金融科技、大數據生態與數字化轉型
（4天版，根據需要可調成半天、1天、2天或5天等版）
一、導師介紹
安光勇
- 韓國首爾國立大學MBA（全球排名37）；高麗大學博士課程；
- 發改委培訓中心特聘講師；國內首家信用管理法學院外聘教授；安快科創谷導師團導師；
- 曾就職于BCG，BAH，LG，NICE, 陽光保險, 歷任海外業務總監,數據開發部總經理等職；2次創業經驗(其中一次為創立國內最大、最活躍大數據協會——首席數據官聯盟），所開發的客戶包括：
o 政府客戶：人行、發改委、商務部，以及越南、蒙古、塔吉克斯坦等國央行
o 金融客戶：花旗、微軟、LG、以及工、農、中、建，平安等
o 電商客戶：百度、滴滴出行、美團點評、陽光集團等
- 16年的金融科技、互金、征信、大數據領域的經驗
- 中國大數據產業生態聯盟專家委員會專家委員，《影響中國大數據產業進程100人》，
- 與20多位專家共著《賦能數字經濟:大數據創新創業啟示錄》，以及《大數據在金融行業實用案例剖析》系列，作者包括：中國科學院大學院長、央行金融博士后、北京大學博士后、工行IT部副總經理、復星金服集團CEO等專家，以及貴陽大數據交易所、九次方、天眼查、百分點、法海風控等企業的創始人等
- 參與制定國內第一個信用行業標準體系——《征信業管理條例》（2012）
二、差別化優勢
- 學員覆蓋監管機構和企業高管，對監管方（政策等）和企業端，以及需求方（C端客戶）的最新動態和需求非常了解
- 通過10多年的海外經驗，對如何引進國外領先的新技術、商業模式和法律制度，以及如何成功落地等方面有豐富經驗，并有自己獨到的見解，能從文化層面進行把控
- 除了培訓，通過后續的咨詢（包括監管機構）和項目落地，能夠影響政府的政策方向和企業的落地實施項目
三、部分培訓成果
- 國內最先引入、普及個人破產制度，并第一次引用“信盲”概念（國內首家信用管理法學院）
- 通過給高層提供戰略咨詢，以及對各業務條線風控領域的培訓（把控催收時的法律底線），成功幫某一P2P起家的公司實現戰略轉型，避開政府的強監管，完成了多元化布局
- 通過培訓+咨詢的方式，成功幫助國內最大汽車主機廠實現數字化轉型。并設計了汽車新零售領域的商業模式，成功地把目標客戶群擴展到原先的2~3倍，并成功引入汽車征信以及家庭征信的概念
- 通過一年的培訓+咨詢的方式，成功幫助某金融科技公司進行金融板塊的戰略性布局，借助互聯網金融風口，使其股票價格翻20多倍，曾一度達到全國最高；并幫其成功申請到金融牌照（企業征信牌照）
- 通過實際運營+培訓的方式，幫助國內某一綜合保險集團，成功布局金融板塊，并拿到相關牌照（國內第一個信用保證保險牌照，以及企業征信牌照）
- 通過公益性沙龍、公開培訓、講座等方式，幫其提高內容水平，確立了大數據相關行業協會的龍頭地位，成為最大、最活躍的大數據協會（CDO聯盟）
四、課程概要
1、課程模式：
1) 大課模式：人數70人~300人（適合普及知識）
2) 線下集中面授模式：建議參與人數20~70人（適合針對性的培訓，主要面向政府和企業高管）
2、 課程目標：
1) 了解國內金融科技、大數據相關的法律體系、監管原則以及可容忍的底線等，幫助企業制定創新的產品、服務和解決方案相關的戰略（如：如何判斷相關產品是否為過渡性產品，如何制定相關資源的投入，是否要實施收割戰略等）；幫助企業一線人員，能夠在不確定的環境下學會如何解讀企業和政府的監管政策，避免《精準踩雷》的誤區
