出自 MBA智库百科()
　　大数据营销是指基于多平台的大量数据，依托大数据技术的基础上，应用于行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给带来更高的。
　　大数据营销的核心在于让在合适的时间，通过合适的载体，以合适的方式，投给合适的人。
　　多平台化数据采集：的来源通常是多样化的，多平台化的能使对网民行为的刻画更加全面而。多平台采集可包含、、广电网、智能电视未来还有户外智能屏等数据。
　　强调时效性：在网络时代，的和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行非常重要。全球领先的大数据营销企业AdTime对此提出了时间，它可通过技术手段充分了解网民的，并及时响应每一个网民当前的需求，让他在决定购买的“”内及时接收到。
　　：在网络时代，的已从“媒体导向”向“受众导向”转变。以往的营销活动须以为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以为导向进行广告营销，因为大数据技术可让他们知晓身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，内容有所不同，大数据营销实现了对网民的个性化营销。
　　性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。
　　关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于在采集过程中可快速得知目标受众关注的内容，以及可知晓身在何处，这些有价信息可让的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。
　　大数据营销随着大数据概念的提出已成为近三年内业界热议的焦点，但其在中的实际应用可追溯到上世纪末的美国。目前，随着媒体形式的丰富和的完善，大数据营销也随之变革。在其发展过程中，的基本共体现出以卜两种转变:
　　(一)从媒体导向到用户导向
　　21世纪初是基于的大众媒体营销时代，企业作为的实施者和受益者，为了使其宣传活动接触到更多的就需要在受关注程度较高的网站，电视台或纸媒上投放广告以达到提高营销有效率的目的。然而，这种基于大众媒体的营销推广方式虽然高、辐射面广却无法切实掌握受众的动向并对其后续的影响。
　　因此，企业从媒体导向到用户导向的转型迫在眉睫。基于端的定制化跟进式营销方式逐渐代替了传统的统一化一次性投放，成为了大数据营销的基础和前身。
　　(二)从用户主观信息数据库到用户客观行为数据库
　　传统的是一种基于中的人II和其他用户主观信息包括生活方式、等)来推测消费者的需求、购买的可能性和相应的，从而帮助企业细分消费者、确立并进一步产品的营销模式。然而由于消费者主观判断的局限性，据此得出的各项调研和信息数据可能会误导相关营销人员作出偏离甚至错误的。因此，用户的主观信息数据己不再能满足企业营销的。相反，通过企业实际观测，能够全方位、多角度、精准、真实地反映用户需求及其他消费数据的用户客观行为随着信息挖掘的口趋完善己成为的一项重要调研依据。
　　1.自有类。企业目前利用的大数据的种类之一是自有类数据，即企业基于自身网络平台开发和挖掘的一类。在中国，自有类数据的开发进程尚不完善，目前较好的自有类数据平台主要始创于欧美国家。美国巨头通过对其3000万个订阅用户的网上行为进行，造就并预判出了《纸牌屋》的卖座。身为运动
　　的凭借其网上运动社区收集到了用户的各项跑步并因此掌握了主要里最佳跑步路线的数据库。而Targe则根据的消费记录推断出消费者的购物倾向，然后通过寄购物手册的形
　　式向其推荐了一系列符合的并最终营销成功。这些基于不同存在形式的自有类数据平台在数据收集领域上一致地扮演着的角色，但在数据的用途上他们却在不同层面为企业的大数据营销作出各自应有的贡献。
　　2.第三方平台类。除了自建的大数据收集平台，企业现卜获取数据更主要的就是通过与例如、电商网站、、社交网站、等第三方平台合作来取得。与达成的微信平台合作协议不仅弥补了在移动端的薄弱环节更为其导入了可观的客户流量，而在这个移动互联的社交网络时代，海量的用户资源中蕴含的大数据则为大数据精准营销提供了可能。美宜佳作为一家正在探索从线下逆向发展到线上的，其与的合作不仅是打开线上市场的制胜法宝，从中收获的记录也是它开启数据精准营销的关键一步。
　　1.基于用户的需求定制改善产品。消费者在有意或无意中留下的信息数据作为其的体现是企业定制改善产品的一项有力根据。内部的全球资讯网络会定期把从各分店收集到的意见和建议汇总并传递给总部的设计人员，然后由总部作出后再立刻将新的设计传送到，直到最终实现“数据造衣”的全过程。利用这一点作为一个与并行的，还分析出了各地的区域流行色并在保持其整体欧美风格不变的大前提下做出了最靠近需求的。同样，在ZARA的商店内，意见也作为一项大数据参与的和，且由此映射出的前沿观点和时尚潮流还让“”成为了ZARA的品牌代名词。
　　2.开展精准的推广活动。基于数据的精准推广活动可大致分为三类:
　　首先，企业作为其产品的可以通过大数据的分析定位到有特定潜在需求的受众人群并针对这一进行有效的定向推广以达到刺激的目的。红米手机在空间上的首发就是一项成功的“大数据找人”精准营销案例。通过对海量用户的行为泡括点赞、关注主页等)和他们的身份信息泡括年龄、教育程度、社交圈等)进行筛选后，公司从6亿Q cone用户中选出了5000万可能对红米手机感兴趣的用户作为此次定向投放广告和推送红米活动的并最终预售成功。
　　其次，针对既有的消费者，企业可以通过用户的行为他们各自的购物习惯并按照其特定的购物偏好、独特的购买倾向加以一对一的定制化商品推送。Turge佰货的促销手册、的建议购买清单、的产品推荐页无一不是个性化产品推荐为企业带来可预测的体现。
　　最后，企业可以依据既有消费者各自不同的人物特征将受众按照“”细分（如“网购达人”)，再用不同的侧重方式和定制化的向这些类群进行定向的。对于敏感者，企业需要适当地推送相对较高的并加送一些以刺激消费:而针对喜欢干脆购物的人，商家则要少些干扰并帮助其尽快地完成购物。
　　3.维系。召回购物车放弃者和挽留流失的老客户也是一种大数据在商业中的应用。中国移动通过客服电话向流失到联通的移动老客户介绍最新的优惠资讯:通过会员留下的通讯信息向其推送打折优惠券来提醒久不光顾的老客户消费;根据用户以往的收视习惯确定近期的互动名单并据此发送给可能濒临流失的用户相关邮件以提醒并鼓励他们重新回来观看。大数据帮助企业识别各类用户，而针对忠诚度各异的消费者实行“差别对待”和“量体裁衣”是企业中一项重要的理念基础。
　　1、用户行为与特征分析。只有积累足够的用户数据，才能分析出用户的喜好与，甚至做到“比用户更了解用户自己”。这一点，才是许多大数据营销的前提与出发点。
　　2、精准营销信息推送支撑。精准营销总在被提及，但是真正做到的少之又少，反而是垃圾信息泛滥。究其原因，主要就是过去名义上的精准营销并不怎么精准，因为其缺少用户特征数据支撑及详细准确的分析。
