從ChatGPT的爆火到令人驚嘆的Sora和DeepSeek，人工智能給人類社會帶來一次次沖擊。在科學(xué)技術(shù)發(fā)展日新月異的今天，人工智能和大數(shù)據(jù)技術(shù)正在深刻地改變著金融行業(yè)的運營管理和商業(yè)模式，為金融行業(yè)帶來了前所未有的機遇和挑戰(zhàn)。為深入探討數(shù)據(jù)智能與金融科技的最新發(fā)展，四川大學(xué)商學(xué)院數(shù)智金科研究團隊已于2024年6月23-26日發(fā)起首屆數(shù)據(jù)智能與金融科技學(xué)術(shù)研討會。在上年基礎(chǔ)上，經(jīng)商議第二屆數(shù)據(jù)智能與金融科技學(xué)術(shù)年會將于2025年7月19-22日在海南省三亞市舉辦。

本次學(xué)術(shù)年會將由科技金融四川省重點實驗室、大數(shù)據(jù)與商務(wù)智能技術(shù)工信部重點實驗室、中國管理現(xiàn)代化研究會管理與決策科學(xué)專委會及中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學(xué)研究會船海經(jīng)濟管理專委會聯(lián)合主辦，四川大學(xué)商學(xué)院數(shù)智金科研究團隊和智匯天下（廈門）人工智能研究院承辦與協(xié)辦。本次學(xué)術(shù)年會旨在探討人工智能、大數(shù)據(jù)、大模型和金融科技發(fā)展的最新研究成果，加強國內(nèi)外數(shù)據(jù)智能與金融科技領(lǐng)域?qū)＜覍W(xué)者的交流與合作，促進大數(shù)據(jù)、大模型與新金融的交叉、滲透和發(fā)展（包括線上、線下兩種參會形式）。本次學(xué)術(shù)年會的主題為“大模型與金融智能”，我們熱忱歡迎大家參加本次學(xué)術(shù)研討會。

會議主題

大模型與金融智能

會議主要內(nèi)容

階段一

大模型專題培訓(xùn)

專題培訓(xùn)特邀一線大模型技術(shù)專家講述大模型賦能科研的實際操作，開展大模型入門教學(xué)、大模型與時序預(yù)測、大模型與風(fēng)險管理以及大模型與電子商務(wù)等四個專題培訓(xùn)模塊，培訓(xùn)過程采取案例教學(xué)的方式，能夠有效拓展參訓(xùn)人員的實操能力，促進大模型與各領(lǐng)域?qū)W科研究方法的交叉應(yīng)用。

階段二

大會特邀報告

大會特邀國內(nèi)外數(shù)據(jù)智能與金融科技相關(guān)領(lǐng)域知名專家等進行大會特邀報告，從多方面提升與會嘉賓對相關(guān)領(lǐng)域最新研究進展、成果的了解，促進各位學(xué)者之間的交流與合作。

階段三

大會專題報告

①數(shù)據(jù)智能與金融科技主題論壇

遴選科技金融四川省重點實驗室、大數(shù)據(jù)與商務(wù)智能技術(shù)工信部重點實驗室和四川大學(xué)商學(xué)院數(shù)智金科研究團隊老師或同學(xué)的最新研究成果進行宣講，邀請數(shù)據(jù)智能與金融科技領(lǐng)域的專家學(xué)者進行點評，優(yōu)秀論文將推薦至高水平期刊發(fā)表，具體信息另行通知。

②國家自然科學(xué)基金重點項目論文工作坊

遴選該項目最新研究成果做學(xué)術(shù)報告，邀請相關(guān)領(lǐng)域的專家現(xiàn)場點評，優(yōu)秀論文將推薦至高水平期刊發(fā)表，具體信息另行通知。（重點項目名稱：重要戰(zhàn)略資源需求與價格的預(yù)測理論與方法，項目編號：72331007）。

