「消費金融＋供應鏈金融」成金融科技企業布局重點

今年以來，隨著行業監管洗牌加劇，越來越多的金融科技公司開始深度布局消費金融和供應鏈金融領域。

當下，線上的一些公司均在利用線上資源布局上述領域，而線下的公司則傾向於利用線下優勢拓展線下消費金融和供應鏈金融。

據了解，從2016年開始就有金融企業提出了『場景+科技+金融』的發展戰略。

場景——成為其戰略中的核心關鍵詞，依託全國的門店，轉化成為場景優勢、彌補線上不足、多樣業務整合，大力拓展消費金融。

相比於人工智慧其他細分領域，機器學習、神經網路應用和知識圖譜技術受到大量金融科技公司的青睞，研發力度更大，使用頻率更高。眾多金融科技公司甚至將這幾項技術組合運用，作為自身核心技術壁壘。

一般機器學習、神經網路應用和知識圖譜直接賦能的金融行業核心業務，這些企業正在研究基於機器人的量化投資、授信融資、保險定價、反欺詐、輔助決策等。應用邏輯主要是導入大量相關數據，利用機器學習形成知識圖譜或者建立模型，通過不同演算法和神經網路應用預測交易趨勢發現商機，識別欺詐把控風險。

2、「語音識別與自然語言處理」打造智能客服

語音識別與自然語言處理在金融領域的應用大多和機器學習、神經網路應用、知識圖譜相結合。其主要場景模式是智能客服和語音數據的挖掘。

智能客服主要是通過電話客服渠道、網上客服、APP、簡訊、微信以及智能機器人終端與客戶進行語音或文本的互動交流，理解客戶業務需求。語音數據的挖掘主要通過音語義分析自動給出重點信息聚類，聯想數據集合關聯性，檢索關鍵詞，並匯總熱詞，發現最新的市場機遇和客戶關注熱點，主要用於市場營銷層面。

視覺與生物特徵識別在金融行業的應用主要聚焦在安保方面，其應用較為成熟。通過臉像識別、指紋識別、虹膜識別等生物特徵，協助識別驗證客戶身份，預警可疑行為和可疑人員，達到安全防範的目的。在所有的技術中，現階段最受矚目並迅速發展的是人臉識別。

它目前主要有3種應用模式：人臉識別監控、人臉識別比對檢索、身份確認。

4、「服務機器人」提供自助服務

服務機器人一般集人臉識別、證件比對、語音交互、知識圖譜、深度學習等技術於一身，一方面減少人工重複性工作，另一方面採集客戶數據，展開精準營銷。

線下場景極大彌補了線上體驗不足的缺憾。

目前，在購買手機、電腦等高價值體驗產品時，顧客往往更習慣於在線下的實體店進行體驗、購買。

在消費分期服務外，通過門店用戶還可獲得更多定製化的金融諮詢服務。例如在部分線下門店，通過專門人員幫助顧客提供基金、車險諮詢等金融增值服務等。

在積累了一定的線上、線下存量用戶數據后，依託其歷史場景中的客戶資質、交易行為等信息，對用戶資質水平進行評估，從而預測用戶還款能力。

除了消費金融，供應鏈金融的市場亦變得愈加廣闊。

據相關資料顯示，當前供應鏈金融市場規模已經超過10萬億，預計到2021年，規模可達20萬億。

供應鏈金融往往在某種程度上被視為大數據金融，與傳統銀行相比，互聯網金融企業在大數據、雲計算等互聯網技術方面具有競爭優勢。

從細分領域縱向切入的供應鏈金融新秀還在不斷崛起，供應鏈金融向更垂直細分、更精準、更專業的方向發展的趨勢顯而易見。

互聯網金融的迅速發展的同時，國內對於互聯網金融的監管也緊隨行業，在相應調整和完善，合規化進程在不斷提速。

本文來源：經濟參考網、百度文庫，圖片來自網路。本文僅代表筆者個人觀點，僅供參考。如有侵權請聯繫刪除。風險提示：投資有風險，入市需謹慎。