　　3、引导产品及活动投用户所好。如果能生产之前了解潜在用户的主要特征，以及他们对产品的期待，那么你的产品生产即可。
　　4、竞争对手监测与。在干什么是许多企业想了解的，即使对方不会告诉你，但你却可以通过大数据监测分析得知。的有效性亦可通过大数据分析找准方向。例如，可以进行传播趋势分析、内容特征分析、互动用户分析、正负情绪分类、口碑品类分析、产品属性分布等，可以通过监测掌握竞争对手传播态势，并可以参考行业标杆用户策划，根据用户声音策划内容，甚至可以评估微博矩阵运营效果。
　　5、品牌危机监测及管理支持。新媒体时代，使许多企业谈虎色变，然而大数据可以让企业提前有所洞悉。在危机爆发过程中，最需要的是跟踪危机传播趋势，识别重要参与人员，方便快速应对。大数据可以采集负面定义内容，及时启动危机跟踪和报警，按照人群社会属性分析，聚类事件过程中的观点，识别关键人物及传播路径，进而可以保护企业、产品的声誉，抓住源头和关键节点，快速有效地处理危机。
　　6、企业重点客户筛选。许多纠结的事是：在企业的用户、好友与粉丝中，哪些是最有的用户？有了大数据，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在上所发布的各类内容及与他人的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。
　　7、大数据用于。要改善用户体验，关键在于真正了解用户及他们所使用的你的产品的状况，做最适时的提醒。例如，在大数据时代或许你正驾驶的可提前救你一命。只要通过遍布全车的传感器收集车辆运行信息，在你的汽车关键部件发生问题之前，就会提前向你或预警，这决不仅仅是节省金钱，而且对保护生命大有裨益。事实上，美国的快递早在2000年就利用这种基于大数据的预测性分析系统来检测全美60000辆车辆的实时车况，以便及时地进行防御性修理。
　　8、中的支持。面对日新月异的新媒体，许多企业通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做，进而可以使传统结合社会化数据，丰富用户不同维度的，并可动态更生命周期数据，保持信息新鲜有效。
　　9、发现新市场与新趋势。基于大数据的分析与，对于提供洞察新市场与把握经济走向都是极大的支持。
　　10、与决策分析支持。对于数据对市场预测及的支持，过去早就在数据分析与数据挖掘盛行的年代被提出过。著名的“啤酒与尿布”即是那时的杰作。只是由于大数据时代上述Volume（规模大）及Variety（类型多）对数据分析与提出了新要求。更全面、速度更及时的大数据，必然对及决策分析进一步上台阶提供更好的支撑。似是而非或错误的、过时的数据对是灾难。
魏伶如.《大数据营销的发展现状及其前景展望》[J].现代商业.2014年15期
本条目对我有帮助7
&&如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请。
本条目相关文档
& 8页& 70页& 6页& 1页& 2页& 6页& 3页& 1页& 13页& 6页
本条目相关资讯
本条目由以下用户参与贡献
(window.slotbydup=window.slotbydup || []).push({
id: '224685',
container: s,
size: '728,90',
display: 'inlay-fix'
评论(共2条)提示:评论内容为网友针对条目"大数据营销"展开的讨论，与本站观点立场无关。
发表评论请文明上网，理性发言并遵守有关规定。
以上内容根据网友推荐自动排序生成当前位置：
微信扫一扫分享到朋友圈
工业4.0时代未来10年，第四次工业革命将步入“分散化”生产的新时代。“工业4.0”通过决定生产制造过程的网络技术，实现智能制造，进行实施管理。智能制造中的生产设备具有感知、分析、决策、控制等功能，是先进的制造技术、信息技术的集成和深度融合。在智能制造的过程中，传感器、智能诊断和管理系统通过网络互联，使得由单一、分散的程序控制上升到综合智能控制，从而制造工艺能够根据制造环境和过程的变化，进行实时优化，提升产品质量和生产效率。百度苏州×智能制造在今年2月28日召开的百度云智峰会上，百度副总裁尹世明表示：“未来以云计算为基础，以人工智能为中枢，以大数据为依托，“ABC”将深度结合并改造传统行业，助力企业创新和行业升级。 ABC与物联网的结合，将推动物联网的云化、智能化，物联网反过来为ABC提供“数据粮食”，从而真正挖掘出工业大数据的价值，推动传统制造业的转型升级。”以物联网、人工智能、大数据、云计算为核心的工业4.0即将到来，如何玩转大数据，借力人工智能为传统制造助力？6月22日百度苏州×智能制造解密智慧工厂及大数据营销时间及流程6月22日13:30-16:4013:30-14:00签到抽奖14:00-14:10开场互动14:10-15:00参观百度苏州+技术分享15:00-15:30技能分享：那些你不知道的免费营销工具15:30-16:30主题分享：互联网时代的大数据营销16:30-16:40互动交流及留念地点及交通地点：百度苏州营销体验中心&地址：苏州工业园区苏州大道西205号尼盛广场22楼地铁：1号线2b出口向东500米嘉宾&讲师&孙瑞红互联网高级营销专家互联网从业近10年，具备丰富的项目运营推进经验。擅长分析市场环境变化，研究互联网趋势，能够基于消费者行为研究分析行业痛点、难点，并结合大量和深入的数据分析，为企业提供多维度整合营销服务。&朱照明苏州智能制造平台两化融合高级讲师为江淮专用汽车、洽洽食品、国风塑业、合凯电气等三十余家工业企业提供两化融合管理体系贯标咨询服务。参与TCL（合肥）冰洗智能工厂建设项目、合肥天合光能科技有限公司光伏组件生产信息化管理系统建设项目、安徽合力股份有限公司合肥铸锻厂高强铸件智能制造项目等多家智能工厂及数字化车间规划。&王倩倩百度商学院金牌讲师互联网从业5年，致力于研究搜索营销商业模式及百度商业产品。依托互联网行业数据和诸多客户的实际案例，为不同行业客户提供搜索营销优化方案，得到客户一致认可。擅长领域：搜索营销，SEM账户优化等。报名渠道识别识别下方二维码或点击“阅读原文”报名！戳原文，马上报名！
分享给好友
分享到微信朋友圈：
第一步 打开微信底部扫一扫
第二步 扫下面的文章二维码
第三步 右上角点击转发
相关文章Relevant
了不滴了，异形跑到朋友圈啦，身边的小伙伴儿们和异形玩得不亦乐乎，难道他们不怕被咬被吃掉尸骨无存么？哈哈哈，这
据外媒消息，马来西亚皇家空军15日表示，一架马来西亚空军飞机失联。据报道，马来西亚空军在一份媒体声明中说，这
生活是自己的，朋友圈也是自己的，我是将它培育得花木扶疏，还是白茫茫一片真干净，那都是挺个人化的事，自己的地盘，别人真没法插嘴。
大千世界，无奇不有。日本首先安倍晋三竟然想拿下诺贝尔和平奖，没看错，这真的不是一条假新闻。而安倍去争诺贝尔和
舟山三名男孩被海浪卷走、卷走、卷走……昨晚已发现一具遗体！昨天，一则令人揪心的消息刷爆了舟山人的朋友圈，舟山市岱山岛衢
网店客服是通过网店的一种服务形式，通过网络，开网店，提供给客户解答和售后等的服务，称为网店客服目前网店客服主