③海南省重點研發(fā)計劃項目論文工作坊

遴選該項目最新研究成果做學(xué)術(shù)報告，邀請相關(guān)領(lǐng)域的專家現(xiàn)場點評，優(yōu)秀論文將推薦至高水平期刊發(fā)表，具體信息另行通知。（重點研發(fā)項目名稱：基于大數(shù)據(jù)與大模型的海南省信用風(fēng)險預(yù)測關(guān)鍵技術(shù)與原型系統(tǒng)開發(fā)示范）。

④領(lǐng)域相關(guān)平行論壇

誠摯歡迎數(shù)據(jù)智能與金融科技相關(guān)領(lǐng)域同行進行投稿交流，同時邀請相關(guān)領(lǐng)域的專家學(xué)者現(xiàn)場點評，優(yōu)秀論文將推薦至高水平期刊發(fā)表，具體信息另行通知。（領(lǐng)域相關(guān)平行論壇僅限線下參會人員投稿，投稿截止日期為6月30日，投稿方式詳見下文）。

會議主席

余樂安，四川大學(xué)

組委會主席

徐小峰，中國石油大學(xué)（華東）

以下內(nèi)容為GPT視角對數(shù)據(jù)智能與金融科技學(xué)術(shù)年會相關(guān)領(lǐng)域的研究解讀，僅供參考：

數(shù)據(jù)智能與金融科技研究現(xiàn)狀

數(shù)據(jù)智能與金融科技研究現(xiàn)狀一、數(shù)據(jù)智能在金融科技中的應(yīng)用與研究進展

1. 核心技術(shù)突破

機器學(xué)習(xí)與深度學(xué)習(xí)：在金融風(fēng)險評估、信用評分、欺詐檢測等領(lǐng)域取得顯著進展。例如，基于深度學(xué)習(xí)的自然語言處理技術(shù)已應(yīng)用于輿情分析，通過分析新聞報道、社交媒體數(shù)據(jù)等，評估市場情緒和潛在風(fēng)險。

知識圖譜：構(gòu)建金融知識圖譜，整合企業(yè)、個人、機構(gòu)等多維度數(shù)據(jù)，揭示復(fù)雜金融關(guān)系網(wǎng)絡(luò)，輔助投資決策和風(fēng)險管理。

聯(lián)邦學(xué)習(xí)：解決數(shù)據(jù)孤島問題，在保護隱私的前提下實現(xiàn)跨機構(gòu)數(shù)據(jù)協(xié)同建模，提升模型泛化能力。

2. 典型應(yīng)用場景

智能投顧：基于用戶風(fēng)險偏好和投資目標，提供個性化資產(chǎn)配置建議，降低投資門檻。

智能風(fēng)控：實時監(jiān)控交易行為，識別異常模式，防范金融欺詐和信用風(fēng)險。

供應(yīng)鏈金融：利用物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)，實現(xiàn)供應(yīng)鏈上下游企業(yè)間交易數(shù)據(jù)的可信共享，優(yōu)化融資流程。

3. 研究熱點

可解釋性AI：研究如何提高復(fù)雜模型的可解釋性，增強監(jiān)管機構(gòu)和用戶對AI決策的信任。

小樣本學(xué)習(xí)：針對金融領(lǐng)域數(shù)據(jù)標注成本高、樣本稀缺的問題，探索小樣本學(xué)習(xí)算法。

隱私保護計算：研究如何在保證數(shù)據(jù)隱私的前提下，實現(xiàn)數(shù)據(jù)的有效利用。

二、金融科技整體發(fā)展態(tài)勢

1. 行業(yè)規(guī)模與增長

全球金融科技市場規(guī)模持續(xù)擴大，特別是在支付清算、借貸融資、財富管理等領(lǐng)域，創(chuàng)新企業(yè)不斷涌現(xiàn)。

中國金融科技發(fā)展迅速，移動支付、數(shù)字貨幣等領(lǐng)域處于世界領(lǐng)先地位。

2. 監(jiān)管政策與合規(guī)

