在今天分析工具應用廣泛的今天,我們可以很容易為您的企業考量很多指標。對於在「大掃除」中確保公司主營業務,去繁從簡,這是對各項指標非常大的挑戰。下面是我這些年參加很多董事會會議常用到的十項指標。他們對一個企業創始人應該如何用高標準衡量企業的問題給出了回答。你應該有更多的指標,但是我想強調介紹給你的這十項非常重要,建議你和你的董事會每週都要進行審查。
指標格式
清除數據能夠提高效率。為了更好地瞭解一個數據點和它的含義,我們必須把它放在表格上下文中進行考量。
我選出三張幻燈片,一張是公司優先考量的(分佈,交互度,收入)這些重要數據能夠幫助企業做出正確的決策。根據幻燈片顯示,比較每個月的指標然後計算每月的變化,算出六個月的平均水平,最後,將指標與希望達到的目標進行比較。看下面的例子。
在大多數企業中,每月增長率的增幅是非常重要的。然而,TSM使每月增幅的幅度更加平緩。比較每月的TSM,把月增長率跟他比較,就能得出月增長率是在增長還是在減小,然後進一步評估季度指標。接下來的問題是,董事會成員和創始人應該要問,為什麼會這樣?
指標/問卷
現在,我們已經有基本衡量的標準了,讓我們來談談關於那些指標的問題。每個度量標準都是根據設計的問題回答的。挑選那些與業務相關的。
分銷渠道
1、上個月新增用戶通道的/ TSM增長的速率我們應該怎樣更好地提高用戶群?哪些用戶來源是最好的?
2、總用戶基數/ TSM增長的速度:將每月增長率與總用戶數相比的重要性是什麼?
3、獲取客戶的成本,終身價值和投資回收期: 我們可以通過有償收購的增長速度?我們獲得客戶盈利?我們花得起多少新客戶?這是如何隨時間而改變嗎?
交互度
4、活躍用戶(依據你的產品有不同定義)渠道/ TSM增長的速率:我們是否為我們的客戶提供他們最想要的東西/需要什麼?通過哪些渠道尋找用戶是最有效的?
5、在規定時間內,%用戶使用最多的三項功能:我們的產品與舉措是正確的嗎?
收入
6、收入/ TSM收入增長:收入是否增長了呢?
7、每月的支付率:有多少用戶已經進行付費?我們是否提高客戶支付的能力?
8、每一個付費用戶的託管賬戶與獨立賬戶的花費帳戶管理團隊的影響是什麼?
9、客戶流失率/ TSM客戶流失率:我們如何更好的保留我們的客戶?
10、消耗速率:什麼時候我們是盈利的?什麼時候我們的現金?什麼時候我們需要提高?
在談及大數據的威力之前,讓我們先退一步,了解一下一般數據分析的威力。
這裡舉一個熱們topic作為引子,以下是政府統計處的互動流計圖,非常簡單好用。
http://www.census2011.gov.hk/flash/dashboards/marital-status-db-202-tc/marital-status-db-202-tc.html
註:不包括外傭
按政府2011年的數據,20-49的人群(不包括外傭)中,從未結婚的男性有677154,比女性632761還要多。
那何解單身女性尋覓伴侶難度咁高?客觀原因有幾種
1. 男性可北上發展,變相女性的potential competitors可以係十倍計
2. 社會上女比男年紀大還不算主流
3. 經濟現象(生活成本高昂,變相要求男方收入不能太差)。
再有另一些主觀因素,如大家耳熟能詳的
1. 港男港女現象(互相要求過高)
2. 價值觀不一,對家庭婚姻的觀念不一致
一般的建議不外乎叫女性降低要求,唔好咁揀擇之類,
然而,透過一D客觀數據,我們能否找出再好的方法呢?
由以下這個連結,我們可以政府的rawdata自製一些統計報告。
http://itable.censtatd.gov.hk/UI/Report/Report.aspx?lang=zh-HK
筆者這裡選了2011年人口(不包括外傭),教育程度(最高只到學位課程),以及婚姻狀況,以及最重要的性別來看看。
如此,有趣的現象出來了。
擁有專上教育,從未結婚的女性有346,308
擁有專上教育,從未結婚的男性有304,342
而擁有學位課程而又從未結婚的男性只有192,816
精明的你,應該看到一點頭緒了吧。
是的,假設你是從未結婚的女性又擁有專上教育學歷的,在不做小三的大前題底下,最難讓妳覓得另一半的,可能是因為對學歷的要求!