近日，在快手直播平台上，有用户通过直播、拍摄短视频等手段，推广自制的无证件小型载人直升机。　　目
更多精彩请关注《连云港-微平台》
6月13日，江苏盱眙，来自五湖四海的3万食客齐聚亚洲最大的山地广场—都梁广场，共同品尝盱眙各种口味的龙虾
【空姐挺大肚毕业照 “孕”味十足的毕业照你见过吗？】 大三被航空公司录取成为空姐，随后顺利结婚、怀孕。梦上海城市精神：海纳百川、追求卓越、开明睿智、大气谦和
您现在的位置： >
从数字营销精准化 体验智能大数据的魅力
　　在数字营销大背景下，互联网逐渐进入个性化时代。互联网营销也已从“一对多”的广播式，进入到“以媒体属性定义用户特征”和“以用户特征设定目标受众”的阶段。如何实现精准广告营销，避免资源浪费，实现营销效果最大化，一直是众品牌主所追求的终极目标。近期，国内一站式智能营销平台城外圈深挖智能大数据价值，将用户动机与品牌主的营销目标有效结合，更高效地帮助品牌主去触动潜在的消费者，开启精准广告营销“一键时代”。
（数据来源：一站式智能营销平台城外圈）
　　一、根据“用户画像”精准匹配目标受众
　　据腾讯官方发布的《朋友圈广告用户研究报告》显示，有23.8%的受访者认为，只要广告和自己有相关性，他们对任何类型的广告都能接受，并且这种观点在其中所占比例最高。这些数据传递出一个重要讯息：其实用户讨厌的并不是广告，而是与自己无关的广告。如果平台推送的广告与用户有关，甚至可以满足用户某方面的需求，就可以成功吸引用户，实现。
　　以“美食台”的微信朋友圈广告投放为例，其广告投放以自身公众号推广为目标，采用与账号日常运营内容相关的创意美食推荐主题。精美的广告素材配合对美食感兴趣标签用户的精准定位，极大提升了用户的关注度转化。
　　那么，如何让广告实现：针对有需求的受众进行精准投放？据悉，作为国内营销行业的推动者，城外圈主要根据用户基础属性、兴趣、使用产品时间、标签喜好等维度，对用户短期行为和长期行为进行对比分析，勾勒出立体饱满的用户画像，构建用户行为数据模型，迅速找到精准用户群体以及洞察用户需求，从而提升推送广告的精准度。
　　二、基于大数据分析智能调整投放渠道
　　时代在发展，营销在进化，渠道在改变，与时俱进是每一个营销人员必须具备的姿态。
　　事实上，包括城外圈在内的许多知名营销平台，已经通过对渠道ROI(投入产出比)进行数据分析，实现了最大程度上的精准投放。据了解，城外圈借助专业的大技术，对媒体投放渠道进行再分析、再评估，根据不同的品牌推广需求，进行渠道联动整合优化。
　　一方面，融合不同渠道投放优势，升级现有媒体渠道，化“线性单向”营销思维为“立体营销”思维，打通媒体产品链，根据品牌推广场景的不同，智能匹配流量和广告渠道投放比，得出最优效果的投放渠道策略。
　　另一方面，拓展更多的媒体投放渠道，洞察行业营销动态，通过大数据沉淀，不断丰富营销投放的媒体场景，使品牌营销能够在不同属性的媒体上影响消费者，并且随着媒体传播矩阵的不断壮大，还会逐步覆盖、触达更多的目标消费者。
（图片来源：一站式智能营销平台城外圈）
　　三、多维数据报表实时监测追踪效果
　　基于数据分析制定和调整投放策略，可以帮助广告主实现最佳ROI投放效果，并且效果可见。
　　据业内资深营销专家透露：在数字营销效果监测方面，通常是将网络用户行为的监测作为主要数据来源，通过实时数据分析报表、全面数据监测和多维数据分析，对媒体传播价值提供客观准确的量化评估，同时探寻不同广告形式的机会与价值，实时进行媒介组合优化、投放配置优化和创意投放优化，用消费者的观点为广告把脉，用科学的研究手段来为广告把关，制定出更高ROI的媒介方案。目前，城外圈结合广大客户需求，制定了集中型策略、脉动型策略和持续型策略，以满足品牌主的不同传播目的，受到客户一致好评。
　　面向不断变化的市场和用户需求，第一时间进行、精准匹配目标受众、智能选择投放渠道，是大数据技术在精准广告营销领域的重要体现。只有通过快速、精准、智能的数据匹配和挖掘，才有可能获得最好的营销效果及价值。
侬好上海由新民网出品微信号：helloshanghai2013
吃喝玩乐、上海故事、同城活动每天热爱上海多一点，加入小侬家族就对啦！
新民晚报官方微信微信号：xmwb1929
有用、有益、有趣
街谈巷议微信微信号：xinminwangshi
街头访谈，麻辣点评
新闻热词榜
数据加载中……
快来挑一棵许愿吧！
这里，有土生土长的本地上海人，有来自国内各地的新上海人，有不远万...
至少，咱们大上海的路，一点不套路！
老伴不慎摔倒在地，幸得三位好心人相助，平安送达医院抢救。昨天，市...
汽车遥控钥匙作为连接车主与爱车之间的重要工具，无论实用性还是设计...
新民晚报官方网站
All rights reserved峰会三：从大数据到人工智能 风口已经到来？
主题：峰会三：从大数据到人工智能：真正风口已经到来？主持人：博鳌观察智库特邀专家、小赢总裁黄聪主持人：我们本场论坛的主题是从大数据到人工智能，我相信在座的每一位都非常熟悉，是非常高科技的两个词。首先我介绍一下参加讨论的嘉宾：国家千人计划专家、乌镇智库理事长张晓东璇玑公司CEO郑毓栋博时基金常务副总经理王德英公司部副总经理王鹏虎飞贷科技副总裁卜凡德大数据提出的时间比人工智能早很多，人工智能就我的理解是一个算法，如果没有好的人工智能，你的数据再全再多，都得不到任何的结论，但是如果你没有一个好的数据来源，没有准确的数据来源的话，你的人工智能算法再精确，也无法给出准确的信息，所以这两者是相辅相成缺一不可。从大数据和人工智能这两个词，主要是从科技领域开始发起的，不管是还是，都给大家描绘了一个从如果人工智能发展起来，人类会进入更好的社会局面，但我们知道这都是在自然科学领域提出来的，作为一个典型的社会科学，人工智能这么一个概念在金融领域是否能够有很好的应用呢？也就是说我们现在如何在金融领域推进人工智能，它目前的进展是什么，包括它未来会往哪个方向发展，我想听听在座各个嘉宾的想法。张晓东：其实你要是看最早的比方说五六十年代，在金融领域里一直在用科技的手段，但是过去我们总说那个时候的科技手段模型做得很深，但是它数据也很少，因为各种各样的原因，新的公司出来之后，像谷歌、FACEBOOK，它们模型也许是浅的，也许是深的，但是它的数据量很大，就是很多东西一旦数据量大了之后，它会让你很多东西变得很有意思，比方说数量大了之后，有一些数据你甚至可以负担得起，你说我不要，但是你在传统的六七十年代建立一个非常精准的数据模型的时候，这种你是不可能做到这一点的，这是一个。现在我们看到的所谓互联就是浅模型，就是大数据加上浅模型，和浅数据加上大数据的这么一个整合，这种整合我们从技术领域看到一些新的技术出来，最近说深度学习，我都不想再提了，因为现在所有新的科技公司找融资的，要么是深度学习公司，要么是公司，就是什么东西都往这边靠，从技术领域里面我想提两个，除了深度学习以外，一个是自然语言理解技术，一个是知识图谱的应用，在应用行业里面，我看到现在大家用到很多的，一个是征信，另一个是风控，一个风控是水平的行业，它几乎在互联网金融的任何领域里面都可能会涉及到风控的问题。