金融行业应用容器化转型的最佳实践

金融行业应用容器化转型的最佳实践

冲刺入全行业保费发展规模前三的富德生命人寿，作为一家在业界连年刷新保费增速记录的创新性金融机构，近几年进入集团化经营发展战略阶段后，在更多的业务内容创新、业务渠道创新、业务结构优化改造方面始终走在行业尖端。

而这一切的业务发展成绩离不开强大的IT技术支持与引领，尤其是在应对互联网金融业务市场的激烈竞争时，IT能力的对决往往决定着业务发展的优劣。2015年下半年，富德生命人寿与中国平安科技——这两家传统金融机构科技创新力量的优秀代表，几乎同时开始启动了对容器技术的调研与引进，并在历时大半年的选型与方案验证测试后，各自完成了自己的容器技术应用项目。

作为领先并专注于金融行业容器技术与产品服务的合作伙伴，睿云智合非常荣幸地参与了这两个率先迈出行业探索和实践步伐的项目实施过程，并且在其后为更多金融企业用户提供了我们的专业产品与技术服务，积累了目前遥遥领先市场同业的成功案例。

作为一个系列分享，我们将按照项目商业落地的先后顺序对代表性案例一一进行讲解，欢迎大家持续关注并与我们积极互动，文末获取进入微信群方式，加入微信群，各个项目的客户代表、实施方技术团队，将乐于解答您对项目细节问题的咨询与探讨

项目目标场景

富德生命人寿的容器技术应用场景可以说在传统金融企业中是最为全面、最为丰富的案例之一，非常具有代表性。其项目需求具体包括：

?在引进容器技术之前，富德生命人寿已经将核心业务系统解耦为六十多个业务模块，正在尝试系统架构的微服务化治理，而容器技术刚好可以在有限的基础设施及人力资源条件下帮助实现高效部署和运维这些微服务模块。

?作为大部分业务模块自研为主的IT团队，业务软件的生产过程大幅提升自动化管理水平也迫在眉睫，CI/CD平台建设很早就已在富德生命人寿进行实施，容器技术的助力使得这一平台的使用将变得更加高效、流畅。

?作为大力开展互联网创新业务的金融企业，混合云架构支持下的诸多互联网应用需要在安全可靠的前提下解决高并发计算资源的弹性伸缩和业务灵活迁移，容器管理平台正是解决这一刚需的最佳利器。

?支撑富德生命人寿核心系统运行的计算资源每天差不多有一半时间没有任何业务流量，然而大数据团队的计算资源却非常紧张，富德生命人寿希望将大数据平台部署在容器化环境中，可以有效提高计算资源在不同运行时段的合理利用，真正实现云计算资源的科学管理。

技术实现方案

整体技术方案：

富德生命人寿基于容器技术设计了两个中心：软件持续交付中心和系统持续运行中心，第一期方案将主要支撑寿险业务的核心系统从软件开发测试，部署上线到持续运行全流程管理。

生命人寿IT平台架构部经过近一年的广泛调研，分析和验证性测试，最终采用了如下整体技术方案：

?容器管理平台采用Rancher, 为上层应用提供容器化的基础设施和容器化应用的运行环境，以及基础性容器服务。

?持续交付中心，在睿云智合的WiseBuild基础上，实现了针对目前研发，测试，运维流程的集成和定制开发。

?在容器管理平台之上，与睿云智合的产品WiseRun设计思路一致，双方合作研发了持续运行中心，高效管理复杂业务系统的建模，部署过程，以及全面的系统应用监控，配置中心和日志中心。

应用容器化和持续运营中心

将应用容器化，实现业务系统在多环境的一键部署；

?引入容器管理和编排平台（Rancher），实现开发，测试，生产环境的自动化和底层基础设施的适配，以提供应用的运行环境，屏蔽底层基础设施差异；

?实现应用的自动化部署及后续生命周期管理；

?结合持续交付中心，实现业务系统的持续部署。

构建基于容器的交付中心

?将开发环境，测试环境和应用环境容器化，实现环境“一键部署”，及大规模构建环境的自动创建和复制，实现开发，测试和预生产环境的一致性和标准化交付；

?实现持续构建服务，代码管理服务，并支持并行、弹性地自动构建服务。

混合云管理

项目中睿云智合技术团队为富德生命团队完成了市场几乎所有主流的公有云主机以及私有环境混合场景的基础设施架构搭建测试及验证，为富德生命人寿未来的IT资产投入规划提供了有力的数据支持。

大数据平台容器化及自动化部署

项目中睿云智合技术团队帮助完成了包括Hadoop以及HDFS、YARN、HBase、Hive、Kafka、Zookeeper等大数据组件的容器化集群部署，并全面实现了高可用特性以及平台的弹性伸缩能力。建立了在非忙时段使用业务计算资源快速启动大数据集群进行自动化数据处理的科学机制。

项目中关键技术点

日志收集方案

项目中我们根据富德生命人寿的实际情况设计了一个低资源资源消耗，无应用侵入，可以清楚识别日志来源的统一日志收集方案。请参阅往期微信分享容器内应用日志收集方案

监控告警方案

富德生命人寿在监控方面的需求主要包含以下四个功能点，日志采集，告警，存储以及展示。目前业界流行的方案中只有prometheus是作为一个整体的方案可以同时满足这四个功能，但是prometheus的默认的存储方式是本地存储，对opentsdb这种分布式的时间序列数据库支持不够，在扩展性上不够好。所以我们为富德生命人寿设计了一种组合式的方案采用cAdvisor + scollector

