安光勇:金融科技、大数据生态与数字化转型

安光勇:金融科技、大数据生态与数字化转型

价格:联系客服报价

授课讲师:安光勇

讲师资历

培训时长 0
授课对象 1) 政府机构的各条岗位,想知道目前金融领域都有哪些创新模式,未来的方向,以及如何制定和监管这些新生
授课方式 内训

课程目标

1) 了解国内金融科技、大数据相关的法律体系、监管原则以及可容忍的底线等,帮助企业制定创新的产品、服务和解决方案相关的战略(如:如何判断相关产品是否为过渡性产品,如何制定相关资源的投入,是否要实施收割战略等);帮助企业一线人员,能够在不确定的环境下学会如何解读企业和政府的监管政策,避免《精准踩雷》的误区 2) 了解金融科技动向,能预测未来的发展方向,掌握金融科技在所属行业的应用 3) 了解全球范围内的金融板块生态布局和其原理,帮企业寻找出适合国内环境和自身环境的金融板块战略, 4) 帮助客户了解数字化转型

课程大纲

金融科技、大数据生态与数字化转型 (4天版,根据需要可调成半天、1天、2天或5天等版) 一、导师介绍 安光勇 -      韩国首尔国立大学MBA(全球排名37);高丽大学博士课程; -      发改委培训中心特聘讲师;国内首家信用管理法学院外聘教授;安快科创谷导师团导师; -      曾就职于BCG,BAH,LG,NICE, 阳光保险, 历任海外业务总监,数据开发部总经理等职;2次创业经验(其中一次为创立国内最大、最活跃大数据协会——首席数据官联盟),所开发的客户包括: o    政府客户:人行、发改委、商务部,以及越南、蒙古、塔吉克斯坦等国央行 o    金融客户:花旗、微软、LG、以及工、农、中、建,平安等 o    电商客户:百度、滴滴出行、美团点评、阳光集团等 -      16年的金融科技、互金、征信、大数据领域的经验 -      中国大数据产业生态联盟专家委员会专家委员,《影响中国大数据产业进程100人》, -      与20多位专家共著《赋能数字经济:大数据创新创业启示录》,以及《大数据在金融行业实用案例剖析》系列,作者包括:中国科学院大学院长、央行金融博士后、北京大学博士后、工行IT部副总经理、复星金服集团CEO等专家,以及贵阳大数据交易所、九次方、天眼查、百分点、法海风控等企业的创始人等 -      参与制定国内第一个信用行业标准体系——《征信业管理条例》(2012) 二、差别化优势 -      学员覆盖监管机构和企业高管,对监管方(政策等)和企业端,以及需求方(C端客户)的最新动态和需求非常了解 -      通过10多年的海外经验,对如何引进国外领先的新技术、商业模式和法律制度,以及如何成功落地等方面有丰富经验,并有自己独到的见解,能从文化层面进行把控 -      除了培训,通过后续的咨询(包括监管机构)和项目落地,能够影响政府的政策方向和企业的落地实施项目 三、部分培训成果 -      国内最先引入、普及个人破产制度,并第一次引用“信盲”概念(国内首家信用管理法学院) -      通过给高层提供战略咨询,以及对各业务条线风控领域的培训(把控催收时的法律底线),成功帮某一P2P起家的公司实现战略转型,避开政府的强监管,完成了多元化布局 -      通过培训+咨询的方式,成功帮助国内最大汽车主机厂实现数字化转型。并设计了汽车新零售领域的商业模式,成功地把目标客户群扩展到原先的2~3倍,并成功引入汽车征信以及家庭征信的概念 -      通过一年的培训+咨询的方式,成功帮助某金融科技公司进行金融板块的战略性布局,借助互联网金融风口,使其股票价格翻20多倍,曾一度达到全国最高;并帮其成功申请到金融牌照(企业征信牌照) -      通过实际运营+培训的方式,帮助国内某一综合保险集团,成功布局金融板块,并拿到相关牌照(国内第一个信用保证保险牌照,以及企业征信牌照) -      通过公益性沙龙、公开培训、讲座等方式,帮其提高内容水平,确立了大数据相关行业协会的龙头地位,成为最大、最活跃的大数据协会(CDO联盟) 四、课程概要 1、课程模式: 1)     大课模式:人数70人~300人(适合普及知识) 2)     线下集中面授模式:建议参与人数20~70人(适合针对性的培训,主要面向政府和企业高管) 2、 课程目标: 1)     