IDC：2022全球金融行業及支付科技十大預測報告-中國啟示（28頁）.pdf

1、IDC FutureScape:全球金融行業與支付科技2022年十大預測中國啟示高飛，IDC金融行業中國區分析師2022年1月2 IDC|預測時間成本/復雜性12345678910預測1（反洗錢賦能社會向善-AML for Social Good）隨著監管機構和基于社會責任壓力的加大，到2025年，30%的銀行將實施基于AI的反洗錢（AML）模型，以更好地檢測社會影響較為嚴重的非法活動。預測2（人工智能重塑銀行體驗 AI Shapes Banking Experience）到2024年，40%的大型（全球性）銀行將使用基于人工智能的情緒分析（Sentiment Analysis）提高客戶對當前

2、和未來產品和服務的體驗。預測3（數據智能云化部署 Analytics in the Cloud）到2025年，30%的處于第一梯隊銀行將基于云部署其數據倉庫和數據分析業務。預測4（貿易融資 Trade Finance）現有和即將發布的SWIFT規則框架要求貿易融資系統更新換代，到2025年，75%的系統將基于云進行部署。預測5（預防式保險 Preventative insurance）到2026年，30%的保險公司將直接或通過數字合作生態系統，為零售類（壽險或產險）客戶提供實時風險預防服務（Real-time risk prevention as a service）。預測6（值得信賴的金融科

3、技-Credible Fintech）到2023年，金融科技（Fintech）市場整合將繼續，至少25%的知名金融科技公司被收購或合并，另外30%的金融科技公司因缺乏規?；赡茉馐苁?。預測7（人工智能驅動支付科技 AI in Payments）到2026年，35%的支付將使用AI驅動的路由模型（AI-derived routing）進行優化。預測8（先買后付-BNPL）到2024年，20%的消費者將嘗試跨渠道、跨生態的即時信貸類服務（Buy Now,Pay Later）。預測9（實時支付 Realtime Payment）到2026年，FedNow將占據美國75%的實時支付（RTP）數量，

4、包括跨境交易。預測10（可信并負責任的個性化服務 Relevant and Responsible Personalization）到2025年，30%的全球銀行將基于數字信任及AI的個性化作為開放金融生態下打造忠誠客戶的關鍵差異化能力。202320242025202220262027高低IDC FutureScape:2022年全球金融行業及支付科技全球十大預測及中國啟示 圖一來源:IDC,2021全球預測中國啟示1234567891012345678910AML賦能社會向善AI重塑客戶體驗數據智能云化部署貿易融資預防式保險可信賴FintechAI驅動支付先買后付（BNPL）實時支付個性化服

5、務重構3 IDC|關于全球驅動因素的更多信息，請參閱Worldwide Financial Services and Payments 2022 Predictions 金融行業及支付科技預測（2022）：全球驅動因素數字生態系統（Digital Ecosystem）在多平臺世界中蓬勃發展擁抱數字優先（Embracing Digital First）應對復雜性和無處不在的新戰略重新想象互動（Engagement Reimagined）從被動響應到主動預見按需數據智能（Intelligence on Demand）在數據洪流挑戰中航行邁向未來企業（The Future Enterprise）在敏

6、捷創新的環境中蓬勃發展重視連接速度（The Velocity of Connectedness）未來的數據都是動態與流動的中斷仍在繼續（Pervasive Disruption Continues）疫情帶來的市場波動、機會與韌性并存4 IDC|來源:IDC,202112345678910預測1（反洗錢賦能社會向善-AML for Social Good）隨著監管機構和基于社會責任壓力的加大，到2025年，30%的銀行將實施基于AI的反洗錢（AML）模型，以更好地檢測社會影響較為嚴重的非法活動。預測2（人工智能重塑銀行體驗 AI Shapes Banking Experience）到2024年，

7、40%的大型（全球性）銀行將使用基于人工智能的情緒分析（Sentiment Analysis）提高客戶對當前和未來產品和服務的體驗。預測3（數據智能云化部署 Analytics in the Cloud）到2025年，30%的處于第一梯隊銀行將基于云部署其數據倉庫和數據分析業務。預測4（貿易融資 Trade Finance）現有和即將發布的SWIFT規則框架要求貿易融資系統更新換代，到2025年，75%的系統將基于云進行部署。預測5（預防式保險 Preventative insurance）到2026年，30%的保險公司將直接或通過數字合作生態系統，為零售類（壽險或產險）客戶提供實時風險預防服

