“智慧银行”行业研究报告

《“智慧银行”行业研究报告》由会员分享，可在线阅读，更多相关《“智慧银行”行业研究报告（29页珍藏版）》请在金锄头文库上搜索。

1、2018年10月 杜玉 36氪研究院 安全高效，智能升级 “智慧银行”行业研究报告 2 报告摘要 现代科技与银行业务深度融合，改变银行传统的运作模式，促银行产业升级 智慧银行是传统银行、网络银行的高级阶段，是商业银行在当前智能化趋势 的背景下，以客户为中心，重新审视银行和客户的实际需求，并利用人工智 能、大数据等新兴技术对银行业务模式与服务方式的再造和升级。智慧银行 既是银行业顺应时代潮流的主动变革，也是在技术、数据、场景和市场等共 同驱动下银行业的被动调整。革新传统银行业信息采集和交互的方式，促进 银行系统的安全性升级和运营体系的降本增效是其核心。 线上线下结合、前后台协同的智慧银行生态正悄

2、然成型 智能化、轻型化、特色化、社区化是智慧银行发展的主要趋势 传统线下网点运营的成本压力使得银行一方面大量裁撤网点，另一方面也积 极地投入智能化变革。当前，智慧银行呈现出线上线下结合、前后台协同的 业态。其典型应用场景包括：用户识别、刷脸支付、智慧网点、智能客服和 智能风控等。从产业链的角度来看，布局智慧银行领域的技术公司种类多样 ，其中，以生物识别、计算机视觉、自然语言处理、大数据等技术公司较为 普遍，在应用上，生物识别和智能风控相对成熟。 银行业信息化建设起步较早、业务场景多样且自动化需求旺盛，使得银行成 为各类新技术争相落地的沃土。随着人工智能技术的逐步成熟，银行业智能 化程度将进一步

3、加深，同时，线上线下结合的服务模式也使得线下网点功能 分化而特色分明，小而精的网点将成为主流。社区化是银行深度服务社区生 活场景和打造线上社区，增加用户粘性的重要方式，也是智慧银行的一个趋 势。 36Kr-“智慧银行”行业研究报告 2018.10 目 录 Contents 一. 概述 智慧银行定义、特点 发展驱动力 二. AI技术在银行业的应用现状 智慧银行生态 用户识别 刷脸支付 智慧网点 智能客服 智能风控 三. 产业链及主要参与者分析 产业链综述 主要案例分析 四. 智慧银行前景趋势 智慧银行发展趋势 智慧银行综述 CHAPTER 1 智慧银行：现代科技与银行业务的深度融合 驱动力：技术

4、、数据、场景和市场是智慧银行变革的主要驱动力 5 36Kr-“智慧银行”行业研究报告 2018.10 智慧银行是传统银行、网络银行的高级阶段，是银行 在当前智能化趋势的背景下，以客户为中心，重新审 视银行和客户的实际需求，并利用人工智能、大数据 等新兴技术实现银行服务方式与业务模式的再造和升 级。智慧银行相对传统银行具有两个显著的特点： 一是智能化的感知和度量。与以往直接的询问或根据 历史服务数据做简单分析的方式不同，智慧银行通过 一系列的智能化设备，在用户毫无察觉的情况下感知 用户需求、情绪、倾向偏好等，从而为进一步的营销 和服务提供支持。例如，在银行客户对服务质量及满 意度评价的场景中，银

5、行通过智能化设备对用户表情 、肢体动作、语音语调的分析可迅速得到用户对本次 服务的满意程度，而无需再专门采集用户的反馈意见 ；又如，营销型网点能够根据用户在网点不同产品区 域的停留时间，行为轨迹等信息，捕捉用户的注意力 焦点，从而发现用户的潜在需求。 二是资源和信息的全面互联互通。智能化的感知和度 量改变了银行采集信息的方式，将以往无法量化的信 息按照某种规则进行量化分析，从而为资源的配置和 优化提供决策依据。如，通过对银行网点的排队情况 、业务类型、业务量的监控分析，可辅助银行完成网 点布局的优化；通过对用户位置、需求信息以及网点 实时服务情况的获取，可帮助用户选择最优的网点等 。线上与线下