人總會有一個怪現象,自己擁有的,便很容易by default的認為其他人都會有/或應該有。大專學歷早已是女多男少,然而這個事實許多時都被忽略了。
未婚女性只要對學歷的要求由專上提升至學位課程,符合中標資格的男子數劇減1/3(11萬+)了。
那解決的方法是不是又回到降低要求求其找個人嫁?
不是的,其實只是找一個人品外貌都啱妳心水,但學歷可能稍次的,然後婚後要求佢讀番個學位課程便OK了。
這總比要求佢無啦啦人格升呢,搵多一倍錢,外形大躍進來得更實際吧?
本文作者為中信證券全球研究部主管及全球首席經濟學家彭文生,授權華爾街見聞發表。
近期經濟增長的下行壓力加大,物價上漲率趨近於零。市場普遍預期央行將進一步降低基準利率和存款準備金率, 經濟新常態下這些傳統政策工具的傳導機制有沒有變化?我們應該如何思考貨幣政策操作未來的演變及其效率? 當前經濟運行中的一個突出問題是融資難、融資貴。過去一年名義利率雖然有所下降,但因為通脹率回落,實際利率沒有明顯變化。
另一方面,M2 的規模從 2000 年的 13.8 萬億元擴張到 2014 年的 122.8 萬億元,為此前的8.9 倍,對 GDP 的比例從業 139% 上升到 193%。如何解釋“錢多但錢貴”這個看似矛盾的現象,是我們分析未來經濟和政策走勢的關鍵。
一個流行的觀點是,資金從金融到實體經濟的鏈條變長了,中間環節多了,增加了實體經濟的融資成本。還有觀點認為,盤活存量,比如資產證券化,有利於在控制貨幣總量的前提下支持經濟活動。但資金鏈條拉長是金融深化的必然產物,資產證券化本身就是拉長資金鏈條的一個方式,難以解釋“錢多但錢貴”的現象。
近幾年,“錢多但錢貴”的根本原因在於貨幣投放的方式發生了巨大變化,從央行的本位幣投放,變為主要通過銀行信貸(廣義概念,包括銀行購買債券等方式)投放。銀行貸款創造存款,存款是家庭和企業部門的流動性資產,是 M2 的一部分,而貸款是家庭和企業部門的負債。也就是說,M2 的擴張對應家庭和企業部門負債的增加,而債務是要償還的。除非貸款永遠高速增長,借新債還舊債,還本付息的要求必然使得在某一個時間點,雖然 M2存量很大,但非金融部門感覺錢少、錢貴。
在 2008 年之前的幾年,M2 增量有一半來自外匯占款,央行購買外匯、投放人民幣。在此模式下,央行對外凈資產增加,家庭和企業部門對內凈資產增加,銀行存款對應的不是貸款,而是銀行在央行的資產(準備金存款和持有的央行票據)。M2 的增加,有相當一部分對應的是家庭和企業部門通過銀行體系持有的對外資產,反映的是貿易順差,也就是實體經濟通過提供商品和服務獲得的凈資產。對家庭和企業部門來講,那個時候的 M2 代表的才是真正的財富的增加,M2 量大就意味著錢多。
由於內外部環境的變化,我們不能再通過外匯占款來投放貨幣,如何解決融資難、融資貴的問題呢?一個方式是繼續擴大銀行貸款,比如降低存款準備金率或央行公開市場操作投放流動性,增加銀行貸款的供給能力,或者降低基準利率,增加企業和家庭部門的貸款需求。這些都有利於降低當前的融資成本,提高融資的可得性,但銀行貸款對應的是實體部門負債的增加,短期融資條件的改善是以惡化中長期融資條件為代價的,最終不可持續。
另一個投放貨幣的渠道是財政赤字,政府購買企業和家庭部門提供的商品和服務,投放貨幣,既支持總需求,又增加實體部門的流動性資產,改善融資條件。為了避免國債發行緊縮市場流動性,央行可以在二級市場購買國債,結果是 M2 對應家庭和企業部門凈資產的增加。如果短期內財政赤字的規模受到限制,可以通過央行對政策性金融機構的貸款,支持基建投資來投放貨幣,結果同樣是實體經濟部門凈資產增加。這樣的宏觀政策環境可以總結為“緊信用、松貨幣、寬財政”。
本文以一張圖結束,自 2009 年以來,國內銀行信用大幅超過外匯占款成為 M2 增長的主要來源,這是導致目前 M2 規模大,但實體經濟融資困難的根本原因。