8、務（Real-time risk prevention as a service）。預測6（值得信賴的金融科技-Credible Fintech）到2023年，金融科技（Fintech）市場整合將繼續，至少25%的知名金融科技公司被收購或合并，另外30%的金融科技公司因缺乏規?；赡茉馐苁?。預測7（人工智能驅動支付科技 AI in Payments）到2026年，35%的支付將使用AI驅動的路由模型（AI-derived routing）進行優化。預測8（先買后付-BNPL）到2024年，20%的消費者將嘗試跨渠道、跨生態的即時信貸類服務（Buy Now,Pay Later）。預測9（實時

9、支付 Realtime Payment）到2026年，FedNow將占據美國75%的實時支付（RTP）數量，包括跨境交易。預測10（可信并負責任的個性化服務 Relevant and Responsible Personalization）到2025年，30%的全球銀行將基于數字信任及AI的個性化作為開放金融生態下打造忠誠客戶的關鍵差異化能力。IDC FutureScape:2022年全球金融行業及支付科技十大預測中國啟示 圖二成本/復雜性202320242025202220262027高低12345678910AML賦能社會向AI重塑客戶體驗數據智能云化部署貿易融資預防式保險可信賴Finte

10、chAI驅動支付BNPL實時支付個性化服務重構5 IDC|推動數字經濟和實體經濟的深度融合是我國經濟發展新十年堅定不移的方向，也是實現數字中國這一目標的必然舉措。金融行業立足于服務實體經濟，深化新技術應用與創新，成為推動數字經濟發展的關鍵力量。2021年是全球金融行業應對疫情影響及其不確定性，邁入新常態的關鍵時期，也是凸顯金融行業實現業務韌性，迅速并敏捷應對消費者及企業客戶不斷變化的金融產品及服務需求的一年。伴隨著中國經濟進入新周期、新常態、新格局，中國金融行業的數字化轉型持續深入，積極推進綠色金融的發展，并踐行賦能小微，鄉村振興的普惠金融。央行數字貨幣的推廣將在未來幾年內對金融行業從支付，現

11、金管理，國際結算，傳統零售及對公業務產生影響。與此同時，金融行業IT服務以更加精細化、敏捷化、開放化的服務模式，通過與新興技術的有機結合積極探索創新的金融服務生態和模式。新一輪金融行業的IT建設將在基礎設施及自主科技創新等方面加大力度?；A設施云化、數智驅動，生態賦能等將成為未來幾年金融行業關注的技術趨勢：1.云是金融機構打造數字化競爭力，實現敏捷應對以客戶為中心的服務價值鏈的最有效路徑，最終實現金融機構效率和收益的提升；2.大數據及人工智能是助力數字金融能力建設的有力雙翼，已被在營銷，風控，客服，支付等金融業務場景的落地實踐有效證明，而與數據相關的隱私及安全，數據要素的有效融通與資產化，AI

12、與倫理，AI與社會影響力（social impact）的研究也將是未來幾年金融行業值得關注的研究方向；3.數字金融的未來是開放的，只有通過與與消費，產業，政務等場景生態的深度融合、雙向賦能建立金融業務與行業生態的良性互動，才能釋放開放金融生態的潛能，實現金融服務服務實體經濟，推動產業升級的目標。2021年是央行金融科技（FinTech）發展規劃（2019-2021年）的收官之年，也是央行及相關監管機構密集出臺落地的一年，從銀行業監督管理法，到商業銀行法，資管業務指導辦法等，到與信息安全，個人隱私，算法管理等與金融場景密切相關的法律法規，無一不體現監管機構鼓勵技術創新的同時也在關注及衡量相關的社

13、會及法律風險。中國金融行業與金融科技趨勢概要6 IDC|據估計，洗錢活動約占全球GDP的3%。但是通過銀行業資金流向可以識別的非法活動的規模卻不到5%。以人口販賣活動為例，據湄公河俱樂部估計，全球范圍內人口販賣約4000多萬人，產生的相應利潤約1500億美元，由于對這種非法活動的檢測及其復雜，而基于舊有規則的模型無法進行有效識別。IDC Financial Insights認為，隨著對ESG相關議題認知度的不斷提升，社會要求金融行業能夠更為有效地識別資金流動中的非法活動。這要求銀行對于先進的機器學習技術優先投資，以識別復雜的非法資金流動模式。IDC認為，監管合規被認為是全球范圍內建立ESG市場

14、信任的首要領域。因此，我們認為，未來幾年，有助于銀行業識別并阻止非法活動的相關投資將會呈現強勁。預測一：反洗錢賦能社會向善（AML for Social Good）預測時間成本/復雜性202320242025202220262027高低來源:IDC,2021隨著監管機構和基于社會責任壓力的加大，到2025年，30%的銀行將實施基于AI的反洗錢（AML）模型，以更好地檢測社會影響較為嚴重的非法活動。全球預測中國啟示11AML賦能社會向善7 IDC|IT 影響需要大量數據科學資源及能力來構建滿足識別非法活動的業務期望?；谌斯ぶ悄埽ˋI）的工具充分利用歷史數據制定能力發展路線。從資金端到端的全局觀

