人工智能时代我国银行业发展战略转型研究分析-人工智能时代银行转型研究 工商管理专业

目录TOC\o"1-3"\h\u第1章绪论 11.1研究背景及意义 11.2相关研究介绍 31.3研究的方法 51.4论文的创新点 61.5论文的结构 7第2章中国银行业发展与战略分析 102.1中国银行业发展概况 102.1.1中国银行业发展概况：历经30年黄金期，转型序幕已开启 102.1.2中国银行业信息化发展概况：基础建设已成，追求智能发展 122.2中国银行业发展战略分析 162.2.1中国银行传统战略分析：追求资金规模模式遭遇瓶颈，逼迫银行业务创新 162.2.2中国银行业发展面临的问题与挑战：高速成长已成往事，转型迫在眉睫 212.3本章小结 24第3章银行业转型关键因素：人工智能 253.1人工智能发展概况 253.1.1人工智能产业发展概况：人工智能进入产业落地期 253.1.2中国人工智能产业发展概况：中国进入人工智能红利期 273.1.3人工智能的应用价值和前景分析：人工智能变革生产力 283.2人工智能在银行业中的应用分析 293.2.1基于银行业务流程的人工智能应用分析：人工智能全面助力银行升级 293.2.2人工智能在银行的应用案例：人工智能银行初现 323.2.3人工智能对银行的影响分析：由业务入手全面改造银行 353.3银行未来战略转型方向：“智慧银行” 363.3.1“智慧银行”概述：四个关键词：个性、灵活、普惠、高效、主动 363.4本章小结 37第4章“智慧银行”战略转型环境分析 394.1银行外部环境分析 394.1.1宏观环境分析：银行转型外部条件优越 394.1.2微观环境分析：激烈竞争逼破银行转型 434.2“智慧银行“战略转型综合分析 494.2.1银行SWOT分析：银行转型机遇与挑战并存 494.2.2“智慧银行”战略转型综述：四要素：银行业务、监管政策、互联网金融企业、人工智能 554.3本章小结 56第5章“智慧银行”战略转型应对建议 575.1“智慧银行”战略方向与目标规划 575.1.1“智慧银行”战略方向：智能化转型是银行的必然选择 575.1.2“智慧银行”战略目标：转型需要全面的顶层设计 585.2“智慧银行”战略转型规划 595.2.1“智慧银行”战略转型路径：初步尝试、全面规划、技术落地、全面转型四阶段 595.2.2“智慧银行”战略转型实施策略：基础资源智能化、数据智能化、应用智能化三层次 615.2.3“智慧银行”战略转型保障措施：组织、人力、财务、文化、技术的五项保证 635.3本章小结 65第6章结论与展望 666.1结论 666.2展望 67参考文献 69致谢 71图表索引TOC\h\c"图"图1-1论文的研究思路 9图2-1银行与信息系统集成商展开大数据层面合作情况 14图2-2数据给银行是否给银行带来可见商业价值情况 14图2-32016年银行大数据建设在IT投资中的比重 15图2-42016年银行在大数据业务投入规模量级 15图2-52011~2016主要上市银行手续费以及佣金净收入占比 18图2-62005~2016年中国GDP总量及增长率 22图3-1银行人工智能应用情况（截止2017年6月） 32图3-2银行未来技术人工智能应用领域 33图4-1近年来中国数字经济总体规模及占GDP比重 41图4-22013~2020年中国互联网金融市场规模 41图4-3微观环境竞争分析小结 48图4-42016年互联网基金销量占基金总销量比重 50图4-52016年网络支付用户占总人口比重 50图4-62016年互联网消费金融渗透率 50图4-72016年网络理财占总人口比重 50图4-8美国智能投顾用户份额排名 51图4-9银行匮乏的数据类型 53TOC\h\c"表"表2-1英国《银行家》杂志2016年世界银行资产规模排名 17表2-22016年上市商业银行新型中间业务增速以及变动 18表2-3截止2017年3月14家上市商业银行非银金融牌照一览表 20表2-42015年A股上市银行人均净利率及与2012人均净利率比较 23表4-1“智慧银行”战略转型宏观环境分析小结 43表4-2中国民间资本参与建设银行一览表 45表4-3“智慧银行”战略转型SWOT分析小结： 55第1章绪论1.1研究背景及意义根据银监会发布的《中国银行业监督管理委员会2015年报》，中国国银行业金融机构共有4,262家，银行业的从业人员达到了380万人，扣除信托、汽车金融、消费金融等类型的银行类金融机构之后，我国的银行数量也达到了3815家，银行数量和资产规模均实现了大规模的增长，银行数量的增长也意味着竞争的加剧。另一方方面，近年来以蚂蚁金服和京东金融为代表的互联网金融企业对银行的业务增长带来了巨大威胁，支付宝和微信支付推出后快速普及，迅速的改变了支付清算市场的竞争格局，余额宝2013年6月推出，至2017年6月仅仅4年时间，规模已经达到1.43万亿，规模直逼四大行的存款规模，解决中行1.63亿的存款规模，远超招行的0.95万亿，以阿里小贷款，宜信P2P，趣店现金贷为代表的互联网贷款业务，根据艾瑞咨询报告数据显示，2015年中国网络借贷市场规模8755.9亿，并持续保持30%至50%的增长率，到2018将达到30746.9亿，由此可见，互联网金融公司已经从支付、吸储、放贷等传统银行的核心业务上与银行展开了竞争，并且具有极强的竞争力，对传统银行产生了极大的威胁。2015年银监会正式放开受理民营银行的申请，腾讯的微众银行、阿里的网商银行陆续成立，以及百度和中信联合成立的直销银行百信银行也在2017年11月正式开业，互联网公司在渠道、技术方面相较于传统银行有着较大的优势，互联网公司正式成立银行，也将银行业的竞争推向白热化。互联网金融之所以近年来得到快速的发展，一方面因为互联网本身作为现代社会的重要信息渠道，在信息传播方面有着得天独厚的优势，阿里、百度等互联网巨头能掌握着流量入口，能够快速触达海量终端用户，使产品得到快速的传播，另一方，互联网公司也不断在用人工智能武装自己。自2006年，多伦多大学的Hinton教授提出深度学习神经网络以来，人工智能技术得到极大的发展，在金融领域，蚂蚁金服、百度等公司利用深度学习神经网络构建了智能风控模型，这些无需人工参与的征信审核模型能够实现秒级响应，在风控效果方面，根据数据显示，阿里小贷服务坏账率低于1%，低于国内小微企业贷款平均2%的水平，相比传统银行还在采用的传统风控模型，互联网公司开发的人工智能模型无论在效率还是效果方面均有巨大的优势，在竞争强度日益增大的今天，传统的银行业务模式竞争力在不断减弱。随着中国经济体量的不断增大，增长率放缓，政府不断推出政策促进经济告别传统的粗放增长，推动产业实现升级转型，对于银行同样如此，行业增加遭遇瓶颈，竞争加剧，银行需要告别传统只追求规模的业务模式，转而追求精益化发展。人工智能是一项希望使用机器来完成原本只有人类才能完成的任务的技术，同时机器的边际成本远低于人类，有很强的复制性，因此其价值在于对人类劳动力的替代和劳动效率的提升。互联网金融企业已经验证了人工智能技术在金融领域能够有效的提升业务效率，因此对于银行而言，如何应用好人工智能技术，提升生产效率是未来的重要方向。随着人工智能技术的应用，银行的业务形态将逐渐被改造，如前文所述，阿里巴巴在网上对小微企业的贷款审核，不再需要人工的参与，改变了传统的银行业务形态，随着人工智能技术的应用，将有更多业务形态被技术改变，更多的业务将由机器完成，对底层业务人员的需求不断减少，对技术人员的需求曾不断增加，与之而来的，便是银行组织结构和未来发展战略的改变。2010年前后，深度学习开始在工业界才开始大规模应用，随后人工智能开始在各行业有了较快的发展和应用，至今也不超过5年，目前人工智能在银行的应用还处于初级阶段，其影响才刚显露，对人工智能在银行的应用和未来组织、战略的研究较少，因此本文希望以企业管理和战略管理知识作为支撑，结合自身业务实践经验，从银行目前的发展情况出发，结合银行的现有业务流程，也就人工智能技术如何改造银行的业务形态，进而研究银行业务形态改变后，银行的组织结构和发展战略将如何变化。