2) 了解金融科技動向，能預測未來的發展方向，掌握金融科技在所屬行業的應用
3) 了解全球范圍內的金融板塊生態布局和其原理，幫企業尋找出適合國內環境和自身環境的金融板塊戰略，
4) 幫助客戶了解數字化轉型及通過金融科技變現的戰略分析和思維
5) 通過案例分析：
a) 掌握國內各種形態的機構的創新商業模式、金融產品動向及運作方式
b) 學會預測未來的發展方向，創新產品的壁壘等
c) 理解金融產品的基本原理，政府監管機構的監管方式、思維邏輯，以及法律、制度的底線
3、適合人群（根據不同人群，課程結構和內容會相應調整）
1) 政府機構的各條崗位，想知道目前金融領域都有哪些創新模式，未來的方向，以及如何制定和監管這些新生事物的相關制度，需要堅守什么樣原則等
2) 金融機構（銀行、證券、保險、消費金融、理財、信托、基金等）的決策層（戰略、企劃等部門），以及各業務條線崗位，想知道目前金融科技有哪些創新商業模式、自身如何轉型、如何做產品規劃、設計、運營等
3) 傳統產業（制造業、零售業、物流行業等）各業務條線崗位，想知道如何實現數字化轉型、如何通過數據和金融變現、如何規劃和運作金融科技平臺，及產品規劃、設計、運營等
4) 本科和商學院（MBA）以及法學院學生，系統理解和掌握金融科技，人工智能、大數據等前沿科技在金融場景中的創新應用，商業模式等知識。
五、課程大綱：
1、課程目錄
1) 大數據生態圈的搭建
2) 金融科技助力數字化轉型
3) 金融板塊的布局
4) 數字化轉型1：工業&智能制造領域為例
5) 數字化轉型2：新零售（汽車）為例
6) 演練：數據分析
2、具體時間表
1）大數據生態圈的搭建
DAY1 上午
大數據生態圈的搭建
09:00-11:30
互動環節：個人介紹、課程介紹、學員破冰
大數據發展歷史
傳統大數據機構
國內大數據行業
o 中國大數據企業排行榜
o 大數據產業地圖（大數據生態、關系圖譜）
o 大數據企業評價指標
大數據相關法律（合法性）
數據安全
大數據時代的隱私
國內外法律環境的比較
大數據的未來展望 （機遇和挑戰）
大數據引出的新理論
o 大數據時代：因果關系變得次要
o 沒必要知道為什么，只需要知道是什么
o 能夠直接給出答案，但不知道為什么？
大數據架構
o 計算能力（ Spark ）
o 存儲能力（ HBase ）
o 實時能力（ Hbase ）
o
數據調度（ ETL ）
DAY1 下午
大數據生態圈的搭建
13:30-17:30
互動環節：白名單、灰名單、黑名單中，那個名單價值最高？
傳統行業案例
o 大數據案例：偵探破案
§ 案例：胡安·普約爾·加西亞
§ 破案模式的變化
§ 網上的福爾摩斯
§ 案例：《殺人回憶》
§ 案例：“開膛手杰克”
§ 國家公敵
高端技術領域的應用
o 案例：心理學應用——Lie to me
o 案例：醫學應用——Bones
普通領域中的應用
數據源
如果公司沒有任何數據，該怎么辦？
收集什么數據
怎么收集數據？
怎么把這些內容反映到產品中？
數據來源
內部：公司內部都有什么數據？
外部：第三方數據，如：征信報告；行業報告——公司戰略
企業大數據平臺的建設