各國政府加強對金融科技的監(jiān)管，出臺相關(guān)法律法規(guī)，規(guī)范市場秩序，保護消費者權(quán)益。

監(jiān)管科技（RegTech）興起，利用技術(shù)手段提升監(jiān)管效率和合規(guī)水平。

3. 跨界融合與創(chuàng)新

金融科技與云計算、大數(shù)據(jù)、區(qū)塊鏈等技術(shù)的深度融合，推動金融產(chǎn)品和服務(wù)的創(chuàng)新。

金融機構(gòu)與科技公司加強合作，共同探索新的業(yè)務(wù)模式和市場機會。

三、面臨的挑戰(zhàn)與未來趨勢

1. 挑戰(zhàn)

數(shù)據(jù)安全與隱私保護：隨著數(shù)據(jù)量的爆炸式增長，數(shù)據(jù)泄露和濫用風(fēng)險增加，如何保障數(shù)據(jù)安全成為重要課題。

技術(shù)倫理與監(jiān)管：AI等技術(shù)的廣泛應(yīng)用引發(fā)倫理爭議，如何平衡創(chuàng)新與監(jiān)管成為挑戰(zhàn)。

人才短缺：金融科技領(lǐng)域?qū)鐚W(xué)科人才的需求旺盛，但目前人才供給不足。

2. 未來趨勢

智能化水平提升：AI技術(shù)將更加深入地融入金融業(yè)務(wù)流程，提升服務(wù)效率和質(zhì)量。

開放銀行與API經(jīng)濟：金融機構(gòu)將通過開放API，與第三方開發(fā)者合作，共同構(gòu)建金融生態(tài)。

綠色金融與可持續(xù)發(fā)展：金融科技將助力綠色金融發(fā)展，推動經(jīng)濟社會的可持續(xù)發(fā)展。

數(shù)據(jù)智能與金融科技研究可以應(yīng)用在哪些行業(yè)或產(chǎn)業(yè)領(lǐng)域

一、銀行業(yè)

風(fēng)險管理

利用數(shù)據(jù)智能技術(shù)構(gòu)建風(fēng)險評估模型，實時監(jiān)測信貸風(fēng)險、市場風(fēng)險等，提升風(fēng)險預(yù)警能力。

案例：銀行通過分析客戶的交易數(shù)據(jù)、信用記錄等，預(yù)測貸款違約概率，優(yōu)化信貸審批流程。

客戶服務(wù)

通過智能客服系統(tǒng)提供24小時在線服務(wù)，解答客戶咨詢，提升客戶體驗。

案例：智能語音助手識別客戶問題，自動推送解決方案或轉(zhuǎn)接人工客服。

精準營銷

基于客戶畫像和行為分析，推送個性化的金融產(chǎn)品和服務(wù)。

案例：向高凈值客戶推薦定制化理財產(chǎn)品，或向年輕用戶推廣便捷的移動支付服務(wù)。

二、保險業(yè)

風(fēng)險定價

利用大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)，根據(jù)客戶的風(fēng)險特征制定差異化的保險費率。

案例：車險公司通過分析駕駛行為數(shù)據(jù)（如急剎車次數(shù)、行駛里程）動態(tài)調(diào)整保費。

理賠反欺詐

通過數(shù)據(jù)智能技術(shù)識別異常理賠行為，降低欺詐風(fēng)險。

案例：結(jié)合圖像識別技術(shù)驗證醫(yī)療票據(jù)真實性，或分析歷史理賠記錄發(fā)現(xiàn)重復(fù)索賠。

產(chǎn)品創(chuàng)新

基于客戶需求和行為數(shù)據(jù)，開發(fā)定制化保險產(chǎn)品。

案例：針對特定場景（如旅行、健康）推出短期保險產(chǎn)品，或為高風(fēng)險職業(yè)設(shè)計專屬保障方案。

三、證券與投資業(yè)