希望通过本文的研究，使得业界对人工智能的技术应用价值，和其对银行带来的改变有更深刻的认知，同时也希望能对其他行业的发展方向和战略提供借鉴作用。1.2相关研究介绍战略管理是现如今管理学的重要分支，指企业或组织在一定时间内发展方向、目标以及资源配置的决策，1938年,巴纳德便首次将战略管理引入管理学理论的研究，对企业决策需要遵循的原理进行研究，是战略管理研究的启蒙。1970年前后，安索夫提出企业战略管理必须按照战略环境分析、目标设定、方案拟定、评定与选择、战略计划实施以及反馈控制的步骤进行，建立了企业战略管理的基本理论体系和框架。在安索夫的基础上，发展出了强调企业战略与产业组织经济学相关性的定位学派、着重研究业务组合，以创造了著名战略管理工具波士顿矩阵的波士顿咨询为代表的业务组合学派等一些列细分战略管理研究的学派。1980后，则出现了波特为代表的行业结构学派，该学派认为企业的各种不同的价值活动带来企业的竞争优势,通过完成不同的价值活动的经济性和方法决定了企业的相对成本优势和差异性。核心能力学派则认为企业的企业如何把各项业务精密的编制协调一致，是竞争优势的关键。战略资源学派的观点则是以资源为基础对象进行战略理论研究。在前人研究的基础上，战略管理以及形成了基础理论框架和理论体系，战略管理是一门强调历史分析的学科，过往历史的研究必不可少，然而不同行业发展背景不同、所处的历史阶段不同，各国的国情也不经相同，因此对于各个细分行业的战略发展研究，任然具有很大的价值。银行作为现代商业的重要组织形态，一直是学术界研究的重点对象，欧美商业银行的战略管理研究始于20世纪60年代，90年代以来，随着金融全球化，银行竞争日益激烈，对银行的战略研究也越发重视。1993年，工农建中四大专业银行完成了向国有独资的商业银行转型，开始市场化的竞争，标志着中国银行业战略管理探索的起步，1996年民生银行获批成立，随后浦发、招商等股份制银行相继成立并完成上市，各类银行机构不断增加并发展上市，标志着银行业竞争日益市场化，中国的商业银行战略管理发展进入新时期，中国银行也开始聘请波士顿咨询进行战略管理和梳理。李勤在《中国商业银行战略管理研究》中，结合中外银行战略管理发展历程，以招商银行为例，对中国商业银行的战略管理进行了研究。在学术方面，也有李爱英博士的《我国城市商业银行战略管理研究》，对中国商业银行的战略管理体系、发展现状、战略管理模式进行了全面的梳理，并从战略管理能力、战略执行能力、战略环境能力三个方面，建立了中国商业银行战略管理能力评价体系。近年来银行业竞争加剧，中国银行机构数量超过两年家，行业升级转型成为了研究的重点课题，对银行的发展研究文章不在少数。杨国梁的《商业银行战略转型研究》一文对商业银行的面临和宏观环境和转型压力做了较为全面的分析，对银行的组织结构、渠道、业务、业务、资源配置、风险管理、运营的转型做了系统性的研究，从银行整体发展层面做出了研究和分析。近年来，金融科技被认为是银行升级转型的重要方向，企业人工智能是金融科技的核心技术，人工智能在产业界应用主要在2010之后，被大众所关注则在2015年之后，因此之前对人工智能的研究，主要停留在技术层面，进行算法和产品开发的探索。此外，随着2015年alphago的火热，市场对人工智能的关注不断增加，加上高盛、桥水基金等美国金融机构开始将人工智能应用在金融领域，媒体、市场分析师也开始对人工智能进行研究，出现了一些列人工智能应用分析的文章，然而对银行整体战略进行深入分析的文章，还比较缺乏。此外，互联网、大数据、云计算等相关技术相较于人工智能，发展较早，也受到了学术界关注，因此也有一些探讨互联网、大数据、云计算对银行业发展战略影响的文章，可作为参考材料，对本次研究有所帮助。其中谭章禄的《我国商业银行信息化建设研究综述》一文，对中国商业银行业的信息化建设较为全面的研究，梳理和我国银行信息化的发展历史和存在的问题。该文虽然研究时间较早，没有对银行与人工智能进行研究，但是信息化也是人工智能的重要发展基础条件之一，对本文的对于银行信息化方面的深入研究有着较大的参考价值。《商业狂潮—人工智能的未来》一书是由本人与刘赞、张凤、王艺琳等同事共同撰写的，关于人工智能的发展现状、价值、未来发展，以及人工智能在各行各业的应用机会分析的书籍，在书中与金融相关的章节内，对人工智能在风控、金融产品创新、资产管理等方面的应用进行较为详尽的研究和分析，并总结了人工智能对银行以及金融业的价值，但是受限于研究目的，书中的研究范围较广，并且关注点在于技术的应用，对人工智能与银行的研究不够聚焦，对银行战略的影响不够深入，因此也有可深入扩展研究的价值。广发银行徐徽的《2017广发银行金融信息科技预测与展望》、中国建设银行边鹏的《关于商业银行构建人工智能大脑的研究》、光大银行张华宇的《光大银行在金融科技方面的实践和思考》等文献，则是传统银行的从业者，以其在银行内部的视角，对银行应用技术实践的描述和其未来发展情况的思考，但这些文章探讨的问题同样停留在应用场景和技术实践路径上，并未对技术应用之后对未来战略影响、组织形态变化等问题做出更加深入的探讨和研究。雷宇祥在《建设银行智慧银行发展策略研究》一文中，对智慧银行的建设和发展进行了较为深入的研究，尤其在银行线上渠道建设方面的研究取得了显著成果，提出了线上渠道是未来智慧银行发展的核心，并通过实证研究，使用模型回归发现，银行的线上渠道交易额与银行净利润之间呈现显著正相关关系，证实了智慧银行的实际价值，同时结合建设银行案例，提出了智慧银行发展策略。然而，受技术发展和作者研究范围的局限，作者的研究相对局限在线上渠道和营销层面，对银行全面的智能化应用和转型研究方面有所欠缺，值得后续深入探讨。王茜、程都在《人工智能如何影响银行业转型》一文中，从无人化客户交互服务、客户体验、风险识别三个方面入手，分析人工智能对银行的银行，并从战略方向、人才、数据资产三个方面提出了银行转型策略，具有借鉴意义。然而该文献对人工智能的影响以及银行转型问题的分析不够系统，再次基础上，还有更加全面、深入分析的内容与价值。互联网是人工智能发展重要的基础，相较于人工智能在金融领域的应用，互联网金融已经经过了一段时间的发展，李冉的《商业银行互联网金融战略研究》对国内外的互联网金融发展现状和趋势，结合工商银行案例，对商业银行的互联网金融战略进行了深入的探讨，对本次研究亦有借鉴意义。1.3研究的方法目前人工智能在银行的应用还处于探索阶段，尚未有一家银行机构实现全面的智能化转型的成型案例，同时也缺乏大量的数据，进行量化分析进行验证，本人目前正在国内顶尖的人工智能企业担任服务金融机构的解决方案架构师工作，为浦发银行、广发银行、招商银行等如何使用人脸识别、语音识别、深度学习等技术，解决电话销售、客服、反欺诈等问题方面提供解决方案，有着一定的技术应用实践经验，因此在研究过程中，将结合本人在工作中的实践经验与其他同行研究成果，结合对企业管理和战略管理等相关理论的学习和思考，对银行业对人工智能的应用和未来发展方向，进行研究和探讨。本文主要使用的研究方法如下：（1）桌面研究：通过二手资料和理论进行研究，对银行业的发展，人工智能在其他行业的应用和影响，互联网对银行业发展的影响等问题进行探讨，通过对相关行业的发展历史进行研究，从而对人工智能在银行业可能产生的影响进行借鉴和思考。（2）案例研究：结合本人在工作中，对多家银行以及保险等金融机构的服务经验，总结人工智能对银行已经产生的影响和变化，见微知著，对人工智能未来可能对银行产生的影响和变化进行推演和研究。（3）专家访谈：对人工智能公司的技术专家、银行从业者、企业管理研究学者等对象进行访谈，了解各方专家对人工智能对银行可能产生的影响方面的看法，综合各方观点，结合自身思考，进行研究，从而能够对行业进行全面立体的研究。