破晓2019年中国金融科技行业研究报告22019.10 iResearch Inc. 概念界定 研究范畴来源定义参考中国人民银行 金融科技 （ Fintech） 发展规划 （ 2019-2021） 、 金融稳定理事会 （ FSB） ， 艾瑞咨询研究院自主研究及绘制 。金融科技金融科技主要指运用前沿科技成果 （ 如人工智能 、 区块链 、大数据 、 云计算 、 物联网等 ） 改造或创新金融产品 、 经营模式 、 业务流程 ， 以及推动金融发展提质增效的一类技术 。金融技术在金融业务中所应用的各类技术 。金融技术金融科技概念界定研究范畴报告重点对金融科技的行业发展 、 落地情况 、 金融机构资金投入及未来发展趋势等内容作为研究对象；同时也对传统 IT等技术的金融机构资金投入 、 应用及部署情况进行研究 。3报告摘要2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。趋势洞见细分领域落地分析行业整体发展分析回顾历史 ， 金融科技并不是一个新生事物 。 人类金融发展过程中 ， 科技创新与金融创新始终紧密相连 。 尤其进入信息社会以来 ， 在摩尔定律作用下 ， 信息技术的运算速度及新技术的出现速度不断加快 ， 而金融与科技的共生式成长也使得现代金融体系伴随信息技术共同经历着指数级的增长 。本报告第二章对存 、 贷 、 汇三个版块 ， 证券 、 基金 、 保险 、 银行理财 、 供应链金融 、 消费金融 、 支付七个金融细分业务的金融科技落地及投入情况进行了梳理 ， 由于各细分业务特点不同 ， 金融科技在业务中的也有很大差别 。放眼全球 ， 中国的金融科技市场正占据着越来越重要的位置 。 与欧美等发达国家相比 ， 我国金融基础要薄弱许多 ， 但正是我国金融市场尚未成熟这一特点给予了我国金融科技快速发展的土壤 。聚焦中国 ， 金融与科技的融合也带动了金融企业与科技企业的融合 。 2018年我国各类金融机构技术资金投入已达2297.3亿元 ， 其中投入到大数据 、 人工智能 、 云计算等为代表的前沿科技资金为 675.2亿元 ， 占总体投入比重为29.4。存 证券 、 基金业科技化程度较低 ， 前沿科技的应用以头部企业试水为主 ， 受监管合规约束较强； 保险业中 ， “ 数字场景搭建 →智能化落地 ” 已成为保险科技的主要投资方向 ； 银行理财目前以智能化应用为主 ， 智能营销效果显著 ， 智能投顾完善空间较大 ；贷 供应链金融业务中 ， 应收账款 Fintech在多数银行 ， 金融科技企业等已有较多落地案例 ， 但仍属于初步落地阶段 ，相比之下 ， ARIFFintech落地稍显落后 ， 仅少数核心企业拥有落地案例；消费金融业务中 ， 目前在用户数据的串联下 ，头部消费金融企业通过大数据分析 、 生物识别 、 深度学习等技术已经实现了贷前贷中贷后的全流程风险管理；汇 产业互联网背景下 ， 前沿科技将助力支付企业在 “ 产业支付 ” 领域进行发力 。整体落地趋势来看 短期以业务赋能为主 ， 长期以模式创新为主 ， 且随着金融科技业务渗透的逐渐加深 ， 监管难度增加 ，监管科技将逐渐落地 。短期趋势来看 金融科技对人力的逐渐替代成为明显趋势 ， 以智能客服为例 ， 预计至 2022年 ， 智能客服将替代约73～ 80的金融机构人力；此外 ， AI落地难的背景下 ， RPA价值逐渐释放 ， 着重体现在 “ 催化 ” 金融 AI落地及 RPA自身价值场景的扩展 ， 预计至 2022年 ， 金融机构对 RPA技术资金投入将达 42.5亿元 。