15、了解所有實體和交易背景，是構建該項能力的重要基礎。檢測復雜的洗錢可能需要無監督式的機器學習模型。但是在使用這種無監督機器學習的過程中必須透明化，這樣審計和監管機構才能了解如何以及為什么警報會生成（可解釋性）。預測一：反洗錢賦能社會向善（AML for Social Good）隨著監管機構和基于社會責任壓力的加大，到2025年，30%的銀行將實施基于AI的反洗錢（AML）模型，以更好地檢測社會影響較為嚴重的非法活動。建議優先投資先進的機器學習模型技術。傳統的基于規則的模型不足以確定復雜的洗錢活動。雖然許多機構傾向于自薦而不是購買，但應該考慮到開發和維護基于人工智能的模型所需的數據科學資源也需時日

16、積累；可以考慮優先采用SaaS模式來實施構建必要能力所需的技術，這可能是實現預期成果最經濟最為有效的方式；確保技術供應商具備強大的人工智能模型可解釋性和偏差檢測能力。認識到所有供應商都會使用合理代碼表示其算法是透明的。然而，供應商在審計偏差檢測和提供完全可追溯決策的能力上存在差異。8 IDC|對金融行業消費者用戶體驗的關注和理解有別于其他行業（如零售行業）根據歷史購買量推薦書籍或日用品。評估和理解客戶情緒的能力可以幫助金融行業客戶體驗的提升，這種體驗會根據客戶的情緒、位置、面部表情，甚至是一周中的具體某一天或一天中的某個時點，產生流暢的體驗。AI驅動的客戶情緒分析將不同客戶數字化及輔助渠道（如

17、網點或聯絡中心）的經驗進行深度學習，這將提高客戶忠誠度，提高整體盈利能力。例如，如果銀行能發現客戶正在度假，過得愉快，那么或許可以發出愉快的營銷信息和特別優惠，讓客戶高興不已。如果客戶與代理人通了電話，并且開始感到沮喪，則要學會發現這種挫折感，并指導代理人改變他們的做法，要么找其他能提供協助的人。最后，可以大大改善網點體驗，指導網點員工直接獲得關于客戶反應的反饋，從而與客戶有效互動。預測二：人工智能重塑銀行體驗 AI Shapes Banking Experience高低到2024年，40%的大型（全球性）銀行將使用基于人工智能的情緒分析（Sentiment Analysis）提高客戶對當前和

18、未來產品和服務的體驗。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示22AI重塑客戶體驗9 IDC|IT 影響完整的人工智能驅動的情緒分析需要整合視頻、文本和自然語言處理，以檢測人類情緒（正或負面）并做出相應反應。情境化數據分析（Contextual Data Analytics）要求金融機構盡早建立正確的數據治理框架。人機協同是必要的，機器學習和人工復盤需要統一集成，以確保算法捕獲正確的信息，并且響應合適，并通過任何合規測試。建議制定數據治理框架，識別數據源，確定實時、近實時或批次的數據更新，在不犧牲結果的情況下優化成本。在任何項目

19、的早期，請咨詢數據安全和隱私保護計算專家，以確保合規內部和外部強制標準。為了更為有效地提供基于人工智能的情緒分析，可以考慮從聊天機器人（chatbot）和虛擬代理（virtual agent）開始做起，然后再開始進行視頻分析，并將分析集成到現場的人對人互動中。但是，應該為自動化和親身體驗構建模型，利用從自動化平臺上獲得的效率和經驗積累，為其他產品和服務提供信息。預測二：人工智能重塑銀行體驗 AI Shapes Banking Experience到2024年，40%的大型（全球性）銀行將使用基于人工智能的情緒分析（Sentiment Analysis）提高客戶對當前和未來產品和服務的體驗。10

20、 IDC|數據作為新興生產要素，已經成為金融行業發展和創新不可或缺的一部分。數據將推動新一輪由人工智能驅動的分析，這些分析將為銀行客戶提供規?；睬轶w驗、提高機構運營效率、改善企業風險管理以及前所未有的安全和欺詐檢測水平。數據產生洞察需要對其進行清洗，切分，實時聚合等流程以滿足業務需要。而金融機構現有數據孤島的現狀是管理數據，實現所有這些能力的最大挑戰。潛在的解決方案可以考慮基于云的數據智能的能力部署（數據倉庫，或者數據湖等形式）。云服務提供商大多（即使不是全部）在其云平臺上擁有豐富的數據運營經驗和專業知識。其中許多提供商還擁有強大的人工智能和分析解決方案，可以從基于云的數據倉庫中獲得價值。高