+ Bosun + OpenTSDB + Grafana实现监控告警需求功能。各个组件之间都有官方支持，所以兼容性有足够的保证。

金融大数据行业应用及发展

金融大数据行业应用及发展 在中国经济走向新常态的转型中，在中国经济成为全球第二大经济体的发展中，在中国金融业向支持实体经济、创新驱动的转换中，大数据在金融领域的应用，成为中国金融业的新增长点和新亮点。大数据能够充分利用金融市场形成的海量数据来挖掘用户需求、评价用户信用、管理融资风险等。它改变了金融业的发展取向、释放了被压抑的金融需求，一开始就具有强大的生命力。 国务院颁布的《推进普惠金融发展规划（2016～2020年）》中更是直接提到“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台”。国内外各金融与类金融机构、互联网金融企业纷纷开始探索大数据的应用，希望大数据可以带来技术上的突破，实现自动化、着手升级现有风控模型体系、探索新型态基于场景化的消费金融市场、提升催收效率、建设互联网深层次大面积获客能力，从而彻底提升国家金融行业的国际竞争力。 大数据时代的三个重要趋势是：数据成为资产、行业垂直整合、泛互联网化（即技术与行业的跨界穿越与颠覆式发展）。大数据金融的作用机制是通过云计算等智能信息工具对序列之间的联系、动态信息数据序列进行分析，大幅度提高金融风险定价的效率，降低定价成本，有效减少信息不对称问题，使得对单个客户的信用信息、消费倾向、理财习惯分析成为可能。 一、金融大数据应用分析 未来将迎来一个大数据浪潮。随着互联网特别是移动互联网的爆发式增长，全球数据量以几何级数增加。现在全世界新产生的数据量每年增加40%，每两年数据翻一番。2012年、2013年产生数据量总和是人类有历史以来到2011年产生数据量的总和，两年的数据量等于一万年的总和，这个数据规模为1.8ZB。IBM预测，2020年，全球数据总量会达到35ZB，是2000年之前总和的50倍、目前数据总量的8倍。 （1）大数据在金融监管机构中的应用 我国的金融行业正在处于应用大数据的初级阶段，国内的金融机构经过多年的发展与积累，拥有超过百TB的海量数据，而且非结构化的数据量也在不断的增长。金融机构在大数据应用方面具有天然的优势：首先，金融企业在平时的业务开展中积累了大量高价值的数据，

2020年金融科技行业分析报告

2020年金融科技行业 分析报告 2020年9月

目录 一、金融科技概况 (9) 1、金融科技基本内涵及生态体系 (9) 2、中国金融科技行业目前已进入平稳发展期 (10) （1）第一阶段市场启动期（2004-2012年）：金融科技公司萌芽，科技开始渗透进金融核心业务 (11) （2）第二阶段高速发展期（2013-2015年上半年）：各机构开始大规模互联网化布局 (12) （3）第三阶段市场调整期（2015年下半年-2018年）：监管政策密集出台，行业发展趋于缓慢 (13) （4）第四阶段稳步增长期（2019年至今）：监管压力减小，行业健康稳步发展 .. 13 3、金融科技投融资情况 (14) （1）金融科技融资规模：2018年达历史高点，全球融资突破千亿美元 (15) （2）金融科技融资阶段：交易份额转向中后期（B轮以后）融资 (16) （3）金融科技融资领域：支付领域仍为热点，保险科技与区块链表现强劲 (17) 二、金融科技四大技术方向解读：ABCD (18) 1、人工智能AI：智能风控、智能支付、智能投研、智能投顾等 (19) 2、区块链BlockChain：解决安全、信任、效率三大痛点 (20) 3、云计算Cloud：在信息获取、资源配置、IT运营三方面发力 (20) 4、大数据Data：应用于银行、保险、证券等细分领域 (21) 三、金融科技六大细分领域剖析 (22) 1、移动支付 (22) （1）行业格局：行业增速放缓，监管收紧；C端呈双寡头格局，B端具发展潜力 23 ①移动支付交易规模扩大，监管政策收紧，行业增速放缓 (23) ②C端呈双寡头格局，B端具发展潜力 (24)

金融行业分析

（二）金融行业 1.金融行业需求分析 金融业包括银行和非银行金融机构。银行是以吸收存款作为主要资金来源，以发放贷款为主要资金运用的信用机构，银行的基本职能是充当信用中介，充当支付中介，进行信用创造和调节经济。因此，商业银行和中央银行是真正的银行。非银行金融机构主要包括开发银行、投资银行、保险公司、信用合作社、储蓄银行、信托公司及其他专业银行、财务公司等。 我国的金融信息化被业内人士认为是“起步晚，却发展迅猛”。但与国外的金融企业相比，我们还停留在金融信息化的初级阶段。目前国内已经上马信息化的金融企业大多只是为客户提供信息查询而已，提供理财、咨询服务的不多。国外的经验告诉我们，金融信息化不是为了向客户提供一批简单的海量信息，而是要向客户提供个性化的金融服务，成为客户的投资理财专家，为客户整合加工所有的信息，分析投资动态，推荐投资产品等。要让信息化落到实处，主要要做到以下几点： 1)数据大集中。金融企业为顺应金融业务和信息技术相融合的大趋势，斥巨资将过去分散的、功能较弱的、以业务自动化处理为主的单一计算机系统改造为功能强大的集中式计算机应用系统。如今，这种系统已经成为金融企业经营管理和业务运作的核心基础和最重要的竞争武器。

