通往智能金融的必经之路RPA

智能金融发展阶段新解

关于金融发展阶段,有几种提法,主流看法是三浪叠加的发展阶段:信息金融、互联网金融、智能金融。我们当下正处在这三浪叠加中的互联网金融的下半场、智能金融的上半场。信息金融对标的是信息化,解决了从线下(人工)到线上(系统、网络)的问题。互联网金融对标的是互联网化,解决了触达问题。消费侧触达问题解决了,供给侧跟不上的问题就暴露出来了。智能金融对标的是人工智能,解决的是供给侧重构的问题,带给我们的是传统金融业务演化为智能金融业务,智能投顾、智能投研、智能资管、智能风控等等。

智能金融面临的成本挑战

智能金融在各个领域都诞生了经典的标志性成功案例,比如智能投研领域的Kensho、智能资管领域的阿拉丁,这些经典案例已经成为各大金融机构效仿和追逐的目标。尽管国内不下几十个的团队,希望复制Kensho和阿拉丁的辉煌,可多年下来,却未见到后来的成功者。我的理解造成这一结果的原因是“成本”——大数据的获取与加工成本、样本的积累与提炼成本、算法模型的编写成本、AI工具平台的建设成本,单一看每一项,我们都还有一定的办法解决,综合起来看,作为一个要落地的系统工程来看,其工程成本则是难以承受之重。尤其对于IT投入严重不足的非头部金融机构而言,更加如此。

智能金融的RPA+AI发展模式

那么中小金融机构如何发展智能金融呢?我给出的建议是RPA+AI模式,但前提是大数据化。具体来说,金融机构构建大数据平台,从数据层面解决信息化带来的信息孤岛问题,当数据从割裂到融合之后,面向人工智能的业务流程再造也变为切实可行了,这里涉及到一切业务数据化、一切数据业务化以及一切业务智能化三个层次的发展,目前大多数中小金融机构工作重心停留在前两个阶段,这两个阶段是“智能化”的基础,也是最耗时、最繁琐的修炼内功的阶段。RPA可以有效解决,面向智能金融BRP(业务流程再造)的工程化落地问题(成本问题),此时通过NLP、OCR等感知技术,机器学习、知识图谱等认知技术可以辅助RPA更好的完成一些人力密集型的重复劳动,所以我说RPA是通往智能金融的必经之路。

什么是RPA技术?

我们可以参考Gartner给出的定义:机器人流程自动化(RPA)是一种生产力工具,允许用户配置一个或多个脚本(某些供应商将其称为“机器人”)以自动化的方式激活特定的键鼠操作事件。达到的结果是:这些机器人可以用来模仿或模拟整个业务或IT流程中的选定任务(交易步骤)。这些可能包括处理数据,与不同应用程序之间进行数据传递,触发响应或执行事务。RPA结合了用户界面交互和多种识别技术。脚本可以覆盖一种或多种软件应用程序。 –

RPA技术的未来趋势与发展方向

RPA 机器人可以在“有人监督”和“无人监督”的模式下工作。通常而言,有人监督的自动化用于前端操作,
在无法自动化整个端到端流程时非常有用。无需人工介入的 RPA 流程被称为“无人监督”的流程。并非所有RPA 解决方案都能同时实现有人监督和无人监督的自动化。

有人监督的 RPA 具有更高的实施成熟度和更庞大的许可证安装基础数量。目前超过一半的 RPA 流程(约 57%)采用的是有人监督模式。其余 43% 的流程则采用的是无人监督的 RPA,包括基于云的 RPA(33% 基于本地部署,10% 基于云端部署)。云端部署具有更低的准入门槛,让各类公司,无论规模大小,都能更轻松地使用 RPA。

RPA 的构思概念是自动化重复性任务,例如保险和医疗索赔单、发票、采购订单和电子邮件等文档的文本挖掘。早期的 RPA 形式主要应对“简单”的流程,这些流程具有“三个五”特征:少于五次决定,少于500
次点击,少于五个要访问的应用程序。但随着 RPA 市场逐步发展成熟,它也变得越来越复杂。

