互联网金融产品有哪些
进入了新金融时代，随着人工智能、区块链等技术的发展，将会改变很多行业以往的模式。互联网创新存在多少可能？如何利用这些新技术进行互联网金融的创新呢？
3月17日（周六），seo实验室沙龙活动（深圳站）邀请到了阿里云战略合作CPO（首席产品官）刘永平、前Formax金融圈产品总监吴为、团贷网深圳分公司大数据产品部门经理潘钰，他们用专业的视角，分享了互联网金融的经验与观点。
三位实战派嘉宾，究竟给大家带来了怎样的思维碰撞呢？让小编带大家一起来回顾这场活动的精华干货吧。
开场我们通过几轮互动小游戏，让现场一下子就热闹起来，大家不但收获了我们七周年定制的周边礼品更有小伙伴获得了墨刀提供的产品经理必备的原型本哦！
是不是你也很想要呢？下期线下活动一定记得报名参与活动现场的互动，你就有机会获得啦！
进入正式的内容分享环节。
第一位嘉宾吴为老师，分享的主题是《科技热点与金融》。
吴为是前Formax金融圈产品总监，有着7年互联网产品经营，擅长新产品研发、需求分析及数据分析；作为百度地图初创团队之一，负责开发到上线及后续的一段青春期；曾负责过腾讯微博移动端产品；曾负责Formax诸多金融产品从0到1的打造和上线，旗下产品金融圈已累计300万用户。
ai+金融方面吴为老师主要讲到三个方面：数据、场景和辅助。
AI是非常依赖数据的技术，如果没有足够丰富的数据无法训练出机器学习的神经网络，所以想要基于AI做金融科技创新或者其他方面的创新，一定需要足够丰富的数据；在应用场景方面，吴为老师认为目前AI和金融场景的结合比较少，大家可以思考更多的应用场景；吴为老师认为AI对于金融产品能够起到的是辅助的作用，暂时还是无法完全替代人。
随后吴为老师分享了自己对于区块链技术的一些思考，在金融行业区块链的去中心化是否有价值？对于金融行业来说，监管机构的作用是在提升大家对金融的信赖的。链下的可靠性是区块链必须面对的问题，区块链并不是万能的。
此外吴为老师还通过举例说明物联网丰富互联网的数据的意义，吴为老师认为技术应该跟场景结合之后才能有价值。
随后第二位上台分享的嘉宾是来自团贷网深圳分公司的潘珏老师，他分享的主题是《大数据风控》。
潘珏老师目前是团贷网深圳分公司大数据产品部经理，曾就职于中国移动、腾讯、团贷网等公司，服务过招商银行、深交所、招商证券、晋商银行、微众银行等多家中大型金融机构，在大数据风控平台体系的产品设计方面，积累了丰富的实战经验。
大数据风控最主要最核心的是风控，大数据可以认为是一种生产力。
潘珏老师首先从传统风控与互联网风控的差异性开始说起，传统风控更多的应用的是银行流水等信用记录，大数据概念引入了以后，对于现代的互联网金融，更多的应用的是弱征信的数据维度；大数据架构提供了更加强大的运算能力，从离线数据到实时数据，运算能力大大加强；大数据风控可以进行深度的特征挖掘，可以从更多数据维度来发现可疑用户的在互联网上留下的蛛丝马迹；机器学习和深度学习算法在用户的信用评估模型上应用更加广泛；
风控是一套完整的控制风险的解决方案，作为风险管理的单个环节，有完整的理论支持。
风险管理的程序：
第一步是进行风险识别，识别存在怎样的风险；
第二步是进行风险估测，可能会造成多大的损失；
第三步是风险评价，发生概率有多大，是否是主要风险；
第四步是风险控制；第五步是对风控措施的效果评价，需要定期用标准去检验自己的风控措施是否合适，是否需要调整。
互联网金融与传统金融的存在一定的差异，互联网金融有两重风险，第一重是互联网的风险，第二重是金融的风险。
互联网里面常见风险主要有：信用风险，操作风险，政治性风险，流动性风险。
金融的业务流程风险管控整体流程有三个部分，贷前审核，贷中预警，贷后催收。