2)建立数据仓库与数据挖掘。数据大集中后，利用数据仓库技术，可以使分散的信息变成集中的信息，使孤立的信息变成相互联系的信息，使一些潜在的原始的信息变成现实的经过加工的信息，使无价值的信息变成有价值的信息。数据仓库建成后，通过数据挖掘技术，可以有效地控制关联企业的信贷风险，能够形成以客户管理为框架的成本控制体系，从而实现金融企业经营资源的优化配置等等。更为重要的是，数据仓库可以为各级金融企业经营决策提供强大的可信赖的支持，减少决策的盲目性。 3)为金融业搭建多元化的综合业务平台。有了集中的数据仓库后，各项业务的开展将更为有的放矢，各项业务的开展也具备更多的可能性。金融业务多元化，服务功能综合化、全能化，从分业经营到混业经营，金融信息化网络化的发展将改变单一、传统的经营模式，实现综合经营。现在商业银行领域，如投资、证券、代理保险、信用卡、咨询服务、信息服务、保险箱服务等等，都已在金融市场上积极推进，中间业务的发展令人看好。 针对金融行业的特征，针对通信及信息技术具有以下要求：固移融合通信网络，开放灵活移动技术，构建稳定、安全、高效的企业信息化系统，提升组织效率，降低运营成本，开展新的业务合作模式。具体需求包括： （1）基础通信，包括有价格竞争力的互联网宽带、有线与无线混合的专线 （2）移动营销，包括高时效短信发送要求、可靠稳定应对大业务

金融科技领域发展案例分析报告

金融科技领域发展案例分析

随着科技创新的不断加快及推进，社会发展步伐加快，各行各业发生了翻天覆地的变化，行业创新明显提高，传统行业发展模式弊端开始显现，已经不能适应新时代发展特点。互联网技术的深入发展，让传统线下发展模式逐渐转变为线上线下结合的模式，让人们突破地域的限制，实时有效的进行沟通交流。随着互联网技术的深度发展及融合，云计算、互联网大数据、人工智能、区块链技术等新一代技术相继问世，在长期的实践和总结中，逐步完善其理论和拓展应用围，更加深刻的影响着社会的发展，促使整个社会生产效率大幅度提升。 科技创新为社会提供了源源不断地动力，不断推动着社会向前发展，在科技赋能时代，将伴随着诞生与毁灭，传统行业在一定程度上受到了影响，传统行业中由于长期以来发展模式、管理体制、管理思维、设备基础设施等等都是比较落后的，运营效率不高，企业盈利越来越低，加重了企业负担，严重影响了企业发展及规模的扩大，不利于中国经济高质量发展。 在金融领域，传统金融发展模式由于不能完全适应中国金融市场，因此，很大一部分的金融业务没有得到有效开发，特别是在融资业务方面，没有充分利用好资源，发挥金融的本应有的属性和功能。在中国企业发展中，中小微企业占据了大部分，一直以来中小微企业的发展没有得到足够的重视，由于中小企业本身属性缺陷，大部分的中小微企业自身实力比较弱，国家政策支持力度不够，财务信息不透明，在管理体制、技术创新、人才开发等略显不足，加之中小微企业运营过程存在风险比较大，因此往往不受传统金融机构的青睐，这严重制约了中小微企业的发展。 在此背景下，“科技+金融”模式应运而生，在科技的助推下，传统金融发展发生重大改变，极大地激活了整个金融市场及业务延伸，在发展模式不再是单纯的线下线上发展，也不再只是存款、贷款和结算三大业务，而是纵深整个行业发展，为行业发展注入新动力。 金融科技作可以说是一种新的金融模式，在近几年的发展中，引起了国家的高度重视，在十八大报告及十九打报告中多次提到如何加快金融服务实体经济效率的提升，而金融与科技的深度融合，将有效地提升金融服务实体经济水平，促进金融体制创新。同时在此发展背景下，金融科技领域也将成为发展热土。

大数据在金融行业的应用与发展展望...

大数据在金融行业的应用与发展展望 现如今，人们的生活中无不充斥着互联网的痕迹，越来越多的行为和事件被大数据记录又被大数据影响，金融行业因其安全性的重要更是与大数据技术息息相关。 金融业务对于数据应用的广泛性与质量要求 在互联网发展日新月异的时代背景下，人们的生活、工作、消费、活动的习惯与行为特点在被不断重塑，大量数据被留存记录，各行业对于数据的挖掘和使用有了适应时代发展的新特点，这在银行等金融机构的业务中尤为凸显。获客、信用风险控制、留存客户、触发客户消费是金融行业的几大痛点，而以集奥聚合(北京集奥聚合科技有限公司简称)为代表的大数据技术公司引领的大数据行业的发展正好满足了这些需求，有效克服了目前金融机构数据来源单一、覆盖率不足、数据挖掘程度不深等问题。 金融行业既涉及宏观国民经济的方方面面，又与微观社会主体的经济生活密切相关，中国是一个人口大国，也是社会活动多样性的代表性国家，金融机构为了在纷繁的条件下做出正确的商业判断越发需要依据海量的高质量数据进行分析，但这也与相关数据覆盖人群不足、信息孤岛尚未联通等社会大环境形成了相对矛盾。例如，在个人信用风险控制方面，过去金融机构主要依托从各金融机构上报的信贷类数据的集中管理者——人民银行征信中心调取相关数据对于个人

进行信用评价，但人民银行征信中心的数据并未对中国全部人口有实质性的广泛覆盖，甚至可以说只覆盖了偏少一部分有信贷、信用卡消费记录的人群，加之考虑到因互联网金融日益发展等因素而对金融产品需求愈发多样的人群，仅基于信贷类数据评价这些人群可能会误伤很多暂时还没有信贷纪录的中低收入人群，利用不同来源的“大数据”及相关技术(以下统称大数据)解决个人客户信用评价的全面性与客 观性问题的重要作用凸显出来。 有价值大数据汇聚具备的特点 有价值的大数据的汇聚具备以下特点，这也是金融业应用大数据时要考虑的关键： 一、数据的联通性。由于很多数据是基于不同渠道、场景和主键进行的汇聚，要把这些碎片化数据进行准确整合，需要有很强的ID MAPPING能力，数据的联通解决不同数据是否归属于同一主体的能力。问题举例，10条行为信息，究竟是10个不同主体产生的，还是1个人在10个不同渠道留下的，不同的判断会直接影响数据分析的结果。 二、数据的连续性。数据汇聚需要在“约定“的频率下持续不断、全面地进行才能产生集合价值。首先，数据连续性要求数据源本身具备稳定提供数据的能力、数据全面和质量可靠的能力。就完整和可靠而言，金融机构是公认的最完整和可靠的数据来源。就稳定性而言，

