互联网金融加人工智能

Ⅰ 大数据和人工智能在互联网金融领域有哪些应用

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。


大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。


数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1.价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

1.1成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。


虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。


另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

1.2变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？


无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。


因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

1.2.1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度


在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

1.2.2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”


在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

1.2.3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛


大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

1.2.4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化


在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。


例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2.应用场景与基础设施—纵览海内外金融机构的大数据发展实践


金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

2.1大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

2.1.1海外实践：全面尝试

2.1.1.1银行是金融行业中发展大数据能力的“领军者”


在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。


BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。


银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。


相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。


银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。


客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。


在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。


银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。


BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。


银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

Ⅱ 任泉为什么要息影他演过的哪个角色让你印象深刻

任泉息影的原因主要是因为他要专心做投资，这与他的性格有关系，他内认为专注做一件容事才是最好的。

或许提起任泉有的人并不是太了解他，但是说起少年包青天里的公孙策，想必大家都印象颇深，这也是任泉最具有代表的一个角色，他自从出道以来，本身就没参演过太多的影视作品，因为他对自己的要求是比较高的，后来他慢慢的发现自己的另一个特长，那就是他非常具有生意头脑。

所以他在演戏的同时也逐渐开始参与投资，随着不断的深入，他越来越感觉自己其实并不太适合待在娱乐圈，所以他就开始慢慢转型，后来干脆就直接息影了，因为他决定要专心做自己喜欢的事业，这是很多明星都不敢下的决心，一般的明星都有着副业，但是他们都不敢放弃自己娱乐圈的地位，而任泉却做到了，并且他的事业也是发展的越来越好。

Ⅲ 互联网金融和人工智能对社会影响大吗将来是不是好多人将都会面临着失业

一些比较劳累的活可能将会被机器人替代

Ⅳ 大数据和人工智能在互联网金融领域有哪些应用

大数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化（Capitalization）。

大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。

数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与模型；IT发布新洞察；业务应用并衡量洞察的实际成效。

在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。

Ⅳ 移动互联网七年回顾：何为终极奥义

从2011年到2017年，移动互联网实实在在地影响了用户已经7年。7年间，每年都有新的热点，让飞速发展的移动互联网行业不断向前，带动社会往更高效、更便捷处发展。

时间退回到2011年，那时候移动互联网的各种应用开始普及，移动互联网的用户习惯慢慢养成。2011年被称为团购元年，互联网创业者们都在快而无畏的奔跑；2012年是垂直电商热，行业走向细分；2013年是互联网金融元年，人们金融服务需求爆发；2014年是O2O元年，线上线下走向融合；2015年是共享经济元年，人们存量资产有了新的用处；2016年人工智能大热，产业都在升级；2017年可以称之为严选模式元年，一大批精品电商兴起。

这些现象背后，正如黄仁宇在《万历十五年》传递出的宿命感，那一年，很多细枝末节的举动，都搅动了日后的互联网江湖波澜。从移动互联网这七年的浪潮和成长，我们或许能对社会经济发展未来的奥义有所窥视。

一、团购元年：话不多说，看到金子就抢

很快，一个连思考都急功近利的时代，哪哪儿都是团购的广告，这是2011年互联网带给人们的故事。

在互联网草莽兴起的年代，暴露出的第一个致命缺陷便是低门槛的无序化竞争。中国的团购市场初期，做团购网站的门槛并不高，只要拿下一些特价商品、谈下一些商户，一个大学生通过下载一个团购网站模板就能建一个团购网站。

在这种低门槛下，团购网站要抢占份额，就不得不大力补贴线下商户，烧钱打广告铺开市场名气，于是在这一年里我们又看到“团购就上XX网!”的雷同口号遍布于城市的每个角落。

但别忘了这是个急功近利的时代啊，在没有找到可以量产的商业逻辑之前，大家一窝蜂地“大干快上”的时候，每一个风口，又都成了泡沫。

于是商家工作人员和项目经理分食补贴的事屡见不鲜，商业纠纷接踵而至。

在“低门槛、高投入、轻内功、难监管”等顽疾影响下，大批团购网站成为了昙花一现，从“千团大战”到“批量消失”，仅仅经过了6至8个月的时间。团购行业在2011年下半年迅速进入资本寒冬，媒体也掉转镜头，开始大量关注团购网站诚信困局及“僵尸团购站”的问题，团购洗牌期开始来临，不过这并不意味着团购速死，只是每一个被资本以快为名吹捧出来的“风口”，都无法摆脱“一将成名万骨朽”的规律。