量化投資

利用機器學(xué)習(xí)算法分析市場數(shù)據(jù)，優(yōu)化投資組合，提升收益水平。

案例：通過高頻交易策略捕捉市場波動中的套利機會，或基于自然語言處理技術(shù)分析新聞情緒預(yù)測股價走勢。

智能投顧

為投資者提供自動化、個性化的資產(chǎn)配置建議，降低投資門檻。

案例：根據(jù)用戶的風(fēng)險偏好和投資目標，推薦股票、基金等金融產(chǎn)品，并動態(tài)調(diào)整組合。

市場監(jiān)管

通過數(shù)據(jù)智能技術(shù)監(jiān)測市場異常交易行為，維護市場秩序。

案例：識別內(nèi)幕交易、操縱市場等違規(guī)行為，為監(jiān)管機構(gòu)提供決策支持。

四、供應(yīng)鏈金融

信用評估

基于供應(yīng)鏈上下游企業(yè)的交易數(shù)據(jù)，評估中小企業(yè)信用狀況，解決融資難題。

案例：通過分析核心企業(yè)的應(yīng)付賬款、訂單數(shù)據(jù)等，為供應(yīng)商提供應(yīng)收賬款融資服務(wù)。

風(fēng)險控制

利用物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)實現(xiàn)交易數(shù)據(jù)的可信共享，降低融資風(fēng)險。

案例：通過區(qū)塊鏈記錄貨物運輸、倉儲等環(huán)節(jié)的數(shù)據(jù)，確保融資資金流向真實交易。

流程優(yōu)化

通過數(shù)據(jù)智能技術(shù)自動化處理融資申請、審批等流程，提升效率。

案例：基于智能合約自動執(zhí)行融資條款，減少人工干預(yù)。

五、其他行業(yè)

零售業(yè)

通過分析消費者購物行為數(shù)據(jù)，優(yōu)化商品推薦和庫存管理。

案例：電商平臺根據(jù)用戶瀏覽歷史和購買記錄，推送個性化商品。

制造業(yè)

利用數(shù)據(jù)智能技術(shù)優(yōu)化生產(chǎn)流程，預(yù)測設(shè)備故障，降低維護成本。

案例：通過傳感器數(shù)據(jù)監(jiān)測設(shè)備運行狀態(tài)，提前安排維修計劃。

醫(yī)療健康

通過分析醫(yī)療數(shù)據(jù)，輔助疾病診斷和治療方案制定。

案例：利用AI技術(shù)分析醫(yī)學(xué)影像，提高診斷準確率。

政府與公共服務(wù)

通過數(shù)據(jù)智能技術(shù)優(yōu)化城市管理、提升公共服務(wù)效率。

案例：基于交通流量數(shù)據(jù)優(yōu)化信號燈配時，緩解擁堵；或通過分析民生數(shù)據(jù)制定精準扶貧政策。

數(shù)據(jù)智能與金融科技領(lǐng)域有哪些知名研究機構(gòu)或企業(yè)品牌

一、知名研究機構(gòu)

