酷播亮新聞
進入了新金融時代，隨著人工智能、區塊鍊等技術的發展，將會改變很多行業以往的模式。 互聯網創新存在多少可能？ 如何利用這些新技術進行互聯網金融的創新呢？
3月17日（週六），人人都是產品經理沙龍活動（深圳站）邀請到了阿里雲戰略合作CPO（首席產品官）劉永平、前Formax金融圈產品總監吳為、團貸網深圳分公司 大數據產品部門經理潘鈺，他們用專業的視角，分享了互聯網金融的經驗與觀點。
三位實戰派嘉賓，究竟給大家帶來了怎樣的思維碰撞呢？ 讓小編帶大家一起來回顧這場活動的精華乾貨吧。
開場我們通過幾輪互動小遊戲，讓現場一下子就熱鬧起來，大家不但收穫了我們七週年定制的周邊禮品更有小伙伴獲得了墨刀提供的產品經理必備的原型本哦！
是不是你也很想要呢？ 下期線下活動一定記得報名參與活動現場的互動，你就有機會獲得啦！
進入正式的內容分享環節。
首先第一位嘉賓吳為老師，分享的主題是《科技熱點與金融》。
吳為是前Formax金融圈產品總監，有著7年互聯網產品經營，擅長新產品研發、需求分析及數據分析；作為百度地圖初創團隊之一，負責開發到上線及後續的一段青春期；曾負責過騰訊 微博移動端產品；曾負責Formax諸多金融產品從0到1的打造和上線，旗下產品金融圈已累計300萬用戶。
A I+金融方面吳為老師主要講到三個方面：數據、場景和輔助。
AI是非常依賴數據的技術，如果沒有足夠豐富的數據無法訓練出機器學習的神經網絡，所以想要基於AI做金融科技創新或者其他方面的創新，一定需要足夠豐富的數據；在應用場景方面， 吳為老師認為目前AI和金融場景的結合比較少，大家可以思考更多的應用場景；吳為老師認為AI對於金融產品能夠起到的是輔助的作用，暫時還是無法完全替代人。
隨後吳為老師分享了自己對於區塊鏈技術的一些思考，在金融行業區塊鏈的去中心化是否有價值？ 對於金融行業來說，監管機構的作用是在提升大家對金融的信賴的。 鏈下的可靠性是區塊鏈必鬚麵對的問題，區塊鏈並不是萬能的。
此外吳為老師還通過舉例說明物聯網豐富互聯網的數據的意義，吳為老師認為技術應該跟場景結合之後才能有價值。
隨後第二位上台分享的嘉賓是來自團貸網深圳分公司的潘珏老師，他分享的主題是《大數據風控》。
潘珏老師目前是團貸網深圳分公司大數據產品部經理，曾就職於中國移動、騰訊、團貸網等公司，服務過招商銀行、深交所、招商證券、晉商銀行、微眾銀行等 多家中大型金融機構，在大數據風控平台體系的產品設計方面，積累了豐富的實戰經驗。
大數據風控最主要最核心的是風控，大數據可以認為是一種生產力。
潘珏老師首先從傳統風控與互聯網風控的差異性開始說起，傳統風控更多的應用的是銀行流水等信用記錄，大數據概念引入了以後，對於現代的互聯網金融，更多的 應用的是弱徵信的數據維度；大數據架構提供了更加強大的運算能力，從離線數據到實時數據，運算能力大大加強；大數據風控可以進行深度的特徵挖掘，可以從更多數據維度 來發現可疑用戶的在互聯網上留下的蛛絲馬跡；機器學習和深度學習算法在用戶的信用評估模型上應用更加廣泛；
風控是一套完整的控制風險的解決方案，作為風險管理的單個環節，有完整的理論支持。
風險管理的程序：
第一步是進行風險識別，識別存在怎樣的風險；
第二步是進行風險估測，可能會造成多大的損失；
第三步是風險評價，發生概率有多大，是否是主要風險；
第四步是風險控制；第五步是對風控措施的效果評價，需要定期用標準去檢驗自己的風控措施是否合適，是否需要調整。
互聯網金融與傳統金融的存在一定的差異，互聯網金融有兩重風險，第一重是互聯網的風險，第二重是金融的風險。