4塘上月中国金融科技行业发展分析 1柳下池 细分领域落地分析 2阅秋阁典型企业案例 3梅花诗中国金融科技行业趋势洞见 451940 1950 1960 1970 1980 1990 2000 2010 2020 2030科技赋能 现代 金融业的发展历程IT金融磁条信用卡技术 ATM机POS机CRM系统金融行业通过信息系统实现办公业务的电子化与自动化 ， 增强数据交互能力并提高服务效率网上银行手机银行无卡支付互联网信贷互联网个人理财互联网 金融 新科技 金融利用互联网平台与移动智能终端汇集海量用户数据 ， 打通各参与方信息交互渠道并变革金融服务方式智能网点刷脸支付机器人客服分布式金融基于人工智能 、 大数据 、 云计算等新科技助力金融行业转型 ，削弱信息不对称性并有效控制风险 ， 降低交易决策成本 ， 充分发掘客户个性化需求与潜在价值金融与科技的共生式成长摩尔定律作用下，现代金融体系正经历指数级增长回顾人类的金融发展史 ， 科技创新与金融创新始终紧密相连 ， 金属冶炼技术的发展让金属货币取代了实物货币 ， 造纸印刷术的成熟让纸币逐渐流通 。 进入信息社会以来 ， 在摩尔定律作用下 ， 信息技术的运算速度及新技术的出现速度不断加快 ，而金融与科技的共生式成长也使得现代金融体系伴随信息技术共同经历着指数级的增长 。从 “ IT金融 ” 到 “ 互联网 金融 ” 阶段 ， 再到现在我们正经历的以人工智能 、 大数据 、 云计算等为代表的 “ 新科技 金融 ”阶段 ， 每个金融阶段持续的时间越来越短 ， 金融科技的创新速率越来越快 ， 对于金融从业者及金融监管来说新时代下的金融科技发展充满了机遇与挑战 。2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。62019.10 iResearch Inc. 2019.10 iResearch Inc. 中国金融科技的弯道超车中国尚未成熟的金融市场给予金融科技快速发展的土壤与欧美等发达国家相比 ， 我国金融基础要薄弱许多 ， 但正是我国金融市场尚未成熟这一特点给予了我国金融科技快速发展的土壤 。 以中美狭义消费信贷渗透情况对比为例 ， 2016年中国狭义消费信贷渗透率仅为 18.3， 与同期美国 34.5的狭义消费信贷渗透率相比差距巨大 。 但随着 2017年开始中国金融科技行业的爆发 ， 中国狭义消费信贷渗透率在 2016-2018短短两年的时间内完成了从 18.3到 32.4的增长 ， 大幅缩小了我国与美国普惠金融进程之间的差距 。从全球金融科技投资分布情况来看 ， 2014年中国金融科技企业融资规模仅占全球的 3.1， 但到 2018年中国金融科技企业融资规模已占全球的 16.4， 增速远超欧美等地区 。注释中国狭义消费信贷余额渗透率 中国狭义消费信贷余额 /中国社会消费品零售总额；美国狭义消费信贷余额渗透率 美国狭义消费信贷余额 /美国个人消费支出规模；狭义消费信贷余额是指居民不包含房贷、车贷的消费信贷余额，包括由 银行、消费金融公司、各类互联网消费金融机构提供的消费信贷余额 。来源中国人民银行、国家统计局、美联储、美国经济分析局、艾瑞咨询。 来源毕马威 The Pulse of Fintech H1 2019 、艾瑞咨询。14.2 16.018.327.8 32.434.1 33.9 34.5 35.1 36.92014 2015 2016 2017 20182014-2018年中美狭义消费信贷渗透情况中国狭义消费信贷渗透率（ ） 美国狭义消费信贷渗透率（ ）57.1 48.93.1 16.46.0 4.033.9 30.72014 20182014、 2018年 全球 金融科技投资地域分布情况美国（ ） 中国（ ）亚洲（除中国）（ ） 欧洲（ ）中国美国7融合的开始金融企业与科技企业不再泾渭分明中国金融科技市场的参与企业按各自侧重点不同 ， 可以分为三类第一类 ， 金融业务开展方 ， 这类企业主要指持牌开展金融业务的银行 、 证券 、 保险等金融机构；第二类 ， 技术提供方 ， 这类企业主要指专注研发人工智能 、 大数据 、 云计算等前沿科技底层技术的科技研发公司；第三类 ， 金融科技解决方案提供方 ， 这类企业主要指将前沿科技与金融业务相结合 ， 为金融机构提供可落地的业务解决方案的科技公司 。