我想举一两个例子来说，比方说最近征信公司拿到了所有的法院数据，比如说有两三千万法院的判例，它用自然语言理解技术来了解这些判例是对谁更有利，从而能够得出说跟这个人也好，这个公司也好，谁的信用度更可靠，另一个比如知识图谱的技术，现在很多企业在做知识图谱。过去我们讲数据都是结构化数据，现在比方说最极端的非结构化数据，比如说自然语言理解的，法院的文本，这都是非结构化的数据，我们有些手段通过知识图谱可以把人和人，公司和公司，公司和人关联起来，最近有一家公司，大家也提到P2P，去年年底到今年国内有很多波动，这个公司做了一些技术，这些技术给国内的监管部门，它就是用知识图谱的技术，把P2P公司之间、人和人之间的关系挖掘出来，这个挖掘出来它一个很好的方式呈现，你就很容易知道哪些公司是有潜在问题的，所以我就先讲这么多。郑毓栋：昨天我看了一下对人工智能的定义，其实没有大家想得这么高大上，人工智能只不过是机器呈现出来模拟人思维的一种智慧，它能够在特定的环境和场景下根据变量和环境的变化，以最大可能成功的可能试图解决一个问题，或者达到一个目的，这个是人工智能的一个定义，所以大家看到它对人思维的模仿，人的思维有哪几种呢，现在讲了很多的学习，当然是一种，但是它只是其中的一种，比如说还有逻辑推理，推理也是一种人的能力，在这当中其实有的时候你不需要数据，1+1=2，你不需要有很大的数据才能让机器知道这样的一个结果，所以其实我觉得人工智能的范围非常广泛。金融这个行业是一个社会科学，确实非常复杂，正是因为这样的一个复杂度，在传统的里面有大量的工作，它需要有专业知识和技能的人，有经验的人在其中进行一些思维和判断，比如说信贷员，比如说投资银行的分析师，其实他们都是一种思维的过程，有的是一种逻辑推理的过程，有的是对数据总结、挖掘、整理，通过概率的判断形成一个结论的过程，这样的一个过程在技术的角度，我有没有可能通过大数据和人工智能的方式来进行一定程度上的替代和转换，其实这个工作不是这两年，而是一直在发生，从有计算机的时代就一直在发生，所以我觉得这个变化不但过去在发生，现在在发生，将来也可能会持续的进行下去，这是我一个浅显的观点。王德英：人工智能在很多地方用，有时候用的有点儿烂，只要是计算机处理的都叫智能化、智能楼宇系统，是不是真的智能，我觉得给人工智能一个相对准确的含义，我自己想了一下，比如说只要是规则能够确定的逻辑，有先后准确逻辑关系的处理，我们认为不是人工智能，人工智能是解决了一些结果不确定性的问题，我个人认为才是人工智能，比如说智能楼宇，现在很多楼宇拿着卡你一刷轧机，它就告诉你到哪里去等电梯，这算不上人工智能，我觉得这个规则是事先定好的，所以谈不上智能。在金融系统里面，很多难的也是不确定性的东西，确定性的东西比如说股票交易，一些业务的处理，包括银行的存取款，但金融里面难的比如说在征信里面，对个人信用的一个判断，这有很大的不确定性，我们说可以引用各种模型，人工智能来帮助进行判断和决策，同样，比如说在投资领域，我们要选择股票，在某个时点你需要加仓还是减仓，这有很大的不确定性，这时候如果能有一些计算机技术辅助的话，我认为这是在投资领域的人工智能，当然最高端的比如现在最流行的是机器学习、神经元学习，我觉得真正落到实地，倒不是那么前沿的技术，而是对我们金融里面不确定性的东西提高原来判断的准确性，我觉得都是人工智能成功的应用。我举一个投资方面的例子，比如说选股票是最难的，最难的就是股票的选择，原来的资产管理公司或者投资经理通过的调研，通过数学模型，来决定这个股票能不能买卖，但是现在也有在这个领域所谓的量化投资已经应用得比较广泛了，量化投资最开始在美国兴起的，最近一些年量化投资、量化选股开始进入中国市场，刚进入中国的市场，美国的模型不适用于中国市场，所以这个模型进来之后，最近四五年量化技术在证券投资方面得到了非常大的提升，从结果上来看，通过这种量化来选股的准确性大幅提高，有一个指标，选股战胜的概率大大提高，或者超越大盘的比例大幅提高，其实它做起来更细的来说是这样的，在量化的里面，可能有几十个因子，把这些因子进行长期的回复来判断它的有效性，最后通过多因子模型设计出来，它就可以通过大量数据的计算，可以推算出每个股票可投资的大概分子值，这就可以作为股票选择的一个依据，它的基本原理是这样，这个基本原理现在越来越成熟，我举这个例子也是说明在资产管理行业和人工智能，我们觉得这是比较典型的应用，从发展阶段来说，我认为还是进入一个比较成熟的阶段，当然后面还会不断的发展，因为市场还在不断的发展，你要战胜别人，你的模型还要不断的更新，你的业务逻辑、你的人工智能要不断的提升不断的完善，才能保持永久的生命力。王鹏虎：首先商业银行是古老又现代的行业，这个行业一直在处理数据，我无论是对客户资金的记录，或者是对信贷业务风险的判断，其实一直是基于数据，只不过从以前到现在，技术一直在变化，以前可能是用算盘、用帐本，后来用计算机，现在大家用互联网、大数据、人工智能，在不同的时代我们用不同的技术，但是背后所处理的业务是一样的，只是技术升级了而已，这是我的一个判断。银行是经营什么？我们是经营货币、信用和风险的一个行业，风险是什么？风险其实就是不确定性，不确定性是怎么形成的？信息不对称，所以银行最大程度的通过收集信息去消除不确定性，最后消除风险，这就是银行所干的事情，所以大数据也好，大数据是在互联网的基础之上达到的一个结果，以前我们是样本数据，我们是非实时的数据，所以从存储到计算，它就必须是云架构，只有通过云计算把很多的机器并列在一起，我才能去存储这些数据，然后才能计算这些数据，人工智能实际上是人工智慧，把它放到电脑里通过模型来处理，再往前我们叫计算机辅助决策，现在换了个名字叫人工智能，它背后还是人的智慧，专家的经验，把这些东西再变成一种量化模型，当然现在我们讲的这个模型不是比以前更进步了，量化投资是一种静态的模型，现在这种模型是自学习的，深度学习的动态模型，它自己会调整自己的参数和指标，所以这是比以前要更进一步了，但是它背后还是人类的智慧，所以这是我们现在所用的技术，但是在商业银行的应用主要有两个方面，一个是精准营销，一个是风险管理，精准营销我们今天先不提，风险管理我们用得比较多，风险管理大家一提好象是我们信贷、投资业务用到风险管理，其实银行的全流程业务都会用到风险管理，首先是开户环节的反欺诈，最近徐玉玉电信诈骗使得监管部门和社会对开户环节的反欺诈关注度非常高，实际上在开户环节我就要了解客户，我要了解你是否有不良的一些记录，是否用这个帐户去干犯罪的东西，实际上现在很多生物识别技术都是在开户环节的反欺诈；第二个方面是交易环节的反洗钱；第三个方面就是信贷或者投资、资产管理方面所谓的防风险，在这方面，我们主要是通过征信和评级两个方面的应用，征信就是说通过互联网大数据，我尽最大的努力收集客户的数据，评级就是用模型对这些数据进行加工，通过最后的分值，我来判断一个客户的风险度，这是我们在风险方面的应用，接下去我们还有其他的一些应用，精准营销方面我今天就不提了。卜凡德：关于大数据还有人工智能，我大概有三个方面的看法，第一个，它是一个不断从量变到质变的过程，人工智能确实是一种算法，它整个的发展实际上是随着IT技术的发展而发展，之前可能非常简单，随着现在云计算技术不断的发达，它也变得可以在应用的场景也非常多，这是我的第一个看法。