分类规则在金融行业的应用分析

分类规则在金融行业的应用分析 * ;

摘要:数据库内容丰富，蕴藏大量信息。数据挖掘的主要任务是对大型数据库中的海量业务数据进行抽取、转换、分析和模型化处理，从中提取辅助决策的关键性数据和隐藏的预测性信息。其功能是在指定的数据集中发掘出数据间潜在的模式，找出人们可能忽视的信息，以便于理解和观察的形式反映给用户，并给出基于知识的决策分析意见和结论。随着数据挖掘的蓬勃发展，它的功能会越来越多。分类规则就是其中一种，它可以用于提取描述重要数据类的模型。许多分类方法已被机器学习、专家系统、统计学以及神经生物学方面的研究者提出。基于以上内容，可以建立一个分类模型，进行详细的分析，对保险客户的信用、安全或风险进行分类评价。 关键词:数据挖掘；分类；金融；保险 前言:数据挖掘的主要任务是对大型数据库中的海量业务数据进行抽取、转换、分析和模型化处理，从中提取辅助决策的关键性数据和隐藏的预测性信息。其功能是在指定的数据集中发掘出数据间潜在的模式，找出人们可能忽视的信息，以便于理解和观察的形式反映给用户，并给出基于知识的决策分析意见和结论。分类规则一种数据分析形式，可以用于提取描述重要数据类的模型。许多分类方法已被机器学习、专家系统、统计学以及神经生物学方面的研究者提出，同时基于分类规则方法的数据挖掘被广泛应用于金融行业。 、 正文：分类规则在金融行业的应用分析 众所周知，数据库内容丰富，蕴藏大量信息，可以用来作出智能的商务决策。数据分类是数据挖掘的功能之一，也是数据挖掘领域一种非常重要的任务，在神经网络、专家系统、统计学习中得到较早的研究，并且目前在商业中得到了广泛的应用。数据分类实际上就是从数据库对象中发现共性，将数据对象分成不同几类的一个过程，具体来说是在己有数据的基础上建立一个分类函数或构造出一个分类模型，该函数或模型能够把数据库中的数据纪录映射到给定类别中的某一个，从而可以应用于数据预测。分类是一种有监督的学习。本文就数据挖掘中的分类规则的相关知识进行详尽分析与应用说明。 一、数据分类的概念 数据分类是找出数据库中的一组数据对象的共同特点并按照分类模式将其 划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到摸个给定的类别中。可以应用到涉及到应用分类、趋势预测中，如淘宝商铺将用户在一段时间内的购买情况划分成不同的类，根据情况向用户推荐关联类的商品，从而增加商铺的销售量。

【完整版】2020-2025年中国金融科技行业经营发展战略及规划制定与实施研究报告

（二零一二年十二月） 2020-2025年中国金融科技行业 经营发展战略制定与实施研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……

报告目录 第一章企业经营发展战略概述 (9) 第一节企业经营发展战略的重要性及意义 (9) 一、是决定企业经营活动成败的关键性因素 (9) 二、是实现企业快速、健康、持续发展的需要 (9) 三、是企业实现自己的理性目标的前提条件 (10) 四、是企业长久地高效发展的重要基础 (10) 五、是企业充满活力的有效保证 (10) 六、是企业及其所有企业员工的行动纲领 (11) 七、是企业扩展市场、高效持续发展的有效途径 (11) 八、是执行层行动的指南 (11) 第二节制定实施企业经营发展战略的作用 (11) 一、有助于企业准确判断外在危机和机遇 (12) 二、有助于明确企业核心竞争力 (12) 三、有利于提升企业的持久竞争力 (12) 四、有助于企业找准市场定位 (12) 五、有助于企业内部控制、管理与执行 (13) 六、有助于优化资源，有利于实现资源价值最大化 (13) 七、有助于增强企业的凝聚力和向心力 (13) 八、有助于优化整合企业人力资源，提高企业效率 (13) 九、有助于建立品牌形象，明确目标市场 (14) 十、有助于激励员工积极主动地完成目标 (14) 第三节企业经营发展战略的特性 (14) 一、全局性 (14) 二、纲领性 (14) 三、长远性 (15) 四、导向性 (15) 五、保证性 (15) 六、超前性 (15) 七、竞争性 (15) 八、稳定性 (16) 九、风险性 (16) 第二章市场调研：2018-2019年中国金融科技行业市场深度调研 (17) 第一节金融与科技的共生式成长 (17) 第二节我国金融科技行业监管体制与发展特征 (18) 一、行业主管部门及监管体制 (18) 二、行业主要法律法规和政策 (18) （1）软件行业相关法律法规及政策 (18) （2）证券行业监管部门关于信息技术和业务规范的有关规定 (21) 三、行业的区域性、季节性和周期性特征 (24) 四、所处行业与上、下游行业之间的关联性 (25) 第三节2019年中国金融科技行业发展情况分析 (26)

金融行业大数据应用

大数据在金融行业的发展应用 一、金融行业大数据发展概述 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行 业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。金融行业位居第三，主要是由于大数据在金融行业的应用起步相对稍晚，其应用深度和广度还有很大的扩展空间。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。

不同行业应用大数据技术潜在价值评估 数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。 金融行业的大数据应用有很多的障碍需要克服，比如银行企业内各业务的数据孤岛效应严重、大数据人才相对缺乏以及缺乏银行之外的外部数据的整合等问题。可喜的是，金融行业尤其是以银行的中高层对大数据渴望和重视度非常高，相信在未来的两三年内，在互联网和移动互联网的驱动下，金融行业的大数据应用将迎来突破性的发展。