(更多精彩財經資訊,點擊這里下載華爾街見聞App)
本文作者為中信證券全球研究部主管及全球首席經濟學家彭文生,授權華爾街見聞發表。
近期經濟增長的下行壓力加大,物價上漲率趨近於零。市場普遍預期央行將進一步降低基準利率和存款準備金率, 經濟新常態下這些傳統政策工具的傳導機制有沒有變化?我們應該如何思考貨幣政策操作未來的演變及其效率? 當前經濟運行中的一個突出問題是融資難、融資貴。過去一年名義利率雖然有所下降,但因為通脹率回落,實際利率沒有明顯變化。
另一方面,M2 的規模從 2000 年的 13.8 萬億元擴張到 2014 年的 122.8 萬億元,為此前的8.9 倍,對 GDP 的比例從業 139% 上升到 193%。如何解釋“錢多但錢貴”這個看似矛盾的現象,是我們分析未來經濟和政策走勢的關鍵。
一個流行的觀點是,資金從金融到實體經濟的鏈條變長了,中間環節多了,增加了實體經濟的融資成本。還有觀點認為,盤活存量,比如資產證券化,有利於在控制貨幣總量的前提下支持經濟活動。但資金鏈條拉長是金融深化的必然產物,資產證券化本身就是拉長資金鏈條的一個方式,難以解釋“錢多但錢貴”的現象。
近幾年,“錢多但錢貴”的根本原因在於貨幣投放的方式發生了巨大變化,從央行的本位幣投放,變為主要通過銀行信貸(廣義概念,包括銀行購買債券等方式)投放。銀行貸款創造存款,存款是家庭和企業部門的流動性資產,是 M2 的一部分,而貸款是家庭和企業部門的負債。也就是說,M2 的擴張對應家庭和企業部門負債的增加,而債務是要償還的。除非貸款永遠高速增長,借新債還舊債,還本付息的要求必然使得在某一個時間點,雖然 M2存量很大,但非金融部門感覺錢少、錢貴。
在 2008 年之前的幾年,M2 增量有一半來自外匯占款,央行購買外匯、投放人民幣。在此模式下,央行對外凈資產增加,家庭和企業部門對內凈資產增加,銀行存款對應的不是貸款,而是銀行在央行的資產(準備金存款和持有的央行票據)。M2 的增加,有相當一部分對應的是家庭和企業部門通過銀行體系持有的對外資產,反映的是貿易順差,也就是實體經濟通過提供商品和服務獲得的凈資產。對家庭和企業部門來講,那個時候的 M2 代表的才是真正的財富的增加,M2 量大就意味著錢多。
由於內外部環境的變化,我們不能再通過外匯占款來投放貨幣,如何解決融資難、融資貴的問題呢?一個方式是繼續擴大銀行貸款,比如降低存款準備金率或央行公開市場操作投放流動性,增加銀行貸款的供給能力,或者降低基準利率,增加企業和家庭部門的貸款需求。這些都有利於降低當前的融資成本,提高融資的可得性,但銀行貸款對應的是實體部門負債的增加,短期融資條件的改善是以惡化中長期融資條件為代價的,最終不可持續。
另一個投放貨幣的渠道是財政赤字,政府購買企業和家庭部門提供的商品和服務,投放貨幣,既支持總需求,又增加實體部門的流動性資產,改善融資條件。為了避免國債發行緊縮市場流動性,央行可以在二級市場購買國債,結果是 M2 對應家庭和企業部門凈資產的增加。如果短期內財政赤字的規模受到限制,可以通過央行對政策性金融機構的貸款,支持基建投資來投放貨幣,結果同樣是實體經濟部門凈資產增加。這樣的宏觀政策環境可以總結為“緊信用、松貨幣、寬財政”。
本文以一張圖結束,自 2009 年以來,國內銀行信用大幅超過外匯占款成為 M2 增長的主要來源,這是導致目前 M2 規模大,但實體經濟融資困難的根本原因。
(更多精彩財經資訊,點擊這里下載華爾街見聞App)
醫改,對於全球任何一個國家來講都是一個難題,德國也不例外。
上世紀90年代起,美、德、日、中等國家陸續開始了對本國醫療制度的改革。作為與我國同屬於社會型醫療保障體系的國家(公立醫院為主,社會醫院為輔),德國憑借著最早實施社會保障制度的先發優勢,已擁有較為發達和完善的醫療保障體系。其在醫療費用控制、加強監督、藥品議價、社保覆蓋面積擴大、疾病基金自由選擇,以及風險結構補償機制的引入方面做了大量的努力和工作,並取得了可觀的成就。
