《金融科技宏观趋势与金融控股集团的金融科技场景及案例应用》

讲师:陈德胜 发布日期:03-02 浏览量:585




《金融科技宏观趋势与金融控股集团的金融科技场景及案例应用》



陈德胜 博士/教授/博士生导师





课程背景:

在新一轮科技革命和产业变革的背景下,金融科技蓬勃发展,人工智能、大数据、云计

算、物联网等信息技术与金融业务深度融合,为金融发展提供源源不断的创新活力。20

23年11月17日,国家主席习近平在亚太经合组织第三十次领导人非正式会议上指出,“加

速数字化转型,缩小数字鸿沟,支持大数据、云计算、人工智能、量子计算等新技术应

用,不断塑造亚太发展新动能新优势。”中央金融工作会议提出,“做好科技金融、绿色

金融、普惠金融、养老金融、数字金融五篇大文章”。“数字金融”首次被写入中央文件,

其重要性日益凸显。金融业正在经历一场前所未有的变革,在大数据、区块链、人工智

能等技术推动下,数字金融正在颠覆传统金融形态。在《金融科技发展规划2022-

2025》、《关于银保业数字化转型的指导意见》等政策背景下,银行等金融机构的数字化转

型进程加速。银行数字化转型需求更为迫切。金融科技的核心是利用现代科技成果优化

或创新金融产品、经营模式和业务流程。借助机器学习、数据挖掘、智能合约等技术,

金融科技能简化供需双方交易环节,降低资金融通边际成本,开辟触达客户全新途径,

推动金融机构在盈利模式、业务形态、资产负债、信贷关系、渠道拓展等方面持续优化

,不断增强核心竞争力,为金融业转型升级持续赋能。

为此,本课程对金融科技宏观趋势与金融控股集团的金融科技场景及案例应用进行深入

分析和解读,为金融控股集团的金融科技工作开展进一步指明方向。





授课老师近30年的经济理论学习研究和金融实践工作经验,特别是在科技金融与数字金

融领域,有着较为深刻的理论积淀和实务理解,逻辑严谨,思路清晰;通过深入浅出的

理论与案例分析相结合,通俗易懂。



课程收益:

1、学习了知金融科技宏观趋势。

2、为金融控股集团的金融科技指明关键要素、方向和发展路径。



课程对象:

金融控股集团各层级人员



课程时间:

1天,6小时



课程方式:

主题讲授+视频欣赏+情景模拟+案例研讨+学员分享+落地工具+头脑风暴



课程大纲

一、金融科技宏观趋势解码

(一)金融科技的发展与应用概览

1科技引领金融:金融的科技化与数字化

2FinTech vs TechFin

3互联网+金融vs金融+互联网

4开放金融

5金融科技4.0时代

案例一:瑞银交易厅的8年变迁

案例二:高盛交易员的锐减

案例三:黑石400人被AI替代

(二)区块链技术的发展及其在金融领域的应用

1.区块链技术起源与发展方向

2区块链在金融中应用场景简析

3从比特币说起:改变世界的虚拟货币

4什么是区块链:快速定位颠覆式技术

5区块链可应用在哪些领域:把握趋势,机会就在身边

6区块链应用案例:应用无处不在

7如何识别区块链风险:助你正确投身创富圈

8区块链产业的未来:重塑世界格局

(三)大数据的发展及其在金融领域的应用

1大数据分析可视化

2银行数据挖掘以及基础模型统计方法(数据建模)

3大数据用户画像应用

(1)社会属性、生活习惯、行为特征

(2)人脸数据、金融数据、医疗数据、传感器数据、手机APP数据、基因数据、聊天

数据、邮件数据、定位数据

(3)如何打通银行内部与外部数据壁垒

(4)对私用户画像、对公用户画像,银行静态/动态数据分析

4 银行透过数据建立事实标签预测标签以及模型标签建立

5银行数据分析怎样赋能业务(客群、年龄等)

6大数据在智能风控中的应用风控4. 0:大数据社交、电商、LBS

1)大数据智能风控8个维度

2)轨迹数据与客户风险控制与管理

7数据可视化社会数据分析应用方法

8嵌入式金融解决方案

9银行即服务(BaaS)

(四)云计算技术的发展及其在金融领域的应用

1存储能力

2通讯能力

3计算能力

4云银行

5金融建模和风险评估

6欺诈检测

案例:亚马逊的云服务

案例:阿里云的金融服务

(五)人工智能技术的发展及其在金融领域的应用

1让机器替代人类重复运动的创新

2金融领域中的人工智能关键技术

3人工智能驱动的咨询和资产管理

4金融科技中的生成式人工智能

5算法(通俗易懂的算法)

6科技技术组件(python、Java、spark、docker)

