互聯網金融加人工智慧

Ⅰ 大數據和人工智慧在互聯網金融領域有哪些應用

大
數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性
（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化
（Capitalization）。


大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金
融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。


數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融
機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。

為了駕馭大數據，國內金融機構要在技術的基礎上著重引入以價值為導向的管理視角，最終形成自上而下的內嵌式變革。其中的三個關鍵點（「TMT」）包括：團隊（Team）、機制（Mechanism）和思維（Thinking）。

1.價值導向與內嵌式變革—BCG對大數據的理解

「讓數據發聲！」—隨著大數據時代的來臨，這個聲音正在變得日益響亮。為了在喧囂背後探尋本質，我們的討論將從大數據的定義開始。

1.1成就大數據的「第四個V」

大數據是什麼？在這個問題上，國內目前常用的是「3V」定義，即數量（Volume）、速度（Velocity）和種類（Variety）。


雖然有著這樣的定義，但人們從未停止討論什麼才是成就大數據的「關鍵節點」。人們熱議的焦點之一是「到底多大才算是大數據？」其實這個問題在「量」的層
面上並沒有絕對的標准，因為「量」的大小是相對於特定時期的技術處理和分析能力而言的。在上個世紀90年代，10GB的數據需要當時計算能力一流的計算機
處理幾個小時，而這個量現在只是一台普通智能手機存儲量的一半而已。在這個層面上頗具影響力的說法是，當「全量數據」取代了「樣本數據」時，人們就擁有了
大數據。


另外一個成為討論焦點的問題是，今天的海量數據都來源於何處。在商業環境中，企業過去最關注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系統中的數據。這些數據的共性在於，它們都是由一個機構有意識、有目的地收集到的數據，而且基本上都是結構化數據。隨著互聯網的深
入普及，特別是移動互聯網的爆發式增長，人機互動所產生的數據已經成為了另一個重要的數據來源，比如人們在互聯網世界中留下的各種「數據足跡」。但所有這
些都還不是構成「大量數據」的主體。機器之間交互處理時沉澱下來的數據才是使數據量級實現跨越式增長的主要原因。「物聯網」是當前人們將現實世界數據化的
最時髦的代名詞。海量的數據就是以這樣的方式源源不斷地產生和積累。

「3V」的定義專注於對數據本身的特徵進行描述。然而，是否是量級龐大、實時傳輸、格式多樣的數據就是大數據？

BCG認為，成就大數據的關鍵點在於「第四個V」，即價值（Value）。當量級龐大、實時傳輸、格式多樣的全量數據通過某種手段得到利用並創造出商業價值，而且能夠進一步推動商業模式的變革時，大數據才真正誕生。

1.2變革中的數據運作與數據推動的內嵌式變革

多元化格式的數據已呈海量爆發，人類分析、利用數據的能力也日益精進，我們已經能夠從大數據中創造出不同於傳統數據挖掘的價值。那麼，大數據帶來的「大價值」究竟是如何產生的？


無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與
模型；IT發布新洞察；業務應用並衡量洞察的實際成效。在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角
色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。


因此，BCG認為，大數據改變的並不是傳統數據的生命周期，而是具體的運作模式。在傳統的數據基礎和技術環境下，這樣的周期可能要經歷一年乃至更長的時
間。但是有了現在的數據量和技術，機構可能只需幾周甚至更短的時間就能走完這個生命周期。新的數據運作模式使快速、低成本的試錯成為可能。這樣，商業機構
就有條件關注過去由於種種原因而被忽略的大量「小機會」，並將這些「小機會」累積形成「大價值」。

具體而言，與傳統的數據應用相比，大數據在四個方面（「4C」）改變了傳統數據的運作模式，為機構帶來了新的價值。

1.2.1數據質量的兼容性（Compatibility）：大數據通過「量」提升了數據分析對「質」的寬容度


在「小數據」時代，數據的獲取門檻相對較高，這就導致「樣本思維」占據統治地位。人們大多是通過抽樣和截取的方式來捕獲數據。同時，人們分析數據的手段
和能力也相對有限。為了保證分析結果的准確性，人們通常會有意識地收集可量化的、清潔的、准確的數據，對數據的「質」提出了很高的要求。而在大數據時代，
「全量思維」得到了用武之地，人們有條件去獲取多維度、全過程的數據。但在海量數據出現後，數據的清洗與驗證幾乎成為了不可能的事。正是這樣的困境催生了
數據應用的新視角與新方法。類似於分布式技術的新演算法使數據的「量」可以彌補「質」的不足，從而大大提升了數據分析對於數據質量的兼容能力。