值得一提的是金融与科技的融合也带动了金融企业与科技企业的合作融合 ， 目前这三类参与者的边界正变得越来越模糊 。技术提供方正努力补齐金融业务能力的短板 ， 为金融机构提供从单一技术到整体业务的科技升级服务；金融科技解决方案提供方一方面在加强前沿科技的研发 ， 一方面在申请金融牌照 ， 在金融业务与技术两方面发力；而金融业务方正加大前沿科技的研发投入 ， 部分头部金融机构已经开展了面向同业的技术输出服务 。2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。技术、数据技术提供方金融业务方金融科技解决方案提供方技术、数据资金业务解决方案 融合合作内容申请牌照 技术研发演变方向加大科技投入 技术落地方案2019年中国金融科技产业各参与企业间的融合8金融科技产业图谱2019.10 iResearch Inc. 注释 1、 企业图标大小及放置顺序不代表企业排名； 2、 图谱对各赛道代表性企业进行列举 。来源艾瑞咨询研究院自主研究及绘制 。金融科技解决方案提供方技术提供方2019年中国金融科技行业图谱银行 证券金融业务方 保险 信托基金 支付 征信 消费金融综合解决方案提供方 信贷科技解决方案提供方 保险科技解决方案提供方 证券科技解决方案提供方融资租赁支付科技解决方案提供方 资管科技解决方案提供方 数据平台 /大数据云计算人工智能 区块链 RPA服务器 92019.10 iResearch Inc. 2019.10 iResearch Inc. 金融机构科技投入规模及结构2018年中国金融机构技术资金投入达 2297.3亿元，支付业务投入占比最高2018年我国金融机构技术资金投入达 2297.3亿元 ， 其中投入到以大数据 、 人工智能 、 云计算等为代表的前沿科技资金为675.2亿元 ， 占总体投入比重为 29.4。 从金融机构技术资金投入结构来看 ， 支付业务因其受众最广 、 交易最高频的特性投入占比最高 。艾瑞咨询预计 ， 到 2022年中国金融机构技术资金投入将达到 4034.7亿元 ， 其中前沿科技投入占比将增长到 35.1。来源银行、保险、证券、基金、互联网小贷、第三方支付等企业调研、行业专家访谈、艾瑞咨询数据评估模型。来源银行、保险、证券、基金、互联网小贷、第三方支付等企业调研、行业专家访谈、艾瑞咨询数据评估模型。1622.1 1841.6 2111.8 2381.6 2618.5 675.2 834.2 999.4 1194.6 1416.2 2018 2019e 2020e 2021e 2022e2018-2022年中国 金融机构 技术资金投入情况非前沿科技资金投入（亿元） 前沿科技资金投入（亿元）45.0 45.3 44.8 43.9 42.913.4 13.1 12.9 12.9 12.811.7 11.4 11.3 11.2 11.27.9 7.9 8.1 8.5 9.46.8 7.7 8.59.1 9.62.42.3 2.2 2.1 2.00.6 0.6 0.8 0.91.112.3 11.7 11.5 11.3 10.90204060801002018 2019e 2020e 2021e 2022e2018-2022年中 国金融机构技术资金投入结构支付 银行理财 保险 证券 消费金融 供应链金融 基金 其他10到 2021年 ， 建立健全我国金融科技发展的 “ 四梁八柱 ” ， 进一步增强金融业科技应用能力 ， 实现金融与科技深度融合 、 协调发展 ，明显增强人民群众对数字化 、 网络化 、 智能化金融产品和服务的满意度 ， 使我国金融科技发展居于国际领先水平 。金融科技的顶层规划央行金融科技顶层规划的出台利好我国金融科技的健康发展2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。