二、金融行业大数据应用 当前，数据是重要资产的观念已经在金融行业成为共识，随着金融业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有15%的结构化数据进行分析已经不能满足发展的需求，急需借助大数据战略打破数据边界，囊括85%的大数据分析，来构建更为全面的企业运营全景视图。大数据能够解决金融领域海量数据的存储、查询优化及声音、影像等非结构化数据的处理。金融系统可以通过大数据分析平台，导入客户社交网络、电子商务、终端媒体产生的数据，从而构建客户视图。依托大数据平台可以进行客户行为跟踪、分析，进而获取用户的消费习惯、风险收益偏好等。针对用户这些特性，银行等金融部门能够实施风险及营销管理。总结可以看出，金融机构大数据应用主要在四个领域：风险管理、渠道优化、客户管理及运营优化。

2017年金融科技(Fintech)产业链市场调研分析报告

2017年金融科技(Fintech)产业链市场调研分析报告

目录 第一节什么是Fintech？ (7) 一、让金融不再“高大上” (7) 二、Fintech 领域现象级事件频发 (7) 第二节Fintech，资本的宠儿 (8) 一、2015 年全球及中国Fintech 融资情况 (8) 二、商业及金融巨头着力布局Fintech (9) 2.1. 蚂蚁金服 (10) 2.2. 京东金融 (11) 2.3. 万达金融 (13) 2.4. 陆金所 (16) 三、Fintech 产业趋势研判 (18) 第三节万亿市场可期世界级巨头有望诞生于中国 (20) 一、大趋势，金融服务对象由“头部”向“长尾”转变 (20) 二、长尾信贷及财富管理万亿级市场规模可期 (22) 三、Fintech 世界级巨头或将诞生于中国 (26) 第四节Fintech 的技术支撑 (27) 一、区块链技术及应用范例 (28) 二、大数据技术及应用范例 (32) 三、人工智能技术及应用范例 (36) 第五节Fintech 对金融业态的深刻变革 (41) 一、支付业务：入口化及盈利转移 (42) 二、信贷业务：脱媒、大数据征信、长尾客户 (45) 三、股权投资：去中心化及面向长尾客户 (49) 四、保险业务：C2B 及碎片化 (53) 五、征信业务：大数据分析 (57) 第六节重点公司分析 (60) 一、同花顺：厚积薄发人工智能利剑出鞘 (60) 二、恒生电子：科技为本，基业长青 (61)

三、银之杰：卡位牌照资源，发力大数据个人征信 (61) 四、赢时胜：巨额定增打造Fintech 领先服务商 (62) 五、海立美达：收购联动优势，掘金金融大数据 (63) 六、奥马电器：钱包金服入主，打造Fintech 闭环生态 (63) 七、广博股份：卡位跨境电商场景，转型互联网跨境服务商 (64) 八、高伟达：“产品+服务”双剑合璧，打造Fintech 旗舰 (65) 九、中科金财：打造资产证券化平台级生态 (66) 十、长亮科技：卡位中小银行，科技助力金融创新升级 (66)

行业数据报告-2017中国金融科技(FinTech)专题分析

中国金融科技（FinTech）专题分析2017 本产品保密并受到版权法保护 Confidential and Protected by Copyright Laws

研究说明 金融科技（FinTech）定义 指运用大数据、人工智能、区块链等各类先进技术，帮助提升金融行业运转效率的一种新业态。它一方面可以帮助传统金融机构转型，另一方面通过技术的迭代和创新，发展出传统机构无法提供的高壁垒的新产品和新服务，而机构可以通过投资或合作，与新兴金融科技公司形成业务互补。 研究范畴 从借贷、财富管理、征信、众筹、支付、数字货币、互联网保险和零售银行8个角度出发，对国内金融科技的模式进行解析；另外，探讨国内金融科技的创业和投资机会，并对行业的未来趋势做出预测。研究数据 一手数据来自对被研究企业的深度访谈；二手数据主要来自行业公开信息、政府数据和网络信息等。

PART 1 中国金融科技发展背景分析 ? Analysys易观https://www.wendangku.net/doc/83287555.html,

中国经济结构转型背景下金融科技外部环境 政策环境 经济环境 社会环境 技术环境 ?互联网金融首次被纳入政府工作报告，并被写进十三五规划 ?政府围绕建设科技强国的战略目标，陆续发布一系列鼓励科技创新的政策 ?居民可支配收入增加，货币宽松下，市场上资金充裕，理财需求持续增长?侧供给改革核心之一是金融改革，即降低企业融资成本，提升资金利用率 ?国内互联网金融逐渐发展成熟，国内外交流加深，为更深层次的转型提供契机?各数据中心、征信系统等基础设施的建设逐渐完善，手机等移动终端发展成熟 ?大数据技术进一步发展 ?生物识别、语言处理、区块链等技术应用到金融中，为整个金融体系带来改变

大数据前沿技术及应用(二) 第三章 大数据金融行业应用.