1.4论文的创新点本文主要从近年来银行发展遭遇瓶颈的问题入手，结合时下最为热门的人工智能技术，结合工作中的实践经验和管理学理论知识，对银行业的升级转型方向进行探讨，主要的创新有以下两个方面：（1）选题的创新性：人工智能作为新兴的一项技术，全面进入产业界展开应用实践较短，银行使用人工智能技术提升自身业务流程效率尚在早期，目前对于人工智能与银行结合的研究也还相对比较少，缺少较为全面。（2）内容的创新性：目前对于人工智能与银行相关的研究，主要停留在人工智能在银行的应用层面，对于技术应用后，银行整体组织架构和未来发展战略的影响研究尚未深入，本文期望通过对行业现状、技术发展、宏观环境等进行研究，运用PEST、波特五力、SWOT等分析方法，对技术应用后的行业发展方向进行研究和分析。（3）研究的实践性：本人身处人工智能在银行应用的第一线，在工作中与人工智能的技术专家以及银行的业务专家深入探索人工智能技术在银行的应用，在研究过程中，综合应用桌面研究、专家访谈的方法，将理论与实践相结合，对技术的应用现状以及影响有着较为深入的认知和思考。1.5论文的结构本文主要对未来银行的发展战略进行研究和分析，探讨技术对银行发展战略的影响，抓住技术改造业务形态，业务影响企业组织结构、发展战略的思路进行研究。文章主要从银行目前发展遇到的增长乏力，竞争加剧，面对互联网企业的冲击，需要寻求新的增长动力入手，对目前行业重点关注的人工智能技术进行研究，探讨银行未来的发展方向——“智慧银行”展开分析。随后将结合宏观环境，银行内部条件，使用PEST、波特五力等方法，分析银行转型的环境条件，探讨在加入人工智能影响因素后，银行发展战略，以及组织、人力资源、财务等方面可能发生的改变，最终提出银行转型的策略建议。文章共分为六个部分，每个部门的内容如下：第一章：绪论部分。该部分主要对文章研究课题的选题背景做介绍，并对文章的研究意义和目的进行描述，同时对相关命题的研究现状进行分析，从而提出本文的研究创新性，并对文章的研究方法进行说明，最后对文章的结构进行了介绍。第二章：中国银行业发展与战略分析，该部分主要对银行业的行业发展现状进行研究，深入探讨行业的发展现状，发展基础和目前的主要发展战略，并对目前行业发展面临的问题与挑战进行分析和探讨。第三章：银行业转型关键因素：人工智能，该部分引入本次研究的重点对象人工智能，对人工智能的定义，发展现状，价值进行研究，同时对人工智能在银行业中的应用前景以及应用案例展开探讨，进而提出行业转型升级的方向，同时也是本文的主要研究对象：“智慧银行”。第四章：“智慧银行”战略转型环境分析，该部分重点对银行进行“智慧”银行转型时，将要面对的银行内外部环境进行探讨，从而对转型可能遇到的机会和挑战进行全面的研究。第五章：“智慧银行”战略转型应对建议，前文对“智慧银行”以及“智慧银行”转型的条件进行了全面的分析，该部分则对“智慧银行”转型的具体战略目标、路径、战略实施策略、战略实施保障等问题进行研究分析，对“智慧银行”的战略转型给出具体的策略建议。第六章：结论与展望，本章主要对本次研究进行归纳和总结，对本次研究的银行业“智慧银行”战略撰写研究结论做总结陈词，并指出本次研究的不足之处，并对后续的研究工作进行展望。绪论绪论研究背景、意义方法、研究现状进行说明和介绍行业发展背景研究对银行以及以后信息化发展情况进行研究，分析银行面临的问题影响因素：人工智能研究对人工智能的发展情况，应用价值进行研究分析人工智能对银行的影响研究研究人工智能对银行的影响，提出“智慧银行”转型方向“智慧银行”转型策略研究综合前文分析结论，研究具体的“智慧银行”转型策略，提出应对建议“智慧银行”转型外部环境分析使用PEST、波特五力等模型对外部宏微观环境进行分析“智慧银行”转型综合分析运用SWOT模型，进行综合分析结论与展望对前文研究结论进行总结，并对研究的不足以及未来研究方向进行展望图1-SEQ图\*ARABIC\s11论文的研究思路第2章中国银行业发展与战略分析2.1中国银行业发展概况2.1.1中国银行业发展概况：历经30年黄金期，转型序幕已开启商业银行作为现代商业体系的核心组成部分，在中国经济发展历程中扮演了重要角色，尤其改革开发以来，伴随着中国经济发展，中国的银行业也不断壮大成熟，回望过去，中国的商业银行发展大致可分为五个主要阶段，第一阶段：计划经济时代（1949年~1979年）1979年以前，中国银行业处于“大一统时代”，在当时的计划经济的背景下，虽有有过建设银行、农民银行多次的设立、合并，历经主要金融机构虽几经变迁，经历多次合并重组，当中国的银行业务几乎全部掌握在中国人民银行手中，主要服务于国家政治经济需求，并不是完全意义上的金融机构。第二阶段：发展萌芽期（1979年~1987年）改革开放之后，中国的银行业也开启了市场化改革的进程，进入中国商业银行发展的“启蒙期”。此时，中国银行、建设银行、工商银行逐步从人行剥离出来，农业银行重新设立，并从20世纪80年代中期开始，四大银行开始经营以盈利性质为目的的商业性业务，并逐步剥离原有的金融管理业务和政策性业务，四大银行格局从此确立，中、农、建、工国有四大银行业成为现今中国银行业的核心力量，同时也是世界范围内资产规模最大的银行机构。第三阶段：快速成长期（1987年~2001年）1987年，以交通银行设立为标志，中国银行业进入发展的“黄金时代”，招商银行、广发银行、兴业银行、深圳发展银行（平安银行前身）、浦发银行、民生银行等一批股份制商业银行先后成立，股份制银行依据自身自条件，形成了各具特色的差异化竞争策略，成为市场强有力的竞争者，这12家股份制银行也是如今中国银行业的中坚力量。与此同时以城市信用社为基础发展形成的城商行体系，也在这一时期内蓬勃转型发展，1995年，中央金融管理部门开始整顿城市信用社行体系，将原有的5000多家城市信用社进行整顿和重组，形成了如今的133家城市商业银行，相较于股份行，城市行更加注重本地业务发展，更具区域特色，成为中国银行市场的重要组成部分。第四阶段：发展膨胀期（2001年~2010年）千禧年之后，中国加入世界贸易组织，中国市场开始向外资银行开放，以汇丰银行、花旗银行等世界级银行进入中国市场，根据银监会发布《中国银行业监督管理委员会2015年报》，截止2015年，中国的外资法人银行数量达到40家，虽然受到政策制约，网点服务能力不足等条件影响，外资银行在国内市场竞争力有限，但是也为中国市场带来先进的管理理念和专业的银行人才，也在进出口贸易等领域发了自身的优势。与此同时，2004年开始，原来以政策性任务“支农”为主的农村信用社业开始股份制改革，设立农村商业银行，同时在农村地区设立村镇银行，根据银监会报告显示，如今农商行数量达到859家，村镇银行数量更是多达1311家，从数量上来看，是规模最为庞大的银行类型，从质量上来看共有6家农商行排进中国银行资产规模的前50，排名最高的重庆农商行排名25，主要服务于农村地区的农商行竞争力相较于国有银行、股份行、城商行还有一定的差距。至此，中国银行业形成了了由中国人民银行、三大政策性银行、五大国有商业银行、十二家全国性股份制银行、以及一百多家城商银行、以及更多的农村商业银行、村镇银行、农村信用社所构成的现代银行业体系，银行业进入市场化竞争阶段。第五阶段：转型升级期（2010年至今）银行业一直被视为关乎国民经济稳定运行的重要行业，除了少数外资银行外，中国的银行均控制在国家手中，随着国民经济和互联网的高速发展，2010年前后，凭借互联网信息传播效率高的特点，互联网金融业务高速发展，互联网公司陆续开展了支付宝的支付业务、宜信的个人贷款业务、蚂蚁金服的基金销售业务等类银行与传统银行的清算、存贷款业务展开直接竞争，并对银行业务带来了巨大冲击。与此同时，2013年，银监会下发通知支持符合条件的民间机构开设银行，2015年浙江网商银行批复成立标志着民间资本正式进入银行业，随后天津金城银行、深圳微众银行、上海华瑞银行、温州民商银行、四川新希望银行、北京中关村银行等一批民营银行陆续成立营业，标志着中国银行业即将进入全面市场化竞争的新阶段。