7 AI新数据源提供全新检测手段

8 AI新型数据构建下风险管理系统

9手机加速传感器第三方调取SDK

10基于大数据的智能营销发展模式

11基于机器学习打造全方位的金融风控模型

12AI智能风控核心

案例:腾讯遥感卫星应用信贷及风险防范

案例:金融AI小程序调取SDK数据

案例:国内领先银行AI算法信贷业务

(六)ChatGPT技术的发展及其在金融领域的应用

(七)数字人民币的技术发展及场景应用

1数字货币发行背景与动机

2DC/EP 的概念与属性

3央行数字货币与跨境理财通案例

4不同类型数字货币的技术与优劣势比较

5区块链基本组成和技术原理

6信任方式的转变

7分布式存储

8通讯安全视角

9业务维度

10数字签名

11共识机制

12比特币挖矿

13智能合约

14区块链如何让信任产生价值

15区块链的价值点与另类(艺术品)投资

16C端场景

17B端场景

18G端场景

19跨境支付场景

20中央监管场景

21宏观调控场景

22人民币国际化场景

二、金融控股集团的金融科技场景及案例应用

(一)我国金融科技政策支持

1《中国银行业信息科技“十三五”发展规划指导意见(征求意见稿)》    

2《十三五国家科技创新规划》

3中国人民银行成立金融科技委员会

4《新一代人工智能发展规划》

5《金融科技(FinTech)发展规划(2019-2021年)》

(二)数字化转型的主要背景

1数字化是时代发展新革命

2数字化是客户需求新趋势

3 数字化是银行变革新动力

(三)数字化转型的主要趋势

1“开放+场景”,重构完整生态。

2“效率+个性”,塑造极致体验。

3“画像+方案”,助力精准营销。

4“模型+预警”,构建智能风控。

5网点功能多元化

6业务联结线上化

7金融服务开放化

8金融产品定制化

9交互情感化

10开放与场景结合的完整生态

11效率与个性结合的极致体验

12画像与方案结合的精准营销

13模型与预警结合的智能风控

(四)租赁的金融科技场景及案例应用

 1租赁公司数字化转型案例剖析

 2租赁公司数字化转型定位与目标

 3租赁公司数字化转型的三种模式

 4租赁公司数字化转型的三种路径选择

5租赁公司数字化转型核心能力建设框架

6租赁公司数据能力建设框架与案例

7租赁公司流程能力建设框架与案例

8租赁公司业务能力建设框架与案例

9租赁公司科技能力建设框架与案例

(五)保理的金融科技场景及案例应用

1数字化作业

2数字化交易

3数字化风控

4数字化运营

5数字化办公

6数字化推进体系建设

7数字化管控体系建设

8数字化人才体系建设

9数字化人才培养行动路径

(六)保险的金融科技场景及案例应用

1以客户为中心到成就客户

2保险客户特征变化、客户需求变化、客户痛点

3某保险企业客户需求捕捉

4银行企业客户分层、分群、微客群大数据

5客户经营数字化平台的核心要求

6全渠道一致的客户体验

7数字化客户经营的三个转变

8案例:APP客户经营

9案例:客户经营的千人前面

10案例:APP+会话AI

11案例:AI客户画像

12案例:销售助手系统

13智能投顾模式

14基于传统金融投资顾问机构的智能化升级产品

15基于互联网的智能投顾平台

16智能交互

17智能机器人:断点、外呼、理财、客服机器人

18NLP模块“意图识别、情绪分析、阅读理解、文本摘要

19系统支持:实时触达、多轮对话、智能电销系统

20 5G技术的核心优势及其在金融领域的应用

21 5G+智能客服升级模式

案例:中国平安智能保险云“智能闪赔”

案例:新华保险智能核保系统

案例:蚂蚁金服“车险分”

案例:泰康在线

(七)小贷的金融科技场景及案例应用

1线下小微信贷产品

2半线上的中小微信贷产品模式

3互联网小微信贷产品与数据赋能模式

4小微信贷IPC技术与实践

5小微信贷工厂技术与实践

6小微信贷大数据技术与实践

7加强跨领域数据共享

8加强数字风控建设

9提升授信的精准性和金融风险识别能力

10提升信贷业务的风控决策能力和服务质效

11用数字化方式全面整合多源风险信息

12数据智能如何驱动数据事件理解及风险挖掘 

13与专家智识相结合的业务风险便捷监控

14如何实现授信客户全流程智能管控

15客户监控指标要做到自定义灵活配置

案例:雅安农村商业银行打造基于大数据技术的智慧菜市金融服务提升金融服务质效

(八)不良资产处置的金融科技场景及案例应用

1  企业风险画像

(1) 深度识别(专家经验+数据驱动)

(2) 广度识别(企业关系+事件图谱)

(3) 企业风险识别、分析与传导

2  多维风险画像

(1) 财务分析

(2) 动产抵押

(3) 股权质押

(4) 舆情事件

(5) 关联风险传导

(6) 行业专项分析

3  构建分析体系

(1) 风险评估模型

(2) 指标事件分析

(3) 风险事件标签

(4) 综合风险分数计算

(九)担保的金融科技场景及案例应用

1深度识别(专家经验+数据驱动)

2广度识别(企业关系+事件图谱)

3企业风险识别、分析与传导



-----------------------

1





分享
联系客服
返回顶部