加强金融科技战略部署强化金融科技合理应用 加强统筹规划 科学运用大数据 合理布局云计算 稳步应用人工智能 加强分布式数据库研发应用 健全网络身份认证体系赋能金融服务提质增效增强金融风险技防能力强化金融科技监管夯实金融科技基础支撑重点任务 优化体制机制 加强人才队伍 拓宽金融服务渠道 完善金融产品供给 提升金融服务效率 提升金融业务风险防范能力 加强金融网络安全风险管控 做好新技术金融应用风险 加强金融科技联合攻关 推动强化法律法规建设 增强信用服务支撑作用 强化金融消费者权益保护 建立金融科技监管基本体系 加强监管协调性 提升穿透式监管能力 建立健全创新管理机制发展目标 增强金融惠民服务能力 优化企业信贷融资能力 加大科技赋能支付服务力度11塘上月中国金融科技行业发展分析 1柳下池细分领域落地分析 2阅秋阁典型企业案例 3梅花诗中国金融科技行业趋势洞见 412 证券 基金 保险 支付1Part 2Part 3Part存贷汇 供应链金融 消费金融 银行理财 证券面临的业务问题1 我国证券市场以自然投资人为主 ， 小市值用户占比高达 60～ 70， “ 十万美元困境 ” 让投资者失败率较高 ， 影响投资者投资信心 ， 阻碍市场规模发展2 客户服务 、 清结算等工作主要以人工方式进行 ， 成本高 、 效率低3 股市中存在 “ 割韭菜 ” 、 股票操纵等暗枪操作4 资产证券化业务无法实现大量资产的动态 、 穿透式监管 （ 通常律所 、 会计所等机构对底层资产抽查约 10） ， 风险高； SPV、 券商 、 律所 、 银行等机构系统独立 ， 协作难 。2019.10 iResearch Inc. 注释十万美元困境指个人可投资资产在十万美元左右的中产阶层 ， 无法获得专业的投资顾问服务 。来源艾瑞咨询研究院自主研究及绘制 。132019.10 iResearch Inc. 证券 Fintech业务模式及落地情况证券业科技化程度较低，前沿科技的应用以头部企业试水为主，且受监管合规约束较强相较于银行业 、 保险业 ， 证券行业的科技应用相对滞后 ， 主要以信息系统使用为主； AI、 区块链等前沿科技仅在头部企业中 “ 试水 “ ， 出现较好落地案例且通过监管的合规性审查后 ， 在非头部企业中才会逐渐对该项技术进行使用 ， 监管成为证券科技化的关键制约因素 。 现阶段前沿科技的应用在证券行业中普遍处于技术落地探索 ， 甚至是概念阶段 。证券 Fintech 解决方案及落地情况注释 RPA/IPA及 OCR以取代流程化或重复性作业的人力为主要应用价值 ， 在其他金融业务均有涉及 ， 报告后文不再赘述 ， 在此作以说明 。来源艾瑞咨询研究院自主研究及绘制 。智能投顾智能客服 人脸识别 智能投研智能风控大数据与云计算平台投资银行部 资本市场部 经济业务部 机构销售部 研究部 自营部 资产管理部Part 1 企业服务 Part 2 投资者服务 Part 3 自营和资产管理RPA / IPA替代流程化 、 重复性工作 ， 该类技术逐渐在证券企业中投入使用 。OCR区块链系统 数据存储 业务操作记录 智能合约 电子票据凭证 结构化数据 非结构化数据智能合约执行证券登记与存管 智能合约场外交易链上信息报备监管场景二场外交易 场景三清结算合同存证明场景一存证 链上清结算 区块链在证券企业中的使用处于技术落地的探索阶段 。AI落地情况人脸识别 智能客服 智能风控 智能投研 智能投顾 ABS通过区块链系统实现链上业务协作 、 数据上链存储 、 可穿透式监管 。 目前这类平台主要通过金融科技公司开发 ，券商等机构作为业务参与方加入 。 技术落地处于初步探索阶段 ， 未实现规模应用 。142019.10 iResearch Inc. 2019.10 iResearch Inc. 证券技术资金投入情况首要实现 IT建设完善可控，前沿科技投入以头中部企业为主以基础 IT建设为主的非前沿科技在证券技术投入中占较大比重 ， 约 2/3为完全通过外部采购实施 ， 这部分证券企业的数据及业务处于非自主可控的状态 ， 因此实现 IT建设自主化是当下证券业务科技化的关键 。