再比如说，大数据的成熟和应用涉及到数据采集、整理、分析和应用等几个阶段，对很多企业而言，目前要做的是数据沉淀和积累，重在数据采集和整理；而对另外一些企业而言，则已经进入到应用阶段，可以投入更多人力和资源，去优化调整数据模型，实现大数据驱动的业务模式。
此外，还有一些金融科技技术，现阶段更多地是品牌宣传的效用，难以对实际业务带来影响，企业应该根据自身情况谨慎介入。
真假金融科技，该如何辨别？
之所以提出是个概念，是因为在人人都谈金融科技的时代，每家企业所宣称的金融科技的含金量是不同的，也就有了真假之辩。
金融科技的几个热门技术中，区块链、大数据、人工智能、云计算、智能投顾等几个概念，几乎被各个从业机构挂在嘴边。
虽然区块链炒的火热，但目前为止最为成熟的应用仍然集中在数字货币领域，在供应链金融、跨境支付、金融交易、数字票据等方面出现了一些实验性质的探索，但距离落地仍有距离。
目前区块链技术还需要在共识机制、智能合约、安全算法、隐私保护、扩容和速度优化等相关技术领域实现持续创新和突破，正如摩根史丹利的一分报告所称“金融机构广泛采用这项技术还需要5-10年的时间”。
但就笔者而言，亲身就经历过N多机构的商务人员来推销区块链供应链金融业务，在他们的口中，应用了他们的技术，似乎供应链金融便可大踏步向前了。在本文的界定中，这种不切实际地推销便可视作一种假技术。
大数据技术成功应用的前提是要有足够多的数据，正如我在《大数据在金融业的应用》里提到的，
“统计学规律告诉我们，在实验条件不变的条件下，重复实验多次，随机事件的频率等于其概率。意味着，随着随机事件的大量发生，我们是可以发现其内在规律的。而大数据里面包含的海量数据，就为我们发觉隐藏在随机事件后面的规律提供了条件。”
而对很多机构而言，尤其是十几个人的初创机构，基本没有可能具备可投入应用的大数据建模能力。而不少机构宣称的，只负责模型不负责数据的商务模式，也让人怀疑，没有数据，这些模型怎么做出来的？有效性如何？没有效果谁来买单呢？
同上，没有大数据，其实谈不上人工智能。
最大的问题在于金融产品代销资质，很多所谓的智能投顾平台，不具有或缺乏金融产品代销资质，平台上可供用户资产配置的产品数量有限，距离真正意义上的智能投顾还有很大差距。
云计算就不提了，毕竟这个概念火的比较早，至少七八年了，大大小小的坑先后被填平了，市场龙头已经初步显现，不容易出现冒牌机构了。
结语与前景展望
说了这么多，该结个尾了。金融科技的前景自然是光明的，在前沿技术探索上也应该并值得投入大量精力和资源。但一码归一码，在技术与业务的结合上，还是应该戒骄戒躁、稳扎稳打。以一个小例子结束吧。
早在20世纪40年代和50年代，来自不同领域（数学，心理学，工程学，经济学和政治学）的一批科学家就开始探讨制造人工大脑的可能性。1956年，人工智能被确立为一门学科，当时，研究者们在私下的交流和公开发表的论文中表达出相当乐观的情绪，认为具有完全智能的机器将在二十年内出现。
比如，1965年，H. A. Simon：“二十年内，机器将能完成人能做到的一切工作。”1970年，Marvin Minsky：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”……结果如何呢？还是太乐观了。
当然，经过这么多年的发展，也许结局已经不一样了，希望如此吧。
（钛媒体作者：薛洪言，微信公众号：洪言微语/hongyanweiyu）
相关阅读：
相关推荐：
转载请注明出处。
相关文章
精彩导读
热门资讯
关注我们