21、低預測三：數據智能云化部署 Analytics in the Cloud到2025年，30%的處于第一梯隊銀行將基于云部署其數據倉庫和數據分析業務。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示33數據智能云化部署11 IDC|IT 影響IT技能的重點將從數據科學家轉移到數據分析專家，強調對數據使用者相關技能的需求，而不是數據存儲和管理方面的專家需求。在與第三方伙伴的合作過程中，隨著越來越多的數據遷移到云端，有關數據治理的新監管及政策要求將在很大程度上影響到這一進程。安全將變得更加重要，特別是在入侵和勒索軟件方面。業務連續性將在確?；?/p>

22、于云的數據倉庫不受攻擊方面發揮重要作用。建議開始確定金融機構企業級數據組件及重要性分層，即哪些數據元素云上部署的候選者，同時也要考慮到包括成本、低時延需求和風險在內的其他因素。需要著手開始進行在第三方環境中有關數據治理、安全和風險管理等新技能的培訓工作。確定應用層和數據之間的依賴關系，更好地了解數據上云的影響。著重與人工智能和數據分析相關的技能培訓，以便更為有效地利用云上數據智能部署所開辟的新機會。與云提供商合作，利用其專業知識開展此工作。預測三：數據智能云化部署 Analytics in the Cloud到2025年，30%的處于第一梯隊銀行將基于云部署其數據倉庫和數據分析業務。12 ID

23、C|從SR2018到SR2021的陸續推出，SWIFT標準的更新將給銀行的貿易融資系統帶來新一輪的更新熱潮。對銀行而言，在實施變革的復雜性和成本方面面臨巨大挑戰。在許多情況下，主要成本驅動因素是需要在定制化后更新非標準的交易融資IT解決方案代碼。由于許多銀行跳過了對最新供應商版本的升級，許多交易融資系統隨著時間的推移基本上已經過時了。SR2018 的發布所給銀行業尤其是全球性銀行帶來的陣痛，SWIFT 被迫將 2019 年計劃的變化推遲到2020年。隨之而來的變化包括SR2020實施支付跟蹤系統，SR2021基本上意味著從MT支付信息轉向新的ISO 20022信息傳遞標準。20022年ISO允

24、許將更多有關每個業務方的數據存儲在信息中，并將大幅改進制裁篩選、AML控制和監管報告。鑒于SWIFT的大規?，F代化進程，許多銀行將被迫淘汰舊有系統，投資新的解決方案（其中許多解決方案將基于云）以避免過去所走的彎路。預測四：貿易融資 Trade Finance高低現有和即將發布的SWIFT規則框架要求貿易融資系統更新換代，到2025年，75%的系統將基于云進行部署。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示44貿易融資13 IDC|IT 影響許多銀行根據其具體業務需求對其貿易融資系統的源代碼進行了定制化開發。還有些金融機構則選擇購買

25、供應商的系統及解決方案，但因成本原因而省略了新版本或升級的實施。這些定制化和缺乏適時更新的系統，使得SWIFT合規成為非常耗費人力和成本高昂的工作。對于大多數還在傳統系統上運營的銀行來說，這意味為他們必須升級主數據管理系統，以處理更多數據。遺憾的是，這不僅會影響貿易融資系統，還會影響所有與支付相關的系統，同時也會對每個具備支付能力的業務線系統提出更新需求。建議盡可能避免定制化，特別更改源代碼的定制化開發。相反，盡量選擇靈活、適應性和功能豐富的貿易融資IT解決方案，優先選擇那些致力于維護和支持一個單一的全球源代碼，并且融設計和開發為全球一攬子計劃的技術供應商。要求相關技術供應商提供系統自動升級的

26、功能，以整合 SWIFT 每年規定的所有更改。SWIFT框架的改變將會對有我國有國際結算業務的銀行產生一定影響，是否直接更換貿易融資系統，或者通過支付清算系統將視具體情況而定。而該項時點將于2022年第四季度開展。預測四：貿易融資 Trade Finance現有和即將發布的SWIFT規則框架要求貿易融資系統更新換代，到2025年，75%的系統將基于云進行部署。14 IDC|保司對于客戶來講，似乎始終擺脫不了一個只做風險量化和轉移專家的“necessary evil”定位。除了營銷階段的溝通，收取保費和處理索賠，保險公司與客戶觸點很少，互動有限。如何與客戶進行共情式客戶體驗是保險公司一直以來需要