第三章大数据金融行业应用 视频问题： 保险1：数据分析在保险行业有着较大的应用前景，尤其是在产险方面，其在美国已经有了较为成熟的应用。（是） 保险2：金融行业可以利用大数据实现涅槃重生。中国保险行业的渗透率只有3%，大大低于西方发达国家20%左右的渗透率。（否） 证券：中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。（是） 银行1：银行每创造100万美元的收入，一家银行平均产出约820GB的数据（是）银行2：大数据在银行的七个业务板块分别是零售银行业务，公司银行业务，资本市场业务，交易银行业务，资产管理业务，财富管理业务以及风险管理业务。（是） 在线考试： 1、2011年5月美国对冲基金Derwent Capical Markets通过分析Twitter的数据来感知市场营销，在首月的收益率为1.85%，让平均为0.76%的其他对冲基金相形见绌。（是） 2、客户生命周期管理包括新客户获取、客户防流失和客户赢回等。（是） 3、精准营销包括实施营销、交叉营销、个性化推荐以及客户生命周期管理。（是） 4、对于银行以及银行产品的舆论上，银行可以通过爬虫技术，抓取社区、论坛和微博上相关信息，并通过自然语言处理技术进行正负面判断，做到及时处理问题。（是） 5、在大数据时代，针对市场波动对证券公司IT建设的影响，一个聪明的证券公司会在行情比较清淡的时候加强基础建设替换老系统，因为在在大牛市行情好时做一些系统变更的风险系数非常高。（是） 6、招商信诺电销对信用卡客户的数据分析，主要思路是通过持卡人的行为，建立客户购买保险产品倾向性的模型，以提高电销的成功率。（是） 7、摩根大通银行可以利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（是） 8、客户画像指的是个人客户画像，包括人口统计写特征、消费能力数据、兴趣数据、分险偏好等。（否） 9、大数据的发展使国内的不少银行也开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据实现实时营销；招商银行利用大数据发展小型微贷等。（是）10、没有好的数据基础，可能建模过程就会中途夭折，但是建模成功的话，就能得到如意的结果。（否） 11、大数据是依托新的数据处理技术，对海量、高速增长、多样性的结构和非数据结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力，优化流程和科学配置资源的管理工具。（是） 12、2012年海通证券自主开发的“给予数挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测。（是） 13、股票、投资理财、投诉服务等各个业务涉及到交易、风控、清算等系统的数据都是用户在各个触电，场景下的痕迹，对这些数据进行拉通和分析，可以掌握用户在该券下商所

2017年金融科技行业巨头FIS分析报告

2017年金融科技行业巨头FIS分析报告 2017年9月

目录 一、FIS：北美金融科技航母 (4) 1、不断拓宽业务边界，成就产业“巨无霸” (4) 2、年入近百亿美元，金融危机后股价已翻10倍 (7) 3、北美业务发展稳定，海外业务快速增长 (10) 4、行业龙头地位稳固，深耕金融行业方显“专注”价值 (13) 二、聚焦两起最大并购：Capco和Sungard (15) 1、收购Capco，借“咨询业务”加深对金融行业的理解 (16) 2、收购SunGard，如虎添翼，进军资本IT领域 (17) 三、从FIS得到的两点启示 (20) 1、看Fintech需看长逻辑：中美金融市场成熟度存明显差距，国内短期监管 承压，长远前景广阔 (21) （1）中美金融市场成熟度存明显差距 (21) （2）中美金融科技对比 (21) 2、以史为镜：分久必合，主抓龙头 (24) （1）以史为镜，FIS的成长史映射出了“抓龙头”的重要性 (24) （2）诸多C端Fintech代表公司估值享受溢价 (25) （3）B端Fintech龙头公司前景同样广阔，也应享受估值溢价 (26) 四、总结 (26)

北美金融科技航母，年入近百亿美元，金融危机后股价已翻10倍：作为北美金融科技的“巨无霸”，FIS业务覆盖了银行、证券、基金、交易所等金融领域的各主要分支，深耕金融行业的“专注”让FIS 在《美国银行家》评选的FinTech100榜单中常年位居前三甲，并年入近百亿美金。公司股价在2008年金融危机达到历史低点后开始持续上涨，截至目前已上涨近10倍，总市值逾310亿美元。时势造英雄，我们看好这个属于Fintech的时代，也看好我国Fintech行业将后来居上。 成长史俨如行业缩影，91亿并入巨头Sungard：FIS于2015年以91亿美元的交易对价收购了专注于证券、交易所等行业的资本IT服务巨头Sungard（FinTech100排名第8），而在此之前，FIS已陆续收购逾10家公司。因此，看FIS的成长史就俨如在看美国Fintech行业的缩影。跳出一时的纷纷扰扰，若以更宏观的角度，从FIS身上可以看到Fintech 产业巨大的长线价值，也能看到龙头的“主线效应”。 从FIS得到的两点启示：1）看Fintech需看长逻辑。对比中美，从FIS年入近百亿美金及10年10倍的增速可以看出，对于美国这样一个金融市场成熟度领先于我国的市场，金融信息化的需求和市场空间十分巨大。而反观我国金融市场，离天花板尚远，成长可期，金融监管的短期承压不会改变行业的长远前景，而这一过程中，金融科技的作用将必不可少；2）以史为镜：分久必合，主抓龙头。从FIS及Sungard 的成长轨迹可以看出，美国金融科技企业通过过去10年不断的并购整合，市场格局逐渐明朗，集中度不断向龙头靠拢。FIS作为龙头企业充分受益，确定性和稀缺性凸显。这对于我国金融科技市场未来的发

公需课考试答案：第三章：大数据金融行业应用

第三章：大数据金融行业应用 第1 题 强大的客户信息数据仓库及数据库是良好实施数据分析的基础。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第2 题 2011年5月美国对冲基金Derwent Capical Markets通过分析Twitter的数据来感知市场营销，在首月的收益率为1.85%，让平均为0.76%的其他对冲基金相形见绌。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第3 题 摩根大通银行可以利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第4 题 没有好的数据基础，可能建模过程就会中途夭折，但是建模成功的话，就能得到如意的结果。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第5 题 中国大数据IT应用投资规模中，金融领域占的比例最。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A

2012年海通证券自主开发的“给予数挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第7 题 客户画像指的是个人客户画像，包括人口统计写特征、消费能力数据、兴趣数据、分险偏好等。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第8 题 客户生命周期管理包括新客户获取、客户防流失和客户赢回等。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第9 题 数据分析在处理客户关系管理上只是流失客户的预测。（3分） A. 是 B. 否 答题情况：正确选项：B 你答对了! 第10 题 大数据是依托新的数据处理技术，对海量、高速增长、多样性的结构和非数据结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力，优化流程和科学配置资源的管理工具。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了!