互聯網裡面常見風險主要有：信用風險，操作風險，政治性風險，流動性風險。
金融的業務流程風險管控整體流程有三個部分，貸前審核，貸中預警，貸後催收。
大數據平台的產品架構圖：
風控產品主要有四大系統：
1、大數據徵信系統：偏線下的自主查詢大數據徵信系統，通過各種數據維度對用戶進行信用評估，標識風險信息。 相比於人工篩選用戶效率會更高。
2、風控決策系統：靈活配置的風控決策系統，滿足互聯網金融風控實時性、靈活性的要求；
3、反欺詐系統：基於關係圖譜和圖結構數據的離線反欺詐分析系統，發現風險用戶的欺詐特徵，並在風控決策系統中一鍵生成，打造風控閉環；
4、用戶標籤系統：挖掘用戶的標籤，包括實時定義標籤和離線定義標籤，從而讓信用審核人員能夠根據標籤進行審單，提高效率，減少主觀判斷。
複雜網絡中的四個場景：1、欺詐識別；2、一致性校驗；3、社團識別；4、失聯用戶信息修改。
潘珏老師重點分享了大數據風控方面的專業知識，讓大家整體了解了大數據風控到底是怎樣的架構。
而最後一位是我們本場的重量級嘉賓——阿里雲戰略合作CPO劉永平老師。 他分享的主題是《2018年互聯網金融創新趨勢及發展策略》。
劉永平老師是阿里雲戰略合作CPO（首席產品官）全棧產品專家，從業互聯網IT及互聯網金融12年，有豐富落地的實操經驗，在互聯網IT/創新金融領域有一定的影響力。 曾主導汽車金融供應鏈金融管控系統、珠江啤酒新零售金融平台、平安銀行金融商城及大數據平台、蘭州銀行社區金融及供應鏈金融平台等10+個金融產品項目的規劃設計研發。
劉永平老師認為許多人在大腦中並沒有形成一套完整的知識體系，無法形成整體的知識架構。 作為設計主導的時候需要怎麼做？ 怎麼規劃？ 這樣的一個過程可能是每一個產品人需要經歷的一段產品週期。 整個產品週期的具體環節，每一個環節在過之後都需要復盤沉澱下來，最終把自己的知識體系架構起來。
這張圖演示的是互聯網金融行業國內這三年的演變趨勢和變化的過程，從圖中其實可以建立起一個互聯網金融的體系結構。
到底什麼是互聯網金融？
2015年的時候說的金融是獨立金融，比如金融機構、信託、基金或者是小貸公司，是屬於金融互聯網，金融互聯網指的是金融產品利用互聯網渠道賣出去。
互聯網金融中有一個很關鍵的點，那就是統一用戶體系。 統一用戶體係有三個要點：身份唯一、賬號唯一和ID唯一。
眾籌是在2016年才開始切入的概念，積分是用戶運營非常有效的工具。 對於互聯網金融來說，分為資產端和用戶端。 用戶端運營的核心就是積分，積分運營做到位了，用戶粘性就高。 到2016年開始數據逐漸走向開放，出現直銷金融和消費金融。 在線風控在2016年還沒有智能化。 互聯網金融最核心的是規則引擎和算法底層。 接下來是供應鏈金融供應鏈產業整合平台，數據互通加上雲計算。 2017年開始，主要為大數據、AI和新零售。
劉永平老師認為區塊鏈技術可能對於銀行的支付結算系統是一個很大的衝擊，如果引入了區塊鏈技術，銀行支付結算系統的工作人員很可能會縮減人員。 而智能風控技術在汽車金融，珠江啤酒等項目中已經應用過很多，這是互聯網金融演進的趨勢。
作為創新金融來講，只是一個概念，核心還是依托企業服務和個人服務。 企業服務走的是供應鏈金融，整個供應鏈的線上線下數據整合起來。 比如平安銀行的ERP系統，免費開放給中小微企業使用，這樣相關的數據就沉澱到平台上了。 劉永平老師舉例珠江啤酒的企業ERP系統說明創新系統並不難，但是要把企業裡面的老闆和員工的使用習慣和思想轉變過來，這才是一個真正的難點。