6、的结合与不同渠道的信息互联使资源的 配置更加合理和高效。 智慧银行 人工智能等现代科技对银行的业 务流程再造与服务升级 1.1概述：定义、特点 1.2驱动力 6 36Kr-“智慧银行”行业研究报告 2018.10 随着行业数据的积累和人工智能、大数据、区块链 等新技术的发展以及互联网金融对传统银行业的冲 击，商业银行智慧化转型已成为不可逆转的趋势。 技术、数据和场景需求是人工智能在金融领域得以 应用的基础。其中，技术方面，算法、算力和芯片 的提升，使机器从海量数据库中自行归纳物体特征 、描述、还原和定位新事物的能力得以提高，并在 各类人工智能准确性测试中的表现越来越好；数据 方面，海量的数据是

7、深度学习算法培育和构建的基 础，为精准的目标画像和预测分析提供了可能；场 景方面，契合业务场景的算法模型为金融活动提供 更多的决策支持，从而能很大程度上提升效率。 政策和资本的倾斜为人工智能在金融领域的发展营 造了良好的市场环境。政策对人工智能和金融科技 的支持，使市场对行业发展整体呈乐观预期，这在 一定程度上促进了资本的流入。 技术：AI 技术和市场生态的日渐成熟为其在银行业 的应用奠定了基础。根据Gartner2017年7月发布的 新兴技术成熟度曲线，人工智能相关技术在未来5- 10年将逐步走向成熟，成为最有影响力的新兴技术 之一。随着技术的成熟，如何通过应用场景实现商 业变现将是行业普遍

8、关注的问题，而银行业，大量 的服务场景，为人工智能的场景落地提供了条件。 可以说，智慧银行既是银行业自身与时俱进的主动 变革，也是受技术商业化应用驱动的结果。 驱动力 银行业智慧化趋势明显，技术、 数据、场景和市场是主要驱动力 定位测试优化 技术驱动 数据驱动 预测分析精准画像 场景驱动 决策支持场景模型 1.1概述：定义、特点 1.2驱动力 7 36Kr-“智慧银行”行业研究报告 2018.10 数据：金融行业沉淀了海量数据，包括各类金融交易 、客户信息、市场分析、风险控制、投资顾问等数据 ，量大且多以非结构化形式存在（如客户的证件扫描 件等），既占据宝贵的储存资源，又无法转成标准化 数据以

9、供分析，金融大数据的处理工作面临极大挑战 。深度学习、知识图谱等人工智能技术的应用，能够 不断完善甚至能够超越人类的知识回答能力，尤其在 风险管理与交易这种对复杂数据的处理方面，人工智 能的应用将大幅降低人力成本并提升金融风控及业务 处理能力。 场景：在场景应用上，一方面，基于数据的业务场景 创新越来越多元化。银行业良好的数据基础为场景创 新提供了条件，促使各领域充分挖掘数据的潜在价值 ，利用技术实现银行业的模式创新和产业升级。另一 方面，基于用户体验的服务场景创新越来越精细化。 银行业服务的属性，使其大部分业务是基于用户服务 展开的。当前，场景创新已融入到服务的各个环节， 从而提升效率、优化

10、用户体验，推动整个行业的精细 化运营和服务升级。 市场：互联网金融的发展给银行业务带来不小的冲击 ，使传统银行在面临同业竞争的同时，还不得不应对 新经济形态带来的用户习惯的改变和用户对服务质量 要求的提高。激烈的市场竞争环境促使银行以客户为 中心，重新审视用户需求，利用新技术手段优化业务 流程，从而提升银行业的运营效率和服务水平。 智慧银行 银行业智慧化趋势明显，技术、 数据、场景和市场是主要驱动力 1.1概述：定义、特点 1.2驱动力 1.3市场规模 智慧银行发展现状 CHAPTER 2 智慧银行生态 用户识别 刷脸支付 智慧网点 智能客服 智能风控 9 36Kr-“智慧银行”行业研究报告

11、2018.10 发展现状 线上线下结合、前后台协同的智 慧银行生态建设 2.发展现状 2.1用户识别 2.2刷脸支付 2.3智慧网点 2.4智能客服 2.5智能风控商业银行围绕营销、用户服务和风险控制可将其运营 活动分为前台业务和后台支持。其中，前台业务指直 接面向客户的营销和服务活动，后台支持则泛指银行 自身的管理、风控以及间接面向客户的服务和营销等 。当前，智慧银行建设呈现出线上线下相结合，前后 台协同的态势。 线上与线下相结合：随着互联网和信息技术的逐步成 熟，网络银行、虚拟银行等线上渠道对银行业务的取 代性越来越强，客户对线下实体网点的依赖性逐渐降 低，但这并不意味着线下渠道可以完全被