27、面對的挑戰。一系列集成到連接設備中的創新技術的逐漸成熟，為保險公司提供了更為有效的工具，他們可以利用這些數字技術通過其核心產品（風險管理、風險預測和風險防范）動態、實時地與客戶互動。為了創建此類服務，保險公司需要訪問個人和情境化的實時數據，以幫助客戶以情境化和量身定制的方式最大限度地減少風險的影響。與互聯對象（物聯網IoT）相關的技術，以及實時分析、預測模型、機器學習和其他人工智能驅動工具，可以讓保險公司以高效、可擴展和有效的方式提供此類服務。如果保險公司未能抓住這一獨特機會，將失去與數字化競爭對手對于新一代客戶的技術基礎。預測五：預防式保險 Preventative insurance高低到

28、2026年，30%的保險公司將直接或通過數字合作生態系統，為零售類（壽險或產險）客戶提供實時風險預防服務（Real-time risk prevention as a service）。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示55預防式保險15 IDC|IT 影響風險預測和防范的成功與否取決于能否安全地收集、組合、情境化，并將實時數據轉化為潛在風險管理洞察能力。綜合來自多個來源的數據，如聯網設備、個人行為和當地環境相關數據以及外部數據源（例如，基于衛星的天氣預報），將成為預防式保險業務成功的基礎。隨著數字合作生態系統的發展，保險

29、公司需要培養自己的技術能力，既能加入這些生態系統，又要開發自己的平臺，以便更輕松地訪問物聯網設備生成的數據。邊緣和云計算成為必需技術能力，這是實時分析數據，并生成即時情境輸出，如警告，以避免迫在眉睫的風險或警報，激活即時反應的必要條件，以限制/控制損害程度。隨著客戶旅程變得越來越數字化，保險公司必須集成人工智能、AR/VR、行為設計和說服性技術，最大程度地降低客戶擺脫迫在眉睫的風險。建議在保司業務線或細分市場（汽車、家庭、健康、生活和工業風險）中，確定與此類型服務相關首要風險因子，并對相應服務進行標準化定義及開發。鼓勵其他利益相關者參與到數字生態，并在訪問物聯網設備生成的實時數據時找到額外價值

30、?？梢钥紤]從加入圍繞聯網設備構建的已有生態開始，為涉及的不同利益相關者提供保險，包括受益于風險預測和防范服務的最終用戶。預測五：預防式保險 Preventative insurance到2026年，30%的保險公司將直接或通過數字合作生態系統，為零售類（壽險或產險）客戶提供實時風險預防服務（Real-time risk prevention as a service）。16 IDC|2021年是金融技術創新者輝煌的一年，這一趨勢將持續到2022年。對金融科技玩家的收購創下歷史新高，主要在“即時信貸“，支付科技等To C的領域。風投也在這些投資中取得了可觀的回報，將能將同樣的回報推回新金融科技創

31、新領域，如區塊鏈和虛擬貨幣。同時，許多傳統的金融服務公司已經逐漸成為數字化技術公司，其接受度也越來越高。2022年將是這些大型機構通過金融科技收購的方式變得更大，有望變得更好的一年。隨著這些新參與者被整合到其市場上最知名的品牌或收購同行，數字金融市場也將進一步活躍。金融科技領域的整合證明了金融服務成功的一個既成事實：規?；?。消費者的數字習慣和偏好已經開始圍繞現有的金融科技主張趨于穩定，新參與者將越來越難以吸引到那些已經建立起行業公信度的金融科技公司。IDC認為，在以下領域如銀行即服務、開放銀行、合規、數據隱私及安全，數據即服務類公司，仍然相對開放，以適應新金融科技主張。這一趨勢代表著新興Fin

32、tech的方向逐漸轉變為提高銀行的運營模式和成本效率。預測六：值得信賴的金融科技-Credible Fintech高低到2023年，金融科技（Fintech）市場整合將繼續，至少25%的知名金融科技公司被收購或合并，另外30%的金融科技公司因缺乏規?；赡茉馐苁?。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示66可信賴Fintech17 IDC|IT 影響金融科技發展的下一步發展主題將圍繞著構建開放、API賦能和云就緒的核心系統等方向展開。隨著傳統銀行與多個金融科技合作伙伴之間開放生態的建設，隨著其業務功能、應用和數據交換的加快，