個人服務是現金貸，消費金融，社區金融等 ，有交易有增值，底層都是支付系統和統一用戶體系，上層的功能業務，系統後台等都依托底層支付系統和統一用戶體係來做規劃。 國內的風控模型核心的還是銀行的風控模型，國內的投融資公司做的所謂風控模型也就是把目前的客戶群體篩選出來， 把客戶群體類型列出來，用幾個維度分析：基本信息維度、身份維度、社會行為屬性維度、行為偏好貢獻值和價值屬性這五個維度。 有了這些信息後台根據規則引擎計算之後才能做一個精準的推送。
創新金融產品的核心還是傳統金融產品，只是在傳統金融產品的基礎上進行了包裝，看起來像是創新金融產品，本質是不變的。
2016年之前的金融是獨立金融，不是互聯網金融的概念，那時候並沒有深入到業務流程裡面。 而現在，不知道企業的詳細業務流程無法設計合適的系統。 行業一定是越來越融合，做互聯網金融並不僅僅需要了解本行業的知識，還需要深度了解所服務企業的業務流程和需求，針對很多細節，做一些小優化或者小創新，企業的工作效率 馬上就可以得到提升。
對於新零售金融，社區金融的需求挖掘，不是讓他們把現有的ERP，OA，供應鏈，電商等系統流程全部推翻，而是深度了解之後對於其中的某一個點進行深度的優化，進而 提升企業效率。
2017年以後的互聯網金融比之前已經深入很多。 此外關於沉浸式的場景金融，比如珠江啤酒的出貨，出門需要核對，而核對需要清點和錄入系統，效率較低。 我們做了車牌識別，對卡車進行分類：大卡、中卡、小卡，通過自動識別直接讀取出數據。 通過新技術去提高服務企業的生產效率，降低成本。
智能化風控加最優資產配置，這是互聯網金融平台必備的東西。 目前國內市場的客戶需求越來越急迫，這種情況下如果不能進行智能風控是無法跟上市場變化的，所以國內企業的業務轉型是比較複雜的。
最優資產配置是互聯網金融平台的必備項，銀行的理財是最早的金融產品，國內絕大多數人都是保守型的，承受風險能力比較低，這種時候銀行設計理財產品的時候就會 有目的性的設計成保守、收益率相對低但是比定存高的理財產品。 這樣的資產配置是以前的一種模式， 而到了2017年開始，平台根據你的AUM值、流動性、接受度、投資偏好等屬性進行智能匹配推薦，精準推薦，這樣的轉化率是相對比較高的。 根據銀行的數據可以推薦最優資產配置方案，把資產結構化，風險分擔，提升收益。
不管是AI還是電商還是互聯網金融，底層都是大數據。 15年到16年是國內大數據的1.0階段，不算是真正的大數據，只能稱為可視化分析系統。 比如用excel把你所需要的所有的數據指標列出，頁面留存、轉化率、复購率、衰減值、訂購頻次、AUM等，通過圖表類目，數據透視表的形式畫出雷達圖透視圖 等。 定義數據的類型，然後給到開發。 數據產品測試是最繁瑣的事，因為每一個數據指標都要做“埋點”，不能像其他產品上線一樣直接進行測試。 根據這些數據才能在後台做金融產品的定制化，定制化的核心是規則引擎，接下來是最優方案，接著是智能信用模型。
很多人認為金融只有銀行和大集團才能玩得起，這些集團服務的是國內的大企業，大客戶，但是對於國內的中小微企業沒有服務。 螞蟻金服的定位就是服務中小微企業的金融，用“螞蟻搬大象”的方法倒逼銀行轉型。
供應鏈金融在國內一般是4種模式，做的相對成熟的是以供應鍊鍊條的核心企業為支點，向核心企業上游的投融資和下游的質押的基礎上整合相關分銷商、代理商幫助企業 進行資金流轉，縮短生產週期，提升效率。 傳統企業一般從代理商，批發商，分銷商，最終才到終端客戶，這種情況下資金質押週期長，很多企業業務做得很好，但是資金周轉太慢。 對於加工類的企業，需要資金采購原料，而企業的資金又還未回款，導致錢押在倉庫，資金鍊斷裂，企業很可能就倒閉了。