了解国内金融科技、大数据相关的法律体系、监管原则以及可容忍的底线等,帮助企业制定创新的产品、服务和解决方案相关的战略(如:如何判断相关产品是否为过渡性产品,如何制定相关资源的投入,是否要实施收割战略等);帮助企业一线人员,能够在不确定的环境下学会如何解读企业和政府的监管政策,避免《精准踩雷》的误区 2)     了解金融科技动向,能预测未来的发展方向,掌握金融科技在所属行业的应用 3)     了解全球范围内的金融板块生态布局和其原理,帮企业寻找出适合国内环境和自身环境的金融板块战略, 4)     帮助客户了解数字化转型及通过金融科技变现的战略分析和思维 5)     通过案例分析: a)      掌握国内各种形态的机构的创新商业模式、金融产品动向及运作方式 b)     学会预测未来的发展方向,创新产品的壁垒等 c)      理解金融产品的基本原理,政府监管机构的监管方式、思维逻辑,以及法律、制度的底线 3、适合人群(根据不同人群,课程结构和内容会相应调整) 1)     政府机构的各条岗位,想知道目前金融领域都有哪些创新模式,未来的方向,以及如何制定和监管这些新生事物的相关制度,需要坚守什么样原则等 2)     金融机构(银行、证券、保险、消费金融、理财、信托、基金等)的决策层(战略、企划等部门),以及各业务条线岗位,想知道目前金融科技有哪些创新商业模式、自身如何转型、如何做产品规划、设计、运营等 3)     传统产业(制造业、零售业、物流行业等)各业务条线岗位,想知道如何实现数字化转型、如何通过数据和金融变现、如何规划和运作金融科技平台,及产品规划、设计、运营等 4)     本科和商学院(MBA)以及法学院学生,系统理解和掌握金融科技,人工智能、大数据等前沿科技在金融场景中的创新应用,商业模式等知识。 五、课程大纲: 1、课程目录 1)     大数据生态圈的搭建 2)     金融科技助力数字化转型 3)     金融板块的布局 4)     数字化转型1:工业&智能制造领域为例 5)     数字化转型2:新零售(汽车)为例 6)     演练:数据分析 2、具体时间表 1)大数据生态圈的搭建  DAY1 上午  大数据生态圈的搭建  09:00-11:30  互动环节:个人介绍、课程介绍、学员破冰   大数据发展历史   传统大数据机构   国内大数据行业  o   中国大数据企业排行榜  o   大数据产业地图(大数据生态、关系图谱)  o   大数据企业评价指标   大数据相关法律(合法性)    数据安全    大数据时代的隐私    国内外法律环境的比较   大数据的未来展望 (机遇和挑战)   大数据引出的新理论  o    大数据时代:因果关系变得次要  o    没必要知道为什么,只需要知道是什么  o    能够直接给出答案,但不知道为什么?   大数据架构  o    计算能力( Spark )  o    存储能力( HBase )  o    实时能力( Hbase )  o    数据调度( ETL )  DAY1 下午  大数据生态圈的搭建  13:30-17:30  互动环节:白名单、灰名单、黑名单中,那个名单价值最高?   传统行业案例  o    大数据案例:侦探破案  §  案例:胡安·普约尔·加西亚  §  破案模式的变化  §  网上的福尔摩斯  §  案例:《杀人回忆》  §  案例:“开膛手杰克”  §  国家公敌   高端技术领域的应用  o    案例:心理学应用——Lie to me  o    案例:医学应用——Bones   普通领域中的应用   数据源    如果公司没有任何数据,该怎么办?    收集什么数据    怎么收集数据?    怎么把这些内容反映到产品中?    数据来源     内部:公司内部都有什么数据?     外部:第三方数据,如:征信报告;行业报告——公司战略   企业大数据平台的建设    大数据平台开发的阶段     专家模型     一般模型     客户化模型     综合模型 2)金融科技助力数字化转型  DAY2 上午  金融科技助力数字化转型  09:00-11:30  互动环节:创新最活跃的行业、领域是什么?  ·         金融科技涵义  o    金融科技的定义、主要特征  o    全球金融科技发展现状  o    金融科技产业主体类型划分   人工智能  o    人工智能技术特点及行业特征  o    人工智能五大关键技术(机器学习、生物识别、自然语言处理、语言识别、知识图谱)  o    人工智能在金融行业的应用(智能风控、智能投顾、智能客服、智能支付、智能理赔、智能营销、智能投研)   云计算  o    云计算概念界定  o    云计算主要玩家   区块链  o    区块链诞生背景、内涵与特点、分类  o    区块链在金融领域的应用(数字货币、支付清算、供应链金融、证券交易、保险、征信等)   传统产业遇到的主要挑战  o    科技对传统产业的影响  o    互联网金融对银行传统核心业务冲击的剖析  o    互动环节:提问学员传统银行面临有哪些挑战?互联网金融又是如何冲击银行主营业务的?  o    传统产业的主要挑战:效率和成本  o    新兴产业的主要挑战:市场  o    通过产业互联网+金融科技实现跨产业协同   对于企业文化的要求    大数据思维——不仅限于数据部门    数据驱动思维   如何搭建数据团队?——人才战略/人才储备    综合性人才的需求:分析专家+业务专家    人才背景要求:学历、专业、经验…    外部引进    内部培养 3)金融板块的布局  DAY2 下午  金融板块的布局  13:30-17:30  互动环节:金融危机时,哪些行业会有爆发式增长?   金融危机与金融生态  o    金融危机:《危险》和《机会》并存  o    金融危机和国家风控能力  o    不同背景的金融科技公司的发展机会预测   跨国集团金融板块的布局  o    NICE:全球唯一一家形成信用产业链闭环的综合集团  o    整体生态体系  o    历年财务表现(销售额增长)  o    集团历史  o    产品生态&产品组合(portfolio)  o    数据源生态  o    客户群生态  o    风控产品生态圈  o    差别化优势:律师团队  o    各大业务板块介绍  §  信用评级板块  §  个人征信板块  §  企业征信板块  §  催收板块  §  支付板块  §  信用卡板块  §  市场调研板块  §  对公&零售领域的风控咨询板块  o    创新产品——整容贷   国内大型集团金融板块的布局  o    阿里巴巴  o    蚂蚁金服  o    腾讯  o    百度  o    京东  o    平安  o    小米  o    360  o    复星  o    泛海  o    失败案例  §  乐视  §  万达   金融生态中的信用体系  o    信用相关法律  o    信用体系相关的政府机构  o    金融客户(银行)的数据需求趋势  o    国内外信用行业的比较  o    全球信用体系发展程度  o    国内信用市场规模  o    信用行业的杠杆效应  o    信用行业的意义   大数据领域的投入产出比分析   国内金融行业的竞争   金融科技公司的财务表现   金融科技公司的利润、股票以及综合曲线的预测   大数据公司的差别化策略(跳跃式增长曲线) 4)数字化转型1:工业&智能制造领域为例  DAY3 上午  数字化转型1:工业&智能制造领域为例  09:00-12:00  互动环节:历史悠久的大数据机构都有哪些?   大数据行业的应用比较    金融 à 人    工业 à 机器    未来 à 相互融合   工业大数据    工业大数据的理解    工业4.0     现况和案例      国外:德国、美国、日本...      国内:     工业1.0~4.0的历史     工业4.0的生态系统    工业4.0的5大特点     互联     数据     集成     创新    工业大数据的发展历史    工业大数据的标准体系    工业大数据的特点    工业大数据的目前所面临的问题    工业大数据的应用     典型案例     汽车行业    工业大数据的关键技术     人工智能     工业互联网     工业云计算     工业大数据     工业机器人     3D打印     知识工作自动化     工业网络安全     物联网:IOT     ICT:信息与通讯技术    工业大数据的未来展望 (机遇和挑战)   智能制造4大主题    智能工厂    智能生产    智能物流    智能服务 5)数字化转型2:新零售(汽车)为例  DAY3 下午  数字化转型2:新零售(汽车)为例  13:30-17:30  互动环节:全球最大的数据库是什么?   