大数据平台的产品架构图：
风控产品主要有四大系统：
1、大数据征信系统：偏线下的自主查询大数据征信系统，通过各种数据维度对用户进行信用评估，标识风险信息。相比于人工筛选用户效率会更高。
2、风控决策系统：灵活配置的风控决策系统，满足互联网金融风控实时性、灵活性的要求；
3、反欺诈系统：基于关系图谱和图结构数据的离线反欺诈分析系统，发现风险用户的欺诈特征，并在风控决策系统中一键生成，打造风控闭环；
4、用户标签系统：挖掘用户的标签，包括实时定义标签和离线定义标签，从而让信用审核人员能够根据标签进行审单，提高效率，减少主观判断。
复杂网络中的四个场景：1、欺诈识别；2、一致性校验；3、社团识别；4、失联用户信息修改。
潘珏老师重点分享了大数据风控方面的专业知识，让大家整体了解了大数据风控到底是怎样的架构。
而最后一位是我们本场的重量级嘉宾——阿里云战略合作CPO刘永平老师。他分享的主题是《2018年互联网金融创新趋势及发展策略》。
刘永平老师是阿里云战略合作CPO（首席产品官）全栈产品专家，从业互联网IT及互联网金融12年，有丰富落地的实操经验，在互联网IT/创新金融领域有一定的影响力。曾主导汽车金融供应链金融管控系统、珠江啤酒新零售金融平台、平安银行金融商城及大数据平台、兰州银行社区金融及供应链金融平台等10+个金融产品项目的规划设计研发。
刘永平老师认为许多人在大脑中并没有形成一套完整的知识体系，无法形成整体的知识架构。作为设计主导的时候需要怎么做？怎么规划？这样的一个过程可能是每一个产品人需要经历的一段产品周期。整个产品周期的具体环节，每一个环节在过之后都需要复盘沉淀下来，最终把自己的知识体系架构起来。
这张图演示的是互联网金融行业国内这三年的演变趋势和变化的过程，从图中其实可以建立起一个互联网金融的体系结构。
到底什么是互联网金融？
2015年的时候说的金融是独立金融，比如金融机构、信托、基金或者是小贷公司，是属于金融互联网，金融互联网指的是金融产品利用互联网渠道卖出去。
互联网金融中有一个很关键的点，那就是统一用户体系。统一用户体系有三个要点：身份唯一、账号唯一和ID唯一。
众筹是在2016年才开始切入的概念，积分是用户运营非常有效的工具。对于互联网金融来说，分为资产端和用户端。用户端运营的核心就是积分，积分运营做到位了，用户粘性就高。到2016年开始数据逐渐走向开放，出现直销金融和消费金融。在线风控在2016年还没有智能化。互联网金融最核心的是规则引擎和算法底层。接下来是供应链金融供应链产业整合平台，数据互通加上云计算。2017年开始，主要为大数据、AI和新零售。
刘永平老师认为区块链技术可能对于银行的支付结算系统是一个很大的冲击，如果引入了区块链技术，银行支付结算系统的工作人员很可能会缩减人员。而智能风控技术在汽车金融，珠江啤酒等项目中已经应用过很多，这是互联网金融演进的趋势。
作为创新金融来讲，只是一个概念，核心还是依托企业服务和个人服务。企业服务走的是供应链金融，整个供应链的线上线下数据整合起来。比如平安银行的ERP系统，免费开放给中小微企业使用，这样相关的数据就沉淀到平台上了。刘永平老师举例珠江啤酒的企业ERP系统说明创新系统并不难，但是要把企业里面的老板和员工的使用习惯和思想转变过来，这才是一个真正的难点。
个人服务是现金贷，消费金融，社区金融等，有交易有增值，底层都是支付系统和统一用户体系，上层的功能业务，系统后台等都依托底层支付系统和统一用户体系来做规划。国内的风控模型核心的还是银行的风控模型，国内的投融资公司做的所谓风控模型也就是把目前的客户群体筛选出来，把客户群体类型列出来，用几个维度分析：基本信息维度、身份维度、社会行为属性维度、行为偏好贡献值和价值属性这五个维度。有了这些信息后台根据规则引擎计算之后才能做一个精准的推送。