互联网金融的竞争和民间资本进入银行业标志着行业的政策门槛逐渐瓦解，市场化竞争进一步加剧，根据德勤对国内30家银行研究数据显示，2016年银行的营业收入增幅回落明显，四大行仅有中国银行实现收入增长，股份制商业银行增幅仅为5.59%，城商行收入增幅约为14.13%，整体营收增幅约6%。根据中国银行业的数据，中国银行业整体的净利润增长率也仅有3.5%，相比2011年的近40%，13年的约15%，大幅下降，相较于2016年全国6.7%的GDP增长幅度，银行业的发展速度已经低于宏观经济的发展速度，银行压力日益增大，市场要求银行必须抛弃过去粗放的发展模型，探索新的发展路径提升自身的竞争力。2017年，由银监会批复，百度与中信合资成立的，以纯互联网模型经营，人工智能等金融科技为核心竞争力的首家独立法人直销银行——百信银行正式开始，标志着传统银行更加开发的拥抱新技术，探索行业转型增长的新力量，行业进入的转型升级期。2.1.2中国银行业信息化发展概况：基础建设已成，追求智能发展美国哈佛大学的查理诺兰和吉布森教授在1976年提出了著名“诺兰模型”，将企业的信息化发展分为六个阶段，具体内容如下：初始阶段：企业开始引入计算机，但是仅仅将计算机作为办公设备，无法掌握其价值；扩张阶段：企业对计算机有了一点了解，开始使用计算机解决工作中问题，并且开始大规模采购IT系统和设备，但是缺少整体的使用规划，对计算机的应用水平不高，信息化效果无法凸显；控制阶段：企业开始理性的进行信息化，对IT系统的利用有了更明确的认识、目标和规划，开始尝试解决IT系统的协调以及数据共享问题，部分系统开始实现网络化，但是“信息孤岛”问题依然存在，信息系统比较分散，利用率低；统一阶段：企业对IT系统整体进行重新规划和设计，建立起基础数据库、建成统一的信息系统，形成统一、共享、网络化的管理系统，使得企业能够更有效地利用现有的IT系统和资源；数据管理阶段：企业将数据和信息作为企业重要的资源，企业进入到数据处理分析阶段，能够对数据进行统一的管理、分析应用，从而实现资源的整合利用，支持企业管理决策；成熟阶段：该阶段信息系统已经可以支持企业从简单的事务处理到高效管理的全面决策，真正全面实现IT系统价值。中国银行业的信息化发展也结合着自身的发展竞争，遵从着“诺兰模型”进行。20世纪80年代以前，中国银行业还处于计划经济时代已经发展的萌芽期，银行的信息化也处于初始阶段，开始从苏联、美国、日本的国家引进计算，用于处理会计、储蓄、联行对账和外汇买卖等业务的试点工作，但是计算机发挥的真实价值较少。20世纪80年代后期，随着股份制银行的陆续成立，中国银行业进入快速成长期，银行业的信息化进程也如“诺兰模型”的扩张期所示，也进入发展的快车道，银行开始引入IBM4300中小型计算机，以及X86等微型机，从柜面业务入手，开发了大量的业务处理系统，逐步实现主要业务的系统化和金融网点的计算机化。20世纪90年代中期，随着金融机构的发展壮大和计算机产业的快速发展，银行对IT系统建设重视程度日益提升，银行不仅在计算机的数量配置上大幅提升，并且在计算机应用的深度和广度上也不断进行了拓展，到了90年代末期，中国的银行逐步实现了全面计算机化，有限的节约了银行的管理成本。2000年以来，银行进入发展的膨胀期，在实现了计算机化后，伴随着互联网快速发展，信息的传递日益便利，银行的信息也开始向“诺兰模型”的第三阶段，统一阶段发展，1999年，中国工商银行启动“9991”大集中工程，开始建设北京和上海两大数据中心，随后国内其他中大型银行也逐渐完成了银行数据的集中工作，此外，伴随着互联网的发展，银行银行等电子渠道业务也快速发展壮大也促进了银行数据和业务在信息层面的统一。2010年之后，银行处于转型升级阶段，如何发挥信息系统价值，提升银行竞争力的要求使得银行开始向“诺兰模型”的数据管理阶段探索，伴随着云计算、大数据、人工智能等技术在2010年前后逐步走向成熟，数据和系统全面打通以及深度的数据挖掘得以实现，根据国内知名市场研究公司慧辰资讯对国内银行调研形成的《数据驱动金融升级，商业价值落地探寻调研报告》中数据所示，国内76.5%（详见图2-1）的银行已经与系统集成商展开大数据层面的合作，深度挖掘数据价值，其中约81.3%的银行认为数据已经给银行带来可见的商业价值（详见图2-2），银行进入智能化阶段。然而，根据同一份报告中的数据显示，国内约47.1%的银行在大数据以及相关领域的投入占整体IT投入的比重不到10%（详见图2-3），约52.9%的银行在大数据及相关领域投入规模仅为百万级别，约23.5%的企业投入甚至不足百万（详见图2-4），可见从整体来看，国内银行在智能化领域的投入较少，国内银行的智能化尚处于早期阶段。图2-SEQ图\*ARABIC\s11银行与信息系统集成商展开大数据层面合作情况《数据驱动金融升级，商业价值落地探寻调研报告》《数据驱动金融升级，商业价值落地探寻调研报告》图2-SEQ图\*ARABIC\s12数据给银行是否给银行带来可见商业价值情况图2-SEQ图\*ARABIC\s132016年银行大数据建设在IT投资中的比重图2-SEQ图\*ARABIC\s142016年银行在大数据业务投入规模量级结合“诺兰模型”来看，中国的信息化处于“统一”，逐步向“数据管理探索”阶段。虽然大中型银行已经建立统一化的数据中心，但是如“诺兰模型”所述，银行在扩展阶段激进的采购各类信息化系统，往往ERP系统（企业资源计划系统）、CRM（客户关系管理系统）等不同系统采用不同供应商的解决方案，虽然数据统一存放，但彼此孤立，在系统之间形成数据。以国内某大型股份制银行的知识库系统为例，银行采购了深蓝海域的知识库系统，提供员工的日常查询使用，同时银行的智能在线客户采购了小i机器人的方案，系统内同时也配置了一套知识库，语音智能客服又是另外一家供应商，同样自带知识库，这使得银行内部同时存在互不连通的三套知识库，运营部维护一个新的知识点时，需要在三套系统内进行修改，极大的增加了工作进行，同时也影响数据的挖掘和应用。另一方面，面对科技领域对金融科技的不断探索，银行业开始的信息系统“智能化”的进程，工商银行、浦发银行等机构已经将深度学习神经网络与银行业务相结合，在反欺诈环节，使用深度学习进行建模，取得了不错的效果。总体来看，虽然数据统一，系统打通的工作的全部完成还需时日，但是银行对数据管理的探索已经开始，作为银行节约成本的有效手段和提升效率的重要方法，计算机、云计算、大数据、人工智能成为银行发展的重要因素，如中国工商银行董事长姜建清所言，银行业已经从银行信息化进入到了信息化银行时代，银行开了全面的“数据管理阶段”探索，信息技术将在今后银行发展中发挥更大的价值。2.2中国银行业发展战略分析2.2.1中国银行传统战略分析：追求资金规模模式遭遇瓶颈，逼迫银行业务创新银行业是中国经济改革开发最大的受益者之一，经济繁荣，对于资金融通和交易结算的需求便越旺盛，伴随着中国经济近40年经济奇迹，作为现代经济市场主要服务者，银行业规模自然而然的水涨船高，根据英国《银行家》杂志发布的全球银行资产规模排名，工商银行排名全球第一，建设银行第二，中行农行分列第四、第五，成为全球资产规模最大的银行之一（详见表2-1）。传统商业银行的核心业务便是通过吸储放贷获得利差，因此如何取得更多的资产成为银行规模扩张的关键，在经济高速成长阶段，通过大量的城市网点，扩大人力招聘从而实现业务规模的增长，这一通过资本和劳动密集型增长带来规模效应的模式，是银行主要采用的发展战略，因此如何扩大业务规模，也是传统银行战略发展的主要命题。表2-SEQ表\*ARABIC\s11英国《银行家》杂志2016年世界银行资产规模排名英国《银行家》,2016年。英国《银行家》,2016年。