大数据在汽车行业中的应用  o    精准营销1:引流  o    精准营销2:转化  o    精准营销3:留存  o    精准营销4:复购  o    精准营销5:精准定位——个人  o    精准营销6:智能化大数据扫楼  o    客户体验  o    供应链管理  o    风控体系   数据源  o    数据来源  o    外部数据的获取——购买、交换、加工  o    外部数据源评价表  o    数据源获取难度分析  o    市面上部分数据源状态表(示例:补助数据)   外部服务/技术评价表   最新技术在汽车新零售领域的应用(生物识别、人脸识别、语言识别、wifi探针…等)   线下大数据收集体系——部分传感器成本计算   家庭大数据  o    基于家庭的新模式(新维度——跨时间、跨领域)  o    家庭大数据——助力数据的几何倍数增长  o    家庭大数据效应  o    家庭大数据的发展  o    未来展望——家庭大数据  o    新技术的应用:区块链、人工智能、心理学 6)演练:数据分析  DAY4 上午  演练:数据分析  09:00-12:00  第一部分:数据分析理论知识介绍  互动环节:大数据公司除了数据量,还有哪些维度可进行差别化?   数据分析发展历史  o    数据分析——古老的行业  o    典型数据分析机构——CIA、摩萨德…  o    数据分析的关键——不是工具,而是逻辑思维  ·         数据来源  o    收集什么数据  o    怎么收集数据?  o    我们可用的数据都有什么?  §  内部数据:公司内部都有什么数据?  §  外部数据:  §  第三方数据,如:征信报告  §  行业报告——公司战略  o    如果公司没有任何数据,该怎么办?  o    怎么把这些内容反映到产品中?   案例  o    案例:希腊/罗马占卜师  o    案例:航海  o    案例:二战时期的大数据分析  o    案例:二战V-1型导弹  o    案例:沃伦巴菲特  o    案例:啤酒&尿布  o    案例:人力资源  o    案例:浙江泰隆商业银行   传统产业数字化转型对策思考  o    对行业洞察力和解决方案等能力的必要性  o    手段:科技赋能、数据赋能、金融赋能和生态赋能;  DAY4 下午  演练:数据分析  13:30-17:30  第二部分:实际操作  互动环节:数据是否 “多多益善”?  ·         怎么读图表?  o    怎么在这些图表中找出有意义的内容(marketing insight)?  o    案例分析:  §  公众号分析案例  §  H5的分析案例(最佳发送时间)  §  网站的访问量(数据中国)  §  各大公司(BAT等)市场报告的解释  §  网上促销活动效果分析  o    数据分析在大数据行业中的应用介绍  §  国内某银行大数据  §  其他:政府、公共领域中的营销案例  ·         利用最简单的周边工具进行高端分析  o    快捷键的应用  o    各种函数的使用  o    “百度知道”、“百度视频”、“关键字查询”  ·        高端分析简介:通过EXCEL来做的高端分析案例介绍  o    企业估值模型  o    投资领域:大型估值项目的计算  o    风控领域:评分卡领域  第三部分:怎么利用数据分析指导业务发展?  ·         怎么获取更多客户?  ·         客户的需求是什么?  ·         怎么满足客户的需求?  ·         怎么更有效地推进线上线下活动  o    怎么测试各种活动的效果  o    怎么宣传  o    应该在什么时间、什么地点推进各种活动?  ·         怎么通过不完整的数据,得出比较可靠的结果?  ·         目前都有什么可用的技术?   怎么在图表中找出有意义的内容(marketing insight)?   数据分析案例:如何制定促销方案的KPI  o    如何制定促销活动效果的上、下限?  o    如何判断本次活动中,企业的品牌创造出的价值?