1.2.2數據運用的關聯性（Connectedness）：大數據使技術與演算法從「靜態」走向「持續」


在大數據時代，對「全量」的追求使「實時」變得異常重要，而這一點也不僅僅只體現在數據採集階段。在雲計算、流處理和內存分析等技術的支撐下，一系列新
的演算法使實時分析成為可能。人們還可以通過使用持續的增量數據來優化分析結果。在這些因素的共同作用下，人們一貫以來對「因果關系」的追求開始松動，而
「相關關系」正在逐步獲得一席之地。

1.2.3數據分析的成本（Cost）：大數據降低了數據分析的成本門檻


大數據改變了數據處理資源稀缺的局面。過去，數據挖掘往往意味著不菲的投入。因此，企業希望能夠從數據中發掘出「大機會」，或是將有限的數據處理資源投
入到有可能產生大機會的「大客戶、大項目」中去，以此獲得健康的投入產出比。而在大數據時代，數據處理的成本不斷下降，數據中大量存在的「小機會」得見天
日。每個機會本身帶來的商業價值可能並不可觀，但是累積起來就會實現質的飛躍。所以，大數據往往並非意味著「大機會」，而是「大量機會」。

1.2.4數據價值的轉化（Capitalization）：大數據實現了從數據到價值的高效轉化


在《互聯網金融生態系統2020：新動力、新格局、新戰略》報告中，我們探討了傳統金融機構在大變革時代所需採取的新戰略思考框架，即適應型戰略。採取
適應型戰略有助於企業構築以下五大優勢：試錯優勢、觸角優勢、組織優勢、系統優勢和社會優勢，而大數據將為金融機構建立這些優勢提供新的工具和動力。從數
據到價值的轉化與機構的整體轉型相輔相成，「內嵌式變革」由此而生。


例如，金融機構傳統做法中按部就班的長周期模式（從規劃、立項、收集數據到分析、試點、落地、總結）不再適用。快速試錯、寬進嚴出成為了實現大數據價值
的關鍵：以低成本的方式大量嘗試大數據中蘊藏的海量機會，一旦發現某些有價值的規律，馬上進行商業化推廣，否則果斷退出。此外，大數據為金融機構打造「觸
角優勢」提供了新的工具，使其能夠更加靈敏地感知商業環境，更加順暢地搭建反饋閉環。此外，數據的聚合與共享為金融機構搭建生態系統提供了新的場景與動
力。

2.應用場景與基礎設施—縱覽海內外金融機構的大數據發展實踐


金融行業在發展大數據能力方面具有天然優勢：受行業特性影響，金融機構在開展業務的過程中積累了海量的高價值數據，其中包括客戶身份、資產負債情況、資
金收付交易等數據。以銀行業為例，其數據強度高踞各行業之首—銀行業每創收100萬美元，平均就會產生820GB的數據。

2.1大數據的金融應用場景正在逐步拓展

大數據發出的聲音已經在金融行業全面響起。作為行業中的「巨無霸」，銀行業與保險業對大數據的應用尤其可圈可點。

2.1.1海外實踐：全面嘗試

2.1.1.1銀行是金融行業中發展大數據能力的「領軍者」


在發展大數據能力方面，銀行業堪稱是「領軍者」。縱觀銀行業的六個主要業務板塊（零售銀行、公司銀行、資本市場、交易銀行、資產管理、財富管理），每個
業務板塊都可以藉助大數據來更深入地了解客戶，並為其制定更具針對性的價值主張，同時提升風險管理能力。其中，大數據在零售銀行和交易銀行業務板塊中的應
用潛力尤為可觀。


BCG通過研究發現，海外銀行在大數據能力的發展方面基本處於三個階段：大約三分之一的銀行還處在思考大數據、理解大數據、制定大數據戰略及實施路徑的
起點階段。還有三分之一的銀行向前發展到了嘗試階段，也就是按照規劃出的路徑和方案，通過試點項目進行測驗，甄選出許多有價值的小機會，並且不停地進行試
錯和調整。而另外三分之一左右的銀行則已經跨越了嘗試階段。基於多年的試錯經驗，他們已經識別出幾個較大的機會，並且已經成功地將這些機會轉化為可持續的
商業價值。而且這些銀行已經將匹配大數據的工作方式嵌入到組織當中。他們正在成熟運用先進的分析手段，並且不斷獲得新的商業洞察。


銀行業應用舉例1：將大數據技術應用到信貸風險控制領域。在美國，一家互聯網信用評估機構已成為多家銀行在個人信貸風險評估方面的好幫手。該機構通過分
析客戶在各個社交平台（如Facebook和Twitter）留下的數據，對銀行的信貸申請客戶進行風險評估，並將結果賣給銀行。銀行將這家機構的評估結
果與內部評估相結合，從而形成更完善更准確的違約評估。這樣的做法既幫助銀行降低了風險成本，同時也為銀行帶來了風險定價方面的競爭優勢。