世界排名银行所属国家一级资本（百万美元）第一名中国工商银行中国274,432第二名中国建设银行中国220,007第三名摩根大通银行美国200,482第四名中国银行中国198,068第五名中国农业银行中国185,607第六名美国银行美国180,778第七名花旗银行美国176,420第八名富国银行美国164,584第九名汇丰银行英国153,303第十名东京三菱银行日本131,753从经营范围来看，银行线下网点的规模扩张，从而触达更多客户，扩大资产负债规模，是传统银行重要的发展战略。2001年中国加入WTO，行业曾担心随着外资进入，中国银行不具备与其竞争的实力，行业将面临巨大的冲击，后来事实证明，在互联网尚不发达的21世纪初期，规模庞大的线下网点成为了中国银行的护城河，通过线下网点以及线上网络银行等渠道，以及与政府、公司、企业深度合作，不过扩大资产规模，通过规模效应，获得更多利差收入，是传统商业银行发展的核心逻辑。从组织结构和人力资源角度来看，早期的银行业务主要以存贷款为主，业务相对单一，同时为了追求规模效应，银行大多采用了全国总行，省总行，地市总行，多层管理的模式，在各级机构配备大量各类岗位的业务人员，并且在各个城市开始大量的营业网点，通过人力的堆积，实现规模化经营，从人员构成来看，业务人员是银行最为重要的组成部分。从财务层面来看，银行业不同多通过上市、引进战略投资者等方式，扩大资产规模和资本充足率，目前国有五大行工、农、建、中以及邮储纷纷上市，股份制银行中也仅剩恒丰、渤海和广发银行尚未上市，加上2016年、17年数十家农商行、城商行成功IPO，国内上市银行的数量超过30家，此外还有超过30家银行通过股权融资的模式，引入战略投资者，通过资本市场获得资金也是中国银行扩大规模的重要战略发展方向。从业务类型层面来看，银行可分为资产、负责和中间业务三大类，负责业务指向企业、个人吸收存款，或者向同业发单或者央行借款获得资金，资产业务主要指向企业或个人提供贷款，从而获得利息收益，通过吸储获得资金，再放贷获得利息，存贷款的利差收入，正是商业银行的核心收入来源，根据德勤对中国上市银行收入统计数据显示，中国银行的利息收入占整体比重任然高达70.94%，寻求资产规模扩张，实现收入增长仍然是商业银行的最主要战略发展方向。近年来，在全球商业银行全能化的背景下，随着中国银行业的竞争加剧，国内商业银行也在谋求新的发展方向，中间业务指的不构成银行表内资产和负责的付利息收入，主要由银行卡（含信用卡）、代理收费、交易结算、担保承诺为代表的传统中间业务，以及投行、托管、资管理财业务为代表的新兴中间业务，是银行近年来的新增长点，占整体收入的比重逐年提升，以上市银行的手续费及佣金收入比例从2011年的18.9%提升到了2015的21.9%（详见图2-5）。中间业务的多元化也为银行的业务多元化提供了不同的发展机会，成为银行差异化经营的重要影响要素，如下表2-2所示，不同银行根据自身的资源和业务优势，在不同的中间业务上形成了差异较大的增长表现，业务类型的多元化和差异化竞争，是如今银行业务战略层面新的发展方向。图2-SEQ图\*ARABIC\s152011~2016主要上市银行手续费以及佣金净收入占比表2-SEQ表\*ARABIC\s122016年上市商业银行新型中间业务增速以及变动银行机构投行业务收入托管类业务收入理财业务收入2015年增速2016年增速增速变动2015年增速2016年增速增速变动2015年增速2016年增速增速变动工商银行-12.09-6.65.49-6.424.3330.7352.277.1-45.17农业银行-19.391.7821.17-8.259.1717.42中国银行-34.84-0.9733.877.33-7.61-14.94建设银行-26.74-16.759.9912.512.39-0.1133.1742.068.89交通银行-2.24-28.99-26.75大型商业银行-18.34-9.788.563.3811.648.2647.8114.46-33.35浦发银行0.4715.0614.5910.7492.8382.09104.0151.63-52.38民生银行-21.31-78.27-56.9632.4227.73-4.69招商银行34.6233.13-1.49中信银行23.66-17.14-40.846.3915.17-31.2246.7422.49-24.25光大银行-11.11-4.636.4863.38-7.24-70.62116.573.02-113.55平安银行40.75-24.51-65.26109.18-6.6-115.7873.9241.33-32.59浙商银行21.4278.4857.06-40.42161.4502.24154.17-348.07股份制银行10.85-19.99-30.8436.2230.44-5.7896.5539.14-57.41全体行-12.75-12.270.4822.3223.721.458.9621.44-37.52从客户层面来看，银行的业务可以按客户群体分成三大类，分别是面向企业的批发业务、面向个人消费者的零售业务，以及面向金融市场业务三大类。企业用户的资金需求远大于个人用户，从传统的银行业务结构上来看，公司业务是最为重要的收入组成部分。然而，近年来受到经济增长放缓、监管政策、资本充足率等因素影响，银行公司业务增长乏力，根据《中国银行业发展报告》中对13A股上市银行统计数据显示，2016年中国银行公司业务收入占整体的比重为50.09%，下降4.49%，占总营业利润比重为50.36%，下降5.57%，资产规模占比39%，降低3个百分点。受此压力，银行不断进行业务多元化探索，深挖投资银行、保险等新型业务，由过往的注重单一产品，向提供企业一站式金融解决方案转型。在个人业务方面，如下表2-3所示，国内的主要商业银行均已展开全线金融业务的布局，受益于银行业务多元化，近年来银行实现了围绕客户金融需求，全方位挖掘客户价值的交叉销售，因此银行的零售业务增长势头良好，占总体的比重不断提升。支撑批发和零售业务多元化背后的是金融市场业务的多元化，尤其是投资类、资管类业务和产品的多元化，相比之下，传统的同业拆借业务则不断萎缩，2016年银行同业资产规模较年初下降6.6%，同业负责规模下降2.6%。传统意义上而言，国有四大行的以面向企业客户的批发业务为主，以招行为代表股份行更加重视面向个人化的零售业务，城商行和农商行更加重视区域客户，如今面对日益加剧的同业竞争，无论是面对企业还是个人市场，银行提供的业务日益多元化，银行的业务层战略进入了全面多元化阶段。表2-SEQ表\*ARABIC\s13截止2017年3月14家上市商业银行非银金融牌照一览表《中国银行业发展报告》，2016年。《中国银行业发展报告》，2016年。银行机构金融租赁消费金融保险基金管理期货信托证券工商银行√√√√农业银行√√√√中国银行√√√√√√√建设银行√√√√√√交通银行√√√√√招商银行√√√√√浦发银行√√√兴业银行√√√√√民生银行√√光大银行√华夏银行√北京银行√√√√宁波银行√√南京银行√√注：平安银行和中信银行因其母公司经营综合金融业务，情况较为特殊，故不列入统计综上所述，通过扩大经营范围、扩充资本规模，加大人力投入的密集型增长战略是中国商业银行普遍采用的发展战略，近年来，随着金融混业经营的趋势，市场对金融需求的多样化，存贷款业务同质化竞争，银行开始逐渐扩大业务范围，开始采用多元化增长战略，提供差异化的服务，深挖客户价值，从而实现竞争力的提升。2.2.2中国银行业发展面临的问题与挑战：高速成长已成往事，转型迫在眉睫前文已有所论述，面对经济增长放缓、行业竞争加剧、利率市场化、过往粗放经营带来的成本压力等问题，中国银行的银行业面临前所未有的挑战。从宏观经济环境来看，经历近40年的高速增长，中国已经成为世界第二大经济体，过往接近两位数的增长率不复存在，6%左右的GDP增长率成为中国经济规模增长新常态（详见图2-6）。