其次，它是一种建立在互联网上的泛在网络。物联网技术的重要基础和核心仍旧是互联网，通过各种有线和无线网络与互联网融合，将物体的信息实时准确地传递出去。在物联网上的传感器定时采集的信息需要通过网络传输，由于其数量极其庞大，形成了海量信息，在传输过程中，为了保障数据的正确性和及时性，必须适应各种异构网络和协议。
还有，物联网不仅仅提供了传感器的连接，其本身也具有智能处理的能力，能够对物体实施智能控制。物联网将传感器和智能处理相结合，利用云计算、模式识别等各种智能技术，扩充其应用领域。从传感器获得的海量信息中分析、加工和处理出有意义的数据，以适应不同用户的不同需求，发现新的应用领域和应用模式。
金融本身或许并不直接产生价值，但它可以融入所有行业中，间接地加速价值的产生。
——馨金融
洪偌馨、伊蕾/文
1
2003年初，亚马逊的创始人贝索斯醉心于一本叫做《创造》（Creation: Life and How to Make It）的书，作者史蒂夫·格兰德（Steve Grand）是20世纪90年代的一个视频 游戏 「生物」的开发商。
这款类似后来很流行的「养成」系 游戏 ，可以让玩家在电脑上培育自己的「智能生物」。格兰德总结创造「智能生物」的奥义是：专注于设计简单的计算构件——原语，然后就可以坐等那些奇怪的行为出现。
尽管《创造》的内容有些生涩难懂，但并不妨碍它在亚马逊内部快速流行起来。因为当时，公司内部正对于是否要做一个互联网「基础设施」而激烈辩论。
而按照格兰德的说法，再复杂的智能系统也是由无数小设备、代码像积木一样从底层搭建起来，最终形成一个有机的生物体，进行自我地迭代和进化。这种观点启发了贝索斯，也推动了亚马逊云的发展。
后来的故事大家也都知道了，就像比尔盖茨抓住了个人计算机革命的红利，让微软引领了整个PC时代。贝索斯则预见到了「数据大爆炸」的未来：每家企业都会需要灵活的储存和计算能力，而云服务的出现彻底改变了计算经济。
所以，成就伟大企业的要义，除了超凡的远见，更重要的是要成为 商业的基础设施 。
而当下，数字经济高速发展正在重塑所有行业，伴随着5G的发展，物联网、云计算、大数据等技术也将愈发成熟，并与商业的融合不断加深。那么未来，还有什么可以成为新商业重要的润滑剂、加速？
或许金融 科技 是其中一个答案。
最近在360数科首届技术开放日上，首席科学家张家兴提到， 未来每家公司都需要金融 科技 服务。 它可以提升企业效率、增强用户黏性，进而让企业更有市场竞争力。
事实上，金融 科技 作为商业基础设施的认知由来已久，尤其是在美国，从超商巨头沃尔玛到物流巨擘美国运通，他们都可以为用户提供金融服务，也借助 科技 的力量让企业跨越了周期，成为了商业世界的王者。
回看国内，过去几年伴随着移动互联网时代的来临，新技术的应用推动了新经济、新金融的演进。一批金融 科技 企业趁势而起，并经历了商业市场的磨砺和发展周期的考验，比如那些已经上市和即将上市的几家金融 科技 巨头。
如果说这些行业巨头的崛起是抓住了中国从PC向移动互联网转轨的时代机遇，并在过去几年里完成了商业模式和核心能力的锻造；那么眼下，无疑又迎来了一个新的市场「拐点」。
张家兴提到，在360数科在过去几年的实践中感受到了巨大的市场缺口。
例如，各类场景端，零售、医疗、制造业等都在加速数字化转型升级的过程中，不管是B端自身内部，还是对外的C端服务的过程中都越来越多地出现了金融 科技 的身影。
还有大量的金融业机构，更是加大了金融 科技 应用的力度和深度。甚至把它作为了下一步战略转型的关键驱动力。尤其在今年疫情发生之后，「无接触」金融成为了主流趋势。
事实上，长久以来金融都被认为是 社会 经济生活的「血液」，而金融 科技 的核心则是以技术提升金融服务的效率和效果，当它与商业发生更紧密的融合时，势必将成为一种能够提供更高效服务的基础设施。
2
我们也可以换一个角度来看：为什么金融 科技 可以成为商业的基础设施？
这几年，「熵减」成为了企业发展和管理中的一个网红词。它源于物理学上的概念——熵增定律，也被称为热力学第二定律： 一切自发过程总是向着熵增加的方向发展。
「熵」在物理学中被用于计算系统的混乱程度，因此，我们可以简单理解为，大至宇宙、国家，小至企业、个体，在一个封闭的体系里，在外界不加干扰自然发展的过程中，终会进入无序混乱的状态，甚至最终走向毁灭。
以企业发展为例，「熵增」被认为是一个必然的趋势。
由于企业经营规模扩大，管理的复杂度也随之增加，边际效益往往会开始递减；再加上外部的技术进步、新商业模式层出不穷、产业周期规律等等因素，就会对企业构成源源不断地威胁，最后就表现为「企业创造价值的功能失效」。
这也是为什么这个概念会被引入现代管理学领域，备受许多企业家推崇。
华为创始人任正非就曾多次引用这个概念，并以此为华为不断推动开放创新的动力，包括优化组织架构管理、加大研发投资结构，归根结底都是为了对抗「熵增」，实现「熵减」。