大數據平臺開發的階段
專家模型
一般模型
客戶化模型
綜合模型
2）金融科技助力數字化轉型
DAY2 上午
金融科技助力數字化轉型
09:00-11:30
互動環節：創新最活躍的行業、領域是什么？
· 金融科技涵義
o 金融科技的定義、主要特征
o 全球金融科技發展現狀
o 金融科技產業主體類型劃分
人工智能
o 人工智能技術特點及行業特征
o 人工智能五大關鍵技術（機器學習、生物識別、自然語言處理、語言識別、知識圖譜）
o 人工智能在金融行業的應用（智能風控、智能投顧、智能客服、智能支付、智能理賠、智能營銷、智能投研）
云計算
o 云計算概念界定
o 云計算主要玩家
區塊鏈
o 區塊鏈誕生背景、內涵與特點、分類
o 區塊鏈在金融領域的應用（數字貨幣、支付清算、供應鏈金融、證券交易、保險、征信等）
傳統產業遇到的主要挑戰
o 科技對傳統產業的影響
o 互聯網金融對銀行傳統核心業務沖擊的剖析
o 互動環節：提問學員傳統銀行面臨有哪些挑戰？互聯網金融又是如何沖擊銀行主營業務的？
o 傳統產業的主要挑戰：效率和成本
o 新興產業的主要挑戰：市場
o 通過產業互聯網+金融科技實現跨產業協同
對于企業文化的要求
大數據思維——不僅限于數據部門
數據驅動思維
如何搭建數據團隊？——人才戰略/人才儲備
綜合性人才的需求：分析專家+業務專家
人才背景要求：學歷、專業、經驗…
外部引進
內部培養
3）金融板塊的布局
DAY2 下午
金融板塊的布局
13:30-17:30
互動環節：金融危機時，哪些行業會有爆發式增長？
金融危機與金融生態
o 金融危機：《危險》和《機會》并存
o 金融危機和國家風控能力
o 不同背景的金融科技公司的發展機會預測
跨國集團金融板塊的布局
o NICE：全球唯一一家形成信用產業鏈閉環的綜合集團
o 整體生態體系
o 歷年財務表現（銷售額增長）
o 集團歷史
o 產品生態&產品組合（portfolio）
o 數據源生態
o 客戶群生態
o 風控產品生態圈
o 差別化優勢：律師團隊
o 各大業務板塊介紹
§ 信用評級板塊
§ 個人征信板塊
§ 企業征信板塊
§ 催收板塊
§ 支付板塊
§ 信用卡板塊
§ 市場調研板塊
§ 對公&零售領域的風控咨詢板塊
o 創新產品——整容貸
國內大型集團金融板塊的布局
o 阿里巴巴
o 螞蟻金服
o 騰訊
o 百度
o 京東
o 平安
o 小米
o 360
o 復星
o 泛海
o 失敗案例
§ 樂視
§ 萬達
金融生態中的信用體系
o 信用相關法律
o 信用體系相關的政府機構
o 金融客戶(銀行)的數據需求趨勢
o 國內外信用行業的比較
o 全球信用體系發展程度
o 國內信用市場規模
o 信用行業的杠桿效應
o 信用行業的意義
大數據領域的投入產出比分析
國內金融行業的競爭
金融科技公司的財務表現
金融科技公司的利潤、股票以及綜合曲線的預測
大數據公司的差別化策略（跳躍式增長曲線）
4）數字化轉型1：工業&智能制造領域為例
DAY3 上午
數字化轉型1：工業&智能制造領域為例
09:00-12:00
互動環節：歷史悠久的大數據機構都有哪些？
大數據行業的應用比較
金融 à 人
工業 à 機器
未來 à 相互融合
工業大數據
工業大數據的理解
工業4.0
現況和案例
國外：德國、美國、日本...