经济规模增长的放缓，意味着金融市场的增长空间下降，根据麦肯锡的分析报告数据显示，依据国际同业经验，银行业的增长速度大约是GDP的1.5倍，按次计算，未来银行的增长率大约在10%以内，2000年到2013年的时间，是中国银行高速增长的十年，这期间银行也得增速达到了GDP的19%，高于国际同业水平，也在意味着中国的银行业在未来增长将回归理性，在GDP增长趋缓和增长回归的双重压力下，银行业将难以重现过往的高速增长，如前文引用的德勤以及中国银行业数据显示，2016年银行的营业收入增幅回落明显，整体营收增幅约6%，净利润增长率也仅有3.5%，整体行业增长放缓成为银行发展的第一个挑战。图2-SEQ图\*ARABIC\s162005~2016年中国GDP总量及增长率从成本方面来看，过往的粗放发展给银行背上了沉重的成本压力，根据中国人民银行和银监会数据显示，中国的银行员工总数大约380万，银行的网点超过了22万，网点柜员数量超过300万，占比超过8成，臃肿的组织结构也为银行带来了巨大压力，根据上市银行公布的财报数据显示，2015年之前上市的银行人均净利润升幅在2012年之后就开始放缓(详见下表2-3)，并在2014年见顶。2015年上市银行人均净利润为58.67万，较上年减少约7400元，是近年来首次出现下降，其中招商银行招商银行的人均净利润减少了17.7万元，降幅达到约19%。面对人员成本负担，银行开始通过裁员压缩成本，2016年，中国工商银行、中国建设银行、中国农业银行和中国银行的员工数量共减少了17824人，走出“减负”的第一步，然而目前2万人只是银行成员的一小部分，银行身上的成本压力依旧巨大，是银行眼下面临的第二个挑战。表2-SEQ表\*ARABIC\s142015年A股上市银行人均净利率及与2012人均净利率比较上市银行公布的财报，2015年。上市银行公布的财报，2015年。银行名称人均净利率（万元）较2012年增减北京银行122.2-19.12浦发银行104.56.91兴业银行96.514.95南京银行94.7-9.17中信银行82.57.44民生银行77.5-1.35招商银行75.7-17.7光大银行73.2-0.56交通银行72.712.1宁波银行68.6-7.76平安银行67.712.43建设银行61.86.44工商银行59.43.61中国银行55.18.86华夏银行55.1-0.51农业银行35.94.43从业务层面来看，利率市场化正在动摇银行的最主要收入来源，如前文所示，利差收入占到了中国银行收入的七成以上，2013年7月20日，中国人民银行决定全面放开金融机构贷款利率管制，中国金融市场开启了利率市场化进程。根据国际同业经验，利率市场化将带来银行业内部竞争加剧，将导致银行的利差收窄、带来信贷、流动性、市场风险攀升，同时银行人才、服务成本也将增加，银行通过利差带来的盈利能力将被大幅削弱，因此传统商业首要业务收入，因此利率市场化带来的业务风险，将形成对银行的第三大挑战。从竞争角度来看，根据波特五力模型，行业的竞争激烈程度可以从现有竞争、潜在进入、替代品、供给、需求五个方面来看。首先看现有竞争，前文已有所描述，中国银行的数量已有近4000家，加上业务同质化严重，银行业内部竞争日益加剧。从潜在进入者方面来看，国家已经开放民间资本进入银行业，银行业的准入门槛逐渐降低，潜在进入也日益增多，更有活力的民间资本将对传统效率低下的银行体系造成巨大的挑战。从替代品方面来看，近年来看，互联网金融创新不断加快，移动支付、余额宝、P2P等产品对银行的存款、贷款、清算等业务形成了竞争和替代关系，并且发展迅速，应用先进技术提升业务效率的互联网金融的竞争，银行面临前所未有的竞争压力。从供给方来看，除了互联网金融产品带来的竞争，利率市场化、优质资产荒等问题也进一步削弱了银行对于上游供给方的话语权，而随着中国资本市场的成熟，除了贷款，风险投资、债券、股市等企业融资渠道不断丰富使得银行在需求方的竞争压力也日益增加。中国银行业市场化改革近40年，一直处于低竞争压力的环境中，至今仅有海南发展银行一家破产倒闭，如何面对从每年数万家倒闭的激烈竞争中生存下来的民营资本和互联网企业，是银行未来发展的第四大挑战。从技术角度来看，信息技术实力已经成为当今企业核心竞争力，银行属于中国信息化程度较高的行业，业务信息化已经成为银行控制经验成本的有效手段。然而银行的信息系统建设较早，缺少全局规划带来的数据孤岛问题，已经制约了银行信息化的进一步发展，面对大数据、人工智能等科技日新月异的发展，银行缺乏优质的数据基础，同时相比于互联网公司，陈旧的人事体系已经缺乏竞争力的工资以及一直以来银行以外采系统为主，注视IT人才培养的观念，已经难以吸引到顶尖技术人才的加盟，银行与互联网公司的技术差距越来越大，如果提升IT技术实力，从而加强竞争力，已经成为银行发展的第五个挑战。中国银行业已经告别高速发展阶段，无论是宏观经济环境，自身发展遗留问题，还是政策、技术变化带来的挑战均迫使银行改变原有的发展战略，进行升级转型，寻找新方向，行业进入全面升级转型的新阶段。2.3本章小结本章从中国银行业发展历史出发，结合信息发展历程，梳理了中国银行业的发展背景和发展阶段，指出中国银行业无论是企业发展还是信息化进程，均告别过往的高速增长，进入了业务升级转型的新阶段。同时结合银行的业务、人力、财务发展战略，总结了传统银行依靠人力和资本密集型增长的主要发展战略，同时结合内外部环境，分析了银行目前面临的宏观环境、成本、业务竞争和技术五大方面困境，再次分析了传统银行发展战略已经不再适用，需要从战略上进行升级转型。第3章银行业转型关键因素：人工智能3.1人工智能发展概况3.1.1人工智能产业发展概况：人工智能进入产业落地期人工智能范围较广，是一系列计算机技术的总称，包含研究机器能像人一样看懂万物的机器视觉，研究让机器像人耳朵一样识别、分析声音的语音识别，研究等让机器人运动的运动控制，研究让机器拥有学习能力的机器学习，以及知识表示、情绪识别、人工意识等技术。总而言之，从定义上来说，人工智能指的是让机器去实现所有目前必须借助人类智慧才能实现的任务，其价值在于通过机器完成诸如驾驶、风险识别等工作任务，从而实现使用机器对人类劳动力的替代，同时因为机器的边际成本极低，能够实现快速、低成本的复制，并且不受时间、空间的限制，人工智能能够较大提升生产力和生产效率，类似电力发明后对生产力带来的变革，人工智能将是下一次工业革命的核心技术，将对各行各业的产生方式，生产关系带来巨大的影响和变化。人工智能工作的基本逻辑是通过复杂的数据逻辑模型，数据和信息进行分析、处理和控制，以实现完成各种复杂任务的目的。在这个过程中间，需要将信息（数据）输入数学算法模型，进行处理分析和判断，因此算法模型是机器判决和决策的核心模块。然而，人工智能也离不开数据和计算能力。一方面机器的每一次判断均依赖于数据信息的输入，另一方面，随着深度学习等技术等应用，越来越强调基于历史数据的挖掘，建立模型，因此数据就像经验之于人类，是形成算法的基础。复杂模型的运算和海量数据的处理，均需要快速的运算能力做支持。总而言之，人工智能的核心在于算法，而大数据和计算能力，则是两个不可或缺的重要基础，是人工智能的大三要素。需要说明的是，近年来受到诸多关注的大数据技术，强调也同样是使用机器对数据进行分析处理，以实现风险控制等任务的完成，虽然人工智能更强调算法本身，大数据更重视数据，但是二者概念和使用价值有高度重合指出，后文将不再进行区分，所描述的人工智能，既保护大数据技术的概念。人工智能技术并不是近年才有的技术，1955年约翰·麦卡锡召开达特茅斯会议讨论人工智能的定义标志着人工智能诞生，至今发展已有60余年。在19世纪60年代，罗森布拉特便发明了第一款神经网络Perceptron便将人工智能推向第一波发展高峰，然而受制于当时的计算机的计算能力，人工智能智能完成五子棋的这样的简单任务，19世纪70年代对人工智能的研究进入发展第一次低谷。