链得得|全景式对比中美金融科技发展水平：硬件持平，软件各有特色( 二 ) 链得得|金融

因为陆金所的产品比较全面，而且品牌主打“中国领先的科技驱动型个人金融服务平台“，所以笔者就以陆金所的产品为例，与美国市场上的金融科技产品进行对比。
陆金所的产品线主要分为“财富管理”、“零售信贷”、和“科技赋能”三大块。其中使用新科技最为集中的是“科技赋能”板块。具体包括以下业务：

文章图片
笔者逐一研究了一下这些产品背后使用的科技，发现基本集中在以下几个方面：

智能风控：人工智能；
AI面签：人脸、语音识别，活体检测等科技；
智能客服：机器人技术、自动化技术；
智能尽调：大数据、OCR识别, LBS地理位置获取
资产估值：大数据、建模动态监控；
资产智能报告：大数据
保理云、慧鉴链、资产验真、留痕存症：区块链技术、CA认证；
巡检机器人：云服务

相比较而言，美国的金融科技公司在使用的技术方面实际上与中国基本一样。2020年，美国现任证监会主席Gary Gensler在麻省理工大学讲金融科技一题时，曾总结美国金融科技公司使用的科技主要集中在以下几个方面：

人工智能和机器学习
区块链
自然语言处理
Open API
生理特征识别
机器人客服
云服务
机器人流程自动化

两相对比，不难看出，在使用的技术层面，中美两国并没有太大差异，那么潜在差异主要体现在哪里呢？笔者认为主要是以下若干方面。
大数据

数据的搜集和应用

大数据的应用是很多金融科技公司开展业务的基础，但是实际上真正从事数据业务的人都会知道，背后在数据的搜集和整理方面可以说是千差万别。
首先从数据的处理工作来说，80%-90%的工作量其实都集中在数据的搜集、清洗、标签以及标准化上。拿到的数据是不是有代表性，是不是完整，直接决定了可以使用的数据的数量和可用性。以传统金融机构银行为例，大城市以及大客户的数据质量就远远高于小城市中小企业客户的数据质量，普遍而言，越是不发达的地区，由于人员、技术等原因，搜集到的数据存在缺失和不准确的概率越高。没有足够的完整的数据为基础，只有新的科技也无济于事。
第二，从数据的可用性来说，中国从建立现代化的数据系统开始至今，尚未经历一个完整的经济周期。过去30年中国的经济受益于改革开放，一直都是高速增长阶段，即使目前增速减缓，依然傲视其他经济体。这也意味着，目前国内很多机构手里的数据都是处于扩张期的数据，并没有危机期、衰退期、复苏期的数据。随之而来的，很多机构建模的时候，即使算法科学，建立的数据模型都有可能偏移。这个时候就需要有先进的方法论进行指导和调整，而不是一味的依赖数据。以风险评级为例，国际领先的评级机构标准普尔评级时使用的方法论，就是基于自建立起150年来在全球不断搜集多个经济周期的违约数据，以专家判断的方式不断修正方法论，进而对全球机构进行具有均一可比性的评级。
第三，数据库的兼容性。支付是金融科技公司发展和竞争的一个热点，而其中国际支付之所以费用高、时间长，一个重要的原因就是跨系统之间的对接成本和监管成本高。如果同时对接税务、工商、土地等等系统，就涉及到这若干个系统如何对接的问题。如果使用API抓取，那么拿过来是否可以直接使用、质量如何管控、是否可以长期稳定的使用就是个问题。如果直接将这些数据存取下来，那么建立一个庞大的数据库的成本是巨大的，还要考虑到几个数据库之间兼容的问题。