信息的辅助手段。目前，虽然支付宝、招商银行等已经支持“刷脸登录”、“刷脸取款”，但依然需要手机号等其他信息，刷脸实质上依然是“辅助手段”。生物身份识别在金融领域，要解决其识别效率，法律效力等，还有很长一段路要走。

风控和安全象限：

传统的金融安全大多建立在信息系统封闭性以及严格的流程管控上，这与Anywhere, Anytime的要求相背离，但这并不是说，互联网化的体验和场景需要牺牲安全性。在开放、便捷、易用的同时，安全性不可妥协。传统的做法是，在信息系统上线事前，做集中的、大规模的渗透测试和反复修正，同时对相关工作人员做细致的安全培训。这种做法在快速变化的市场中不再适用。

BSI（Build Security In）正是应对之道。在业务设想阶段，例如模式创新设想、金融产品设想、业务系统设想等等，安全性即被纳入考虑范围。安全性需求，与其他诉求一样，在业务、研发、市场、销售各个部门流动起来，并在每个阶段建立尽可能短的反馈环，快速验证安全性并尽早修正和调整。

匿名交易源自比特币。比特币的交易双方均为一串地址，任何一方的信息都不会泄露，且同时保证了金融交易对不可仿冒和不可篡改的要求。互联网的发展在给用户带来便利的同时，也带来隐私泄露的威胁，匿名交易技术正是解决之道。例如，银联的信用卡积分交易系统，各家银行的用户信息不需要被中心化的存储起来，也不需要在不同的银行直接交换，就可以保证用户身份的真实性和交易的安全性。然而，匿名交易给监管（例如反洗钱）带来新的挑战。

风控是金融的核心，是金融安全最重要的维度。大数据风控似乎可以放到H1，它以强大的数据挖掘能力开发出新颖的信用评估模型，在海量的互联网信息中，挖掘出更多不易被发现的信用信息，且高效、低成本。然而，在大范围应用之前，还有两个问题要解决：还款能力和还款意愿的建模局限性。偿还能力建模：需掌握所有债务信息。大数据可以做到防欺诈、整体偿还能力评估，但如果拿不到债务总集，无法对整体偿还能力如何分配到具体债务上建模。偿还意愿建模：需建立统一惩罚机制，大数据可以根据过往数据对人的行为模式建模，从而预测还款意愿，但输入条件之一“惩罚机制”变化后，还款意愿预测失准。而“所有债务信息”和“统一惩罚机制”，并不是单靠技术能解决的问题。征信模型的例外带来的损失如何处理，并不是大数据来解决的。例如：阿里小贷和金融供应链金融，形式上无抵押，但实际都有抵质押物：一定周期的货款和账户保证金。如何将追偿成本、坏账成本计算到风险定价中，才是核心竞争力。大数据风控进入H1，解决这个问题是必要条件。

监管科技，使用新技术来使得监管和合规更加高效。目的是更好的实现合规解决方案，提高效率、盈利能力以及降低行业壁垒。监管科技是一系列技术与规章的结合，跨越H1和H2。普华永道对2017年金融科技的十大预测中表示，2017年很有可能会是监管科技的一年。

态势感知（Situation Awareness），于上世纪90年代被引入信息安全领域，它分为态势觉察、态势理解和态势预测三个层次。它可以分析历史攻击数据，对攻击者画像，总结出他的行为习惯，从而预测网络中可能存在的安全入侵事件。理论上，态势感知可以将防御化被动为主动。金融领域的应用尚在研究中，还需要在大数据建模、算法优化、运行效率等方面进行更多的突破。其效果也有待实践验证。

基础技术象限：

在金融行业，有诸多被称为“核心系统”、“后台系统”的信息化设施，它们最早构建于上世纪60年代，为金融行业提供着长期稳定可靠的服务。然而在业务快速变化和创新的今天，“改不动”、“变不了”是这些核心系统必须解决的问题。微服务作为一项基础技术，它不但支持新业务和渠道的快速组建，同时提供一种稳健的方法，将超期服役的核心系统逐步、平缓地替代掉，使其最终能够快速应对市场和业务变化。

云计算近几年发展迅猛，并已从提供基本的计算资源发展成专门为各个行业提供专业服务的行业云。阿里、亚马逊等都提出各自的金融云解决方案。传统的金融机构也逐步将自己的资源、能力和设施虚拟化。

VR/AR和模式识别，是渠道移动化、虚拟化、自动化和智能化的重要前端技术。它可以解放金融机构在网点、柜台、呼叫中心等的人力资源，使得更多的客户可以享受到专属客户经理的VIP服务。当然，这需要大数据、人工智能等后端技术的支持。

大数据和区块链是提起FinTech所必谈的两项技术。两项技术从理论角度讲，已经相对成熟，在金融领域也已经找到了合适的应用场景，例如大数据于风控、智能投顾，区块链于虚拟货币、分布式可信账本。但在产业化应用之前，二者依然存在有待解决的问题。大数据的信息采集与隐私保护之间的冲突、信息处理效率等等，以及区块链的算力问题、如何去中心化的解决从虚拟世界像现实世界映射的问题等等。所以他们位于H2。

在ThoughtWorks最新一期的技术雷达中，我们将深度学习的两种开源框架放入“评估”阶段中。它的技术本身和理论基础依然处于发展中，它们有在智能服务、风控和安全等领域为金融提供服务的可能性，所以我们将它放入H3。

结语

FinTech，金融科技，它不仅包括像区块链、机器学习这种新兴、炫酷的技术，更包括那些已经在金融领域解决实际问题的不起眼的“老”技术，如USSD；其核心在于，用科技力量让金融更好、更快的服务于实体经济。我们可以预见，传统金融企业将迅速通过数字化转型，将其沉淀多年的客户资源、专业知识和海量数据转化为竞争力，逐渐在这场金融科技战役中翻转局势。

金融用户即将感受到金融似乎不在但服务无所不在的体验，而同时，金融机构却不必为此投入大量人力，甚至运营成本会大大降低。这其中大数据用户画像建模、智能投顾、机器人客服、虚拟柜台将发挥巨大作用。

随时随地的服务要求随时随地的支付和交易，便利与安全这对当前难以实现的互斥需求将很快被区块链技术所打破。人们的行为被数据刻画从而得到更有针对性的服务，同时隐私被安全地保护起来；用户的实物资产与虚拟资产都被数字确权，资产的交易不可仿冒或篡改。

在FinTech雷达中，我们将金融领域分为四个问题域，每一项与金融场景相关的科技创新，都会出现在最外围H3中，随着它们落地解决实际的金融问题，会渐渐的移动到H1，甚至将会被新兴科技淘汰。我们持续关注这个雷达，借助科技的力量，使得金融更快、更好的为实体经济服务。

THE END