國內：
工業1.0~4.0的歷史
工業4.0的生態系統
工業4.0的5大特點
互聯
數據
集成
創新
工業大數據的發展歷史
工業大數據的標準體系
工業大數據的特點
工業大數據的目前所面臨的問題
工業大數據的應用
典型案例
汽車行業
工業大數據的關鍵技術
人工智能
工業互聯網
工業云計算
工業大數據
工業機器人
3D打印
知識工作自動化
工業網絡安全
物聯網：IOT
ICT：信息與通訊技術
工業大數據的未來展望 （機遇和挑戰）
智能制造4大主題
智能工廠
智能生產
智能物流
智能服務
5）數字化轉型2：新零售（汽車）為例
DAY3 下午
數字化轉型2：新零售（汽車）為例
13:30-17:30
互動環節：全球最大的數據庫是什么？
大數據在汽車行業中的應用
o 精準營銷1：引流
o 精準營銷2：轉化
o 精準營銷3：留存
o 精準營銷4：復購
o 精準營銷5：精準定位——個人
o 精準營銷6：智能化大數據掃樓
o 客戶體驗
o 供應鏈管理
o 風控體系
數據源
o 數據來源
o 外部數據的獲取——購買、交換、加工
o 外部數據源評價表
o 數據源獲取難度分析
o 市面上部分數據源狀態表（示例：補助數據）
外部服務/技術評價表
最新技術在汽車新零售領域的應用（生物識別、人臉識別、語言識別、wifi探針…等）
線下大數據收集體系——部分傳感器成本計算
家庭大數據
o 基于家庭的新模式（新維度——跨時間、跨領域）
o 家庭大數據——助力數據的幾何倍數增長
o 家庭大數據效應
o 家庭大數據的發展
o 未來展望——家庭大數據
o 新技術的應用：區塊鏈、人工智能、心理學
6）演練：數據分析
DAY4 上午
演練：數據分析
09:00-12:00
第一部分：數據分析理論知識介紹
互動環節：大數據公司除了數據量，還有哪些維度可進行差別化？
數據分析發展歷史
o 數據分析——古老的行業
o 典型數據分析機構——CIA、摩薩德…
o 數據分析的關鍵——不是工具，而是邏輯思維
· 數據來源
o 收集什么數據
o 怎么收集數據？
o 我們可用的數據都有什么？
§ 內部數據：公司內部都有什么數據？
§ 外部數據：
§ 第三方數據，如：征信報告
§ 行業報告——公司戰略
o 如果公司沒有任何數據，該怎么辦？
o 怎么把這些內容反映到產品中？
案例
o 案例：希臘/羅馬占卜師
o 案例：航海
o 案例：二戰時期的大數據分析
o 案例：二戰V-1型導彈
o 案例：沃倫巴菲特
o 案例：啤酒&尿布
o 案例：人力資源
o 案例：浙江泰隆商業銀行
傳統產業數字化轉型對策思考
o 對行業洞察力和解決方案等能力的必要性
o 手段：科技賦能、數據賦能、金融賦能和生態賦能；
DAY4 下午
演練：數據分析
13:30-17:30
第二部分：實際操作
互動環節：數據是否 “多多益善”？
· 怎么讀圖表？
o 怎么在這些圖表中找出有意義的內容（marketing insight）？
o 案例分析：
§ 公眾號分析案例
§ H5的分析案例（最佳發送時間）
§ 網站的訪問量（數據中國）
§ 各大公司（BAT等）市場報告的解釋
§ 網上促銷活動效果分析
o 數據分析在大數據行業中的應用介紹
§ 國內某銀行大數據
§ 其他：政府、公共領域中的營銷案例
· 利用最簡單的周邊工具進行高端分析
o 快捷鍵的應用
o 各種函數的使用
o “百度知道”、“百度視頻”、“關鍵字查詢”
· 高端分析簡介：通過EXCEL來做的高端分析案例介紹
o 企業估值模型
o 投資領域：大型估值項目的計算
o 風控領域：評分卡領域
第三部分：怎么利用數據分析指導業務發展？
· 怎么獲取更多客戶？
· 客戶的需求是什么？
· 怎么滿足客戶的需求？
· 怎么更有效地推進線上線下活動
o 怎么測試各種活動的效果
o 怎么宣傳
o 應該在什么時間、什么地點推進各種活動？
· 怎么通過不完整的數據，得出比較可靠的結果？
· 目前都有什么可用的技術？
怎么在圖表中找出有意義的內容（marketing insight）？
數據分析案例：如何制定促銷方案的KPI
o 如何制定促銷活動效果的上、下限？
o 如何判斷本次活動中，企業的品牌創造出的價值？
浙公網安備 33010802003509號
杭州講師網絡科技有限公司