1982年，霍普菲尔德神经网络以及1986年BP算法的出现使得大规模神经网络的训练成成为可能，将AI推向第二次发展黄金事情，在专家系统领域取得了一定成绩，并计划开发出与人直接对话，能够翻译语言，解释图像，并且能像人一样推理的机器的第五代计算机。然而，随着人工智能计算机DARPA没能实现，20世纪90年代，政府对人工智能的开始投入缩减，AI进入第二次低谷。2006年，多伦多大学教授GeoffreyHinton，提出了“深度学习”神经网络，使得人工智能的算法性能获得重大突破性进展，基于深度学习神经网络算法的模型在语音和视觉识别上取得较大成功，视觉和语音的识别率分别超过99%和95%，在一定领域超过了人类的水平。与此同时，CPU的性能随着摩尔定律性能不断翻升，并且基于分布式计算的云计算技术逐渐普及推广，为人工智能装上了强劲的发动机，伴随互联网高速增长,积累了包括cookie、访问路径、搜索结果、在线百科词条、语音、交易等海量数据，成为了人工智能的燃料。算法的突破、计算性能、学习数据三要素具备之后，2010年开始，人工智能得到长足的发展，2015年，谷歌的人工智能AlphaGo展示世界围棋冠军李世乭，成为人工智能发展的有一个标志性世界，同时也在全球范围内掀起人工智能发展的热潮，以高盛交易机器人、百度无人驾驶、亚马逊智能音箱echo为代表的一些列人工智能产品使得人工智能真正落地，开始进入工业界应用。深度学习神经网络的特点在于强大的特征提取能力，犹豫其网络结构与人类视觉和听觉神经结果比较接近，因此在视觉识别和语音识别领域获得巨大的成功。初次之外，其保险审核、反欺诈、自动推荐等基于数据处理分析，从而进行预测的领域，也有较多的应用。一般而言，科学技术遵循着实验室技术研究，少数科技企业探索应用，全面探索高速发展以及全面普及四个阶段，人工智能同样如此，目前人工智能正处于第二阶段向第三阶段发展，开始探索将技术应用在各行业。以谷歌、Facebook，国内的百度、科大讯飞为代表的人工智能企业掌握着现金的人工智能，开发了智能客服、金牌销售等人工智能产品，在金融、电信、汽车、医疗等领域展开初步的应用落地。浦发、首钢、华润等传统企业虽然无法掌握人工智能技术，但是也开始与百度、阿里等科技企业合作，开发符合自身业务需求的人工智能产品，提升业务效率。虽然人工智能尚未完全成熟，但是在产业界的应用探索，已经全面展开。3.1.2中国人工智能产业发展概况：中国进入人工智能红利期人工智能的核心技术科研的重心一直在美国，前文所述的三次人工智能发展浪潮的核心技术也一直发生在美国。然而，从20世纪90年代末期开始，中国的巨大市场在互联网领域孕育了新浪、网易等一大批优秀的互联网公司，伴随着中国互联网经济近20年的高速增长，在移动互联网时代更是诞生了百度、阿里、腾讯这样的世界级互联网公司，在世界计算机的前沿领域不断进行探索。作为目前计算机科学最为前沿的人工智能，中国企业并不落于人后，百度也被《财富》评为全球人工智能四巨头之一，旷视科技、商汤科技等创业公司，也是世界范围能技术领先的视觉识别公司，中国和美国成为世界人工智能技术研究方面最为先进的国家。互联网除了培养了世界级的互联网公司，还为中国带来了海量数据积累，作为人工智能最为重要的基础资源之一，数据成为了中国发展人工智能的重要壁垒。此外，虽然中国人口红利逐渐到了尽头，然而伴随着互联网发展也为中国带来了中国工程师红利，在移动互联网领域，中国的移动支付、O2O等应用创新能力已经超过了美国，在人工智能时代，如何将技术与场景结合，将技术工程化，形成产品发挥价值，庞大的优秀工程师队伍成为中国发展人工智能的宝贵财富。作为科技发展的核心技术，中国政府对人工智能的发展也非常关注，并推出了一些政策，引导产业的发展。2015年国务院发布《关于积极推进“互联网+”行动的指导意见》，首次将人工智能提升到国家战略层面，并且在2017年正式发布《新一代人工智能发展规划》，明确国家人工智能发展路径，各地配套政策陆续出台，与百度、腾讯、阿里等共同建设的深度学习技术及应用国家工程实验室、自动驾驶国家新一代人工智能开放创新平台、城市大脑国家新一代人工智能开放创新平台等一些列项目，标志着中国政府搭建的自上而下的人工智能扶持政策体系已经逐渐发展完善，行业发展进入政策红利期。在科技快速发展和政府的引导下，如今在中国，人工智能已经不仅是科技企业参与其中，长安汽车研发的无人驾驶汽车开始上路实验，平安科技的人脸识别技术也在世界级人脸测试集LFW上取得了第一。对于更多企业，自身没有能力或资金进行技术研究，然而百度等人工智能企业通过技术开发平台或成熟产品的形式向企业提供服务，使得企业仅需专注于自身业务的研究和技术结合的探索，思考如何更好利用人工智能提升自身效率和竞争力。目前，人工智能的应用探索已经在各行各业中展开，中国的人工智能产业化应用进入高速发展期。3.1.3人工智能的应用价值和前景分析：人工智能变革生产力如前文所诉，人工智能指的是让机器去实现所有目前必须借助人类智慧才能实现的任务的技术，其核心价值在于能够有效的提升生产效率，对于普通消费者而言，家庭劳动效率的提升不是刚性需求，而对企业而言，劳动力成本的降低和劳动效率的提升能够直接有效的提升企业竞争力，因此更加愿意尝试使用人工智能相关的技术和产品，尤其是服务个人消费者，强调规模效应，对劳动力替代需求旺盛的行业，更具吸引力。另一方面，对于现在的人工智能而言，基于深度学习神经网络技术有着强大的归纳总结能力，但是对于人类复杂的情感问题，依然无法有效解决，因此，对于规则性比较强，相对理性的工作如司机、风险审核等工作，人工智能能够较好的进行替代，而艺术创作、销售等比较感性，强调情感上的沟通交流工作则是人工智能的薄弱之处。然而，人工智能的价值类似未来社会的电，是社会发展的基础设施，电虽然不能提艺术家进行创作，但是基于电发明的CD、录音设备，还是极大的改变了音乐创作的方式和效率，人工智能同样如此，虽然机器没有办法完全代替人类进行创作，但是任然能够在通过帮助艺术家自动分析市场偏好，提供创作素材等方面，帮忙艺术家提升工作效率。总得来看，人工智能智能在各行各业均有用武之地，但在金融、交通等相对理性，工作重复度高，客户数量多，范围广的行业，更具应用价值。人工智能的另一个价值在于机器能够听懂、看懂之后，人机的交互模型也将发生改变，机器与人可以像人和人一样，通过语言、动作进行沟通，交互更加便利，能够提升用户的使用体验，对企业在服务消费者时，能够提升服务效率和客户满意度，同样能够增强企业的竞争力。人工智能通过对人类的不断“学习”和“模仿”，将渗入人类生产和生活的方方面面，目前人工智能还在发展和应用的初期，人工智能基于行业业务流程和应用场景的技术产品化将具有广阔的发展前景，根据IDC预测，2020年全球人工智能市场规模的470亿美元，年复合增长率达到55%，根据国务院引发《新一代人工智能发展规划》2030年，中国的人工智能产业竞争力达到国际领先水平，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元，人工智能将是未来中国和全球的支柱型产业，同时也是未来社会中，企业竞争的核心要素。3.2人工智能在银行业中的应用分析3.2.1基于银行业务流程的人工智能应用分析：人工智能全面助力银行升级如前文所描，人工智能在替代劳动力，提升劳动效率方面效果显著，而对于竞争日益激烈的银行业而言，迫切需要新的技术，能够有效的改造业务流程，提升业务效率，降低成本，提升银行的竞争力，尤其是在信用卡、个人贷款、理财产品销售等银行零售业务方面，人工智能对效率的提升更为明显。尤其是在如今国家推动普惠金融的背景下，如有快速、高效的服务小微企业、农民等弱势群体，成为银行发展的重要课题，依靠传统的线下服务网点，已经大量专业业务人员提供服务的模型，难以面向大众提供普惠金融服务，银行业务规则较为清晰明确，判断有明确的标准，同时也是标准的理性决策过程，原本银行已经基于海量的数据分析和建模进行风险控制和产品开发等工作，有了应用基础，因此银行非常适合现阶段的人工智能应用，以阿里小贷为代表的互联网+人工智能的业务形态，成为解决银行规模扩张的有效手段。