头部证券企业前沿科技资金投入约为中部企业的 2～ 3倍 ， 尾部企业投入几乎为 0， 而中部企业数量为头部企业数量的 4倍左右 。 一方面头部企业有足够的资金实力布局科技投入；另一方面 ， 头部企业在实现良好可控的基础 IT建设后 ， 在监管允许范畴内进行科技化升级探索为寻求业务增长 。 未来至 2022年 ， 我们认为证券业在各项前沿科技投入的增长基本趋稳 ， 单一技术资金投入增长情况不会出现较大波动 。 云计算与大数据的基础建设 ， 以及 AI、 RPA/IPA这类应用场景明显的技术将作为整体的重点投入对象 ， 区块链这类以应用探索为主的技术 ， 主要以头部企业进行资金投入为主 。177.8 206.1 245.7 299.0 371.0 3.5 4.2 5.0 6.5 9.2 2018 2019e 2020e 2021e 2022e2018-2022年中国证券业务技术资金投入情况非前沿科技（亿元） 前沿科技（亿元）1.8 2.0 2.3 3.1 4.4 1.1 1.4 1.8 2.3 3.0 2018 2019e 2020e 2021e 2022e2018-2022年中国证券业务 前沿科技资金投入情况云计算与大数据（亿元） AI（亿元）区块链（亿元） RPA/IPA（亿元）0.30.30.00.30.40.10.40.40.10.40.60.1 0.80.90.2注释 1、 数据统计范围包括证券公司及其证券类子公司的技术投入 ， 包括技术外部采购资金投入 、 技术人员薪酬等在内的自研技术资金投入；2、 企业划分标准收入排在前 10名的算做头部企业 ， 11～ 50名的企业算做中部企业 ， 51名以后算做尾部企业 。来源中国证券业协会 、 证券公司调研 、 行业专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。注释 1、 数据统计范围包括证券公司及其证券类子公司的技术投入 ， 包括技术外部采购资金投入 、 技术人员薪酬等在内的自研技术资金投入；2、 企业划分标准收入排在前 10名的算做头部企业 ， 11～ 50名的企业算做中部企业 ， 51名以后算做尾部企业 。来源中国证券业协会 、 证券公司调研 、 行业专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。15基金面临的业务问题1 营销与获客方面 ， 用户数据维度少 ， 难形成深层次的客户互动 、 难以精准获客；人工电话等获客方式效率低；2 一对一人工方式难以服务大量客户 ， 一定程度上抬高了基金准入门槛；顾问水平参差不齐 ， 且依赖个人经验 ， 基金推荐主观性较强 、 服务效果存在优劣差异；服务流程繁琐 、 难以实时响应 、 成本较高；3 传统风险评测 ， 除用户主观填写评测问卷外 ， 对用户客观风险评测较弱 ， 导致对客户风险承受能力判断不准；4 投资研究 、 风险 （ 市场风险 、 流动性风险 、 信用风险 ） 监测及预估等工作以人工方式进行 ， 效率低 、 成本高；数据获取不够全面 ， 结果准确性低 。2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。 证券 基金 保险 支付1Part 2Part 3Part存贷汇 供应链金融 消费金融 银行理财162019.10 iResearch Inc. 基金 Fintech业务模式及落地情况基金科技现状信息化建设成当务之急、前沿科技以探索为主头部基金公司信息化程度相对较高 ， IT建设逐渐自主可控 ， 同时进行前沿科技的投入 ， 目前主要以云计算与大数据 、 AI的落地与探索为主 ， 极少数企业进行区块链落地探索 。中尾部企业目前聚焦于企业的信息化建设 ， 前沿科技投入较少；特别是尾部企业的信息化搭建目前仍只依靠外部技术采购 。