33、數據安全和數據隱私保護的重要性將日益凸顯。建議請持續追蹤金融科技發展中的新生主題和熱點，因為從這些主題中，很可能會出現新的價值主張和差異化特色。改善項目治理，在銀行內部實現創新交付機制內化時著重投資IT項目管理資源的配置，尤其是與其業務轉型計劃密切相關的部門。預測六：值得信賴的金融科技-Credible Fintech到2023年，金融科技（Fintech）市場整合將繼續，至少25%的知名金融科技公司被收購或合并，另外30%的金融科技公司因缺乏規?；赡茉馐苁?。18 IDC|人工智能和機器學習在防欺詐方面已經很常見，在監管合規和反洗錢等領域越來越普遍。IDC預測，支付將是金融服務人工智能的

34、下一個增長點，有關使用哪種支付系統的決定通常是手動做出的，信息有限，或者使用基于規則的簡單模型，如根據最小成本的路由或最快的結算時間。而AI驅動的模型將利用交易數據，通過復雜的決策模型，根據付款人或機構的整體業務目標，根據支付方或相關機構的整體業務目標，根據多個參數優化支付路由決策，為任何給定支付選擇最佳路徑。數字化支付在多個場景案例中的增長以及支付通道數量的不斷增加，使得這類基于AI優化越來越有吸引力。隨著實時支付和數據維度豐富的ISO20022報文傳遞框架的擴展，其發展也將更具現實意義。預測七：人工智能驅動支付科技 AI in Payments高低到2026年，35%的支付將使用AI驅動的

35、路由模型（AI-derived routing）進行優化。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示77AI驅動支付19 IDC|IT 影響實施ISO20022支付信息傳遞框架的實施，其豐富的數據結構，包括額外的數據點，是參與越來越多的支付系統的關鍵。雖然不同報文格式之間有消息翻譯選項，但使用通用報文格式可簡化集成，并且更好賦能AI建模。實施人工智能優化支付需要全面的戰略來捕獲和利用端到端的支付數據。構建和部署基于人工智能的模型在培養內部數據科學的同時，需要借力與人工智能技術服務商的專家及行業經驗。建議要充分認識到僅僅能夠發送和接

36、收ISO 20022的報文消息是不夠的。利用數據優化流程是最大化投資回報的關鍵所在。支付流程只是更好的數據和決策建?？梢栽鰪姷挠美?。云化是趨勢：基于云的支付處理和支付即服務（PaaS）模式的日益普及，可以簡化對新支付系統的實施和優化模型的部署努力?？缟鷳B系統的工作：要成功優化支付流程，需要覆蓋整個價值鏈，從付款人到銀行，從網絡到收款人。只有所有利益相關者都參與，系統才能實現價值最大化。預測七：人工智能驅動支付科技 AI in Payments到2026年，35%的支付將使用AI驅動的路由模型（AI-derived routing）進行優化。20 IDC|“先買后付”（Buy Now,Pay

37、 Later BNPL)的業務模式為消費者在結賬是提供即時消費融資的選項，在過去幾年中增長迅速，尤其在過去18個月中在參與商戶和從事交易的消費者數量上均呈現爆炸式增長。這一增長表現在參與的商戶數量和從事交易的消費者數量上。隨著BNPL金融科技公司越來越受關注，銀行和傳統零售金融公司開始通過新產品來保護其市場地位并且取得競爭優勢。隨著這些其他選項被推出，競爭也進一步推動了消費者的使用頻率。對于消費者和貸款機構來說，市場并非沒有風險。比如說消費者因拖欠付款而面臨巨額罰款。銀行和BNPL金融科技公司都在使用新的、創新的但最終未經檢驗的風險和收入模式。此外，監管機構也在不斷審查，這可能限制了即時融資提

38、供商的選擇。預測八：先買后付-BNPL2027高低到2024年，20%的消費者將嘗試跨渠道、跨生態的即時信貸類服務（Buy Now,Pay Later）。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示88BNPL21 IDC|IT 影響BNPL需要能夠做出即時決策，這需要相關數據支持的可規?；瘶I務流程?？蛻舴障嚓P的基礎設施也需要適應這一新類型的產品服務。BNPL需要將銷售網點的地理位置信息整合到所選的數字支付渠道中。建議對于銀行，應考慮與金融科技公司等生態類伙伴合作，以限制整體風險暴露程度。監控并提供因監管變化而可能帶來的市場反饋，

39、比如說監管機構可能會關注誘導性費率或者具有隱蔽性費用的產品。讓銀行客戶了解使用BNPL選項的優勢，無論是在銷售點還是交易完成之后。確定與銀行數字錢包和手機銀行解決方案集成的最佳戰略。我國已有類似消費金融類產品在近幾年出現，前提是與第三方支付通道綁定，并且在特定的電商或者生活消費類平臺生態內進行。本預測提出的跨渠道、跨生態的即時信貸類服務是否還有足夠的市場前景和推動力還有待觀察。預測八：先買后付-BNPL到2024年，20%的消費者將嘗試跨渠道、跨生態的即時信貸類服務（Buy Now,Pay Later）。22 IDC|實時支付網絡在數秒而不是數小時或數天之內提供賬戶到賬戶的支付和結算服務，這一

