close
如果在某天，與你接洽談論你的理財規劃、投資組合的不再是理財專員或者是顧問，而是先進的「理財機器人」(Robo-Advisor)會是怎樣的狀況呢？
這可不是無法實現的想法呢！
Fintech是Financial加上technology的簡稱，現在普遍稱呼為「金融科技」。
是將我們所知道的金融服務融入科技，讓企業可以提供更安全與更有效的服務，也能讓使用者更加便利操作。
換一個角度切入也可以想成是，科技業漸漸佈局到傳統的金融業，試圖帶來一波新的火花改變現狀。
根據不同時期的具體情況的導入FinTech將會是未來優勢的發展重點，不論從哪一個角度來了解，都能知道的是Fintech將會是未來科技和金融業界都無法忽視的趨勢。
在這個數位崛起的時代，Fintech也不僅僅只是科技與金融，
甚至市場與政府，都是這個趨勢下需要做出新服務的角色。
與使用者第一線接觸的銀行業首當其衝，如何轉型成新的特色銀行也是一大考驗呢？
金融科技行業正漸漸起步中，形成更完善的新金融科技生態體系。
在過去金融科技崛起的發展過程中，傳統銀行業務被分解成了大量子領域，每個領域中都幾乎出現了優秀的創業公司。
但目前這種趨勢產生了變化，金融科技公司的產品正在由單一項目或服務轉向聚合服務，通過技術手段與客製化的方式提供給用戶更高效和更全面的服務。
同時，初創公司還正在為銀行產品的資產類別創建下一代投資平台。
我們所說的金融業一般包含銀行業、保險業、證券業和租賃業等等，從以前單純當鋪的形式，演變到今日的金融業可說是一個國家的經濟的一大指標，和國家各產業也都息息相關，正因為這樣，在牽一髮而動全身的體系之下，金融業的風險性也相對比較高，科技希望能從中改變錢與人之間的關係，如何能在安全性的領域中得到一定程度的信任，是眼下重要的挑戰之一。
從前是人用手一步一步在處理金融事務，在三五年之後不久的將來，被預言可能九成以上的金融操作都會在科技產品上進行，人與機器可以完成一切服務之後，數位化設備將取代繁瑣的人工步驟，而化成簡單的線上處理。
舉例來說，P2P就是一個新的金融運作模式，所謂Peer-to-Peer是指點對點，
也就是透過個人對個人的方式來進行，而P2P Lending就意指在網路平台上的借貸行為，如此一來金錢的流動就不需要透過傳統的銀行機構，網路就能夠成為交易行為的仲介。
和傳統借貸不同是銀行等傳統金融機構並未參與 P2P 借貸，而是由一個網路平台作為中介業務。
這個平台會提供借貸雙方彼此的信用評估資料、並讓雙方能在平台上自由媒合。
也就是說P2P 借貸模式中，只有借貸雙方會牽涉到金流，平台只會提供媒合服務。
這樣的金流固然快速方便，但同時產生的顧忌也不少；
第一就是需要考慮的問題就是法律層面，
在網路平台上的交易是否有法可管？
金流的提取與支付是否有所保障？
這些風險都是使用者必須考量的，同時若網路平台的資安品質不良也將可能會帶來犯罪問題。
因此，IUNING 薪實貸專業媒合平台也是P2P的形式，
但並非是Peer-to-Peer 而是 people-to-profession
謹慎過濾掉一些非法營利或者是投機取巧之人，創造出真正的對等網路平台
媒合借款人與投資人在平台得到合法又保障的交易，
因為現在對於借款人來說，他只能透過網際網路、網路廣告或是口碑介紹，來去選擇他的貸款主。
而對於投資人來說，再好的企業若不花下重金曝光在最上方，就無法擁有優先被人看到品牌與公司的機會，但是過度包裝的廣告和客戶服務又是兩回事。
IUNING媒合平台，就是在幫雙方建立一個公平競爭的曝光機會，
讓優質的投資人，真心為客戶服務的，不會因為不夠曝光而無法被看見。
讓借款人可以藉由我們平台，直接找尋他想要的投資人，因此在媒合平台都是公開透明的，所以不需要在網路的大海裡找尋。
節省雙方的時間，平台也會做到保障雙方的機制，絕不會讓惡意投資人在平台做生意，讓貸款變得更安全，更透明。
在IUNING專業媒合平台結合了AI人工智慧進行對話學習，透過與你的對話判斷出適合你的貸款方向與類型推薦，也結合了區塊鏈技術的基礎，每一筆資料一旦寫入就不可以再改動，只要被驗證完就永久的寫入該區塊中，透過一對一的函數來確保資料不會輕易被竄改，無法輕易回推出原本的數值，資料也就不能被竄改，讓區塊鏈之間的資料也都被正確的保障，你的資料將會受到最完善的保護，最隱密的技術與安全考量。
所以傳統金融走向Fintech，銀行、電商或是電信產業，最最重視的除了效率之外，擺在第一位的肯定還是安全問題，即使再便利，若網路上的資金資訊被攻擊，那造成的經濟後果會不堪設想，因此金融科技環境十分需要建立且重視資安文化，值得肯定的是安全一直是Google奉為最高原則，將近 20 年來，從 Gmail、Google Docs 等 G Suite 的服務，到現在的 Google Cloud Platform，Google 的安全小組一直努力不懈的為使用者提供最高規格的安全性。
我們也許可以嘗試想像有一個在投資上取得數十年成功經歷的投資人，當有新的投資機會出現時，他會依照過往所學習到的經驗以及據此建立的原則來判斷這是不是一筆好買賣。
例如，過去他投資了許多利用舉債的方式來促進成長的公司，事後卻發現這些投資的表現不佳，因此從這段經驗中，他也許就會歸納出原來投資於使用高度槓桿的公司可能不會有太高的成功率。
隨著這個思路，機器學習也是透過消化市場上可取得的資料以及可量化的經驗，讓機器學習進行良好的投資決策，像上述例子中的投資人一樣歸納出原則並找到值得投資的公司。
在金融業界相繼投入研究發展的同時，有許多的金融問題都需要更明確的被定義。
文章標籤
全站熱搜
留言列表
貸款相關知識 (9)