可见基金行业整体科技化程度较低 ， 做好自主可控的信息化基础建设成当务之急 ， 也是金融科技转型关键 。来源艾瑞咨询研究院自主研究及绘制 。基金 Fintech 解决方案及落地情况产品设计 /优化 销售 售后智能投研步骤 1） 获取数据； 2） 数据结构化处理； 3） 知识图谱构建 、 机器学习模型训练； 4） 输出结果 、 生成报告 。目前可对结构化数据及信息进行处理并输出结果 ， 无深度分析能力 。智能风控智能营销智能客服营销获客客服 客服智能投顾投顾服务深度学习与神经网路算法 、 大数据等技术 ， 通过客户购买意愿及风控分析 ， 推荐基金 。 以辅助人工为主 ， 智能化程度低；与美国智能投顾落地程度相差较大 。开始 结束依靠云计算与大数据 、 深度学习等技术进行业务全流程风控 。 数据孤岛 、 不全面等原因 ， 导致智能风控落地情况未及理论上的智能化效果 。NLP、 知识图谱成为智能客服落地的关键技术 。现阶段智能客服功能主要对标准化问题进行解答 ， 复杂的个性化问题仍需人工处理 。客户购买资金云计算与大数据 （ 金融数据 、 非金融数据 ） （ 云计算与大数据为基础设施，支持上述智能化应用落地 ）智能营销通过精准定位用户画像 ， 确定最优投放渠道 ， 实现获客转化率有效提升 ， 还可实现营销过程中实时互动及营销效果分析 。相比之下 ， 智能营销落地优于其他智能应用 ， 效果较优 。172019.10 iResearch Inc. 2019.10 iResearch Inc. 基金技术资金投入情况IT建设成中尾部公司发力重点；头部公司巩固完善 IT建设的同时，稳步增加前沿科技投入目前行业平均水平来看，前沿科技在基金公司每年技术资金投入占比情况头部企业约为 10；中部企业约为 2；尾部企业几乎为 0， IT建设等非前沿科技投入依然是主要部分。鉴于中尾部公司之前对 IT建设不足，我们预计至 2022年，其 IT建设投入增速要高于头部企业。而头部企业依然是前沿科技投入的主力军，中部企业次之；尾部企业伴随着 IT建设逐渐完善，预计在 2020年前沿科技的资金投入占比将提高至 5，进而实现逐年增长。智能营销、智能投顾等有助于提高获客转化进而提高收益的落地场景是基金科技的主要应用方向，因此前沿科技的增长将以云计算与大数据、 AI为主，区块链等需进行场景探索的技术资金投入优先级次之。注释 1、 数据统计范围包括基金公司及其子公司的技术投入 ， 包括技术外部采购资金投入 、 技术人员薪酬等在内的自研技术资金投入；2、 企业划分标准收入排在前 20名的算做头部企业 ， 21～ 50名的企业算做中部企业 ， 51名以后算做尾部企业 。来源行业专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。注释 1、 数据统计范围包括基金公司及其子公司的技术投入 ， 包括技术外部采购资金投入 、 技术人员薪酬等在内的自研技术资金投入；2、 企业划分标准收入排在前 20名的算做头部企业 ， 21～ 50名的企业算做中部企业 ， 51名以后算做尾部企业 。来源行业专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。13.04 16.40 22.36 30.27 41.33 0.61 0.87 1.71 2.46 3.74 2018 2019e 2020e 2021e 2022e2018-2022年中国基金业务技术资金投入情况非前沿科技（亿元） 前沿科技（亿元）0.4 0.6 1.1 1.5 2.2 0.2 0.3 0.6 0.9 1.4 0.018 0.031 0.034 0.049 0.094 2018 2019e 2020e 2021e 2022e2018-2022年中国基金业务前沿科技资金投入情况云计算与大数据（亿元） AI（亿元） 其他（亿元）18保险面临的业务问题1 产品设计 保险产品在定价时 ， 无法获取全面风险数据 ， 更是无法根据风险不同形成差异化定价2 销售 代理人模式 传统销售管理模式使得保险销售环节成本过高 ， 增加了投保人的资金压力3 理赔 理赔流程复杂等原因使理赔难度增加；传统模式下获取的风控数据及理赔判定方法对保险欺诈的甄别能力较差2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。 