第二个，我觉得人工智能一定要跟实际的应用相结合，如果不跟实际应用结合，它就是简单的一种算法而已，刚才前面几位嘉宾也在举相关的例子，我也举一个例子，比如现在最近大家说的比较多的人脸识别技术，实际上人脸识别是人工智能里面一个属于生物特征识别的一个分支，我们看到实际上这个理论提出来是在上世纪六十年代，但是那个时候只是理论而已，到开始进入研究阶段是到了八十年代，我们可以看到，真正的商用也就是这一两年的事，实际上它受制于整个的IT技术、整个的运算能力，所以导致它没有办法很早的投入应用，随着科技的发展，随着它在能够应用的场景越来越多，比如刚才王总说像银行的开户，现在我看很多银行有智能开卡的机器终端，都可以用刷脸的技术，包括现在一些门禁也在用刷脸的技术识别等等，所以我觉得一定要跟实际的应用结合；第三个，这是一个过程，因为刚才我们也探讨了，到底将来会走向哪里，我认为它还是会随着科技的发展，以及我们对于这种应用的理解，来决定人工智能到底会走向何方。主持人：谢谢各位嘉宾刚才的点评，金融实际上是一个充满不确定的过程，人工智能恰恰在这方面能帮助人类解决这个问题。我们把金融划成两个大的方面，一个是投资一个是融资，在这两个方面我相信人工智能都能起到很好的作用，刚才各位在介绍的时候我提到了这两个，现在我想在这两个方面再深入的探讨一下。我们先把融资这个方面说一下，再融资方面，大家首先想起人工智能最容易应用的地方就是对风险的识别，对征信的积累，美国每一个人基本上都是有征信数据的，中国人民银行所建立的央行征信系统也在往这方面去努力，希望把美国的这套技术应用过来，这个问题我想问一下卜总和王总，就是说人工智能和大数据在我们进一步的做风险识别，把征信做得更好的方面上，您觉得有什么更好的应用以及怎么去做？卜凡德：我觉得这是一个非常有意思的话题，之前探讨大数据探讨得非常大，实际上我来之前看到这个问题，我想了一下，我有一个观点想表达，我个人认为大数据和人工智能的结合，应该会给咱们国家的征信体系的建设开创一个不一样的局面，可以说会带来新的征信的春天，从而进一步推动整个金融行业进入一场饕餮盛宴，我为什么用这两个词来说这件事呢？实际上我有几个观点，第一个是由于目前我们国家整个征信的局面造成的，首先大家都知道咱们国家人行的征信体系，全国14亿人，实际上只有三亿多人是有征信报告的，即使是人行的征信，它所反映出的是这些人在银行里面的金融交易行为，但实际上我们现在看到在方方面面都会体现出我们有很多的数据信息，比如说现在很多人在看，说我们的航空信息，我们现在银联的交易信息，我们的学历信息等等，实际上每个人从出生就有各种各样的数据，其实数据本身是没有用的，怎么样把这些数据运用起来？我个人认为应该借助人工智能，刚才我们在探讨人工智能概念的时候，我们也在举一些例子，在这些方面，其实我们看到不仅仅是人行征信，我们现在也看到一些商业化的征信机构在这方面开始在大量的尝试，都想做一些特殊的模型，进而能够形成征信体系，如果在这方面我们真的能够作出一些与众不同的东西，我相信对于金融行为是非常有帮助的，这是我想表达的第一点，就是由于征信这个局面造成的。第二个，我觉得现在整个金融行业的发展，特别是因为刚才上一个话题是普惠金融，包括微金融的整个发展，对于这方面的需求是非常迫切的，而且也在不断的做很多的尝试，我们做了一款产品，随借随还的手机APP贷款，我们在做的时候可以快速的给客户一个授信，实际背后靠的就是大数据的模型，我们说因为征信的局面，我们也在应用一些不同的数据，除了人行征信之外，我们也在试图用人工智能的方式怎么样在征信方面做一些补充，特别在风控方面，我可以给大家举一下我们应用的例子，比如说图象处理，我们去扫描一个身份证，这就是最简单的人工智能，它就是图文识别技术，还有我们也运用了刷脸的技术来识别活体，进而把人像跟身份证进行比对，第二是运用到决策引擎里面去，它里面部署的规则也好，评分台也好，其实就是智能的审批系统，它替代了以前人工的审批，我们这样的一个审批不仅仅带来的是效率上的提升，我们以前传统的审批可能需要一两百个风控人员，可能用了两个引擎就把这些人替代掉了，一个是放欺诈的引擎，一个是信用决策的引擎。另外，对于大数据的获取到整个的加工应用，直到最后形成模型，输出结果，整个过程里面对于无论软件、硬件包括人才的投入都非常的巨大，所以说，我说它是一个春天，但是我个人认为其实未来是充满希望的，可以沿着这个方向和道路不断探索，我相信人工智能为推动金融的应用和繁荣能够起到一个非常大的助推作用。谢谢！王鹏虎：风险是大数据最重要的一个应用，以前银行收集信息都是通过我们的客户经理人工线下的去收集，现在有了大数据这样的技术，我们更多的是依靠线上的，依靠于第三方特别是社会的征信数据，说到征信数据，大家可能有误解，一讲就是人行征信，其实它是很广泛的概念，包括社交的大数据，实际上征信的本意就是收集信息的意思，关于客户的一切信息都有可能是跟风险相关的，我们人行征信只是说在信用卡还款、企业还款、违约数据，但那只是很小一部分的数据，包括电信诈骗，话费欠费也是一个征信数据，频繁更换手机这种行为也是一个信用风险的数据，所以我们现在更多的是说把社会各个行业、各个部门这些关于人的主体或者企业法人这样的一些主体，把他的数据全部共享起来，现在我们人行征信全世界是最庞大的数据库了，但是远远不够，再加上各个行业的征信机构，现在就组成了一个非常庞大的征信网络，在这个基础上，各个行业各个机构在做一些应用，这个应用就对原始数据进行加工，像人行做了一些个人征信，它是按一千分来评价的，还有一些评级公司，比如标普做了两个A或者两个B的应用，这些东西对于人行来讲，第一个是原始的数据，第二是加工完以后的数据，这对我们来讲用起来是非常方便的，因为它成本非常低，原来我都是人工收集，现在我花一点钱可以从互联网拿到这些数据，第二，我应用起来效率非常的高，它真正让我们这种信贷将来做到碎片化的，就是几千块钱几万块钱的信贷都可以处理，不然以前人工的话，大家都讲银行不能做小的业务，因为人处理太贵了，现在可以用技术把很碎片化的东西做起来，所以现在不光是互联网企业，银行也在大量的用技术化的手段，但大额的可能还需要人去处理。主持人：接下来我想问德英总和郑总，现在有一个词非常流行叫智能投顾，中国目前所做的智能投顾和美国比的话，它的区别是什么，我们能从中学到什么东西，第二人工智能接下来的发展会不会使人的整个投资理念以及资产管理行业发生一些改变，比如说人工智能会不会取代人类，人工智能会不会跟人之间有一个非常强烈的分工？王德英：智能投顾或者机器人投顾是从国外过来的，但是出发点都是通过智能投顾提高客户的收益风险比，提高收益跟预期的一致性或者确定性，这个结果都是一样的，因为智能投顾，前面叫智能投顾，后面对接的就是多资产、多策略投资方案的一个配置，你的资产要在股票、债券、、等等如何均衡的配置，并且如何在合适的时间在不同的资产之间进行变换，这样做的目的就是提高收益风险比，比如说在风险可控的情况下，收益尽量的稳定，比如说最近包括银行包括很多智能投顾，基本上以决定收益为目标，通过多资产多策略的模型，或者是这样的一个方式，使得客户不管在什么样的市场环境下，他能取得相对稳定的收益，这主要解决两个问题，一个是解决单类资产业绩的不稳定性，确实不同资产收益是轮动的，你靠单一资产不一定能取得一个长期稳定的收益，这是它在资产之间进行轮动的必要性。