但隨著患者對醫院治療需求的增長,老齡化人口的增加,以及科技進步拓寬了診療方式,德國的衛生體系相比較於其他發達國家,其質量所有下滑。
“德國醫院質量在2006年前尚屬遙遙領先的第三位,但是2006年卻下滑到第七位,德國醫院的質量不足以讓人信服,其報酬體系也不盡如意。而在引入DRGs之後,德國衛生體系發生了變化。”畢馬威德國醫療衛生部合夥人、《德國醫院4.0》主編史蒂芬·弗里德里奇在接受第一財經采訪時表示。
DRGs(Diagnosis Related Groups)是當今世界公認的比較先進的支付方式之一,稱為診斷相關分組,是一種病人分類方案,專門用於醫療保險預付款制度的分類編碼標準。
因為DRGs的執行,在1992-2012年的20年間,德國發生了一個奇跡。德國的醫院總床位數在持續減少,2012年的床位數占到1992年的78%,同一時期內,病人的住院天數出現了快速下降,2012年的病人住院天數只占1992年的57%。其結果就是醫院能夠以更少量的床位,服務於更多的入院病人。據統計,1992年醫院每張床位所服務的病人人數為23.1,在2012年,這一數字則增加為37.1,服務能力比1992年增長了60%。
與此同時,執行了DRGs後,德國的醫院在人員雇用方面出現了改變。1992-2012年,德國平均雇用的全職人員數有輕度下降,下降幅度為5.1%。
“但是在人數減少的情況下,2012年醫院平均每個全職人員所服務的病人人數卻比1992年高出31%。” 史蒂芬·弗里德里奇表示。
他表示,在引入DRGs後,與診療病人相關的收入呈現明顯增長,收入增加的拐點出現在2005-2008年之間。2011年,診療病人的收入經通脹調整仍比2003年的水平高出8個百分點,醫院診治病人的經濟總成本卻在現狀提高。
史蒂芬·弗里德里奇在《德國醫改4.0》中提到,德國的醫改模式首先是醫院要有非常清晰的戰略規劃;其次是醫院人才的管理;再者抱著更積極主動的工作狀態,主動了解患者和市場的需求。在德國醫療衛生體制改革基礎之上,廣大的醫療行業的工作人員也通過自己的不懈努力和積極進取,克服資金不足等諸多困難,不斷提升著醫療質量的增長,為患者提供更好的醫療衛生服務。
在中國醫改的今天,大型醫院在不停擴展中,床位數也每年都在遞增,2014年這一數字已達到660萬。但醫院效率低也是當前不容忽視的一個問題。
“中國醫改已經進入深水區,其中現代醫院管理是一項非常重要的內容。國家已經強調今年的醫改著重要建立五項制度,分別是分級診療、全民醫保、現代醫院管理、藥品流通和綜合監管,這五大制度是我們今年,乃至未來幾年工作的重點。”國家衛生計生委能力建設和繼續教育中心楊愛平主任表示,
國家衛生計生委人才交流服務中心張俊華副主任則表示:“今年國家衛計委重點工作中有一項就是制定中國的現代醫院管理制度,其次國家要求院長以及領導班子的成員要進行專業化、職業化的培訓,第三,去年頒布執行的《醫療質量管理辦法》把我國的醫療質量責任下放到醫療機構,院長是第一責任人。”
2015年6月9日,香港,匯豐控股有限公司總部大樓。匯豐銀行這一年計劃全球裁員2.5萬人。(視覺中國/圖)
(本文首發於2017年8月24日《南方周末》)
國際咨詢公司麥肯錫的最新報告預計,機器將在未來2到3年取代30%的銀行員工。會計師事務所畢馬威的結論更是令人驚異——到2030年傳統銀行的多數部門或將消失,類似於蘋果Siri的人工助手將接管客戶的生活與金融服務。
“我還能做什麽?”這是邢軍最近常問自己的問題。他出身三線城市、大專畢業,現在是一名銀行信用卡審核員。
以往,邢軍會選擇在銀行網點擺攤,客戶辦卡、審核“一條龍”,省時省力,還能獲得一筆辦卡傭金提成。信用卡審核的工作屬於銀行風控體系中的一環,卻占用著銀行大量的人力成本。