创新金融产品的核心还是传统金融产品，只是在传统金融产品的基础上进行了包装，看起来像是创新金融产品，本质是不变的。
2016年之前的金融是独立金融，不是互联网金融的概念，那时候并没有深入到业务流程里面。而现在，不知道企业的详细业务流程无法设计合适的系统。行业一定是越来越融合，做互联网金融并不仅仅需要了解本行业的知识，还需要深度了解所服务企业的业务流程和需求，针对很多细节，做一些小优化或者小创新，企业的工作效率马上就可以得到提升。
对于新零售金融，社区金融的需求挖掘，不是让他们把现有的ERP，OA，供应链，电商等系统流程全部推翻，而是深度了解之后对于其中的某一个点进行深度的优化，进而提升企业效率。
2017年以后的互联网金融比之前已经深入很多。此外关于沉浸式的场景金融，比如珠江啤酒的出货，出门需要核对，而核对需要清点和录入系统，效率较低。我们做了车牌识别，对卡车进行分类：大卡、中卡、小卡，通过自动识别直接读取出数据。通过新技术去提高服务企业的生产效率，降低成本。
智能化风控加最优资产配置，这是互联网金融平台必备的东西。目前国内市场的客户需求越来越急迫，这种情况下如果不能进行智能风控是无法跟上市场变化的，所以国内企业的业务转型是比较复杂的。
最优资产配置是互联网金融平台的必备项，银行的理财是最早的金融产品，国内绝大多数人都是保守型的，承受风险能力比较低，这种时候银行设计理财产品的时候就会有目的性的设计成保守、收益率相对低但是比定存高的理财产品。这样的资产配置是以前的一种模式，而到了2017年开始，平台根据你的AUM值、流动性、接受度、投资偏好等属性进行智能匹配推荐，精准推荐，这样的转化率是相对比较高的。根据银行的数据可以推荐最优资产配置方案，把资产结构化，风险分担，提升收益。
不管是AI还是电商还是互联网金融，底层都是大数据。15年到16年是国内大数据的1.0阶段，不算是真正的大数据，只能称为可视化分析系统。比如用excel把你所需要的所有的数据指标列出，页面留存、转化率、复购率、衰减值、订购频次、AUM等，通过图表类目，数据透视表的形式画出雷达图透视图等。定义数据的类型，然后给到开发。数据产品测试是最繁琐的事，因为每一个数据指标都要做“埋点”，不能像其他产品上线一样直接进行测试。根据这些数据才能在后台做金融产品的定制化，定制化的核心是规则引擎，接下来是最优方案，接着是智能信用模型。
很多人认为金融只有银行和大集团才能玩得起，这些集团服务的是国内的大企业，大客户，但是对于国内的中小微企业没有服务。蚂蚁金服的定位就是服务中小微企业的金融，用“蚂蚁搬大象”的方法倒逼银行转型。
供应链金融在国内一般是4种模式，做的相对成熟的是以供应链链条的核心企业为支点，向核心企业上游的投融资和下游的质押的基础上整合相关分销商、代理商帮助企业进行资金流转，缩短生产周期，提升效率。传统企业一般从代理商，批发商，分销商，最终才到终端客户，这种情况下资金质押周期长，很多企业业务做得很好，但是资金周转太慢。对于加工类的企业，需要资金采购原料，而企业的资金又还未回款，导致钱押在仓库，资金链断裂，企业很可能就倒闭了。
要想把互联网金融做透：
首先大数据得做好。
目前国内大数据我划分为1.0,2.0,3.0三个阶段。目前国内是处于1.0到2.0的阶段，也就是可视化报表到个性化推荐系统以及用户标签页这个阶段。这时候你需要懂得设计数据维度，知道怎么去设计；
接下来要了解风控模型，需要了解大概的设计逻辑；