第二是解决个人投资的非理性问题，拿基金来说，其实股票也一样，80%炒股票的人是亏钱的，其实基金也一样，因为投资者大部分都是类似于去年4500点冲进去的，然后套了好几年，终于解套了出来了，很多是这样的，另外就是投资者的相对投资的短期化，不是从一个长期投资的角度来配置的，所以这些方面造成了投资者实际的收益跟他预期差异非常大，投顾或者叫智能投顾要解决的就是这个问题，通过模型或者配置方法提高收益的稳定性，智能投顾背后最核心的是两层，第一层是资产配置模型，资产轮动模型，它解决不同资产之间配置的问题，第二层，你已经确定了某个资产之后，在资产类别里面你选了具体的一个资产标的的模型，比如说你已经决定了30%投资股票类型的，具体你选哪一个股票或者选哪一个股票基金，还是差异非常大的，这里面也需要一个模型，选股选基金都是非常困难的，你需要对它有一个长期或者准确的判断。从这两层来说，我觉得中美之间的差异就能看得出来，比如说在第一层资产配置或者资产轮动模型方面，中国市场可用的配置工具比美国市场显著要少一些，比如说我们在一些另类投资，比如说股票债券可能都有，但是一些，还有一些房地产的类似产品还是比较少的，你如果想配置的品种现在只能去特定的市场，而且流动性不一定很好，还有一些比如说对冲的品种，汇率的投资可能普通人也没有这样的一个工具可以选。具体投资标的的选择上，其实中国跟美国的市场也非常不一样，很多人说我不配股票，我已经选了多少配股票市场，我可以选指数基因，比如指数基金，我就配整个市场，就指数基金来说，中美市场也不一样，比如说美国市场指数基金长期业绩能够打败大部分的主动的进行盈利，但是在中国这个是倒过来的，所以这也是不同的点，当然这是更深层次的由资本市场的特点决定的，这样如果你选具体投资标的的时候，你也不能完全照搬美国的方法模型，尽管大家基本的理念是一样的，方法论是一致的，但是在一些具体的模型或者是方法论的落地方面还是有比较大的差异，这是第一个大的问题。第二个大的问题就是人工智能或者智能投顾跟自然人比较起来，其实人工智能或者大数据就是根据历史数据长期的一个跟踪分析，或者是一个模型的处理，它最大的好处能提高投资的确定性，人工相比来说，人工投资可能非常好，也可能非常坏，但是大数据或者人工智能能把你投资的下限给提高，它的平均水平会提高，有效的人工智能模型我觉得从投资收益来看，它应该能够打败大部分的自然人，但是它可能战胜不了最优秀的自然人，我觉得这是一个基本概念。证券市场投资不光是一门科学，有时候也是一门艺术，它有多种因素，有定量的也有定性的分析，不是那么简单的公式算得出来的，所以你说完全能够用逻辑推出最佳的方案，这是非常难的。我说的结论其实从过去几年市场一些量化投资的结果，也可以看得出来，我举一个大数据的例子，我们利用蚂蚁金服上电商五千多个类目商品的销售数据来预测未来上市公司经营情况的变化，把这个作为我们判断这个上市公司可投资的依据，比如某一个行业交易金额上升，交易量扩大，我就有合理的理由认为这个行业或这个公司未来的经营情况会好转，最终会体现在二级市场的估价上，它的基本逻辑是这样的，我们采用了它大量的数据，不光交易量的数据，还有一些价格的数据，有的产品比如对价格更敏感，有的对供求关系更敏感，像供求关系、价格数据在上市公司的年报里面我们是看不到的，但是通过大数据我们就可以获取更多维的数据，更实时的数据，我们通过这样一些大数据的模型，采用量化模型来进行投资，从过去的时间来看，它大概排在所有股票投资的前20%到30%，如果你能够稳定的站在投资的前五十，前30%，其实长期投资收益还是可观的，我觉得这是大数据对投资方面的价值。郑毓栋：我想说这个之前再回到人工智能的本质，它是对于人思维的一个模拟来最大程度的达成某种目的，所以第一个大家要问的是智能投顾的目的是什么？如果简单的说智能投顾的目的就是赚到最多的钱，那么这个目的是不可达成的，投资是艺术和科学的一个结合，一个大数据和一个理性的机器如何在艺术层面上达成，比如说在投资的时候，他有的时候会去那家公司的CEO住的一个社区跟大家聊聊天，了解一下那家人的生活状况，他管理人的道德品质，这样的事情怎么能够让一个机器去模拟，可能五十年后可以，但是今天还没有看到，所以如果你的目的是在资产管理行业人人都想成为下一个巴菲特，你的目的是赚最多的钱，那很遗憾，这个不是智能投顾在美国被发明出来的一个目的，这样的话你就回答了刚刚主持人的第二个问题，人和机器在未来谁能够战胜谁。如果假设智能投顾这么厉害，它能够打败市场，未来所有的人都用了这个工具，每个人都打败了市场，请问谁输给了市场？每个人都得到了阿尔法，谁贡献了那个阿尔法？所以在哲学上，这是一个不成立的话题。所以我们看到在资产管理行业，大数据也好、人工智能也好、顶尖的量化基金也好，它到最后一定会面临一个问题，量做不上去了，因为你获取阿尔法的能力是有限的，你的策略的有效性是有限的，没有人说我一个量化的策略是永远有效的，所以在这样的一个情况下，我觉得智能投顾的目的就是大家不要把它想成我要去赚最多的钱，这是缘木求鱼，不能够达到的，那么它的目的是什么？它的目的是我帮助所有的中产阶级家庭，所有的客户能够去规划自己的一个财富的规划，这个目的就可以达成了，因为每个人生活的规划，他的需求，他对流动性的需求，他对财富的需求，他对风险的认知都是不一样的，一个60岁的人和一个20岁的人不一样，一个明年要买房的人，和一个买完房的人不一样，智能投顾其实解决的这样的一种思维逻辑，当我面对每个人不同的财富需求的时候，我如何来帮助你规划你的人生财富，能够满足你接下来的生活需求，所以从本质上，它的目的就不在于要打败市场，所以我们看到美国的智能投顾的特色，包括中国可以学习的一个地方，有非常多的地方，第一个，它强调被动投资，当然它有一个前提，因为美国市场是非常有效的市场，个人投资者只占20%左右，据统计，大约有15%的基金经理在美国无法长期持续的战胜标普500指数，我们要面对的是中国市场会变得越来越有效还是无效？如果我们的回答是前者的话，那我相信被动投资在中国的一个发展也会越来越大。第二，即使我们说中国现在还是一个半有效的市场，那么我能不能持续的去打败市场，作为每个个人来说，大家都知道在里是七亏二平一赚，并不是这个基金不好，而是它本身错误的行为和习惯，导致了它无法长期持续的去获利，如果你能获得一个符合自己需求的市场平均水平，已经能够好过市场上80%的人，也能比你过去做得要好，那么智能投顾就已经在这个方面能够给你带来，给这个投资人，给这个家庭带来莫大的一种好处和能力，所以这是第一，美国强调的是被动投资。在中国，我们觉得在数字化资产配置情况下，我用被动的投资，最大的一个好处就是我消除了不确定性，因为我们国家很多的主动管理基金的基金经理风格是非常漂移的，他一会儿满苍，一会儿空仓，一会儿大盘，一会儿小盘，这不是不好，但是在配置的环境中，它有可能带来不确定的因素，所以我觉得在智能投顾过程当中，在数字化资产配置过程当中，可能我们在取得被动的方向是我们可以向美国去学习的第一个方向。