一家公司尚且如此，一个行业更是如此。360数科CEO吴海生也在分享中提到， 相比其他很多传统产业，金融行业更需要对抗「熵增」。
他举例说明到，金融行业是一个财富创造能力极强的存在，而财富本身就容易给企业带来腐败等问题。再比如，金融行业掌握着其他企业不敢奢求的海量数据，在数据成为新「财富密码」的今天，数据的管理和运用不当将带来难以想象的灾难性后果。
此外，金融机构拥有庞大的线下网点和团队，一家大型金融机构动辄就有数万名员工，这也及容易带来管理低效、人员冗余甚至业务变形等等问题。而在数字化转型提速的今天，这些问题就变得格外突出。
一个典型的案例是美国零售之王「富国银行」，它曾在2016年爆出的「假账户」丑闻——其在未经用户允许的情况下开设账户并违规收取费用，最终被监管机构处以天价罚金，零售业务也受到了极大打击。
复盘事件的过程可以看到金融企业所面临的「熵增」挑战——曾经的「交叉」销售战略不再奏效，边际效益开始衰减，而员工也在KPI的压力之下逐渐走向了无序与混乱。
那么，今天再来看金融行业，到底该如何对抗「熵增」、实现「熵减」呢？
吴海生在分享中总结了几个关键点：
其一是 「开放」 。他认为，越开放的公司越能够引入新的观点，让自己变得更加有序。这也是任正非和贝索斯反复提及「熵减」的原因，企业必须打破封闭体系，不断检视自身，推动进化与迭代。
以金融 科技 中最为重要的人工智能应用为例，数据、算法，再加平台本身构成了一个滚动的「飞轮」，数据衍生了算法，算法给平台赋能，平台有了更好能力在吸引了更多用户，进而产生更多数据。
而在这个过程中，数据的积累、算法的演进与能力的共享很难完全由某一家企业独立完成，尤其在移动互联网时代。数据增长和技术演进的速度越来越快，企业需要更加充分的协同、合作才能使「飞轮」转得更快，实现能力的进化。
其二是 「技术」 。企业可以通过「持续的技术投入和开放的形态」变得更加强壮。
我们也可以看到，眼下无论是传统金融机构还是金融 科技 公司，他们对研发投入的占比都在不断提高，这也是整个行业不可逆的发展潮流。
事实上， 科技 与开放两个关键词本来就是让金融 科技 行业安身立命的关键，以此拓展了触达范围、提升了服务效率并从一开始就打破封闭的商业生态，而连接和共生的本质则让商业的能量进一步释放。
3
那么，在实践中，金融 科技 对抗「熵增」上的效果如何？
众所周知，过去几年，金融 科技 给支付行业带来了一次近乎颠覆式的变革。
工信部数据显示：截至2019年9月底，我国移动互联网用户总数约1598亿户，使用手机上网的用户为1304亿户。而根据此前益普索的测算，第三方移动支付在网民中的渗透率高达969%。
毫无疑问， 移动支付已经成为了中国商业的基础设施， 它大大地提升了支付效率，加速了金融线上化的进程、催生一大批新的商业模式，并由此累积了海量数据反过来进一步加深了金融 科技 应用的广度和深度。
互联网贷款又是另一个典型案例。通过人工智能、大数据等技术的应用，互联网贷款的发展让服务群体进一步「下沉」，贷款的人群、场景、产品形态也都发生了不小的变化。
以360数科为例，在过去4年里，它服务了超过15亿用户，以核心千人的员工规模撬动起每年超过2000亿的GMV规模，增长速度之快、触达人群之广是传统的金融服务方式难以想象的。
达到这一目标的核心就是将AI技术逐步应用于贷前、贷中和贷后的全流程。
比如360数科自主研发的Argus风控引擎，通过对于后台数据的复杂风控计算，可以做到自动过滤和监测风险人群、智能决策、并且实时监测贷中风险变化，评估用户资质变化、实现智能催收、智能客服等。
数据显示，Argus为360数科拦截新型风险人数超过了100万，自动过检率超过了99%，保护资产超过700亿，日均挽回损失1000万，平台欺诈损失率小于02%。
在AI能力不断成熟的基础之上，360数科将这些能力向金融机构开放，为其提供五大解决方案：数字化营销方案、数字化运营方案、数字化风控方案、数字化贷后方案，以及智能金融全链路方案。
360数科2020年二季报显示，平台 科技 业务占比提升至269%，综合 科技 服务收入占比已接近50%。结合前面提到的AI「飞轮」来看，其开放策略之下交易与数据的积累使得平台的「飞轮」自动高速运转。
在数字化成为日常的未来，每家企业都在努力成为 科技 公司，而每家 科技 公司都有一个AI大脑。 金融 科技 企业在数据、技术方面的积累，在业务发展过程中所锻造的能力，也使得其在AI时代有了更大的舞台。
尽管金融 科技 的发展一直伴随着很多争议和挑战，但今天来看，在金融这件事上，大多数人享受到了更便捷、高效、灵活，甚至低成本的服务，这也证明了金融 科技 蕴藏着改变整个商业格局的潜能。
无论未来如何发展，金融 科技 都在数字时代留下了最深刻的烙印。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）