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然成型智能化、轻型化、特色化
2、、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加深，同时，线上线下结合的服务模式也使得线下网点
3、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、数据、场景和市场是智慧银行变革的主要驱动力536Kr-“智慧银行”行业
4、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
5、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
6、：定义、特点1.2驱动力636Kr-“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
7、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
8、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736Kr-“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
9、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
10、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936Kr-“智慧银行”行业研究报告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
11、，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。