相較於零售銀行業務，公司銀行業務對大數據的應用似乎缺乏亮點。但實際上，大數據在公司銀行業務的風險領域正在發揮著前所未有的作用。在傳統方法中，銀
行對企業客戶的違約風險評估多是基於過往的營業數據和信用信息。這種方式的最大弊端就是缺少前瞻性，因為影響企業違約的重要因素並不僅僅只是企業自身的經
營狀況，還包括行業的整體發展狀況，正所謂「覆巢之下，焉有完卵」。但要進行這樣的分析往往需要大量的資源投入，因此在數據處理資源稀缺的環境下無法得到
廣泛應用，而大數據手段則大幅減少了此類分析對資源的需求。西班牙一家大型銀行正是利用大數據來為企業客戶提供全面深入的信用風險分析。該行首先識別出影
響行業發展的主要因素，然後對這些因素一一進行模擬，以測試各種事件對其客戶業務發展的潛在影響，並綜合評判每個企業客戶的違約風險。這樣的做法不僅成本
低，而且對風險評估的速度快，同時顯著提升了評估的准確性。


銀行業應用舉例2：用大數據為客戶制定差異化產品和營銷方案。在零售銀行業務中，通過數據分析來判斷客戶行為並匹配營銷手段並不是一件新鮮事。但大數據
為精準營銷提供了廣闊的創新空間。例如，海外銀行開始圍繞客戶的「人生大事」進行交叉銷售。這些銀行對客戶的交易數據進行分析，由此推算出客戶經歷「人生
大事」的大致節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融產品的購買意願。一家澳大利亞銀行通過大數據分析發現，家中即將有嬰兒誕生的客戶對
壽險產品的潛在需求最大。通過對客戶的銀行卡交易數據進行分析，銀行很容易識別出即將添丁的家庭：在這樣的家庭中，准媽媽會開始購買某些葯品，而嬰兒相關
產品的消費會不斷出現。該行面向這一人群推出定製化的營銷活動，獲得了客戶的積極響應，從而大幅提高了交叉銷售的成功率。


客戶細分早已在銀行業得到廣泛應用，但細分維度往往大同小異，包括收入水平、年齡、職業等等。自從開始嘗試大數據手段之後，銀行的客戶細分維度出現了突
破。例如，西班牙的一家銀行從Facebook和Twitter等社交平台上直接抓取數據來分析客戶的業余愛好。該行把客戶細分為常旅客、足球愛好者、高
爾夫愛好者等類別。通過分析，該行發現高爾夫球愛好者對銀行的利潤度貢獻最高，而足球愛好者對銀行的忠誠度最高。此外，通過分析，該行還發現了另外一個小
客群：「敗家族」，即財富水平不高、但消費行為奢侈的人群。這個客群由於人數不多，而且當前的財富水平尚未超越貴賓客戶的門檻，因此往往被銀行所忽略。但
分析顯示這一人群能夠為銀行帶來可觀的利潤，而且頗具成長潛力，因此該行決定將這些客戶升級為貴賓客戶，深入挖掘其潛在價值。


在對公業務中，銀行同樣可以藉助大數據形成更有價值的客戶細分。例如，在BCG與一家加拿大銀行的合作項目中，項目組利用大數據分析技術將所有公司客戶
按照行業和企業規模進行細分，一共建立了上百個細分客戶群。不難想像，如果沒有大數據的支持，這樣深入的細分是很難實現的。然後，項目組在每個細分群中找
出標桿企業，分析其銀行產品組合，並將該細分群中其他客戶的銀行產品組合與標桿企業進行比對，從而識別出差距和潛在的營銷機會。項目組將這些分析結果與該
行的對公客戶經理進行分享，幫助他們利用這些發現來制定更具針對性的銷售計劃和話術，並取得了良好的效果。客戶對這種新的銷售方式也十分歡迎，因為他們可
以從中了解到同行的財務狀況和金融安排，有助於對自身的行業地位與發展空間進行判斷。


銀行業應用舉例3：用大數據為優化銀行運營提供決策基礎。大數據不僅能在前台與中台大顯身手，也能惠及後台運營領域。在互聯網金融風生水起的當
下，「O2O」（OnlineToOffline）成為了銀行的熱點話題。哪些客戶適合線上渠道？哪些客戶不願「觸網」？BCG曾幫助西班牙一家銀行通過
大數據技術應用對這些問題進行了解答。項目組對16個既可以在網點也可以在網路與移動渠道上完成的關鍵運營活動展開分析，建立了12個月的時間回溯深度，
把客戶群體和運營活動按照網點使用強度以及非網點渠道使用潛力進行細分。分析結果顯示，大約66%的交易活動對網點的使用強度較高，但同時對非網點渠道的
使用潛力也很高，因此可以從網點遷移到網路或移動渠道。項目組在客戶細分中發現，年輕客戶、老年客戶以及高端客戶在運營活動遷移方面潛力最大，可以優先作
為渠道遷徙的對象。通過這樣的運營調整，大數據幫助銀行在引導客戶轉移、減輕網點壓力的同時保障了客戶體驗。