证券 基金 保险 支付1Part 2Part 3Part存贷汇 供应链金融 消费金融 银行理财192019.10 iResearch Inc. 保险 Fintech业务模式及落地情况以场景为核心，通过全域数字化构建，释放保险科技价值区块链结合物联网 、 AI等技术将获取的场景数据上链存储 ， 保证数据真实性 、 解决信息不对称问题 ， 为保险产品设计提供数据支持 。智能风控甄别欺诈风险后 ， 通过智能合约执行理赔 。1、 分散的保单管理 →链上管理 账单统一管理 、 数据共享；2、 猪脸识别 区块链 、 供应链溯源 区块链等场景 ， 链上数据简化投保评估流程 、 降低成本 。保险 Fintech解决方案 及落地情况产品设计 销售 售后区块链系统二维码 、 RFID、 红外感应器 、 全球定位系统和激光扫描器等信息传感设备 ， 实现物物相连 ， 数据获取智能家居设备 家具安全数据IoT 数据采集 可穿戴设备 客户日常生活数据车联网 客户驾驶（行为）数据仓储监控设备 仓储货物动态数据智能风控大数据 AI → 智能风控场景举例 反欺诈甄别（对客户提供的文档、录音等材料的真实性进行识别）等数据 用于产品设计 、定价等 ， 一定程度上解决产品同质化数据 用于风控智能营销大数据 、 机器学习为主要技术实现客户群精准定位 、 投放 、 提高获客转化智能客服利用 NLP、 知识图谱为主要技术实现机器人客服 ， 减少人力成本数据 用于投保评估理赔投保 →成保 避险场景举例 仓促被盗预警、家庭；煤气泄漏报警等风险防控IoT保险仅少数初步落地案例 ， 整体处于业务探索阶段区块链 保险主要处于业务探索阶段AI应用方面智能营销落地相对较好 ， 但整体智能化水平较差 ，知识图谱 、 NLP、 有效数据 、 算法模型强化等因素成为关键Cloud Computing and Big Data智能理赔生物识别覆盖用户注册 、 到理赔等后续服务全部流程 ， 保证用户真实存储机构数据打通 、 线上理赔 、 不受时间地点限制 ， 效率提高注释对于基因科技等技术在保险业务中处于概念或探索阶段 ， 所以此处未进行讨论 。来源艾瑞咨询研究院自主研究及绘制 。其他数据202019.10 iResearch Inc. 2019.10 iResearch Inc. 保险技术资金投入情况“数字场景搭建 →智能化落地”成保险科技主要投资方向中尾部保险公司将技术投资重点放在信息化建设，前沿科技投入以头部企业为主。头部企业云计算建设逐渐趋于成熟，对云计算的投入增速将趋缓至微降，中尾部企业的投入增速将逐渐增加。伴随着智能化应用的逐渐发展， AI资金投入增速将会稳步上涨，同时也将带动大数据投入的增长，而 IoT可有效扩展场景数据边界，如出车联网、仓储监控、智能家居等场景，将更有效丰富保险数据场景，更全面实现全域数据化，但受限于规模化部署、硬件成本等因素，我们认为在 1～ 3年内，IoT在保险领域的应用仍将处于探索阶段，投入上不会出现大幅增长。 RPA/IPA针对规则经常变化的业务，无法给出长期有效的解决方案，但对于规则较为统一业务的 RPA/IPA投入将会逐步增长。而区块链在未来几年将主要以场景探索投入为主，更多应用在相互保这类需强化互信关系的业务中。注释数据统计范围包括保险公司及其子公司的技术投入 ， 包括技术外部采购资金投入 、技术人员薪酬等在内的自研技术资金投入 。来源保险公司调研 、 专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。