在今年的悉尼Sibos会议后，英国互联网金融垂直媒体Finextra与英特尔公司联合发布报告《数字经济时代的数据应用》（以下简称“报告”）。
Sibos会议上，技术和数据再次成为推进金融服务的两个至关重要的主题。与往年会议相比，今年的Sibos会议有两大特点：
第一，更加注重将技术整合到业务中以节省成本、提高利润，尤其是在高级分析和人工智能领域。人工智能部署已经从基于项目转移到了大规模使用来应对围绕数据的所有挑战。
第二，对全球地缘政治及其对数据迁移和数据访问的影响的关注。金融服务是一个以数据为基础的全球性行业。在基于跨行业、跨边境进行数据共享和数据交换来提供新服务、提升运营能力、提高客户价值时，如何平衡隐私与创新的关系成为行业的重要议题。
在这样的情况下，金融服务需要建立一个灵活、适应性强、开放、有预见性的商业架构。这种商业架构的搭建需要跨越组织的各个方面，包括基础设施、数据、流程、人员和文化，它将为以数据驱动为基础的数字转换奠定基础。
开放银行将加速大多数银行业发达国家的转型，使新进入者能够方便、透明地访问客户数据。 在这种情况下，对于成熟的金融机构来说，成为客户可信赖的数据监护人至关重要。
在这样的背景下，基于技术和数据的金融服务将在未来进行重构。报告论述了数字经济时代下的五个要点，以下是智库的解读：
要点一：开放API和银行的平台化转变监管使得开放银行的数字化转型和API战略变得更为紧迫。 但即使在没有监管的地区，银行也越来越多地与金融科技和其他第三方合作，以创新其商业模式。
监管推动开放银行发展的情况以澳大利亚为例，其开放银行制度是由法规决定的。消费者数据权利政策将于2019年7月1日正式生效，该政策将确保所有行业的客户能够掌握其数据的所有权，并使得这些数据在不同机构之间进行信息传递。澳大利亚开放银行的引入将分阶段进行，从信用卡、借记卡、交易和储存账户数据开始，到2020年将覆盖抵押数据。第一阶段的客户数据仅是可读状态，后续可能会开启写入访问和支付权限。监管使得澳大利亚的银行数字化转型更为紧迫。
在中国，安永咨询服务总监Mike Booth认为中国没有开放银行，但是产生了与开放银行非常相似的非银行参与者，如支付宝和微信支付。它们在现有的银行轨道下开展自身的支付服务，并取得成功。非银行竞争者的进入促进银行加强与金融科技合作，创新商业模式。
要点二：打击网络风险和金融犯罪银行业需要扩大其目前在网络风险方面的合作和信息共享，保证在新挑战出现时维持自身领先地位，并为打击金融犯罪提供新的工具。
来自黑暗网络的有组织犯罪是对金融服务行业乃至整个科技社会的最大威胁。他们可能通过不同渠道造成安全威胁，包括截断互联网服务、攻击企业（包括一般企业、银行或其他金融机构）、攻击重要的基础设施等。
面对来自有组织犯罪的威胁，有两个观点：一是我们应更注重损失最小化和风险缓解，而不是预防；二是银行需要提高资源密集程度，使得犯罪成本更高，有组织犯罪者将由于边际收益过低而认为不值得犯罪。
金融犯罪合规团队在控制和流程方面已经相当成熟。对于许多组织而言，人工处理仍占主导地位，但技术开始改变这一点。就反洗钱控制而言，交易或客户活动监测和客户细分是实施机器学习工具的两个主要领域。许多组织通过引入了机器人流程自动化（RPA）成功地降低了成本，这有助于将劳动力从流程中解放出来，并减少了反洗钱部门人员的爆炸性增长。
要点三：机器操作和深度学习关于机器学习和深度学习的讨论已经从识别层面发展为技术应用和计划人工智能的未来进步。
机器学习应用的概念证明还会持续，但是重心也在不断向扩大目前展现了最大应用价值的领域发展。
在机器学习的运用过程中，数据是关键要求。数据规模化应用依然存在挑战，如自动化数据流程、自动化开发和服务及安全性等问题。但是，一些技术和方法已经被提出来，使数据源可视化，并针对单独的数据集来运行模式，但返回相似的结果，就像它们已经合并一样。
随着科技的进步，不仅需要能够开发人工智能的人才，还需要能够管理相应模型的人才。专业知识的缺乏阻碍了许多银行更全面地接受人工智能，主要的大银行因此正在加大对员工的培训力度。
要点四：交易追踪、信任和透明度实现更大的交易跟踪、信任和透明度是Swift的gpi等技术解决方案共享的目标，基于分布式总账技术（DLT）的许多联盟项目也正在向实施方向靠拢。
在贸易供应链中出现了许多关于DLT的用户，包括金融机构、进出口商和物流公司。在贸易之外，DLT采用的另一个新兴领域是交易后证券结算。澳大利亚证券交易所（ASX）和香港证券交易所（ HKEX ）等交易所已开始规划交易后证券结算中的区块链项目。
Swift跨国界支付的gpi解决方案与许多DLT项目有类似的目标，即在交易从开始到完成的过程中，提高交易的跟踪性和透明度，并通过与国家实时支付结算系统的连接解决该系统在速度的劣势。
要点五：云技术和计算的未来云技术在金融服务领域已经得到了很好的巩固和发展。工作量安排以及金融机构如何快速选择和使用公有云、私有云和混合云的最佳执行场所，将是实现它们推广和成本控制的关键因素。云技术已经成为金融业的主流，金融机构也已经可以愈加熟练应用云技术。
云技术的计算能力和数据管理能力是关键要素。但特别是对于包含机器和深度学习的项目中，真正的价值越来越多地建立在领域和技术特定的服务之上。作为数字转换的关键推动者，云计算实际上可以通过微分割和持续的安全验证来减少网络风险。
报告原文链接下载：https://img2.zhineng.aiisen.com/Editor/image/20181229/1546078917458656.pdf
版权声明
本文来源，经授权发布，版权归原作者所有。转载或内容合作请点击转载说明，违规转载法律必究。