BCG還曾利用專有的大數據分析工具NetworkMax，幫助一家澳大利亞銀行優化網點布局。雖然銀行客戶的線上活動日漸增多，但金融業的鐵律在互聯
網時代依然適用，也就是說在客戶身邊設立實體網點仍然是金融機構的競爭優勢。然而，網點的運營成本往往不菲，如何實現網點資源的價值最大化成為了每家銀行
面臨的問題。在該項目中，項目組結合銀行的內部數據（包括現有的網點分布和業績狀況等）和外部數據（如各個地區的人口數量、人口結構、收入水平等），對
350多個區域進行了評估，並按照主要產品系列為每個區域制定市場份額預測。項目組還通過對市場份額的驅動因素進行模擬，得出在現有網點數量不變的情況下
該行網點的理想布局圖。該行根據項目組的建議對網點布局進行了調整，並取得了良好的成效。這個案例可以為許多銀行帶來啟示：首先，銀行十分清楚自身的網點
布局，有關網點的經營業績和地址的信息全量存在於銀行的資料庫中。其次，有關一個地區的人口數量、人口結構、收入水平等數據都是可以公開獲取的數據。通過
應用大數據技術來把這兩組數據結合在一起，就可以幫助銀行實現網點布局的優化。BCG基於大數據技術而研發的Network
Max正是用來解決類似問題的工具。


銀行業應用舉例4：創新商業模式，用大數據拓展中間收入。過去，坐擁海量數據的銀行考慮的是如何使用數據來服務其核心業務。而如今，很多銀行已經走得更
遠。他們開始考慮如何把數據直接變成新產品並用來實現商業模式，進而直接創造收入。例如，澳大利亞一家大型銀行通過分析支付數據來了解其零售客戶的「消費
路徑」，即客戶進行日常消費時的典型順序，包括客戶的購物地點、購買內容和購物順序，並對其中的關聯進行分析。該銀行將這些分析結果銷售給公司客戶（比如
零售業客戶），幫助客戶更准確地判斷合適的產品廣告投放地點以及適合在該地點進行推廣的產品。這些公司客戶過去往往需要花費大量金錢向市場調研公司購買此
類數據，但如今他們可以花少得多的錢向自己的銀行購買這些分析結果，而且銀行所提供的此類數據也要可靠得多。銀行通過這種方式獲得了傳統業務之外的收入。
更重要的是，銀行通過這樣的創新為客戶提供了增值服務，從而大大增強了客戶粘性。

Ⅱ 任泉為什麼要息影他演過的哪個角色讓你印象深刻

任泉息影的原因主要是因為他要專心做投資，這與他的性格有關系，他內認為專注做一件容事才是最好的。

或許提起任泉有的人並不是太了解他，但是說起少年包青天里的公孫策，想必大家都印象頗深，這也是任泉最具有代表的一個角色，他自從出道以來，本身就沒參演過太多的影視作品，因為他對自己的要求是比較高的，後來他慢慢的發現自己的另一個特長，那就是他非常具有生意頭腦。

所以他在演戲的同時也逐漸開始參與投資，隨著不斷的深入，他越來越感覺自己其實並不太適合待在娛樂圈，所以他就開始慢慢轉型，後來乾脆就直接息影了，因為他決定要專心做自己喜歡的事業，這是很多明星都不敢下的決心，一般的明星都有著副業，但是他們都不敢放棄自己娛樂圈的地位，而任泉卻做到了，並且他的事業也是發展的越來越好。

Ⅲ 互聯網金融和人工智慧對社會影響大嗎將來是不是好多人將都會面臨著失業

一些比較勞累的活可能將會被機器人替代

Ⅳ 大數據和人工智慧在互聯網金融領域有哪些應用

大數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化（Capitalization）。

大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。

數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。

無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與模型；IT發布新洞察；業務應用並衡量洞察的實際成效。

在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。

Ⅳ 移動互聯網七年回顧：何為終極奧義

從2011年到2017年，移動互聯網實實在在地影響了用戶已經7年。7年間，每年都有新的熱點，讓飛速發展的移動互聯網行業不斷向前，帶動社會往更高效、更便捷處發展。

時間退回到2011年，那時候移動互聯網的各種應用開始普及，移動互聯網的用戶習慣慢慢養成。2011年被稱為團購元年，互聯網創業者們都在快而無畏的奔跑；2012年是垂直電商熱，行業走向細分；2013年是互聯網金融元年，人們金融服務需求爆發；2014年是O2O元年，線上線下走向融合；2015年是共享經濟元年，人們存量資產有了新的用處；2016年人工智慧大熱，產業都在升級；2017年可以稱之為嚴選模式元年，一大批精品電商興起。