40、趨勢在全球范圍內呈增長態勢。以美國為例，現有的實時支付系統是2017年推出TCH的RTP網絡。2023年，RTP將與美聯儲正在開發的 FedNow展開競爭。兩個系統均采用ISO 20022報文框架，以參與全球實時系統和跨境支付系統。這使得銀行能夠在未來某個時候輕松添加一個或兩個系統。此外，它還使涉及其他實時系統的跨境交易更容易處理。許多銀行最終可能會連接到這兩個系統，而且兩者都將在未來幾年得到增長。但FedNow現在將捕獲更多的銀行，更多的企業，并最終獲得更多的流量。預測九：實時支付 Realtime Payment高低到2026年，FedNow將占據美國75%的實時支付（RTP）數量，包括跨

41、境交易。預測時間成本/復雜性202320242025202220262027來源:IDC,2021全球預測中國啟示99實時支付23 IDC|IT 影響采用任何新的支付系統都需要大量的系統集成工作。ISO20022支付信息傳遞框架是實時支付系統落地的先決條件。然而，RTP和 FedNow的信息格式并不相同，實施這兩種系統的銀行必須考慮到這兩種差異。與傳統支付系統相比，實時網絡生成的數據要大得多。捕獲和管理數據對于實現實施價值和需要考慮的價值至關重要。建議實時支付的實現提供的遠不止即時支付和結算。借助系統生成的數據，它們可以助力改進其他流程（從反欺詐到反洗錢等）的催化劑。從與技術供應商的合作中學習

42、，了解實時支付的挑戰和優勢，其中許多人在其他地區都有經驗。并且可以考慮云部署模式，或支付即服務（Payment as service）。中國的支付與清算體系和美國不同，應該不會出現類似RTP和FedNow直面競爭的情況，但將會對國際結算系統有一定影響，另外FedNow可能實現的實時支付與清算對于我國未來支付體系的建設將由一定參考意義。預測九：實時支付 Realtime Payment到2026年，FedNow將占據美國75%的實時支付（RTP）數量，包括跨境交易。24 IDC|該如何定義金融機構客戶的個性化需求？該如何將個性化作為關鍵差異化的武器，做到不僅能吸引客戶，還能發展客戶關系并保留客戶

43、群。個性化是一種基于人工智能的工具，能夠以有意義的方式與客戶建立聯系，它不僅有助于滿足客戶的需求，還能預測和超越客戶的需求。如果個性化要成為真正的朋友，而不是敵人，算法編排必須要具有相關性及責任感。其相關性取決于它如何開發和利用可落地的洞察（基于客戶屬性、行為和過去在所有渠道積累的交互）來獲得與客戶交互的收益。它必須在正確的時間滿足客戶的實際或預期的情景化需求。個性化必須具有負責感。這意味著要尊重隱私，并建立基于信任的真正共生互助的合作伙伴關系。隱私是當今世界的關鍵所在，這些生態系統包括與銀行、保險公司和資產管理公司等建立多層次合作關系，這些生態系統都有實現利潤最大化的具體利益和目標?？蛻舯仨?/p>

44、完全相信，他們同意（分享）的與個人相關信息將被用于準備有利于他們需求的有用建議。個性化的整體基礎架構必須包括，例如，對銷售關鍵績效指標的定義，以實現共贏。高低預測時間成本/復雜性202320242025202220262027來源:IDC,2021預測十：可信并負責任的個性化服務 Relevant and Responsible Personalization2025年，30%的全球銀行將基于數字信任及AI的個性化作為開放金融生態下打造忠誠客戶的關鍵差異化能力。全球預測中國啟示1010個性化服務重構25 IDC|IT 影響認識到數據管理及治理的必要性。銀行經常在各種基于客戶群體，職能流程以及跨

45、地區的孤島中割裂數據系統。這給確保以各種格式轉換和讀取數據的能力帶來了巨大挑戰。建立一個完整的客戶視圖（即有關客戶的單一真相）。有關客戶數據的平臺必須能夠通過統一的數據模型統一客戶刻畫（即實現身份確認和識別），從而實時確定360度客戶視圖等。CRM系統和智能營銷自動化套件是其中不可分割的一部分。將安全的API集成層開發到生態系統平臺，這樣客戶刻畫就可以與外部數據進行結合。例如，如何摩擦式地訪問智能可穿戴設備并且與客人病歷相結合。這意味著可以通過數據湖以各種形式收集、存儲和遷移客戶相關數據。默認情況下提供安全和隱私。IT必須在企業分析和應用開發中以安全和隱私為前提。建議個性化“引擎”能夠對其算法

