
最近几年大数据与人工智能技术迅速应用在很多领域,特别是金融科技,而金融领域由于其海量数据和可量化的特点,也恰好非常适合应用大数据与 AI 技术。李开复也曾提到过,大数据与人工智能最好的应用领域之一就是金融领域,因为它是纯数字领域。而现实发展的趋势也确实如此,目前大数据与人工智能在金融领域已经有了不少落地应用。作为金融从业者,我们面对的竞争对手不再仅次于来势凶猛的90后新生立军,还有AI领域的智能机器工作对象,以及在职场中开始转型升级或已经转型升级成金融数据化复合型人才。
随着 AI在金融领域攻城掠地,对 AI 取代金融从业人员的担忧也愈演愈烈。这也不怪人们杞人忧天,比如去年春天一款叫 COIN 的 AI 金融合同分析应用在美国最大银行摩根大通上岗,经实际应用测试,原本摩根大通金融法务人员和借贷专员需要花费 3,6000 个小时才能完成的工作,这款 AI 应用只需几秒就可完成。重要的是,AI 的错误率不仅低于人类,而且它还不用休假,可以全天候工作。如果你是银行,是使用 AI 还是雇佣高薪的人类,不言自明。
美国金融领域逐步以机器取代人工的不止大摩这一家,比如投行界扛把子高盛,2000 年高盛在纽约总部的美国现金股票交易柜台雇佣的交易员达 600 名,但今天,这里只剩下两名交易员“留守空房”。另一大投行瑞银同样如此,逐步用科技取代成本高昂且效率低下的人工劳动。下图是瑞银在美国总部的 2008 年和 2016 年对比图,感受一下:
中国的情况同样不容乐观。2018年春季,全球顶尖管理咨询公司波士顿咨询公司(BCG)出具一份研究报告称,到 2027 年时中国金融领域全部 993 万个工作岗位中约有 23% 的岗位存在被 AI 取代的风险,也就是说届时会有将近 230 万金融从业人员可能会失去工作。
BCG 在访谈和调研了众多中国金融界及 AI 领域的高级专家后,经过大量分析得出了该研究报告。在调研中,他们发现几乎中国大陆所有的银行都在计划借助最新的 AI 技术来节省人力资源成本。其中目前应用 AI 技术最多的地方是信用评估领域,例如人脸识别、大数据分析等技术的应用越来越多。
2017 年彭博社曾发布了一篇报告,详细列举了众多职业可能被自动化取代的概率。其中金融业一些岗位未来被自动化取代的风险如下:
我们可以看到保险承销人员、信用分析师、信贷专员这些岗位被取代的几率最高,接近百分之百。而投资顾问和理财专员这些被替代的可能性也将近百分之五十。
实际上 BCG 在出具的研究报告中也提及,目前金融领域不少岗位,特别是那些工作内容机械、重复性高的岗位会逐渐被人工智能取代。
但 BCG 在报告中也指出,在 AI 逐渐取代不少人工岗位的同时,另一个趋势是新增不少利用 AI 技术的工种,另外现有的许多岗位更多的是可以借助 AI 提高工作效率。因此,金融业未来主流岗位是人机协作。
美国专注职场数据分析的技术公司 BurningGlass 最近在分析职场数据时发现,过去 5 年内,金融领域要求具有机器学习及 AI 相关技能的岗位需求增速,是金融领域所有岗位需求增速的六倍。
相应的,具有 AI 技能的金融岗位平均薪资(129,000美元)也是金融业全部岗位平均薪资的 1.7 倍(75,000美元):
金融领域需要自动化等 AI 技能的岗位主要围绕金融方面的数据科学和数据分析,也略微设计传统 IT 岗位,如软件开发岗位和网络工程师。一些金融领域特别专业的岗位如风险经理和金融量化分析师,也需要具备这些技能。
金融领域需要大数据AI技能的 Top 10 岗位:
ü 数据科学家
ü 数据/商业分析师
ü 软件开发者
ü 数据工程师
ü 网络工程师
ü 风险经理
ü 商业智能分析师
ü 系统分析师
ü 数据库架构师
ü 金融量化分析师
胜任大数据 AI 时代金融岗位需要哪些技能?
金融公司未来会搭建和使用自动化工具及处理流程,涉及数据科学、数据工程和机器学习。搭建和使用这些工具就需要掌握编程知识,比如 Python 和 Java。
金融岗位未来需掌握的Top 10 自动化技能:
因而,准备长期从事金融行业的朋友现在应当从长远考虑,学习相关的 IT 技能,成为跨专业的复合型人才,如果仅仅依赖金融领域吃老本,很可能未来被科技淘汰。
金融领域涉及的工种和行业非常复杂,短时间内不会被大数据AI技术完全取代。但是在一些数据结构化较高、任务定义明确的领域,AI 模型可以很容易的代替人工。而从长远看,金融行业的自动化不可避免。
对于学习金融学或正在从事金融行业的人员来说,大数据 AI 时代需要既能精通金融学领域的专业知识,又能掌握大数据工具、AI算法及懂得数据运用的价值的数字化复合型人才。
大数据以及人工智能的出现并蓬勃发展,是人类科技的一大进步。虽然 AI 会让一些行业和职业消失,但它将大大提高人类的生产效率,也会催生新的岗位,最重要的是我们需要去面对改变,适应改变,然后回归自身,增值自己,让自己不断转型升级,以便更好地适应时代的发展,跟上科技发展的脚步,否则未来就会面临被淘汰的命运。
我们这个时代,既是最好的时代,也是最坏的时代。好在我们有的是学习和进步的资源和途径,坏的是和我们竞争的人只会越来越多。目前,金融领域缺乏足够的大数据和人工智能人才储备,而掌握这些能力的人未来会成为金融领域的抢手人才。事不宜迟,从现在开始就好好修炼自己吧。今天,小编给金融从业者和准金融人才推荐一门课程——
金融数字化转型人才训练营,CDA数据科学研究院2020年重磅推出的金融数据人才培育课程,希望你能踏上这次的转型升级之旅,给自己的人生来一次完美的升华!
(1)如何发现业务问题、整理数据、建立模型、编写报告、构建业务应用数字化解决方案。力图为金融从业者提供个人数字化转型的解决方案,转型成为组织内部数字化赋能者。
(2)2+3的结构,前面的“2”是能力体系建设,包括数字化战略和管理、数据和AI中台。数字化人才首先是复合型人才,既要懂算法又要知道数据应用的价值,还知道如何利用大数据工具付诸实现。后者的“3”是数字化应用领域,包括客群运营、信用风控、操作风控。
数字化能力是一个整体,三个方面的数据应用场景都需要涉及到该领域的数据业务洞察、数据产品研发、数据治理、商业洞察和在大数据系统上落地。但是三个方面的应用场景对数字化能力的不同组成部分各有侧重,合在一起才能诠释数据和AI的应用全貌。
精英团队
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12