接下来再找一个项目或者产品切入到互联网金融这个行业。
互联网金融是互联网电商的二级阶段。刘永平老师认为把AI作为互联网金融的下一个阶段是不太合理的，因为底层来说都是大数据。国内大数据落地的时候有几个问题，一个是数据采集问题，比如阿里做的智能设备开放给企业和个人免费试用，首先要有采集的设备，没有设备无法采集数据。
国内互联网金融整个发展情况，其实越往后一定是要越深入到企业的业务流程中去深入了解业务需求。在此基础上要用大数据、统一账户和智能风控，对于统一账户应该每个企业都在做，大数据底层的标签体系加上智能风控需要做好，这是互联网金融底层的东西。支付产品是最好切入的，以支付产品为主把用户导出来，做相关的用户标签，特征提取，对于用户填写的虚假信息，需要大数据识别出来。
为了给大家提供更多与老师互动的机会，最后我们现场还进行了圆桌问答的环节，以下摘取部分问题。
Q1、银行产品，负责售后服务，生活缴费类，银行里面可能存在的机遇和调整，该怎么突破？
刘永平：生活缴费类包括水电煤等，这些是高频次消费，需要找通道型平台合作，比如金鹏集团给支付宝和微信生活缴费提供了入口。高频次业务单独产品发展空间小。比如可以做一些生活卡之类的产品。
Q2、传统珠宝行业，ERP系统，怎么把数据转化为有用数据帮助公司决策？
吴为：需要定制核心指标，梳理业务流程，找出关键指标。可以内部制定标准，再去看数据。数据不重要，是否读懂数据是最关键的。
刘永平：按照采购、库存、销售这几个维度，分类出数据。找相关部门进行摸查调研，找出各个部门最关心的数据，审批哪些数据看哪些报表，比如滞销率、周转率等。最后导出数据，根据指标制作可视化图表。
Q3、未来的趋势是新零售，社区金融，相比阿里等大企业已经有庞大的体系，对于中小企业是否有好的切入点？
刘永平：小企业，需要找准垂直切入点，不一定要追求BAT。小企业比较灵活，服务人群精准，深度服务。小企业先梳理目前有自己有哪些资源，只要把自己的资源梳理出来，做调研，设计一款产品，专门服务他们，做精准的服务。结局一般两个，要么被BAT收购，要么成为独角兽。
Q4、网贷行业在大数据方面最关心的是大数据风控问题，除了阿里腾讯这些巨头以外的数据来源是来自哪里呢？
吴为：和运营商合作，拿到通话记录，归属地等，和电商合作，淘宝，京东等，公众平台，水电煤或者银行之类。这样的平台算是一个分销的渠道，统一对接后端的渠道然后再卖给需要这些数据的企业，其实卖的是一个解决方案。
积极参与现场互动问答的妹子，提问相当专业，给大家留下了深刻印象。
最后感谢各位到现场的支持，我们下次再见！
感谢seo实验室-深圳团队的小伙伴辛苦付出：远方、小鱼、亮亮，辛苦各位啦！
同时感谢硬蛋空间的伙伴们的大力支持！
更多详实内容，请点击PPT分享链接：https://pan.baidu.com/s/1TLF0aNclHHaDz1QUY8AVjQ，密码：7rww
相关阅读
俗话说，不想创业的员工不是好老板。俗话说，不想创业的员工不是好老板。虽然说今年来的互联网有明显的“强者恒强”的趋势，但任何一个
2015年1月4日，李克强在深圳前海微众银行敲下电脑回车键，卡车司机徐军就拿到了3.5万元贷款。微众银行作为国内首家开业的互联网民营
社区O2O一般而言发生在社区周边3~5公里范围内，是服务所在社区覆盖人群的场景消费，涵盖线上流程以及线下实体服务的O2O行为。亿欧长
对于淘宝店铺来说有很多的商家对于某些环节是忽略的，或者是根本就不知道有这样的环节，那么下面就来介绍一种，友情链接，直接介绍淘宝友
可用性定义：产品可用性也叫用户可用性，是指产品真正能够提供客户功能信息的实用性。假设所有的功能都是没问题的，那接下来的工作就是