第二个方向就是说整个市场在美国市场被动的一个指数的发展，产品是非常非常丰富的，流动性也非常好，但中国市场这块目前还是一个比较困难的比较少产品的列表，所以我觉得这块也是我们可以向美国去发展的第二个地方，就是发展被动性投资的一个产品来为整个智能投顾、数字化资产配置带来更多产品的空间。第三点，在美国，它其实非常强调个性化，它对于客户需求的理解比如说像（英文）这样的公司，它已经开始收集客户交易的行为，这样的话它通过人工智能的学习，它进行预测，它决定你可以要去进行赎回的动作了，这时候你可能会犯一个交易上行为上的错误，他就事先提醒你，长期投资是好事，分散投资是好事，最近市场可能有一些波动，但是你坚持一下，你不要去做错误的行为，其实这是把金融行为学和投资结合在一起，人都是非理性的，但是智能投顾恰恰是把理性经纪人的好处应用在一个不理性的人身上，减少他可能犯的错误来获得长期的获利和收益，所以这是我们可以向美国学习的第三点，就是对于客户这一端如何去进行非常深入的理解和了解，去得到它的一个需求。最后，为什么我们要把智能投顾改叫数字化资产配置，其实它真正的理念是帮助客户通过波动的控制，通过需求的分析，来帮助它去管好自己家庭的财富，以应对他自己未来的需求，而不是帮他去赚最多的钱，因为这是不可能被做到的，从智能投顾的角度不可能被做到的一点，但是我们看到因为中国市场上跟美国还有一点不同就是监管，美国智能投顾是由IAA牌照监管的，最近也出了一个框架，对于整个智能投顾从算法到科技到体系都有一套全程的监管，但是中国现在大家都还在争论，这是财富管理顾问业务还是资产管理业务，谁能够去做这块，还有很多争论，所以我们看到这个词到中国来以后，也不出意料的衍生出了各种发展的方向，其中有一个方向比如说个股的选择，我相信量化是能够去做好个股选择的，但是你做了个股的选择是不是能够公开的发表让大家去使用，这点是存疑的，因为如果你能够赚这么多钱的话，你应该把这个信息藏起来，由自家使用而不应该发表，所以有很多方面延伸的枝节在智能投顾的名义下，我们觉得跟我们当初的初衷有一些不同，所以在这个层面上，我们就把它改叫数字化资产配置的名词。张晓东：前年的时候，我在谷歌听谷歌做研发的人有一个讲话，从大数据到大知识，数据到知识传统上这个过程都是通过人来做，但是现在越来越多数据到知识的过程被自动化，我们跟传统的智库或者是传统的咨询机构有什么不一样的地方。关于FinTech市场分析的报告，大家可能都在这个领域里面关注到，全球最大的一家咨询公司今年一季度、二季度发布了FinTech的报告，它基本上是全球五个合伙人，每个合伙人干几个月，它有不同的数据员，它还通过人来做，它比以前更先进，现在有一些数据慢慢可以自动化，我们最近做了一个类似的东西，但是我们这里面没有若干个专业的合伙人，或者若干个哈佛毕业的MBA来做的，我们完全是通过数据自动化技术，我们也做了一个FinTech的报告，现在在小范围之内预发布了一下，目前看整个的回响很好，我们预想在今年期间正式发布，另外我们还会发布人工智能产业方面的报告。说一下有什么不一样的地方，我们现在发这个报告，理论上来讲，我可以把它做到实时，就是说昨天的数据是什么，昨天是一个什么样的情况，如果你的颗粒度比较大的话，你不太关心，但是对于某一些行业，你的时间颗粒度很小，这个时候这个东西实时性对你就变得比较重要，我们可以做某种程度上提供这样的一种服务。我最近也在讲一些新的概念，知识作为服务，就是以后这个报告我不给你印成本，我完全可以把它做成一个在线的服务，知识的服务，纬度由客户自己来定，现在比方说你拿到纸质的报告，你在想，它的那些数据实际上是可以给你提供一些其他服务的，但是因为它呈现方式的限制，你没有办法去做这些事情，现在我们可以把知识作为服务是一个按需的东西，这是一个。我前一阵碰到一个做传统智库的人，他说你这个东西不能给我洞察，你只是把这个呈现方式做得很漂亮，现在看起来不一定，就是我有可能提供一些洞察，他都提供不了，举个例子，互联网金融领域里面最热的两个领域，一个是P2P，还有一个是移动支付，大家都一直认为我们中国在应用方面很强，但是可能在实际的理论技术底层未必会那么强，我现在搜集了全人类有史以来所有的专利，分析了专利的情况，专利的情况就是这个给了我很多洞察，其中一个是就是说你看专利，2007年、2008年的时候，中国FinTech方面的专利，大概是美国一半，而且中国是偏应用型的专利，但是到去年年底今年年初，中国大陆在FinTech方面专利的累积已经超过很多，今年可能会超过美国不少，而且有些专利是有相当前瞻性、基础性的东西，这个东西不光给我们提供了传统的手段，同时它也给某一类的应用，比如说我是VC，我就特想知道在互联网金融领域里面，因为往往专利这个东西是比天使还早期的东西，往往你先有了专利，然后有了天使，一步一步过来，所以你在非常早期的时候能帮你找到这些不同的技术的趋势和不同的公司的走向，这本身就是一个数据和智能技术对传统行业的一些补充或者改善，我们看到越来越多这样的技术已经在发生。主持人：今天我们非常荣幸有五位业内的专家在这个地方，有来自与传统金融行业的，也有来自于新金融行业的，也有对这个领域研究非常深刻的学者，接下来的时间里面我想做一个思维的碰撞，各位相互之间可以问一些问题。王鹏虎：我想问一下卜总，因为我们总在讲传统金融机构是即将死亡的恐龙，新金融会怎么样怎么样，但是现在我的问题就是说为什么我们活得越来越好，而新金融、互联网金融现在日子过得好象越来越清淡，到底是落后的打败了先进的，还是说我们扼杀了新生事物？卜凡德：这个问题听起来是蛮尖锐，但实际上对于我们来讲，恰恰这不是一个问题。我刚才介绍了一下我们飞贷，实际上我们利用互联网化的大数据技术，做了一个手机APP的贷款，这个贷款实际上应用到中小企业主或者是个人者可以在短短的两三分钟之内，就能获得一个授信额度，最高授信是30万，而且这个额度一旦授予之后他可以终身使用，我们资金的另外一段对接的就是银行，我们对接了一些大的金融机构，所以我们实际上并不是谁打败了谁，而是我觉得把手握在了一起变成了好朋友。我们现在理解我们做的是FinTech，因为我们一段对接的就是持牌机构，另一端对接的市面上大量具有小微需求的资金的使用者，而对我来说，我做的是服务，我做的是风控，我做的是这里面的科技，把产品设计好，飞贷科技成立六年以来，而且我们都是对接比较大的银行，实际上这几年来大概已经合作的资产超过了两百亿，在这个过程当中，实际上银行是没有产生过一分坏帐的，这个过程包括我们现在打造崭新的飞贷的APP产品，实际上就是利用互联网化的大数据，刚才我们探讨的有各种来源的大数据，同时辅助了一些人工智能的科技，然后打造出这样一个APP。这么多年来，我们没有在社会上去融过资，实际上我们做的事就是跟金融机构合作，就是把金融机构的钱怎么通过我的科技、我的产品放到民间去，在这方面，我们认为我们是有优势的，我实际上跟传统的金融是很紧密的结合，是好朋友的关系，我们现在非常希望跟更多的金融机构去合作。郑毓栋：我问一下王总，公共基金其实也发展了很多年了，刚才您也讲到量化投资，量化投资是用智能和数据去进行决策的，在基金公司当中，现在也是非常重度依赖优秀的基金经理去进行一些判断和决策，您自己感觉在未来这两者之间的比重会是一个结合的形式还是说某一个方向会占据主导或主流的地位？