MIT Media Lab（麻省理工學(xué)院媒體實驗室）

領(lǐng)域：專注于人工智能、區(qū)塊鏈、金融科技等交叉學(xué)科研究。

成果：在數(shù)字貨幣、智能合約、去中心化金融（DeFi）等領(lǐng)域有突破性研究。

斯坦福大學(xué)人工智能實驗室（SAIL）

領(lǐng)域：機器學(xué)習(xí)、自然語言處理在金融領(lǐng)域的應(yīng)用。

成果：開發(fā)了用于金融風(fēng)險預(yù)測的深度學(xué)習(xí)模型。

清華大學(xué)金融科技研究院

領(lǐng)域：金融科技政策、區(qū)塊鏈、監(jiān)管科技（RegTech）。

成果：發(fā)布《中國金融科技發(fā)展報告》，推動行業(yè)規(guī)范發(fā)展。

中國人民銀行數(shù)字貨幣研究所

領(lǐng)域：數(shù)字人民幣（e-CNY）研發(fā)、央行數(shù)字貨幣（CBDC）技術(shù)標準。

成果：主導(dǎo)數(shù)字人民幣試點，推動全球央行數(shù)字貨幣研究。

國際清算銀行創(chuàng)新中心（BIS Innovation Hub）

領(lǐng)域：跨境支付、央行數(shù)字貨幣、金融基礎(chǔ)設(shè)施創(chuàng)新。

成果：聯(lián)合多國央行開展跨境支付項目（如mBridge）。

二、知名企業(yè)品牌1. 科技巨頭與金融科技公司

螞蟻集團

領(lǐng)域：支付清算、智能投顧、區(qū)塊鏈。

產(chǎn)品：支付寶、余額寶、螞蟻鏈。

技術(shù)：基于大數(shù)據(jù)的風(fēng)控模型（如芝麻信用）。

騰訊金融科技

領(lǐng)域：移動支付、財富管理、金融云。

產(chǎn)品：微信支付、理財通、企業(yè)微信金融解決方案。

技術(shù)：AI驅(qū)動的智能客服和反欺詐系統(tǒng)。

京東科技

領(lǐng)域：供應(yīng)鏈金融、數(shù)字普惠金融。

產(chǎn)品：京保貝（供應(yīng)鏈融資）、京小貸（小微企業(yè)貸款）。

技術(shù)：基于物聯(lián)網(wǎng)的供應(yīng)鏈數(shù)據(jù)風(fēng)控。

平安集團（旗下金融壹賬通）

領(lǐng)域：智能風(fēng)控、區(qū)塊鏈金融。

產(chǎn)品：Gamma智能貸款平臺、區(qū)塊鏈貿(mào)易融資網(wǎng)絡(luò)。

技術(shù)：AI+知識圖譜的信貸審批模型。

2. 傳統(tǒng)金融機構(gòu)的科技子公司

工銀科技（工商銀行）

領(lǐng)域：金融云、區(qū)塊鏈、監(jiān)管科技。

產(chǎn)品：工銀璽鏈（區(qū)塊鏈平臺）、工銀聚融（產(chǎn)業(yè)金融平臺）。

建信金科（建設(shè)銀行）

領(lǐng)域：普惠金融、智慧政務(wù)。

產(chǎn)品：建行惠懂你（小微企業(yè)融資）、智慧政務(wù)服務(wù)平臺。

3. 國際金融科技企業(yè)

Stripe（美國）

領(lǐng)域：支付基礎(chǔ)設(shè)施、跨境支付。

技術(shù)：API驅(qū)動的支付解決方案，支持全球135+種貨幣。

Plaid（美國，被Visa收購）

領(lǐng)域：金融數(shù)據(jù)聚合、開放銀行。

技術(shù)：連接銀行賬戶與金融科技應(yīng)用，支持數(shù)千萬用戶。

Revolut（英國）

領(lǐng)域：數(shù)字銀行、跨境匯款。

產(chǎn)品：多幣種賬戶、加密貨幣交易。

技術(shù)：實時匯率轉(zhuǎn)換和低成本跨境支付。

4. 區(qū)塊鏈與加密貨幣領(lǐng)域

Ripple

領(lǐng)域：跨境支付、區(qū)塊鏈協(xié)議。

產(chǎn)品：RippleNet（銀行跨境支付網(wǎng)絡(luò)）、XRP（數(shù)字貨幣）。

Chainalysis

領(lǐng)域：區(qū)塊鏈數(shù)據(jù)分析、反洗錢。

技術(shù)：追蹤加密貨幣交易，協(xié)助執(zhí)法機構(gòu)打擊犯罪。

三、行業(yè)影響與趨勢

技術(shù)融合：數(shù)據(jù)智能（AI、大數(shù)據(jù)）與金融科技（區(qū)塊鏈、云計算）深度融合，推動金融業(yè)務(wù)自動化和智能化。