要想把互聯網金融做透：
首先大數據得做好。
目前國內大數據我劃分為1.0,2.0,3.0三個階段。 目前國內是處於1.0到2.0的階段，也就是可視化報表到個性化推薦系統以及用戶標籤頁這個階段。 這時候你需要懂得設計數據維度，知道怎麼去設計；
接下來要了解風控模型，需要了解大概的設計邏輯；
接下來再找一個項目或者產品切入到互聯網金融這個行業 。
互聯網金融是互聯網電商的二級階段。 劉永平老師認為把AI作為互聯網金融的下一個階段是不太合理的，因為底層來說都是大數據。 國內大數據落地的時候有幾個問題，一個是數據採集問題，比如阿里做的智能設備開放給企業和個人免費試用，首先要有採集的設備，沒有設備無法採集數據。
國內互聯網金融整個發展情況，其實越往後一定是要越深入到企業的業務流程中去深入了解業務需求。 在此基礎上要用大數據、統一賬戶和智能風控，對於統一賬戶應該每個企業都在做，大數據底層的標籤體系加上智能風控需要做好，這是互聯網金融底層的東西。 支付產品是最好切入的，以支付產品為主把用戶導出來，做相關的用戶標籤，特徵提取，對於用戶填寫的虛假信息，需要大數據識別出來。
為了給大家提供更多與老師互動的機會，最後我們現場還進行了圓桌問答的環節，以下摘取部分問題。
Q1、 銀行產品，負責售後服務，生活繳費類，銀行里面可能存在的機遇和調整，該怎麼突破？
劉永平： 生活繳費類包括水電煤等，這些是高頻次消費，需要找通道型平台合作，比如金鵬集團給支付寶和微信生活繳費提供了入口。 高頻次業務單獨產品發展空間小。 比如可以做一些生活卡之類的產品。
Q2、 傳統珠寶行業，ERP系統，怎麼把數據轉化為有用數據幫助公司決策？
吳為： 需要定制核心指標，梳理業務流程，找出關鍵指標。 可以內部製定標準，再去看數據。 數據不重要，是否讀懂數據是最關鍵的。
劉永平： 按照採購、庫存、銷售這幾個維度，分類出數據。 找相關部門進行摸查調研，找出各個部門最關心的數據，審批哪些數據看哪些報表，比如滯銷率、周轉率等。 最後導出數據，根據指標製作可視化圖表。
Q3、 未來的趨勢是新零售，社區金融，相比阿里等大企業已經有龐大的體系，對於中小企業是否有好的切入點？
劉永平： 小企業，需要找准垂直切入點，不一定要追求BAT。 小企業比較靈活，服務人群精準，深度服務。 小企業先梳理目前有自己有哪些資源，只要把自己的資源梳理出來，做調研，設計一款產品，專門服務他們，做精準的服務。 結局一般兩個，要么被BAT收購，要么成為獨角獸。
Q4、 網貸行業在大數據方面最關心的是大數據風控問題，除了阿里騰訊這些巨頭以外的數據來源是來自哪裡呢？
吳為： 和運營商合作，拿到通話記錄，歸屬地等，和電商合作，淘寶，京東等，公眾平台，水電煤或者銀行之類。 這樣的平台算是一個分銷的渠道，統一對接後端的渠道然後再賣給需要這些數據的企業，其實賣的是一個解決方案。
積極參與現場互動問答的妹子，提問相當專業，給大家留下了深刻印象。
最後感謝各位到現場的支持，我們下次再見！
感謝人人都是產品經理-深圳團隊的小伙伴辛苦付出：遠方、小魚、亮亮，辛苦各位啦！
同時感謝 硬蛋空間 的伙伴們的大力支持！
更多詳實內容，請點擊PPT分享鏈接：https://pan.baidu.com/s/1TLF0aNclHHaDz1QUY8AVjQ，密碼：7rww