许多平台死了，留下来的开始进行差异化竞争，走细分市场，团购行业也从原有的单一独立团购网站增加至电商网站内的团购频道甚至复合型团购交易平台等多业态共存。

二、垂直电商大热元年：抢的方法不对，有些还是假金子

2012年互联网布的，是一个垂直细分电商之局，但是生死局。京东淘宝形成了两个流量黑洞，正势不可挡地抢夺电商的线上红利，而线下零售商苏宁国美也仿如大梦初醒般发力线上，彼时意识到更垂直的行业服务能提升用户体验的垂直电商创业者，许多都爆出了“电子商务坑爹”的绝望之辞，耀点100倒闭了、佳品网明确大裁员信息，名品打折网取消任何商品的售卖，就连当当网、凡客诚品、乐蜂网、优购网等知名垂直电商也无奈寻求与平台电商合作。

一边B2C网购市场出现一次次令人吃惊的交易量大爆发，另一边多数电子商务企业却在不断烧钱中盈利甚微，这种矛盾现象其实也足够解释缘何做垂直电商会如此艰难——整个市场大环境下，用户个性化需求还没有释放出来，普通标准品已经足够满足大众用户的需求，况且在这一年，苏宁易购、京东商城、亚马逊、天猫等大平台电商的“价格竞争”激战正酣，垂直电商根本无力抵挡这种海啸般的攻城掠地，最后想象中的小而美，反倒成为了大平台快速膨胀背后的牺牲品。

不过从本质上来说，互联网充满了不确定性，最终无论是‘大而全’还是‘小而美’，电商能否成功，还是取决于消费者是否认可，商业模式是否健康，是否可持续。像2017年格局已然不同，网易严选以品质商品平价的优势抓住消费者眼球，成长为电商领域的第三种模式，并带动2017年成为严选模式的一年。当然，这又是后话了，2012年淘宝京东等以价格战的方式夺得一方天下，但同时也引发了电商体系中假货伪劣产品横生的乱象。

三、互联网金融元年：混乱的年代，管理金子非常迫切

在2012年电商大战中，支付宝日交易金额超过45亿元，日交易笔数超1800万笔，峰值达到3369万笔。这组数字不光令银行颤抖，也让人看到消费领域的肚量，如此金融升级为2013年争夺焦点似乎也是顺理成章的事。

要知道，2013年，整个世界的经济背景是全球一体化、开放化，经济虚拟化，在这期间金融与实体货币开始脱钩，金融需求急剧膨胀，尤其是个人金融服务需求爆炸，此时以余额宝为代表的互联网金融产品出现使得金融服务所覆盖的客户群真正下沉到那些广泛存在却长期受到忽视的普通大众家庭。也就是说在这一年里，互联网已经借电商的形式往传统金融的血液里渗透。

不过即便如此，此时中国绝大多数互联网金融产品还都是在借鉴美国的模式，像余额宝“克隆”的就是基于美国第三方支付工具PayPal 所开发的货币市场基金账户，而网络贷款平台P2P的概念就是起源于英美，代表性企业是美国的Lending Club 和英国的Zopa，因此这一波热潮，还不能称之为弯道超车。

正面来看互联网金融的出现，给中国带来了金融的民主化和大众化，也让传统金融开始考虑以互联网技术引导产业变革。但不可否认，快而乏质仍然是互联网在这一年的名义，p2p理财、第三方支付、互联网金融产品、众筹等模式都有乱象亟待监管的手段调控。

四、O2O元年：赚自己的金子不长久，大家一起赚才能赢

时势使然，当互联网金融与电商构建出初级的场景消费形态，有的消费成为了面子，有的模式成为了里子，020就是其中一种。电商经过几年的发展，线上模式杂乱分生，同时线下企业活的愈发艰难，于是呼唤线上和线下结合的产业经济互联网化呼声出现了，2014年是线上线下企业高呼转型的纷乱期，O2O成为了共同的救命稻草。