大数据在金融行业的应用

【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估

数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布

从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。 Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：

金融科技行业分析报告

金融科技行业分析报告

目录 金融行业正从“互联网+模式”阶段跨入技术深度创新阶段 .. 3深度技术创新带来行业价值链重整和智能化趋势 (11) 关注金融科技新蓝筹价值的再定位 (24) 投资建议 (34) 风险提示 (35)

金融行业正从“互联网+模式”阶段跨入技术深 度创新阶段 传统“互联网+”着眼模式创新，一时兴盛 过去的9年里移动互联改变了社会生活的方方面面，不同行业怀着欣喜，尝试 利用个人移动端直接面对C 端客户，在突破地域限制、中间环节损耗和线下 传播低效后，ToC 应用可能面对的客户指数级暴增，在数据的管理、流程的拉 通和在线及时响应等方面对原有IT 架构造成巨大冲击，倒逼互联网公司向集 中式数据中心、分布式计算架构和大数据存取分析模式转型。这样的传统业 务“嫁接”互联网应用的模式，由于相关ICT 软硬件与算法急速成熟、各层次 领域应用的积极探索和政策扶持鼓励，“互联网+x ”的模式创新取得了超乎想 象的成功，而互联网金融堪为其中典范。 图表1. 互联网金融市场发展历程 移动互联网的兴起与3G 网络在国内的普及和iphone 引领的智能终端风潮不无 关联，以此为界，2007年前的阶段还不能正式成为互联网金融，而是以网络 技术为金融机构业务提供支持。将一部分业务以网站形式呈现即是该阶段的 主要业态表象。 2007年后，金融业务领域开始与互联网深入融合，并伴随着第三方支付与网 络借贷业务而兴起。2007年，首家P2P 网贷平台拍拍贷成立，之后P2P 势如 星火燎原，成为互联网金融典型业务模式；2011年央行开始发放第三方支付 牌照，大型互联网公司纷纷依托自身资源特性展开围绕移动支付入口展开争 夺，与原有的金融机构支付路线分庭抗礼；同年首家众筹融资平台点名时间 成立，开启民间集资新模式。

大数据在金融行业四大创新性应用..

大数据在金融行业四大创新性应用随着网络和信息技术的不断普及，人类产生的数据量正在呈指数级增长，而云计算的诞生，更是直接把我们送进了大数据时代。“大数据”作为时下最时髦的词汇，开始向各行业渗透辐射，颠覆着很多特别是传统行业的管理和运营思维。在这一大背景下，大数据也触动着金融行业管理者的神经，搅动着金融行业管理者的思维；大数据在金融行业释放出的巨大价值吸引着诸多金融行业人士的兴趣和关注。探讨和学习如何借助大数据为金融行业经营管理服务也是当今该行业管理者面临的挑战。 大数据应用，其真正的核心在于挖掘数据中蕴藏的情报价值，而不是简单的数据计算。那么，对于金融行业来说，管理者应该如何来借助大数据为金融行业的运营管理服务呢？同时大数据应用又将如何突出其在金融行业的情报价值呢？对此，xx大数据情报信息中心从以下四个方面整理总结了大数据在金融行业的创新性应用。 一、大数据有助于精确金融行业市场定位 成功的品牌离不开精准的市场定位，可以这样说，一个成功的市场定位，能够使一个企业的品牌加倍快速成长，而基于大数据的市场数据分析和调研是企业进行品牌定位的第一步。金融行业企业要想在无硝烟的市场中分得一杯羹，需要架构大数据战略，拓宽金融行业调研数据的广度和深度，从大数据中了解金融行业市场构成、细分市场

特征、消费者需求和竞争者状况等众多因素，在科学系统的信息数据收集、管理、分析的基础上，提出更好的解决问题的方案和建议，保证企业品牌市场定位独具个性化，提高企业品牌市场定位的行业接受度。 企业想进入或开拓某一区域金融行业市场，首先要进行项目评估和可行性分析，只有通过项目评估和可行性分析才能最终决定是否适合进入或者开拓这块市场。如果适合，那么这个区域人口是多少？消费水平怎么样？客户的消费习惯是什么？市场对产品的认知度怎么样？当前的市场供需情况怎么样？公众的消费喜好是什么等等，这些问题背后包含的海量信息构成了金融行业市场调研的大数据，对这些大数据的分析就是我们的市场定位过程。 企业开拓新市场，需要动用巨大的人力、物力和精力，如果市场定位不精准或者出现偏差，其给投资商和企业自身带来后期损失是巨大甚至有时是毁灭性的，由此看出市场定位对金融行业市场开拓的重要性。只有定位准确乃至精确，企业才能构建出满足市场需求地产品，使自己在竞争中立于不败之地。但是，要想做到这一点，就必须有足够量的信息数据来供金融行业研究人员分析和判断。在传统情况下，分析数据的收集主要来自于统计年鉴、行业管理部门数据、相关行业报告、行业专家意见及属地市场调查等，这些数据多存在样本量不足，时间滞后和准确度低等缺陷，研究人员能够获得的信息量非常有限，使准确的市场定位存在着数据瓶颈。随着大数据时代的来临，借助数

大数据在金融行业的应用

大数据在金融行业的应用

一、金融行业大数据发展概述 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT 应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。金融行业位居第三，主要是由于大数据在金融行业的应用起步相对稍晚，其应用深度和广度还有很大的扩展空间。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估

数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。 金融行业的大数据应用有很多的障碍需要克服，比如银行企业内各业务的数据孤岛效应严重、大数据人才相对缺乏以及缺乏银行之外的外部数据的整合等问题。可喜的是，金融行业尤其是以银行的中高层对大数据渴望和重视度非常高，相信在未来的两三年内，在互联网和移动互联网的驱动下，金融行业的大数据应用将迎来突破性的发展。 二、金融行业大数据应用