這些現象背後，正如黃仁宇在《萬曆十五年》傳遞出的宿命感，那一年，很多細枝末節的舉動，都攪動了日後的互聯網江湖波瀾。從移動互聯網這七年的浪潮和成長，我們或許能對社會經濟發展未來的奧義有所窺視。

一、團購元年：話不多說，看到金子就搶

很快，一個連思考都急功近利的時代，哪哪兒都是團購的廣告，這是2011年互聯網帶給人們的故事。

在互聯網草莽興起的年代，暴露出的第一個致命缺陷便是低門檻的無序化競爭。中國的團購市場初期，做團購網站的門檻並不高，只要拿下一些特價商品、談下一些商戶，一個大學生通過下載一個團購網站模板就能建一個團購網站。

在這種低門檻下，團購網站要搶占份額，就不得不大力補貼線下商戶，燒錢打廣告鋪開市場名氣，於是在這一年裡我們又看到「團購就上XX網!」的雷同口號遍布於城市的每個角落。

但別忘了這是個急功近利的時代啊，在沒有找到可以量產的商業邏輯之前，大家一窩蜂地「大幹快上」的時候，每一個風口，又都成了泡沫。

於是商家工作人員和項目經理分食補貼的事屢見不鮮，商業糾紛接踵而至。

在「低門檻、高投入、輕內功、難監管」等頑疾影響下，大批團購網站成為了曇花一現，從「千團大戰」到「批量消失」，僅僅經過了6至8個月的時間。團購行業在2011年下半年迅速進入資本寒冬，媒體也掉轉鏡頭，開始大量關注團購網站誠信困局及「僵屍團購站」的問題，團購洗牌期開始來臨，不過這並不意味著團購速死，只是每一個被資本以快為名吹捧出來的「風口」，都無法擺脫「一將成名萬骨朽」的規律。

許多平台死了，留下來的開始進行差異化競爭，走細分市場，團購行業也從原有的單一獨立團購網站增加至電商網站內的團購頻道甚至復合型團購交易平台等多業態共存。

二、垂直電商大熱元年：搶的方法不對，有些還是假金子

2012年互聯網布的，是一個垂直細分電商之局，但是生死局。京東淘寶形成了兩個流量黑洞，正勢不可擋地搶奪電商的線上紅利，而線下零售商蘇寧國美也仿如大夢初醒般發力線上，彼時意識到更垂直的行業服務能提升用戶體驗的垂直電商創業者，許多都爆出了「電子商務坑爹」的絕望之辭，耀點100倒閉了、佳品網明確大裁員信息，名品打折網取消任何商品的售賣，就連當當網、凡客誠品、樂蜂網、優購網等知名垂直電商也無奈尋求與平台電商合作。

一邊B2C網購市場出現一次次令人吃驚的交易量大爆發，另一邊多數電子商務企業卻在不斷燒錢中盈利甚微，這種矛盾現象其實也足夠解釋緣何做垂直電商會如此艱難——整個市場大環境下，用戶個性化需求還沒有釋放出來，普通標准品已經足夠滿足大眾用戶的需求，況且在這一年，蘇寧易購、京東商城、亞馬遜、天貓等大平台電商的「價格競爭」激戰正酣，垂直電商根本無力抵擋這種海嘯般的攻城掠地，最後想像中的小而美，反倒成為了大平台快速膨脹背後的犧牲品。

不過從本質上來說，互聯網充滿了不確定性，最終無論是『大而全』還是『小而美』，電商能否成功，還是取決於消費者是否認可，商業模式是否健康，是否可持續。像2017年格局已然不同，網易嚴選以品質商品平價的優勢抓住消費者眼球，成長為電商領域的第三種模式，並帶動2017年成為嚴選模式的一年。當然，這又是後話了，2012年淘寶京東等以價格戰的方式奪得一方天下，但同時也引發了電商體系中假貨偽劣產品橫生的亂象。

三、互聯網金融元年：混亂的年代，管理金子非常迫切

在2012年電商大戰中，支付寶日交易金額超過45億元，日交易筆數超1800萬筆，峰值達到3369萬筆。這組數字不光令銀行顫抖，也讓人看到消費領域的肚量，如此金融升級為2013年爭奪焦點似乎也是順理成章的事。

要知道，2013年，整個世界的經濟背景是全球一體化、開放化，經濟虛擬化，在這期間金融與實體貨幣開始脫鉤，金融需求急劇膨脹，尤其是個人金融服務需求爆炸，此時以余額寶為代表的互聯網金融產品出現使得金融服務所覆蓋的客戶群真正下沉到那些廣泛存在卻長期受到忽視的普通大眾家庭。也就是說在這一年裡，互聯網已經借電商的形式往傳統金融的血液里滲透。

不過即便如此，此時中國絕大多數互聯網金融產品還都是在借鑒美國的模式，像余額寶「克隆」的就是基於美國第三方支付工具PayPal 所開發的貨幣市場基金賬戶，而網路貸款平台P2P的概念就是起源於英美，代表性企業是美國的Lending Club 和英國的Zopa，因此這一波熱潮，還不能稱之為彎道超車。