于是电商们纷纷转投020模式，京东做“大数据+商品+服务”的O2O模式，苏宁云商走“门店到商圈+双线同价”的O2O模式，零售业万达采取“线下商场+飞凡电商”的O2O模式往下走、顺丰物流开始大举抢占线下市场，进行3万门店的“圈地”计划等等，在巨头们的带领下，整合社会消费形态有了场景的内涵，也开始进行融合、裂变。

这一年互联网似乎重了一点，由于O2O的第二个“O”即线下服务品质越来越被看重，很多企业便都在想方设法试图找到最好的消费者生活圈入口，自然的进入到消费者的消费行为场景，并利用这些消费场景实现精准化的营销。像“《“叫个鸭子”满足你对鸭子的一切幻想！》”、“去哪里不重要，重要的是…去啊”等都是2014年著名的营销案例。因此可以说在深耕场景为目的的导向下，互联网技术为营销手段提供了新的借鉴和思考。

五、共享经济元年：更多人有金子了，找方式一起玩

在经历了前几年互联网的成长，中国经济的供需角色已经悄然发生了变化。

首先无论在何时，一种新的商业模式出现必定与社会需求相伴，这一点套用在哪一年都从不例外。有一个数据与买房难、买房热的今天相悖，国家统计局2015年公开的数据显示，我国有近5000万套闲置房，其透露出的一个事实便是社会上拥有闲置资源的人群在增多，他们在互联网金融的影响下，开始学会提高存量资产的使用效率，2015年成为了共享经济元年。

中国2015年出现并兴起了超过30家的共享型经济企业及模式，包括空间共享、认知盈余共享、渠道共享及多方共享等。从这几种模式可以看到，共享经济是一种基于需求或供给即时的互联网契机，这些年共享的篮子重了，但“共享”这个颇有乌托邦色彩的词却显得有些轻，部分模式和产品其实只是搭一下共享经济的顺风车，体验要求高的痛点却正在凸显。共享经济要想持续发展，就必须进行渠道下沉，将价值的重更加深刻的表达出来。

六、人工智能盛行元年：玩金子嘛，玩法要高级

历史洪流裹挟，却总会为那些激流勇进之人留得弄潮的天地，这句话用在2016年再恰当不过。这一年巨头们做产品，不带点智能简直拿不出手。

全球范围内总计 1485 家与人工智能技术有关公司的融资总额达到 89 亿美元，当然其中最疯狂的莫过于互联网巨头企业的资本投注，国外有苹果收购人工智能初创公司Emotient、eBay宣布收购Expertmaker、英特尔、微软、谷歌、亚马逊等也都纷纷收购了一些创业公司。国内有网络ALL INN AI,推出网络大脑、网络医疗大脑、天智云计算等解决方案，阿里在人脸识别、语音识别等营销方面战果突出，网易、360、科大讯飞等对人工智能虎视眈眈，像网易自身也推出了全智能客服系统网易七鱼、人工智能反垃圾云服务网易易盾等，人工浪潮已经不可逆转。

不过故事再多，只要场景没有深入落地，格局就仍然有变天的机会。从大促节日中可以看到，人工智能只是给了这些电商平台更能深入触达用户的营销手段，生产者和消费者之间仍然存在极大的信息不对称，市场和需求脱节，消费者“买的好”的需求未能得到很好地满足。

七、严选模式元年：时代选中的，是将金子用到实处的

2017年给人最明显的感觉是广告／内容／产品／交易之间的界限正变得模糊不清，但有一个概念却是愈发清晰的，那就是品质。

在传统电商格局被淘宝、京东二分天下后，剩余的平台只能傍大腿存活。没人会想到此时丁磊能够切中了这个新电商经济的命脉，打造出一个“严选模式”，并带动了一批包括米家有品、淘宝心选、必要等“严选模式”新电商的崛起和出现。

以前，如果你想从线上买整套有品质的生活家居用品，选择非常繁琐。四件套、毛巾、拖鞋等挑款式，比价格，如今，在一个精品电商上你就能一站式解决。2017年以来，以“网易严选”、小米旗下“有品”、淘宝心选为代表的，一批由互联网大公司领导的精选电商正在阿里、京东之外，开辟第三条电商路径。这也让各行各业都掀起了品质定位的热潮，很多创业公司也遵循“严选模式”在做。