46、的輸入數據進行大量的評估，并實時提出最優、最次優方案。企業需要提升相關技術能力，這樣在必要時進行改進時人工介入，以便更好地理解算法邏輯，并在機器學習過程中進行相關干預。為了協調個性化引擎的落地，需要組織結構更為扁平化以便于由業務和技術員工組成的跨職能團隊能夠有效率地溝通。對于這個性化引擎的性能需要根據銷售漏斗中的相關關鍵績效指標來分層衡量。數字信任是這個個性化引擎成功與否的重要維度。關鍵因素是讓客戶適應并認可與銀行，以及生態系統合作伙伴數據共享的程度。預測十：可信并負責任的個性化服務 Relevant and Responsible Personalization2025年，30%的全球銀行將

47、基于數字信任及AI的個性化作為開放金融生態下打造忠誠客戶的關鍵差異化能力。26 IDC|預測一覽中國啟示預測1（反洗錢賦能社會向善-AML for Social Good）隨著監管機構和基于社會責任壓力的加大，到2025年，30%的銀行將實施基于AI的反洗錢（AML）模型，以更好地檢測社會影響較為嚴重的非法活動。預測2（人工智能重塑銀行體驗 AI Shapes Banking Experience）到2024年，40%的大型（全球性）銀行將使用基于人工智能的情緒分析（Sentiment Analysis）提高客戶對當前和未來產品和服務的體驗。預測3（數據智能云化部署 Analytics in

48、the Cloud）到2025年，30%的處于第一梯隊銀行將基于云部署其數據倉庫和數據分析業務。預測4（貿易融資 Trade Finance）現有和即將發布的SWIFT規則框架要求貿易融資系統更新換代，到2025年，75%的系統將基于云進行部署。預測5（預防式保險 Preventative insurance）到2026年，30%的保險公司將直接或通過數字合作生態系統，為零售類（壽險或產險）客戶提供實時風險預防服務（Real-time risk prevention as a service）。預測6（值得信賴的金融科技-Credible Fintech）到2023年，金融科技（Fintech

49、）市場整合將繼續，至少25%的知名金融科技公司被收購或合并，另外30%的金融科技公司因缺乏規?；赡茉馐苁?。預測7（人工智能驅動支付科技 AI in Payments）到2026年，35%的支付將使用AI驅動的路由模型（AI-derived routing）進行優化。預測8（先買后付-BNPL）到2024年，20%的消費者將嘗試跨渠道、跨生態的即時信貸類服務（Buy Now,Pay Later）。預測9（實時支付 Realtime Payment）到2026年，FedNow將占據美國75%的實時支付（RTP）數量，包括跨境交易。預測10（可信并負責任的個性化服務 Relevant and

50、Responsible Personalization）到2025年，30%的全球銀行將基于數字信任及AI的個性化作為開放金融生態下打造忠誠客戶的關鍵差異化能力。27 IDC|Critical External Drivers Shaping Global IT and Business Planning,2022(IDC#US48047121,October 2021)中國銀行業IT解決方案市場份額，2020：需求持續推進（IDC#CHC47257921，2021年9月）中國銀行業IT解決方案市場預測，2021-2025（IDC#CHC47257721，2021年9月）Banking on

51、Artificial Intelligence:Results from the 2021 AI Path Survey(IDC#US48220921,September 2021)中國保險行業IT解決方案市場份額，2020：受疫情影響增速放緩（IDC#CHC47258421，2021年8月）Digital Banking Solutions Become Dominant Engagement Platform(IDC#US46524521,June 2021)Payments in the Cloud:Results from IDCs 2020 CloudPath Survey(IDC#

52、US47584221,April 2021)相關研究28 IDC|國際數據公司（IDC）是市場上最受信賴的 IT 研究咨詢公司。IDC的 IT 執行項目為全球各地的商業組織的數字化轉型（DX）提供支持。IDC 不僅可針對數字化轉型關鍵技術（如，云、數據分析、物聯網、移動應用、3D打印等）提供 IT咨詢服務，也可為 IT 以及 LOB 高效領導并執行數字化轉型方案提供咨詢服務。在IDC 超過 50 年的發展歷史中，眾多企業客戶借助 IDC 的戰略分析實現了其關鍵業務目標。IDC 是 IDG 旗下子公司，IDG 是全球領先的媒體出版、會展服務以及研究咨詢公司。服務條款：除非另做說明，以上所有信息均屬 IDC 2022 版權所有。未經許可，不得復制。如欲了解更多信息，請聯系 。保留所有權利。