監(jiān)管科技（RegTech）興起：金融機構(gòu)和監(jiān)管機構(gòu)利用技術(shù)提升合規(guī)效率，降低風(fēng)險。

開放銀行與API經(jīng)濟：銀行通過開放API與第三方合作，構(gòu)建金融生態(tài)。

綠色金融科技：利用技術(shù)推動碳交易、綠色信貸等可持續(xù)發(fā)展領(lǐng)域。

數(shù)據(jù)智能與金融科技領(lǐng)域有哪些招聘崗位或就業(yè)機會

一、技術(shù)類崗位：核心算法與工程實踐

算法工程師（金融方向）

職責(zé)：開發(fā)風(fēng)險評估、量化交易、反欺詐等金融場景的機器學(xué)習(xí)/深度學(xué)習(xí)模型。

技能：Python、TensorFlow/PyTorch、金融時間序列分析。

案例：某銀行通過LSTM模型預(yù)測信用卡違約概率，降低壞賬率15%。

數(shù)據(jù)科學(xué)家（金融科技）

職責(zé)：從海量金融數(shù)據(jù)中挖掘規(guī)律，支持投資決策或產(chǎn)品設(shè)計。

技能：SQL、Hadoop/Spark、因果推斷、可視化工具（Tableau）。

案例：某對沖基金通過輿情分析預(yù)測股票漲跌，年化超額收益達8%。

區(qū)塊鏈開發(fā)工程師

職責(zé)：設(shè)計分布式賬本、智能合約，優(yōu)化跨境支付或供應(yīng)鏈金融系統(tǒng)。

技能：Solidity、Hyperledger Fabric、零知識證明。

案例：某企業(yè)通過區(qū)塊鏈實現(xiàn)跨境貿(mào)易融資，效率提升40%。

NLP/CV工程師（金融場景）

職責(zé)：開發(fā)輿情分析、OCR票據(jù)識別、智能客服等AI應(yīng)用。

技能：BERT、YOLO、語音識別技術(shù)。

案例：某保險公司通過OCR技術(shù)實現(xiàn)理賠自動化，處理時效縮短70%。

二、業(yè)務(wù)類崗位：金融與技術(shù)的深度融合

量化研究員（金融科技）

職責(zé)：開發(fā)高頻交易、套利策略，優(yōu)化投資組合。

技能：C++/Python、金融衍生品定價、高頻數(shù)據(jù)回測。

案例：某量化團隊通過AI策略實現(xiàn)年化收益20%，夏普比率3.5。

金融風(fēng)控專家（數(shù)據(jù)驅(qū)動）

職責(zé)：構(gòu)建信用評分卡、反洗錢模型，監(jiān)控系統(tǒng)性風(fēng)險。

技能：風(fēng)控建模（Logistic回歸、XGBoost）、監(jiān)管合規(guī)知識。

案例：某P2P平臺通過風(fēng)控模型將逾期率從12%降至3%。

保險科技產(chǎn)品經(jīng)理

職責(zé)：設(shè)計基于物聯(lián)網(wǎng)的UBI車險、健康險動態(tài)定價產(chǎn)品。

技能：保險精算、用戶需求分析、產(chǎn)品原型設(shè)計。

案例：某保險公司通過車聯(lián)網(wǎng)數(shù)據(jù)降低賠付率18%。

三、產(chǎn)品與運營類崗位：技術(shù)與場景的橋梁

金融科技產(chǎn)品經(jīng)理

職責(zé)：設(shè)計智能投顧、數(shù)字銀行、供應(yīng)鏈金融等產(chǎn)品。

技能：PRD撰寫、用戶旅程地圖、跨部門協(xié)作。

案例：某銀行智能投顧產(chǎn)品上線6個月，管理資產(chǎn)規(guī)模破百億。