12、取代。据 PWC 2017年数字银行消费者调查显示，62的受访 者表示银行拥有当地分支机构非常重要，25的人根 本不会在没有当地分支机构的银行开户。 诚然，客户前往线下网点的频率逐渐下降，但仍重视 线下的服务体验，网点仍然是各种高价值互动服务的 重要渠道。因此，银行在智能化变革中，一方面裁撤 传统网点，另一方面，也在增加新型智慧网点的数量 ，优化线下实体网点的布局，有效整合线上线下资源 ，从而为用户提供更好的服务。 10 36Kr-“智慧银行”行业研究报告 2018.10 前后台协同：智慧银行的建设越来越依赖于前后台的 协同，即充分利用后台的决策分析系统，实现对前台 业务和服务流程的优化。如，

13、精准营销，前台呈现在 用户面前的是符合预期和实际需求的产品，但如何找 到这些产品，却依赖于后台大数据的分析和预测，同 时又可根据前台的反馈结果，优化后台预测模型，前 后台协同使营销服务更加精准。此外，用户识别、智 能风控、智能客服等，在实现其可见的前台功能背后 ，也都需要后台系统的配合，尤其在做决策判断的过 程中，后台决策分析系统的应用能够在明显提升效率 的同时，提高决策的科学性。 发展现状 线上线下结合、前后台协同的智 慧银行生态建设 人工智能在银行业的相关应用场景 安防 员工管理 员工签到 员工行为监控 网点管理 网点布局优化 网点资源配置 后台运营 精准营销 用户行为分析 智能获客与活客

14、 智能风控 辅助决策 产品定价 流程决策 后台决策分析 智能客服 智能自助终端 VTM 在线应用 智能身份鉴别 刷脸支付 前台业务 注：在本篇报告中，前台业务指接面向客户提供服务的部分；后台泛指间接服务 客户以及银行的所有自我管理和运营的部分。 2.发展现状 2.1用户识别 2.2刷脸支付 2.3智慧网点 2.4智能客服 2.5智能风控 11 36Kr-“智慧银行”行业研究报告 2018.10 用户识别即要求用户在办理业务或执行交易时进行的 身份确认，以保证操作者是用户本人或已获得用户授 权。传统的用户识别采用证件、密码、硬件以及柜面 人工相结合的方式，安全级别相对较低，冒名开户、 卡片盗刷、

15、交易抵赖等安全事件偶有发生。此外，过 于依赖Ukey等硬件和加密系统的安全措施又使得流程 繁琐，操作效率和用户体验大打折扣。多模态生物识 别技术因能够较好的兼顾安全和效率而在银行业得到 广泛的应用。 用户识别 多模态生物识别，助力智慧银行 安全性升级 柜面业务网络交易自助机具业务内控 业务场景 开户、无卡取款、 转账/交易、身份信 息维护 远程开户、无卡取 款、登录注册、实 名认证、刷脸支付 远程开户、转账/交 易、无卡取款 员工行为监控、核 心区域安防、出入 管理、押运员身份 确认 传统识别 人工核对证件，验 证密码和预留信息 验证手机、Ukey、 常用设备、交易密 码等 依赖银行卡介质和

16、交易密码 验证密码、证件等 痛点 人眼识别率低、 速度慢、流程繁 琐 柜员串通作案， 导致案件发生 网银依赖Ukey， 成本高，体验差； 掌银依赖于设备， 设备可靠性存疑； 有在线冒名开户、 交易抵赖风险 银行卡磁条容易 被克隆而导致客 户资金受损 密码被盗，无法 保护客户资金安 全 存在证件、密码 泄露等风险； 业务被冒名审批 带来损失，且审 批、审核无法追 本溯源 生物识别人脸识别、虹膜识别、指静脉识别、声纹识别、指纹识别 生物识别优点速度快、准确性高、操作便捷 2.发展现状 2.1用户识别 2.2刷脸支付 2.3智慧网点 2.4智能客服 2.5智能风控 12 36Kr-“智慧银行”行业研究报告 2018.10 银行业务场景复杂，且各场景对安全级别和认证方式 的便利性要求不尽相同，因而，为适应不同场景下身 份认证系统的标准化接入，银行业开始采用多模态生 物识别统一身份认证平台（Automatic Biometric Identification Syst