正面來看互聯網金融的出現，給中國帶來了金融的民主化和大眾化，也讓傳統金融開始考慮以互聯網技術引導產業變革。但不可否認，快而乏質仍然是互聯網在這一年的名義，p2p理財、第三方支付、互聯網金融產品、眾籌等模式都有亂象亟待監管的手段調控。

四、O2O元年：賺自己的金子不長久，大家一起賺才能贏

時勢使然，當互聯網金融與電商構建出初級的場景消費形態，有的消費成為了面子，有的模式成為了里子，020就是其中一種。電商經過幾年的發展，線上模式雜亂分生，同時線下企業活的愈發艱難，於是呼喚線上和線下結合的產業經濟互聯網化呼聲出現了，2014年是線上線下企業高呼轉型的紛亂期，O2O成為了共同的救命稻草。

於是電商們紛紛轉投020模式，京東做「大數據+商品+服務」的O2O模式，蘇寧雲商走「門店到商圈+雙線同價」的O2O模式，零售業萬達採取「線下商場+飛凡電商」的O2O模式往下走、順豐物流開始大舉搶占線下市場，進行3萬門店的「圈地」計劃等等，在巨頭們的帶領下，整合社會消費形態有了場景的內涵，也開始進行融合、裂變。

這一年互聯網似乎重了一點，由於O2O的第二個「O」即線下服務品質越來越被看重，很多企業便都在想方設法試圖找到最好的消費者生活圈入口，自然的進入到消費者的消費行為場景，並利用這些消費場景實現精準化的營銷。像「《「叫個鴨子」滿足你對鴨子的一切幻想！》」、「去哪裡不重要，重要的是…去啊」等都是2014年著名的營銷案例。因此可以說在深耕場景為目的的導向下，互聯網技術為營銷手段提供了新的借鑒和思考。

五、共享經濟元年：更多人有金子了，找方式一起玩

在經歷了前幾年互聯網的成長，中國經濟的供需角色已經悄然發生了變化。

首先無論在何時，一種新的商業模式出現必定與社會需求相伴，這一點套用在哪一年都從不例外。有一個數據與買房難、買房熱的今天相悖，國家統計局2015年公開的數據顯示，我國有近5000萬套閑置房，其透露出的一個事實便是社會上擁有閑置資源的人群在增多，他們在互聯網金融的影響下，開始學會提高存量資產的使用效率，2015年成為了共享經濟元年。

中國2015年出現並興起了超過30家的共享型經濟企業及模式，包括空間共享、認知盈餘共享、渠道共享及多方共享等。從這幾種模式可以看到，共享經濟是一種基於需求或供給即時的互聯網契機，這些年共享的籃子重了，但「共享」這個頗有烏托邦色彩的詞卻顯得有些輕，部分模式和產品其實只是搭一下共享經濟的順風車，體驗要求高的痛點卻正在凸顯。共享經濟要想持續發展，就必須進行渠道下沉，將價值的重更加深刻的表達出來。

六、人工智慧盛行元年：玩金子嘛，玩法要高級

歷史洪流裹挾，卻總會為那些激流勇進之人留得弄潮的天地，這句話用在2016年再恰當不過。這一年巨頭們做產品，不帶點智能簡直拿不出手。

全球范圍內總計 1485 家與人工智慧技術有關公司的融資總額達到 89 億美元，當然其中最瘋狂的莫過於互聯網巨頭企業的資本投注，國外有蘋果收購人工智慧初創公司Emotient、eBay宣布收購Expertmaker、英特爾、微軟、谷歌、亞馬遜等也都紛紛收購了一些創業公司。國內有網路ALL INN AI,推出網路大腦、網路醫療大腦、天智雲計算等解決方案，阿里在人臉識別、語音識別等營銷方面戰果突出，網易、360、科大訊飛等對人工智慧虎視眈眈，像網易自身也推出了全智能客服系統網易七魚、人工智慧反垃圾雲服務網易易盾等，人工浪潮已經不可逆轉。

不過故事再多，只要場景沒有深入落地，格局就仍然有變天的機會。從大促節日中可以看到，人工智慧只是給了這些電商平台更能深入觸達用戶的營銷手段，生產者和消費者之間仍然存在極大的信息不對稱，市場和需求脫節，消費者「買的好」的需求未能得到很好地滿足。

七、嚴選模式元年：時代選中的，是將金子用到實處的

2017年給人最明顯的感覺是廣告／內容／產品／交易之間的界限正變得模糊不清，但有一個概念卻是愈發清晰的，那就是品質。

在傳統電商格局被淘寶、京東二分天下後，剩餘的平台只能傍大腿存活。沒人會想到此時丁磊能夠切中了這個新電商經濟的命脈，打造出一個「嚴選模式」，並帶動了一批包括米家有品、淘寶心選、必要等「嚴選模式」新電商的崛起和出現。