數(shù)據(jù)運營分析師

職責(zé)：通過AB測試、用戶畫像優(yōu)化金融產(chǎn)品體驗。

技能：SQL、A/B測試框架、用戶行為分析。

案例：某支付平臺通過用戶分層運營，提升高凈值用戶留存率25%。

金融合規(guī)科技（RegTech）專家

職責(zé)：開發(fā)監(jiān)管沙盒、自動化合規(guī)檢查系統(tǒng)。

技能：監(jiān)管政策解讀、NLP技術(shù)、合規(guī)流程設(shè)計。

案例：某金融機構(gòu)通過RegTech系統(tǒng)減少合規(guī)成本30%。

四、職能類崗位：支撐技術(shù)與業(yè)務(wù)落地

金融科技解決方案架構(gòu)師

職責(zé)：設(shè)計銀行/保險數(shù)字化轉(zhuǎn)型技術(shù)方案。

技能：微服務(wù)架構(gòu)、云計算、行業(yè)解決方案設(shè)計。

案例：某銀行通過核心系統(tǒng)云化，上線周期縮短50%。

金融數(shù)據(jù)治理專家

職責(zé)：建立數(shù)據(jù)標準、保障數(shù)據(jù)安全與隱私。

技能：數(shù)據(jù)質(zhì)量管控、GDPR/個人信息保護法、數(shù)據(jù)血緣分析。

案例：某金融機構(gòu)通過數(shù)據(jù)治理，提升數(shù)據(jù)可用性40%。

金融科技培訓(xùn)師

職責(zé)：開展區(qū)塊鏈、AI等新技術(shù)內(nèi)部培訓(xùn)。

技能：課程設(shè)計、技術(shù)演示、案例教學(xué)。

案例：某銀行通過培訓(xùn)提升員工AI應(yīng)用能力，項目落地效率提升30%。

五、行業(yè)趨勢與崗位需求分析

技術(shù)需求熱點

聯(lián)邦學(xué)習(xí)、隱私計算在金融數(shù)據(jù)共享中的應(yīng)用。

因果推斷在營銷歸因、風(fēng)控策略優(yōu)化中的價值。

生成式AI（如ChatGPT）在智能客服、投研報告生成中的潛力。

新興崗位方向

綠色金融科技：碳交易系統(tǒng)開發(fā)、ESG數(shù)據(jù)建模。

元宇宙金融：虛擬銀行、NFT資產(chǎn)交易。

Web3.0金融：去中心化保險、DAO治理。

企業(yè)類型與崗位分布

傳統(tǒng)金融機構(gòu)：側(cè)重監(jiān)管科技、數(shù)據(jù)治理、智能風(fēng)控。

互聯(lián)網(wǎng)巨頭金融部門：強調(diào)算法工程、用戶增長、產(chǎn)品創(chuàng)新。

金融科技創(chuàng)業(yè)公司：聚焦細分領(lǐng)域（如跨境支付、保險科技）的技術(shù)突破。

六、求職建議

技術(shù)崗：

優(yōu)先掌握Python、SQL、機器學(xué)習(xí)框架，參與Kaggle金融類競賽。

考取CFA（特許金融分析師）或FRM（金融風(fēng)險管理師）認證。

業(yè)務(wù)崗：

積累金融行業(yè)知識（如《證券投資分析》《保險學(xué)》），考取基金從業(yè)資格。

通過實習(xí)或項目實踐，熟悉金融產(chǎn)品設(shè)計與運營流程。

綜合建議：

關(guān)注行業(yè)動態(tài)（如央行數(shù)字貨幣、跨境支付新規(guī)）。

構(gòu)建“技術(shù)+金融”復(fù)合能力，如算法+風(fēng)控、區(qū)塊鏈+保險。

參與開源項目（如Hyperledger）或行業(yè)峰會（如外灘金融峰會）。