要剥丝抽茧的话，一方面我国的消费群体正在经历一场演变，中产阶层人群崛起，新消费理念油然而生。与新零售不同，新零售讨论的是零售的不同形态和场景。新消费，关注的则是消费者的消费观和消费行为的变化。以前大家追求怎么能买得到，现在大家追求怎么买的更好、更有品味，这个现象便是“新消费”。因此抓住市场需求，以品质为出发的平台无疑是能够得到肯定且拥有广阔未来的。

另一方面，2017年我国适逢制造业转型升级，在传统供应链中，制造商长期处于弱势地位，长期处于“微笑曲线”的底部。此时网易严选等工厂直达、供应链路短的模式，以提供优惠的商务政策，的确打破了传统的供应链采购规则，也找到了一条让优秀的中国制造业优先为中国人服的转型策略。

当然，在更加注重品质的商业形态中，要抓住新消费的机遇，深入产业链上游是必要的，这也导致商业模式不可避免地做重。多年以来，中国的互联网公司一直靠流量变现的逻辑挣钱，网易严选、小米的挣钱方式其实是真正参与到产品的质量把控和制造业当中去，这对互联网具有很多启示意义。

在经纬中国创始管理合伙人张颖最近做了一次内部分享，其中提到“流量今天越来越贵，从增量市场转向存量市场，就需要延展用户生命周期，更充分地挖掘单个用户价值，参与到行业的整个环节打造闭环。不止是ToC公司，其他行业同样如此。投资人现在也都很认这点，既然这样，那就现在开始，从今天开始。”

《小王子》中写到，如果你想建造一艘船，先不要把人们召集起来采集木材、分配工作和发号施令，而要教导他们向往浩瀚无边的大海。互联网格局如同这艘船，只是远方并没有多少人知道。从2011年到2017年的发展来看，互联网已经慢慢地由轻变重，逐步回归商业的本质，并推动社会经济航向更讲究品质、相对粗放式发展更精益的远方，如此一来，干到极致方能得时代先机。

Ⅵ 大学生应该如何把发展规划与国家未来同步

作为一名中国大学生，思想已经日益成熟，会去思考和规划自己未来的人生，事业和家庭，心中也会自然而然的存有一份对祖国的热爱之情，而且它将随着我们的成长祖国的发展视野的开放越来越强烈。

要将这两者结合在一起并不难，这份强烈的感情会引导我们人生的方向，其实最真实的最朴素的最细微的事情人们很少能认真做到，小到捡起路上的一个垃圾瓶丢到垃圾桶，难道说这不是在为祖国现代化作贡献吗大学生的本职工作就是学习。

只有学好本领才能为祖国做贡献，多关心国家大事，树立自己的理想，将自己热爱的专业学好，多关心国家大事和未来趋势，发挥自己的专业特长和创造力，最重要的是新时代的大学生要树立一个正确的价值观，才会为之奋斗终身并深感幸福。

(6)互联网金融加人工智能扩展阅读

中国未来的发展趋势：

1、新零售。马云认为，未来10年、20年，新零售将取代电子商务这一概念，这是线上线下与现代物流结合在一起创造出来的新的零售业，这个模式将会对纯电商和纯线下带来冲击。

2、新制造。未来的制造业用的不是电，而是数据。个性化、定制化将成为主流，IOT的变革将变为按需定制，人工智能是大趋势。

3、新金融。金融业过去是二八理论，未来是八二理论，如何支持80%的中小企业和年轻人将成为重点。互联网金融会使金融业变的更加透明，更加公平。基于数据的互联网金融才能做到真正的普惠金融。

4、新技术。移动互联网之后，所有基于PC的技术都将被移动化，基于互联网和大数据的诞生创造了无数想象。

5、新能源，就是数据。数据是人类第一次创造了资源，与衣服不同，数据人家用过你再用会更值钱，是越用越值钱的东西。

Ⅶ AI时代，互联网金融未来的方向是什么

人工智能可以做人类所能做的所有代替工作，金融AI面临了很多人员的就业问题，你想想以后都是机器人代替人。

Ⅷ 5年内最挣钱行业有哪些

未来五年最值得创业的方向有哪些？具体明确哪些创业领域，这就要根据自己的资源匹配和个人情况而言了，但小编还是整理了以下这些方向供大家参考:

最后，如果我们真的想做一番事业，还是需要去做一些真正能赚钱的项目，现在，互联网已经涵盖了我们的衣食住行，可以说空间已经不多了，真的要去开阔，可能只有从工作上入手，挖掘行业的潜力，寻找那些可以接入但是还不知道如何搭上互联网这趟列车的行业了。

Ⅸ 千亿中国互联网投资基金成立 国家队资本要翻谁的牌子

淡马锡投资领域

淡马锡应该是国有资本市场化操作的典范，从股东投资回报率来说，对国有资本起到保值增值的作用。从投资的行业来说也通过产业投资，参股、控股的方式介入到对国民经济中有很高影响力的金融、交通，通信、能源等行业。这应该是“新加坡式的国有经济”。

作为政府型投资，淡马锡无疑是成功的案例，证明国有资本在完善的公司体系之下，能够保障效率和利润。而且时至今日，淡马锡也是非常国际化的投资机构，投资的公司中新加坡本土企业的比例是29%，其余为亚洲其他国家及北美等地的企业。

但是淡马锡的成立也有其背景原因，上世纪70、80年代，新加坡发展大型工业项目需要大量资金，而当时新加坡经济基础薄弱，私人资本积累不足资金能力有限，许多工业项目需要借助国有资本。

然而中国的互联网发展史同资本是联系在一起的，从1996年张朝阳手持罗伯特教授的风险资金回国创建爱特信公司开始，中国互联网公司的发展就得到了资本的大力支持。

BAT中，网络在上市前得到过美国投资基金德丰杰的多轮融资，阿里早期接受过雅虎和软银的投资、腾讯早期接受IDG和盈科数码的风险投资等等。

中国的互联网发展史就是中国资本投资的成长史，现阶段投资人最常说的一句话是找不到风口，不知道投什么，很少听到说找不到资金。

所以国家型投资基金在这个时间点进入互联网领域，很清楚自己要做的了吗？

哪些行业既是互联网、又符合国家战略

上中学的时候政治书有这样一段表述，国有资本要控制国民经济命脉，主要表现在对重要行业和关键领域的控制。

过去这些关键领域包括银行、铁路、电力等，现在应该会包括互联网或者说是互联网的一部分细分领域，比如说物联网、大数据、云计算、人工智能等等。

就拿智慧城市来说，这种结合大数据、云计算和人工智能等相关技术，通过城市运行的相关数据结合算法的方式来“管理”城市。

比如说通过交通摄像头对城市道路运行情况进行数据采集，对数据进行分析、交换，利用人工智能技术等对数据进行分析，再通过相应的结果进行公共资源的调配。

当互联网相关技术成为城市大脑的支撑，而国家队并没有参与到其中，这是不是很心塞，说好的中国特色呢，说好的国家安全呢。

如果互联网离水电煤这样的基础设施更进一步，就表示它离进入国家队爸爸的管理半径就越近一步。

再者说，在人工智能、大数据、云计算等领域还需要一些基础学科的发展作为技术支撑。比如说类脑研究等基础理论和技术研究，这些耗时费钱的研究，更需要国家队资金的参与。

中网投负责人在接受新华社记者采访时表示，中网投投资的公司要符合国家战略，要代表本行业领先科技成果和发展趋势。

哪些行业符合国家战略？看看被《“十三五”国家战略性新兴产业发展规划》点到名字的新趋势，现代农业、智慧能源、普惠金融、益民服务、高效物流、电子商务、便捷交通、人工智能等。

比如构建促进基于云计算的业务模式和商业模式创新，推进公有云和行业云平台建设；构建政府数据共享交换平台和数据开放平台，构建以遥感、通信、导航卫星为核心的国家空间基础设施，推进三网融合，构建工业机器人产业体系……

看看中网投发布会上来的各部委：国家发改委、科技部、工信部、国资委、国家工商总局、证监会等国家有关部委。有这么多国家部委的保驾护航，中网投比淡马锡控股能够调动更多国家资源的支持。

很多分析认为，淡马锡的成功，在于成功构建了完善的公司体系，保障了国有资本的效率和利润。那中网投会有哪些创新，很显然作为“上面有人”的投资基金，一些机构性投资基金不好意思不带中网投一块玩，所以资本充裕、能撬动资源的中网投能够给中国互联网的发展带来的变化，不论积极消极，都值得持续观察。