不過,他所在的銀行這兩年為絕大部分網點都裝了智能審核系統,客戶從銀行進門到開戶,在一位工作人員的引導下,整個過程不到十分鐘就能完成,其中最重要的風控環節——身份識別環節也由人臉識別技術實現。
人臉識別是被最早運用到金融領域的人工智能技術之一。通過對臉部生物信息的分析,系統能快速確定攝像鏡頭前是否為生物活體,並完成個人身份信息的認證,而這一過程,通常只需要幾秒鐘。
有了網點的智能審核系統,邢軍感覺到工作量明顯下降,自己不用再為每一位信用卡客戶單獨進行身份審核,只需偶爾撿下人工智能的“漏單”,為那些沒有前往網點的用戶進行上門身份核實服務。為了提高效率,銀行還為每位外勤人員安裝了面部識別App軟件,方便審核員能夠隨時隨地完成認證工作
如今,除去刷臉驗證身份,“刷臉支付”“刷臉取款”等新型人工智能技術被越來越多地運用到銀行服務中,客戶方便了,對邢軍而言卻不是好兆頭。“工作輕松了,但是辦卡收入沒了,未來怎麽樣不好說。”
邢軍並不理解什麽叫人工智能技術,但他明顯感受到來自機器的“敵意”。
國際咨詢公司麥肯錫的最新報告預計,機器將在未來二到三年取代30%的銀行員工。會計師事務所畢馬威的結論更是令人驚異——到2030年傳統銀行的多數部門或將消失,類似於蘋果Siri的人工助手將接管客戶的生活與金融服務。
這或許並非危言聳聽。
根據中國銀監會發布的《中國銀行業監督管理委員會2015年報》,截至2015年底,我國銀行業金融機構共有法人機構4262家,從業人員380萬人。而對比看各家銀行的具體數字,大多銀行連續三年減員裁員,截至2016年末,工商銀行當年共減少櫃員14090人,農業銀行減少10843人,建設銀行減少30007人,並且這一趨勢正在常態化。
相應地則是銀行離櫃率的迅速上升,離櫃率也通常被視作銀行互聯網業務替代線下櫃臺的比率。銀行業協會數據顯示,2016年銀行業金融機構離櫃交易金額達到了1522.54萬億元,行業平均離櫃率達84.31%。
在國內銀行業整體轉型互聯網的大環境下,從企業盈利角度,銀行引入智能系統能夠大幅減少人力成本。
報告根據對8家利用人工智能改進現金股票業務的銀行研究發現,數字化處理運用最多的前臺部門,每個員工帶來的收入翻了八倍,中後臺部門每個員工處理的任務量翻了四倍。
報告預計,諸如中臺部門的質控與合規業務,以及從前臺接收潛在客戶信息生成交易合同的資本市場業務,至少可以減少四分之一的人力。而後臺部門的IT、財務和人事業務對於文件和數據的處理,也不再需要人力手工錄入和掃描,可能導致裁撤三分之一的崗位。
事實上,采用機器學習、自然語言處理、認知技術、自動化流程、智能工作流工具已成為全球投行業的大趨勢。
人工智能對金融業從業者的沖擊正向更高的維度蔓延。
一家大型財險公司的精算師陳立感覺自己的施展空間越來越小了。他負責保險公司的風險分析並量化其財務影響,也是金融行業公認的“鉆石領”。
精算的歷史最早能追溯到古羅馬時期,長期以來,精算師的專業技能和判斷,只有人腦才能執行。通過將人口學、統計學、經濟學的原理實施到保險行業的風險和財務管理層面,精算師幾乎壟斷了保險業風險管理頂端的位置。但是精算師的工作性質過去幾十年里正在發生變化,帶來這一變化的是計算機。
“過去計算保險公司的準備金金額,需要大量手工計算,先讓底層人員算出初步的因子,然後還需精算師在此基礎再進行大量的人工計算,工作量很大,對精算師的計算要求也很高。”陳立向南方周末記者介紹。
但現在通過模型,大部分的初步精算工作都已由計算機完成,那些初級精算師正在被電腦所取代。“過去前後需要幾個月時間完成的精算評估工作。現在一個周末就能做完。”陳立表示。
這背後折射出的正是“人VS機”在計算能力上的較量。以目前全球運算速度最快的計算機神威·太湖之光”為例,其峰值計算速度達每秒12.54億億次,其一分鐘的計算能力相當於全球72億人同時用計算器不間斷計算32年。人類完敗無疑。