注释 1、 数据统计范围包括保险公司及其子公司的技术投入 ， 包括技术外部采购资金投入 、 技术人员薪酬等在内的自研技术资金投入； 2、 前沿科技物联网技术划归 “ 其他 ”范畴中 。来源保险公司调研 、 专家访谈 、 艾瑞数据评估模型 、 艾瑞咨询研究院自主研究绘制 。163.3 183.6 211.3 241.5 269.0 104.9 120.8 138.8 157.5 181.9 2018 2019e 2020e 2021e 2022e2018-2022年中国 保险 业务技术资金投入情况非前沿科技（亿元） 前沿科技（亿元）53.5 58.8 63.4 69.5 78.4 34.6 42.3 52.0 61.4 71.9 2.9 3.0 4.3 5.2 6.4 2018 2019e 2020e 2021e 2022e2018-2022年中国保险业务前沿科技资金投入情况云计算与大数据（亿元） AI（亿元）区块链（亿元） OCR（亿元）7.00.56.4 8.30.77.6 9.70.78.6 10.91.09.4 12.91.610.721银行理财面临的业务问题1 产品推荐 传统业务模式下 ， 主要通过银行客户经理对客户进行理财产品推荐 ， 人工成本高 ， 效率低 。 而后来移动互联网的诞生 ， 拓宽了用户触达渠道 ， 但对用户的个性化推荐及复杂业务场景下的应变性仍需加强；2 客户服务 传统业务模式下的客户服务以人工为主 ， 成本高 、 效率低；3 投资顾问 传统业务模式下的 （ 私人 ） 投顾服务通常只能面向高资产用户开放 ， 由此产生 “ 十万美元困境 ” 问题 。2019.10 iResearch Inc. 来源艾瑞咨询研究院自主研究及绘制 。 证券 基金 保险 支付1Part 2Part 3Part存贷汇 供应链金融 消费金融 银行理财222019.10 iResearch Inc. 银行理财以智能化应用为主 ， 智能营销效果显著 ， 智能投顾落地效果提升空间较大银行理财 Fintech解决方案及落地情况注释受企业业务划分 、 业务场景及技术应用情况不同的影响 ， 银行理财 Fintech解决方案或存差异 。来源艾瑞咨询研究院自主研究及绘制 。个性化智能推荐银行理财 Fintech解决方案 及落地情况银行理财主要面向银行已有客户 ， 为基金等理财产品提供销售渠道 。通过每个用户的不同标签及定位 ， 分析用户需求 ， 形成 “ 千人千面 ”的个性化智能推荐 、 深度挖掘客户价值 、 促活沉睡客户 。落地情况 基于移动互联网阶段对用户画像数据的积累 ， 在银行理财业务中 ， 智能推荐的落地优于其他智能化应用 。智能客服 落地情况 智能客服主要处于学习与探索阶段 ， 只能回答简单的问题 ， 复杂问题依然需依靠人工客服 。客服是否可以回答输入问题输出答案根据用户级别 ，接入不同类别客服是否智能投顾 Step 1 对客户进行风险偏好评测通过客户主观填写风险承受能力，产品喜好等内容，结合该用户信用情况、日常消费情况等多维度用户数据分析，综合判定该用户的风险承受能力，推荐更为合适的理财产品。Step 2 根据客户风险偏好，进行理财产品推荐优质基金池通过算法判断每只基金的质量情况 ， 银行会将好的基金放入优质基金池中 ， 并剔除相对较差的基金根据客户风险偏好设置 ， 将池中基金打包成基金组合进行销售落地情况 智能投顾在银行理财业务中仍以辅助为主智能客服业务逻辑（以基金为例说明）232019.10 iResearch Inc. 2019.10 iResearch Inc. 银行理财技术资金投入情况IT系统投入增速放缓，大数据与 AI投入稳步增长除了选择与具备流量优势的互联网金融公司合作 ， 通过自身技术强化与落地应用成为银行理财业务增长关键策略之一 。银行信息化建设相对较为成熟 ， 理财业务 IT系统资金投入在未来 1～ 3年内的增速将逐渐放缓 。