王德英：主动和被动始终是个选择，最近几年，被动产品在资产管理行业发展非常快，当然发展最快的还是在美国这样的成熟市场，在经济危机的时候，主动基金的规模都在缩减，但是被动基金的规模在增长，当然一方面是因为它长期在美国市场主动打不过被动，另外被动相对运作透明，另外费率比较低。中国市场其实所谓的指数基金，ETF也是跟着美国市场发展的，最近几年应该说也是发展非常快，一个是规模一个是品种，比如说原来没有黄金的指数基金，现在有了黄金的ETF，我相信将来会有、石油的。从总体趋势上，我觉得被动产品的品种和规模还是会持续的越来越大，越来越丰富，但是作为短期来说，中国的市场特殊的环境，主动基金还是有它的一个特别优势，从长期投资来说，因为我们看指数有上证、沪深300，过了十年了，基本上又回到原位了，但是主动基金如果过十年，很多都翻了好几倍了，确实是有中国市场的一些特点，另外信息透明性低，基金经理通过个股获得差额收益的机会比美国大得多，这造成中国主动基金长期业绩相对较好的原因，但是未来趋势上，随着FOF这样一些前端产品的发展，被动产品我觉得会受到越来越多的青睐，另外主动和被动的结合是特别适合中国市场的，各有优点和缺点，结合起来我觉得是非常好的方向，比如指数增强产品，或者策略指数产品，这就把主动和被动结合起来的产品，我觉得未来至少在短时间内把投资收益和它的一些被动投资仓位的稳定性结合起来一个非常好的品种，也是非常值得关注的，即使是做了智能投顾，在选被动产品的时候，其实被动增强产品我觉得也可以作为未来的一个选择。我想问一下张晓东老师，您认为在大数据的行业应用方面，中国在金融行业，中国跟美国市场大家的发展水平怎么样，中国有哪些做的好的地方，有哪些地方做的不如美国这样的成熟市场？张晓东：中国跟美国现在其实跟市场的环境有关系，越来越偏向消费者的，中国过去在应用方面很强，我们会越来越看到它在一些基础技术、核心技术方面也会慢慢变得越来越强，但是总的来看就是引领潮流，目前无论是大数据的技术、人工智能的技术还是美国走在世界的前列，另外就是看行业的细分，短期内我看到一个是征信的应用，这个马上会看到数据、人工智能在这里面会开花结果，另一个就是互联网金融里面的一些偏向消费者的一些应用，可能我们会看到马上会有这个效果。我想请教郑总一个问题，人工智能除了谷歌之外，另一个比较猛的是IBM的沃尔森（音），大家主要看它的应用还是在健康行业，比如说沃尔森（音）号称今年要考美国的几个医生执照，沃尔森的第二个应用其实就是金融，这里面会不会将来也有牌照的问题，因为大家知道人的金融从业人员都是有牌照的，还有一个问题，可能更多的是一个道德或者贫富两极的差距，我有越多的钱我就可以买一个更牛的系统，你的钱不多只能买一个不太聪明的系统，就是它有没有这种？郑毓栋：第一个问题其实在美国是有投顾牌照的，但是在咱们中国很特殊，中国投顾的牌照面是非常狭窄的，它是证券咨询类的投顾牌照，可以说中国在这方面目前来看还是没有监管的，未来肯定要在监管上需要去发展出一套详尽的体系，不但包括所谓机器的投顾，也要包括人的投顾，我们国内连人整个财富管理的投顾都没有，我们国内领先的几家第三方财富管理公司，想不出来它有什么牌照，而且我们国家是分业监管的，销售每个产品都有一个独立的牌照，并没有总的牌照，所以这块可能是监管上的回答您的第一个问题。第二个问题，这恰恰是智能投顾能够解决的，在平等性上的一个问题。主持人：非常感谢几位的分享，最后每位用简短的一两句话，大概说一下在未来五年里面，在您这个领域里面人工智能和大数据会产生什么样的影响和后果。张晓东：对于未来做预测实际上是一个特别危险的事，很多人工智能的早期专家司马贺（音）1957年说十年之内机器下棋要下得过人，结果1997年深蓝才赢了，所以他这三十年之间天天被人骂，最后就导致大家对技术本身都会有一些怀疑，但是也有反的例子，比如四年以前有人就说下围棋的话还早着呢，至少得十年，可能再过一年，俩机器人下围棋，人已经看不懂他们在下什么了，所以对未来不好预测，所以我只能说看一下我身边能看到的事情，比方说风控在消费者金融领域，在一些征信上，这个短期内我们会看到很多很有意思的应用，也会看到一些很直接的技术在这里面，就是马上就会开花结果。郑毓栋：在投资领域我不敢预测，因为投资是非常非常长期的过程，五十多年复合回报20%的人目前也就一个巴菲特，一个机器程序的东西是不是在未来打败投资大师这一点真的不敢预测，但是在财富管理这个行业，我相信在未来五年会有一个趋势，就是说人机结合的趋势会起来，因为今天大家做很多的财富管理决策是碎片化的，比如说你有一笔十万块钱的闲散资金，每个人可能思考一下我拿来去做什么，这个思考并没有考虑到你整体的需求，也没有考虑到你的整个组合，它会对你整个组合带来什么样的影响和变化，未来这样的决策过程无论你面对的是人还是机器，都有一个智能化的东西在边上进行辅助的决策，我相信你能够作出一个对家庭财富正确的决策的可能性，这样我们可能在财富管理行业有大量的，如果你只会推销产品这样的一种比较低端的从业人员可能会有一些这方面的风险，所以这是我自己的一个判断和想法。王德英：随着大数据和人工智能的应用，我觉得对消费者带来至少三方面未来的变化，第一是越来越多的消费者会以更低廉的成本享受到高品质的服务，第二是金融机构管理风险随着技术的应用得到了更加有效的控制，第三，投资者享受到的金融服务会越来越个性化。王鹏虎：我觉得未来几年当中，金融科技一定会在长尾市场、普惠金融，消费金融和零售银行方面得到最大的应用，它会很大程度上去替代我们现在一些标准化、流程化的工作，但是在一些公司金融，非标准化的客户、大型客户以及高净值的私人银行客户，我认为未来五年十年甚至更长时间，机器不会替代人的，人永远是技术的主人，而不是技术的奴隶。卜凡德：金融本质最核心的东西是风控，在我们这个产品里面应用更多的就是在风控方面，其实对于未来我觉得不存在预测的问题，因为我们现在已经在做各种尝试，我觉得从趋势上来说，我个人认为大数据和人工智能的结合对于我们这个行业起码有几点帮助，第一个就是我认为效率极大的提升，因为用人工智能对大数据能够加工的量是非常大的，它的决策效率是非常高的，替代了人工的一些基本操作和决策，所以效率会大大提升，我的第二个看法就是说在对于风控的精准的控制上会提到非常大的帮助作用，实际上我觉得对于人去做风控，每一个人都会有自己主观的看法和偏差，但是用数学、用大数据、用智能，然后用一些模型去判断风险，去控制风险，可以令风险的控制和判断更加精准。主持人：非常感谢在座五位嘉宾的分享，第三场峰会到此结束。谢谢大家！
正文已结束，您可以按alt+4进行评论
相关搜索：
您认为这篇文章与"新一网（08008.HK）"相关度高吗？
看过本文的人还看了
在这里，发现聪明钱
扫描左侧二维码即可添加腾讯财经官方微信；
您也可以在微信公众号搜索“腾讯财经”，开启财富之门。
[责任编辑：xiaoyuluo]
热门搜索：
腾讯理财超市
同类产品年涨&27%
今年以来收益&13%
近1月涨&7.41%
7日年化收益&2.97%
老客户三年零利率
送东风标致自动帐篷
千元抵扣+两年零利率
最高贴息6180元
Copyright & 1998 - 2017 Tencent. All Rights Reserved}