以前，如果你想從線上買整套有品質的生活家居用品，選擇非常繁瑣。四件套、毛巾、拖鞋等挑款式，比價格，如今，在一個精品電商上你就能一站式解決。2017年以來，以「網易嚴選」、小米旗下「有品」、淘寶心選為代表的，一批由互聯網大公司領導的精選電商正在阿里、京東之外，開辟第三條電商路徑。這也讓各行各業都掀起了品質定位的熱潮，很多創業公司也遵循「嚴選模式」在做。

要剝絲抽繭的話，一方面我國的消費群體正在經歷一場演變，中產階層人群崛起，新消費理念油然而生。與新零售不同，新零售討論的是零售的不同形態和場景。新消費，關注的則是消費者的消費觀和消費行為的變化。以前大家追求怎麼能買得到，現在大家追求怎麼買的更好、更有品味，這個現象便是「新消費」。因此抓住市場需求，以品質為出發的平台無疑是能夠得到肯定且擁有廣闊未來的。

另一方面，2017年我國適逢製造業轉型升級，在傳統供應鏈中，製造商長期處於弱勢地位，長期處於「微笑曲線」的底部。此時網易嚴選等工廠直達、供應鏈路短的模式，以提供優惠的商務政策，的確打破了傳統的供應鏈采購規則，也找到了一條讓優秀的中國製造業優先為中國人服的轉型策略。

當然，在更加註重品質的商業形態中，要抓住新消費的機遇，深入產業鏈上游是必要的，這也導致商業模式不可避免地做重。多年以來，中國的互聯網公司一直靠流量變現的邏輯掙錢，網易嚴選、小米的掙錢方式其實是真正參與到產品的質量把控和製造業當中去，這對互聯網具有很多啟示意義。

在經緯中國創始管理合夥人張穎最近做了一次內部分享，其中提到「流量今天越來越貴，從增量市場轉向存量市場，就需要延展用戶生命周期，更充分地挖掘單個用戶價值，參與到行業的整個環節打造閉環。不止是ToC公司，其他行業同樣如此。投資人現在也都很認這點，既然這樣，那就現在開始，從今天開始。」

《小王子》中寫到，如果你想建造一艘船，先不要把人們召集起來採集木材、分配工作和發號施令，而要教導他們嚮往浩瀚無邊的大海。互聯網格局如同這艘船，只是遠方並沒有多少人知道。從2011年到2017年的發展來看，互聯網已經慢慢地由輕變重，逐步回歸商業的本質，並推動社會經濟航向更講究品質、相對粗放式發展更精益的遠方，如此一來，干到極致方能得時代先機。

Ⅵ 大學生應該如何把發展規劃與國家未來同步

作為一名中國大學生，思想已經日益成熟，會去思考和規劃自己未來的人生，事業和家庭，心中也會自然而然的存有一份對祖國的熱愛之情，而且它將隨著我們的成長祖國的發展視野的開放越來越強烈。

要將這兩者結合在一起並不難，這份強烈的感情會引導我們人生的方向，其實最真實的最樸素的最細微的事情人們很少能認真做到，小到撿起路上的一個垃圾瓶丟到垃圾桶，難道說這不是在為祖國現代化作貢獻嗎大學生的本職工作就是學習。

只有學好本領才能為祖國做貢獻，多關心國家大事，樹立自己的理想，將自己熱愛的專業學好，多關心國家大事和未來趨勢，發揮自己的專業特長和創造力，最重要的是新時代的大學生要樹立一個正確的價值觀，才會為之奮斗終身並深感幸福。

(6)互聯網金融加人工智慧擴展閱讀

中國未來的發展趨勢：

1、新零售。馬雲認為，未來10年、20年，新零售將取代電子商務這一概念，這是線上線下與現代物流結合在一起創造出來的新的零售業，這個模式將會對純電商和純線下帶來沖擊。

2、新製造。未來的製造業用的不是電，而是數據。個性化、定製化將成為主流，IOT的變革將變為按需定製，人工智慧是大趨勢。

3、新金融。金融業過去是二八理論，未來是八二理論，如何支持80%的中小企業和年輕人將成為重點。互聯網金融會使金融業變的更加透明，更加公平。基於數據的互聯網金融才能做到真正的普惠金融。

4、新技術。移動互聯網之後，所有基於PC的技術都將被移動化，基於互聯網和大數據的誕生創造了無數想像。

5、新能源，就是數據。數據是人類第一次創造了資源，與衣服不同，數據人家用過你再用會更值錢，是越用越值錢的東西。

Ⅶ AI時代，互聯網金融未來的方向是什麼

人工智慧可以做人類所能做的所有代替工作，金融AI面臨了很多人員的就業問題，你想想以後都是機器人代替人。

Ⅷ 5年內最掙錢行業有哪些

未來五年最值得創業的方向有哪些？具體明確哪些創業領域，這就要根據自己的資源匹配和個人情況而言了，但小編還是整理了以下這些方向供大家參考:

最後，如果我們真的想做一番事業，還是需要去做一些真正能賺錢的項目，現在，互聯網已經涵蓋了我們的衣食住行，可以說空間已經不多了，真的要去開闊，可能只有從工作上入手，挖掘行業的潛力，尋找那些可以接入但是還不知道如何搭上互聯網這趟列車的行業了。

Ⅸ 千億中國互聯網投資基金成立 國家隊資本要翻誰的牌子

淡馬錫投資領域

淡馬錫應該是國有資本市場化操作的典範，從股東投資回報率來說，對國有資本起到保值增值的作用。從投資的行業來說也通過產業投資，參股、控股的方式介入到對國民經濟中有很高影響力的金融、交通，通信、能源等行業。這應該是「新加坡式的國有經濟」。

作為政府型投資，淡馬錫無疑是成功的案例，證明國有資本在完善的公司體系之下，能夠保障效率和利潤。而且時至今日，淡馬錫也是非常國際化的投資機構，投資的公司中新加坡本土企業的比例是29%，其餘為亞洲其他國家及北美等地的企業。

但是淡馬錫的成立也有其背景原因，上世紀70、80年代，新加坡發展大型工業項目需要大量資金，而當時新加坡經濟基礎薄弱，私人資本積累不足資金能力有限，許多工業項目需要藉助國有資本。

然而中國的互聯網發展史同資本是聯系在一起的，從1996年張朝陽手持羅伯特教授的風險資金回國創建愛特信公司開始，中國互聯網公司的發展就得到了資本的大力支持。

BAT中，網路在上市前得到過美國投資基金德豐傑的多輪融資，阿里早期接受過雅虎和軟銀的投資、騰訊早期接受IDG和盈科數碼的風險投資等等。

中國的互聯網發展史就是中國資本投資的成長史，現階段投資人最常說的一句話是找不到風口，不知道投什麼，很少聽到說找不到資金。

所以國家型投資基金在這個時間點進入互聯網領域，很清楚自己要做的了嗎？

哪些行業既是互聯網、又符合國家戰略

上中學的時候政治書有這樣一段表述，國有資本要控制國民經濟命脈，主要表現在對重要行業和關鍵領域的控制。

過去這些關鍵領域包括銀行、鐵路、電力等，現在應該會包括互聯網或者說是互聯網的一部分細分領域，比如說物聯網、大數據、雲計算、人工智慧等等。

就拿智慧城市來說，這種結合大數據、雲計算和人工智慧等相關技術，通過城市運行的相關數據結合演算法的方式來「管理」城市。

比如說通過交通攝像頭對城市道路運行情況進行數據採集，對數據進行分析、交換，利用人工智慧技術等對數據進行分析，再通過相應的結果進行公共資源的調配。

當互聯網相關技術成為城市大腦的支撐，而國家隊並沒有參與到其中，這是不是很心塞，說好的中國特色呢，說好的國家安全呢。

如果互聯網離水電煤這樣的基礎設施更進一步，就表示它離進入國家隊爸爸的管理半徑就越近一步。

再者說，在人工智慧、大數據、雲計算等領域還需要一些基礎學科的發展作為技術支撐。比如說類腦研究等基礎理論和技術研究，這些耗時費錢的研究，更需要國家隊資金的參與。

中網投負責人在接受新華社記者采訪時表示，中網投投資的公司要符合國家戰略，要代表本行業領先科技成果和發展趨勢。

哪些行業符合國家戰略？看看被《「十三五」國家戰略性新興產業發展規劃》點到名字的新趨勢，現代農業、智慧能源、普惠金融、益民服務、高效物流、電子商務、便捷交通、人工智慧等。

比如構建促進基於雲計算的業務模式和商業模式創新，推進公有雲和行業雲平台建設；構建政府數據共享交換平台和數據開放平台，構建以遙感、通信、導航衛星為核心的國家空間基礎設施，推進三網融合，構建工業機器人產業體系……

看看中網投發布會上來的各部委：國家發改委、科技部、工信部、國資委、國家工商總局、證監會等國家有關部委。有這么多國家部委的保駕護航，中網投比淡馬錫控股能夠調動更多國家資源的支持。

很多分析認為，淡馬錫的成功，在於成功構建了完善的公司體系，保障了國有資本的效率和利潤。那中網投會有哪些創新，很顯然作為「上面有人」的投資基金，一些機構性投資基金不好意思不帶中網投一塊玩，所以資本充裕、能撬動資源的中網投能夠給中國互聯網的發展帶來的變化，不論積極消極，都值得持續觀察。