近年來爆發式發展的人工智能又給了精算師們重重一擊,這一次是更為赤裸裸的對抗,陳立發覺,之前科技的發展局限於重複性、體力密集型工作的淘汰。但這一次人工智能的大爆炸讓腦力密集型甚至需要專業判斷的工作也逐漸開始受到威脅。
改變或許已經開始了。
2017年1月,日本壽險巨頭富國生命保險(Fukoku Mutual Life Insurance)計劃裁減近30%的保險理賠評估部門員工,並將引入IBM旗下Watson AI人工智能系統,以提高操作效率。
螞蟻金服旗下保險平臺也於近日發布了一款名為“定損寶”的產品,通過深度學習和圖像識別檢測,定損寶就可以取代傳統的車險定損員,在幾秒鐘之內就能給出準確的理賠結果。
不過,有趣的是,機器現在還鬥不過別有用心的人。一位保險業資深人士介紹,他所在的集團已經采用了機器定損,但發現很多時候難以識別故意騙保的情況,還是需要人來操作。
在車險保費制定中,則已經引入了UBI(Usage-Based Insurance)技術,試圖通過數據的搜集、分析,為保險公司提供產品定價。保險定價是精算師的核心工作之一,需要相當的主觀決策力,但這一工作也正在被人工智能取代。
陳立有些悲觀,精算師職業會消失嗎?他覺得會。隨著保險業的演變、大數據和人工智能的進步,長期來看,精算師的職業優勢會變得越來越不明顯。
在投資領域,人工智能也正在發揮著越來越大的作用。
智能投顧又被稱作機器人投資顧問(Robo-Advisor),指大數據和量化模型,為客戶提供基於大類資產配置方案和財富管理服務。
和傳統的財富管理投資不同,智能投顧會根據資產組合自行搭建數據模型,結合投資者風險偏好、財務狀況與理財目標,通過後臺算法為用戶提供資產配置建議。
李濤現任恒生電子人工智能及金融工程領域專家,計算機專業出身的他在智能交易算法、智能策略、量化對沖和金融衍生品業務等方面有豐富經驗。
據他介紹,智能投顧早於2005年就誕生於美國,行業規模始終不大,難與傳統的共同基金、對沖基金等相比較。但智能投顧抓住了一小部分美國人的痛點,即低凈值客戶對大類資產配置的需求。
“像是巴菲特的股票,一股二十多萬美金,個人投資很難進行購買,智能投顧實際上就是幫中小投資者完成了集資。滿足了一部分個人的投資需求。”他說。
但他向南方周末記者坦言,智能投顧走紅中國,除去Fintech在金融領域持續發酵的因素外,監管趨嚴才是更大的原因。
2015年監管層對P2P監管趨嚴,P2P公司被勒令禁止開展理財推薦的業務。“當時有一批P2P開始轉型稱作智能投顧,其實也是某種程度上規避監管風險。和真正的智能投顧有較大區別。”李濤表示。
伴隨AI概念走紅,越來越多的機構才搭上了智能投顧的“便車”。但現實情況是,受限於市場和政策原因,國內智能投顧平臺尚不能完全複制海外智能投顧的模式,雖然不少機構為了主動布局市場,試圖對海外智能投顧模式進行複制或改造。
據南方周末記者觀察,目前除了有部分平臺采取全球資產配置的嘗試以外,多數投顧平臺實際上仍在銷售金融產品。
但這可能是傳統金融機構在個人理財領域趕超互聯網企業的最好機會。
以國內第一家、招行旗下的摩羯智投為例,據招行最新中報,摩羯智投上半年6次月度投資的申購規模累計達到45億元,上半年平均回報位於非貨幣基金的前1/3。
早在2017年3月份公布的2016年年報里,招行行長田惠宇就表示要推進以“網絡化、數據化、智能化”為目標的金融科技戰略。繼2017年與英國央行、波士頓聯儲等機構組織加入“超級賬本”後,招行還成為全國首家推出智能投顧系統的銀行。
招行在中報里直接明確定位“金融科技銀行”,表現出向互聯網轉型的決心。
業內人士也向南方周末記者指出,對現階段的金融公司而言,所面臨的數據結構化需求遠遠高於開發AI的需求。原本沈澱於後臺的數據依舊“塵封”,大量的歷史數據甚至尚未電子化。
“如果只是純粹地替代人進行底層的數據統計工作,就不是人工智能。只有通過當前數據不斷訓練,以後市場成熟後,模型也會更加完善。”李濤表示。
(應受訪者要求,邢軍、陳立為化名)