当前，数据是重要资产的观念已经在金融行业成为共识，随着金融业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有15%的结构化数据进行分析已经不能满足发展的需求，急需借助大数据战略打破数据边界，囊括85%的大数据分析，来构建更为全面的企业运营全景视图。大数据能够解决金融领域海量数据的存储、查询优化及声音、影像等非结构化数据的处理。金融系统可以通过大数据分析平台，导入客户社交网络、电子商务、终端媒体产生的数据，从而构建客户视图。依托大数据平台可以进行客户行为跟踪、分析，进而获取用户的消费习惯、风险收益偏好等。针对用户这些特性，银行等金融部门能够实施风险及营销管理。总结可以看出，金融机构大数据应用主要在四个领域：风险管理、渠道优化、客户管理及运营优化。 大数据服务于金融领域的五种应用类型包括：互联网获客、个性化推荐、精准化营销、大数据征信及信用评级体系：

金融行业的大数据应用案例及解决方案

目录 来自Connotate的解决方案 (2) 金融数据聚集 (2) 金融行业应用 (2) 金融行业应用案例-华尔街个案 (4) 用户案例：FactSet (5) Conotate功能介绍： (6) 来自Datameer的解决方案 (8) 大型零售银行 (8) 金融机构 (8) Datameer简介 (9) 来自Syncsort的解决方案 (13) Syncsort为金融服务行业提供的解决方案 (13) Syncsort的产品介绍 (15)

来自Connotate的解决方案 金融数据聚集 每天，所有的政治事件、金融行业动态、企业动态和其他的市场动态都会发布到网上。实时地监控和了解金融行业的动态对于占领和稳固金融数据的市场份额是必不可少的。速度和精准度是最关键的。 自动化Web数据监控和抽取功能，大大方便了金融数据提供商持续的跟踪各银行、客户金融服务网站和世界各地的新闻、企业新闻、政府新闻和媒体新闻，并向其用户推送所需的信息，自动化监控的解决方案能够做到： ?通过监控市场动态，利用内部变化监控和关键字搜索方式，提供实时的更新报表?通过复制收集的数据和减少数据上传时的人工干预，大大提高了数据的精准度?通过选择性数据推送功能，向特定的管理员发出提醒，告知用户哪些企业网站、新闻门户和政府网站有重要的改变 ?通过增加对金融文件的监控力度（自动化抽取），大大减少了成本 ?通过从世界各网站中收集精准的数据（语言不限）并转换成结构化数据，大大提高了数据收集的广度 ?通过一些指标性特征使管理人员迅速调整监控个抽取的目标数据，提高商务和管理的灵活性 有了Web数据自动化监控和抽取的Connotate，管理人员和分析人员可以收到关于数据更新的报告，无需再依赖易于出错的人工方式和繁琐的脚本语言处理工具 Connotate自动化监控所有数据源的数据，如银行网站等，下载PDF文件并把Web页面转化为Excel、XML或者适用的文件格式 Thomson Reuters（路透社）、 Dow Jones（道琼斯）、FactSet和其他世界各主流金融数据商都新来Connotate，用Connotate进行数据监控和抽取。 金融行业应用 信息和内容随时可以在Web上获得，随着其价值的增加，对相关的信息内容做出及时的措施、分析和加快决策就越来越显得重要。 有了Connotate的帮助下，投资者和分析师可以针对企业和部门的表现有更加深刻的认识，即使在市场看来并不是很明显的表现。Connotate的必杀技在与不断的标记来自Web 上部门和政府的变化数据、新闻信息、诸如价格、库存、产品供应水平、生产力和招聘人员活动等操作数据，和各种能够帮助预测分析的指标。

金融科技的五大应用领域

金融科技的五大应用领域 金融科技（Fintech），顾名思义指的是金融与科技的结合。具体来讲，一方面包含传统金融机构利用科技手段推动创新提高效率以及提升用户体验；另一方面，也指新型创业公司利用科技手段推出全新的金融产品或者为传统金融机构提供技术服务，也就是我们通常所说的金融科技公司。按照金融理事会（FSB）的最新定义，金融科技是指技术带来的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响。 Fintech行业关键的科技进步主要有五个：移动支付、P2P应用科技、大数据分析、数字货币和数据区块链科技、智能交易与理财。 1、移动支付 移动支付包括近距支付和远程支付两种方式。其中近距支付包括NFC手机支付和RF-SIM支付两种方式，远程支付主要是基于移动互联网的在线支付方式，属于第三方电子支付的一个分支，实现方式分为短信、WAP、手机客户端等方式。 移动支付已成为趋势：进入互联网时代，第三方支付公司应运而生，美国的Paypal和中国的支付宝等运用数字化技术和安全保障技术，脱离传统的信用卡公司与银行，形成第三方支付平台，由此掀起一场支付革命。如今，随着智能手机的普及，移动支付领域也成为众多金融科技公司的主要业务。在KPMG和H2联合发布的最新TOP50金融科技公司的排名中，有5家支付行业公司入围，排名第四。中国央行的统计数据显示，2015年移动支付业务138.37亿笔，金额108.22万亿元，同比分别增长205.86%和379.06%。未来随着移动设备渗透率的上升，移动支付有望成为人们日常消费中重要的一环。 目前在中国的移动支付市场上，主要有三大参与方：以银联为代表的金融机构、运营商和以支付宝为代表的第三方支付机构。在商业模式上出现了银联、运营商和第三方支付各自主导的局面。银联、运营商和第三方支付机构各有优势，前者拥有完善、成熟的资金清算系统，后两者都拥有庞大的客户资源与销售渠道。