RPA 产品特性越来越智能,因此能够基于人工训练做出更加复杂的决定。也是无人监督的 RPA 系统发展如此迅速的一个重要原因。前沿认知功能,例如机器学习、OCR 和分析能力,将逐渐纳入到 RPA实施中。(例如:网商银行智能钉钉RPA机器人需求,文件自动识别处理)
在这里插入图片描述

RPA技术市场容量

根据HFS数据测算

2019年亚洲 $23.44亿 * 7(人民币汇率) * 0.22 =¥36.09亿

2019年中国 ¥36.09亿 * 0.5 = ¥18.045亿

2022年亚洲 $43.08亿 * 7(人民币汇率) * 0.22 = ¥66.34亿

2022年亚洲 ¥66.34亿 * 0.5 = ¥33.171亿

银行业务、金融财务服务和保险业 (BFSI) 将成为实现 RPA 的主导力量

从历史表现来看,在涉及到必须手动输入合同和其他表 单数据的行业,RPA 的实施极其普遍。这些行业包括银行业务、金融财务服务和保险业,并称为 BFSI。 从 RPA 市场行业的角度来看,BFSI 占领先地位。其他行业使用率从高到低排名依次如下:证券、医疗、物流、零售、制造、运营商、政府. Gartner预测2020年,
BFSI使用率将达到72%,并存在224个典型案例场景。国内BFSI落地超过200+

主流厂商

在这里插入图片描述

智能金融发展阶段新解

关于金融发展阶段,有几种提法,主流看法是三浪叠加的发展阶段:信息金融、互联网金融、智能金融。我们当下正处在这三浪叠加中的互联网金融的下半场、智能金融的上半场。信息金融对标的是信息化,解决了从线下(人工)到线上(系统、网络)的问题。互联网金融对标的是互联网化,解决了触达问题。消费侧触达问题解决了,供给侧跟不上的问题就暴露出来了。智能金融对标的是人工智能,解决的是供给侧重构的问题,带给我们的是传统金融业务演化为智能金融业务,智能投顾、智能投研、智能资管、智能风控等等。

智能金融面临的成本挑战

智能金融在各个领域都诞生了经典的标志性成功案例,比如智能投研领域的Kensho、智能资管领域的阿拉丁,这些经典案例已经成为各大金融机构效仿和追逐的目标。尽管国内不下几十个的团队,希望复制Kensho和阿拉丁的辉煌,可多年下来,却未见到后来的成功者。我的理解造成这一结果的原因是“成本”——大数据的获取与加工成本、样本的积累与提炼成本、算法模型的编写成本、AI工具平台的建设成本,单一看每一项,我们都还有一定的办法解决,综合起来看,作为一个要落地的系统工程来看,其工程成本则是难以承受之重。尤其对于IT投入严重不足的非头部金融机构而言,更加如此。

智能金融的RPA+AI发展模式

那么中小金融机构如何发展智能金融呢?我给出的建议是RPA+AI模式,但前提是大数据化。具体来说,金融机构构建大数据平台,从数据层面解决信息化带来的信息孤岛问题,当数据从割裂到融合之后,面向人工智能的业务流程再造也变为切实可行了,这里涉及到一切业务数据化、一切数据业务化以及一切业务智能化三个层次的发展,目前大多数中小金融机构工作重心停留在前两个阶段,这两个阶段是“智能化”的基础,也是最耗时、最繁琐的修炼内功的阶段。RPA可以有效解决,面向智能金融BRP(业务流程再造)的工程化落地问题(成本问题),此时通过NLP、OCR等感知技术,机器学习、知识图谱等认知技术可以辅助RPA更好的完成一些人力密集型的重复劳动,所以我说RPA是通往智能金融的必经之路。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值