从银行业务流程上来看，主要可以分成前台业务、中台业务、后台业务三大部分，前台业务主要指前段面对客户的营销和销售环节，中台指风险管理、资产管理、产品研发、支付清算等工作，后台业务则包括客服、业务处理、会计以及依靠IT系统的数据分析等工作。无论是前台、中台还是后台业务，都有例如信息录入、信息核实、电话销售等效率低下，需要大量依赖人工重复劳动的业务流程，均有利用人工智能，提升劳动效率的空间，下文将根据银行的业务流程，具体展开分析。前台是银行面对客户经营的体系，可以细分塑造品牌，吸引客流的市场营销、以及负责客户转化的销售，包括电话销售、电商、传统线下柜台、客户经理等各种形式的销售。无论是对于营销还是销售工作而言，如何根据找到合适的人，提供对其有吸引力的商品，是提升转化率的关键。在银行高速发展的时代，在市场尚未饱和的条件下，银行通过线下开设大量网点，雇佣大量客户经理广撒网的营销策略取得了成功，在如今，市场竞争日益激烈，根据央行公布的数据，截止2016年3季度，中国居民人均银行卡保有量已经达到4.39，已经过度富余，如有提高营销效率，更有效的刺激居民使用信用卡分期、购买理财产品，成为银行在前台业务领域的重要课题。互联网的价值在于信息的传递，广告营销也顺理成章的成为了互联网最为成功的商业模式，因此百度、阿里等来着互联网也率先将先进的人工智能技术应用于广告效果上，另一方，互联网采集了大量的用户行为数据，也成为了人工智能在互联网广告营销方面重要的发展基础，无论是百度的凤巢广告系统，还是腾讯的微信朋友圈信息流广告，均基于用户行为特征，分析使用人工智能算法分析用户画像，从而选择推送用户可能感兴趣的广告，从而提升广告效果。用户画像，是人工智能的一个重要分支领域，也是“百度大脑”的四大基础能力之一（其他三个是视觉识别、语音识别、自然语言处理），他希望通用户行为分析，使用深度学习等技术，提取用户行为的特征，从而给用户打上性别、年龄、爱好、喜欢的产品等标签，从而实现“了解”客户，把握需求，从而能够“预测”用户可能的兴趣，推送相应的广告。目前，基于用户画像的营销效果提升，也是银行探索的重要方向，他们希望通过用户画像分析了解客户经常出没的地点、网站，可能有的金融需求，在合适的地方，投放合适的广告，实现营销效果和效率的提升。在销售环节，基于人工智能的用户画像同样具有价值，机器可以根据用户的画像偏好，分析客户的财务状况和需求，为客户“量身定做”投资方案，供理财师参考，甚至在直接替代理财师完成“顾问”工作，传统的理财师、客户经理需要经过专业的培训和通过资质认证，人才数量有限，成本高昂，机器投资顾问在金融业的应用，将能够快速复制一大批“专业的理财顾问”，从而打破人才数量有限，人力成本高昂等问题，高效的面向客户提供个性化服务，扩大服务范围让普惠金融成为可能。此外，人工智能还可以通过对销售与顾客对话分析，判断消费者的依图倾向，为销售的客户跟进动作、话术等方面给出指导意见，同样能够提升销售的成功率，并有效的缩短新人的培训时间。中台业务主要是对银行业务业务的的综合分析、管理和支持，核心包括风险管理、产品研发、资产管理，以及人力财务等支持业务。对于中台业务核心环节风险管理、产品研发、资产管理而言，应用数据处理提升收益已有悠久的历史，1952年，HarryMarkowitz将数据引入金融学，创造了现代有价证券组合理论的基础，就让金融学转型为分析型科学，现阶段，大量的数据分析模型、方法被应用于掉期、期货、期权、票据发行便利、远期利率协议等金融产品金融产品的开发。起源于麻省理工大学和加州大学欧文分校教授EdwardThorp所创立的普林斯顿-纽波特基金，并且被JamesSimons创立的大奖章（Medallion）对冲基金是量化投资基金量化投资，早已证明数据分析模型在资产管理投资领域能够有效提升收益率。金融行业每天发生数以亿计的交易，涉及金额巨大，在各类金融活动中，洗钱、基金老鼠仓等违规交易不仅可能造成金融机构的巨额损失，纯人工的方法无法完成如此规模的风险管理，基于数学模型的风控体系，早已成为业界的主流方法。深度学习神经网络人工智能技术的加入应用，能够对突破人类对数据处理分析的瓶颈和局限，对成千上万维度的数据进行更加高效的实时处理风险，并且“自主学习”，能够不断迭代模型，提升效果，从而提升银行业务的竞争力。银行的后台业务，主要指的是支撑银行运转的IT、客服、业务办理等服务，是银行的支援和支持部门，相对而言对专业性要求不高，更多的是简单重复劳动，例如保单录入，客服咨询等工作，已经被OCR（光学字符识别），以及综合应用语言识别、自然语言理解等技术的智能客服等渠道，极大的降低了劳动成本和效率。另一方面，人工智能技术也被用在银行交互系统方面，提升用户体验，从而增加用户的满意度。例如银行利用人脸识别逐步替代密码登陆，一方面降低了密码被盗的风险，另一方面使用也更加便捷。此外，语音识别在交互上的使用，对用户体验的提升更加明显，语音识别能够使得机器像人和人之间一样进行“对话”交流，这样，用在使用APP时，在于机器人客服对话，甚至将来对ATM的操作，将更加的方便自然。3.2.2人工智能在银行的应用案例：人工智能银行初现目前，以国有四大行以及股份行，大型城商行为首的银行机构，已经开始尝试更加全面的智能化，2017年，四大行分别与百度、阿里、腾讯、京东四家互联网巨头签订战略合作协议，探索金融科技应用。虽然人工智能技术也还未完全成熟，2016年年底招行推出的智能投顾产品摩羯智投市场反应冷的，但是广发、浦发、民生等公司，在呼叫中心智能化，智能风控领域则取得了一定成绩。从整体银行来看，人工智能已经在银行业得到了一定的应用，随着人工智能根据市场调研公司慧辰资讯的报告《数据驱动金融升级，商业价值落地探寻调研报告》中的数据显示，将人脸识别等生物识别技术应用于身份验证环节以及智能客服是目前银行人工智能应用最多的领域，分别达到52.9%和35.3%（详见图3-1）。而从银行的规划来看，有47.1%的银行计划将人工智能应用于量化投资和智能投顾领域（详见图3-2），可见银行更喜欢使用人工智能，提升银行的收入水平。图3-SEQ图\*ARABIC\s11银行人工智能应用情况（截止2017年6月）图3-SEQ图\*ARABIC\s12银行未来技术人工智能应用领域数据驱动金融升级，商业价值落地探寻调研报告》数据驱动金融升级，商业价值落地探寻调研报告》再来看看行业典型的应用案例，首先来看广发银行的呼叫中心智能化，银行呼叫中心往往承当这客服以及外呼销售两大职责，以广发银行为例，呼叫中心的人数超过1000.传统的呼叫中心，往往需要招聘大量的人员进行外呼，同时因为该工作枯燥，并且客户沟通难度高，往往给坐席人员带来较强的挫败感，因此人员离职率高，使得人员培训又成为一块巨大的成本。2017年，广发银行开始尝试整体的呼叫中心智能化，首先使用智能语音客服，替代传统的按键式客服导航系统，使得用户体验更好，更加顺畅的解决客户问题，据估算，广发使用智能语音客服后，能减少80%的话务量，有效的降低了客服人员的负担。在外呼方面，广发也在和百度合作，使用百度的金牌销售系统，该系统在通话前，能够向坐席人员提供客户的用户画像分析，通话中实时分析双方的对话情况，在电脑屏幕上对坐席进行话术提升，通话后分析对话情况，并且将优秀的话术分享给其他坐席，基于语音识别、语义分析、语义理解、语音合成、大数据、用户画像开发的坐席辅助机器人，成为销售的贴身辅导老师，使得坐席业务上手更加便利，销售更加专业，据估算，金牌销售上线后，能够节约40%的培训时间，提升15%左右的销量。在未来广发还将逐步上线自动外呼系统，使用机器人自动打电话，向客户进行催收，帮助完成开卡等业务，预计每年将减少30%